30 000 個帳戶教會了我們關於機器學習和 PPC 的知識

已發表: 2017-12-14

多年前,我們的團隊構建了自我改進的機器技術,可以比任何人更快、更好地實現投標和預算管理,使用的數據比一個人所能考慮的還要多。 該技術由擁有其他早期人工智能專利的火箭科學家創造,包括 30 多種複雜算法。 這不僅僅是一個自動化的、基於規則的系統,它實際上在不斷地自我改進,使其成為我們在 SEM 行業中最接近人工智能的東西

我們被問到很多關於我們稱為 Acquisio Turing TM的機器學習技術以及營銷人員可以從中獲得什麼類型的結果,因為代理商和營銷人員已經厭倦了來自 martech 提供商的索賠。 所以我們的團隊開始對我們的機器進行測試。

我們想準確了解營銷人員可以從 Acquisio Turing 獲得什麼樣的營銷活動結果 與不在此技術上的帳戶相比。 下巴會掉下來,數據會飛,頭會滾……你準備好用一些機器學習數據弄髒你的手了嗎? 開始了!

研究參數

實際研究包括 2015 年 9 月 1 日至 2017 年 4 月 1 日期間共有 32,858 個帳戶,其中一些在 Acquisio Turing 以及其他沒有比較從激活日期起第 1 個月到第 3 個月的結果的人

如下面的第 1 課至第 4 課所示,我們選擇同時報告平均值和中位數,因為非常大的收益可能會主導平均值,從而扭曲預期。 例如,如果我們的一位客戶的轉化率增加了 3000%,而其餘客戶的轉化率在 50% 到 100% 之間,則由於異常值,平均值會被拉高。 中位數不太容易受到異常值的影響。

對於第 5 課和第 6 課,我們查看了 Acquisio Turing 上的所有帳戶 以及那些沒有被發布商網絡(AdWords 或 Bing)打破的比較。

第 1 課:賬戶既是蘋果也是橙子

並非所有廣告系列都是平等創建的。 一場運動的成功取決於很多因素。 一個活動可能有高預算,另一個可能有更短的時間框架,一個可以銷售更受歡迎的產品,而另一個幾乎沒有競爭。 為了理解任何事情並獲得具有統計意義的數據,帳戶比較應該只在相似帳戶之間進行。

我們必須正確地對數據進行切片並將蘋果與蘋果進行比較。 由於 Acquisio Turing 是一種出價和預算管理工具,因此在衡量每次點擊成本、點擊率、每次獲取成本和轉換時,比較具有相似預算支出的帳戶非常重要。 因此,為了確定這些指標,我們在正負 10% 範圍內過濾了類似支出的賬戶,留下了 8,235* 個賬戶。

*在計算平均值之前,通過將分數視為對數正態分佈並使用中值絕對偏差方法來去除異常值。

第 2 課:降低每次點擊成本 (CPC)

人們轉向谷歌搜索服務。 谷歌允許廣告商進入搜索結果並按潛在客戶收費。 每次點擊成本是 Google 創建的指標,用於確定廣告商每次點擊廣告時將支付的費用。 營銷人員很高興他們的搜索廣告活動的成本只有在活動有效時才會增加。 然而,儘管點擊的質量很高,但這些潛在客戶是有成本的。

對於具有可比性的 8,235 個帳戶,我們觀察到第一個月和第三個月的每次點擊費用平均下降了 7%。 該組的中位數下降了 10%,這意味著 Acquisio Turing 上一半的帳戶的 CPC 下降了 10% 或更多。 總體而言,大約三分之二的 CPC 有所下降。

是的,較低的每次點擊費用!

第 3 課:增加點擊次數

雖然點擊並不是唯一重要的事情,因為它們可能由於多種原因無法轉化,但我們都希望獲得高質量的點擊——來自感興趣的潛在客戶的著陸頁的真實流量。

我們看到,前三個月的點擊次數平均增加了 15%。 同樣,第一個月和第三個月之間點擊變化的中位數為 8%,這意味著 Acquisio Turing 上一半的帳戶的點擊增加了 8% 或更高。 總體而言,59% 的人看到點擊次數有所增加。

感謝機器學習帶來的點擊! 是時候做一些轉換了……

第 4 課:每次轉化成本 (CPA) 減少和增加轉換

CPA 是廣告客戶為每次轉化支付的金額。 轉化是任何 PPC 活動和一般廣告的最終目標。 但是,有時很難跟踪轉化。 從 UTM 到標籤管理器甚至第三方軟件,事情很快就會變得一團糟。

在預算支出在 10% 以內的 8,235 個帳戶中,只有 2,490 個*在跟踪轉化,這意味著對於我們研究的轉化部分,我們比較了不到 2500 個 PPC 帳戶。

在跟踪轉化的帳戶中,CPA 變化的中位數下降了 18% 或更多。 這意味著一半或更多的客戶將每次收購的成本降低了 18% 或更多。 總體而言,該組 64% 的人看到 CPC 有所下降。

在跟踪轉化的帳戶中,我們觀察到轉化次數增加了 71%……這讓我們的團隊都喜歡:

通過 GIPHY

但是,為了保守起見,我們應該始終關注轉化率變化的中值,即第一個月到第三個月的轉化率增加了 22%。 這意味著該組中有一半的人將轉化率提高了至少 22% 或更高。 總體而言,62% 的使用機器學習的帳戶的轉化次數有所增加。

現在這是要寫回家的事情了!

*在計算平均值之前,通過將分數視為對數正態分佈並使用中值絕對偏差方法來去除異常值。

第 5 課:幾乎每次都能達到預算

預算實現並不總是被認為是一個關鍵指標。 最近,我們在博客上寫了一篇關於為什麼預算達到應該是 KPI 的文章:

“如果 PPC 營銷人員超支預算,出於顯而易見的原因,這是一個問題。 即使超支意味著實現另一個重要的 KPI(如轉化),客戶也可能根本沒有多餘的錢; 因此,首先分配預算。 如果 PPC 營銷人員的預算不足,客戶會問為什麼他們沒有將所有資源投入到獲得最大結果中。 同時,如果每個月的投資都不同,沒有人可以始終如一地衡量投資回報,因此數據完整性也存在風險。 最終,如果 PPC 營銷人員無法準確且始終如一地花費預算,客戶就會希望將錢花在有能力的人身上。”

考慮到這一基本原理,PPC 營銷人員逐月達到預算非常重要。 我們想看看機器學習是否可以幫助他們做到這一點。 為了回答我們的預算實現問題,我們將使用機器學習技術的賬戶與未使用的賬戶進行了比較。 我們還必須考慮那些在 AdWords 上使用它的廣告系列以及正在運行 Bing 廣告系列的用戶。 我們總共查看了 32、858 個帳戶:

  • 12, 651 人在 AdWords 上使用機器學習
  • 11,094 人未在 AdWords 上使用機器學習
  • 6,342 人在 Bing 上使用機器學習
  • 2,771 人未在 Bing 上使用機器學習
平均預算達到

對於 AdWords,我們發現與未使用 Acquisio Turing 的帳戶相比,帳戶按預期安排和支出預算的可能性平均高出 3.4 倍。

對於 Bing,我們發現帳戶使用 Acquisio Turing 的速度和支出每月預算的可能性是未使用的帳戶的平均 11 倍。

如果我們按預算支出細分數據,我們會發現以下內容:

  • 與未使用機器學習的帳戶相比,每月花費低於 500 美元的帳戶在 AdWords 上達到預算的可能性是其 3.1 倍,在 Bing 上是 11.3 倍。
  • 與未使用機器學習的帳戶相比,每月花費在 500 美元到 1500 美元之間的帳戶在 AdWords 上達到其預算的可能性是其 2.3 倍,在 Bing 上是其 10.1 倍。
  • 與未使用機器學習的帳戶相比,每月花費超過 1500 美元的帳戶在 AdWords 上達到其預算的可能性是其 5.2 倍,在 Bing 上是 18.6 倍。

第 6 課:賬戶的平均生命週期價值 (LTV) 增加

帳戶在平台上的停留時間可能意味著一些好事。 首先,成功的活動比那些表現不佳並被暫停或取消的活動更有可能繼續下去。 其次對於代理商、經銷商或渠道合作夥伴來說,這意味著更多的錢。 根據這個更長的生命週期價值所代表的賬戶數量,它可以大規模提供更多的年收入。

為了確定 32,858 個賬戶的 LTV 會發生什麼變化,我們按照使用機器學習技術的用戶和未使用機器學習技術的用戶對它們進行了分類。 我們發現,那些使用機器學習技術的人在 AdWords 上的壽命比不使用機器學習技術的人長 1 個月,在 Bing 上的壽命要長兩個半月。

機器學習可以教你什麼關於 PPC 的知識

由於我們應用於這項研究的機器學習技術不斷自我改進,每天都在變得更聰明,我們預計上述結果只會變得更好。

TLDR 總結:

  1. 為了理解任何事情並獲得具有統計意義的數據,帳戶比較應該只在相似帳戶之間進行。
  2. 使用機器學習的賬戶中有一半的 CPC 下降了 10% 或更多。 總體而言,大約三分之二的 CPC 有所下降。
  3. 一半使用機器學習的帳戶的點擊次數增加了 8% 或更高。 總體而言,59% 的人看到點擊次數有所增加。
  4. 一半或更多的客戶將每次收購的成本降低了 18% 或更多。 總體而言,該組 64% 的人看到 CPC 有所下降。
  5. 在跟踪轉化的帳戶中,我們觀察到轉化次數增加了 71%。 總體而言,該組 62% 的人的轉化次數有所增加。
  6. 對於 AdWords,我們發現與未使用機器學習的帳戶相比,帳戶按預期安排和支出預算的可能性平均高出 3 倍。
  7. 對於 Bing,我們發現帳戶使用機器學習花費每月預算的可能性平均高出 11 倍 比那些沒有的人。
  8. 使用機器學習技術的賬戶比沒有使用的賬戶多活了四個月。

從更低的每次點擊費用到更高的轉化率、更長的 LTV 等等,Acquisio Turing 已經為其在過去兩年運行的賬戶提供了巨大的價值。 隨著越來越多的機器學習解決方案開始塑造我們的生活以及現在我們的 SEM 活動,我們非常高興能與像您這樣的營銷人員分享這個好消息!

圖片來源

特色圖片:Unsplash/ Maxime Bhm

Chandal Nolasco da Silva 的所有截圖。 取自最新的 Acquisio Turing 性能報告中的 2017 年夏冬。