什麼是機器學習，它是前進的方向嗎？

已發表: 2022-05-25

不確定機器學習是否在您的業務中以及您報告和優化營銷的方式中佔有一席之地？ Distract 的團隊分享了他們的想法。

隨著技術的進步，機器學習在我們的日常生活中變得越來越根深蒂固。

畢竟，發現 40% 的營銷人員認為更好的數據會提高他們的營銷產出。

我們明白為什麼。

訪問更好的數據可以讓您更有信心做出數據驅動的決策。借助機器學習，您甚至可以根據廣告系列的表現獲得直觀的建議。

所以在這篇博客中，我們將探討：

什麼是機器學習？
為什麼營銷可以從機器學習中受益？
準備機器學習機會的步驟

讓我們陷入困境。

什麼是機器學習？

機器學習是一種人工智能形式，它允許軟件應用程序通過使用歷史數據和分析來更好地預測結果。

如果您在數字營銷領域工作，您就會知道機器學習是不可避免的，並且在許多情況下可以顯著提高業務績效。

營銷中的機器學習示例

有各種各樣的人工智能工具可以通過機器學習支持企業。

從營銷的角度來看，有五種關鍵類型的機器學習軟件：

推薦系統
預測定位
LTV 預測
流失率預測
報告和大數據分析

讓我們更詳細地看一下每一個。

預測定位

一般來說，付費廣告基於特定的人口統計或歷史活動來定位用戶。

但是，還有預測定位，您可以在其中定位最有可能進行購買的用戶。

LTV 預測

LTV 是作為報告的一部分計算的，這意味著它是回顧性的。理想情況下，應該在客戶離開之前計算 LTV。甚至更好的是能夠預測特定類型的客戶何時會考慮流失，並利用它來啟動一項活動以保持他們的參與。

它還可用於衡量營銷活動對 LTV 的影響，而不僅僅是潛在客戶或銷售。

流失率預測

與上述類似，流失率預測為企業提供了預測性營銷機會，可以讓客戶保持更長時間的加入，並儘早確定流失的關鍵原因。

報告和大數據分析

最後但並非最不重要的一點是，報告和大數據分析是市場營銷機器學習的一個關鍵未來趨勢。

雖然像 Google Analytics 這樣的工具可以在一個地方為您提供所有營銷數據，但它並不能提供太多的見解或建議。

我們預測，從營銷的角度來看，提供更多預測分析的軟件將會興起。

在營銷分析中為機器學習做準備的步驟

從歷史上看，營銷人員一直依靠 Google Analytics 等工具以及 Google Ads 和 Facebook Business Manager 等工具中的原生報告來了解他們的營銷活動的質量，尤其是付費廣告的質量。

但隨著第三方 cookie 的消亡和隱私更新的到位，分析用戶指標以進行優化變得越來越難。

相關：什麼是第一方數據以及如何收集它

因此，營銷平台正在傾向於機器學習，將敏感數據從營銷人員手中奪走，並迫使他們相信平台正在進行的智能優化。

Google 和 Facebook 等營銷平台允許您為廣告活動選擇一個目標，以最大化某些轉化、達到特定的 ROAS 或只是為您的網站增加流量。這些平台聲稱他們可以使用有關用戶的詳細指標（他們沒有專門透露）來為您實現這些目標。

然而，谷歌已經大大減少了你可以看到的用戶搜索詞的數量，並且隨著向 GA4 的過渡，如果沒有大量數據集，幾乎不可能分析你的網站導航。

相關： Universal Analytics 和 GA4 之間的主要區別

iOS 14 對 Facebook 廣告產生了另一個重要影響，在查看轉化時不再提供人口統計定位。

像這樣的限制讓營銷人員別無選擇，只能信任機器學習系統。

相關：如何減輕 iOS 14.5 的影響

為什麼正確設置轉化至關重要

當您委託這些平台優化您的活動以實現您的營銷目標時，確保您提供給它們的數據是正確的很重要。

確保您的轉換設置正確並在您的平台中，這將使您站穩腳跟，並意味著平台正在針對正確的事情進行優化。如果不給平台提供相關數據，機器學習的過程會長很多。也可能不會看到全部好處。

您可以為機器學習提供的數據越多越好。在 10,000 個用戶組中找到顯著相似性將比在 100 個用戶組中更準確，這意味著基於大組的智能優化更有可能產生積極的結果。

針對 Google 上的轉化進行優化

谷歌有許多活動類型，其中機器學習處於最前沿。其中最新的是 Performance Max，您可以在其中輸入許多資產，Google 會代表您在多個 Google 平台上向它認為可能為您帶來轉化的用戶做廣告。

雖然這是機器學習的一種極端形式，但您不必直接投入並相信 Google 會從您手中奪走一切。

自動出價策略也是機器學習的一種形式。您可以控制您的關鍵字和復制，同時允許 Google 將這些廣告展示給將要轉換的人。

向 Google 提供盡可能多的數據將使您處於吸引正確用戶的最佳位置。使用 Google 平台的一個主要好處是所有 Google 工具可以無縫地協同工作。這使得使用 Google 跟踪代碼管理器、Google Analytics 或 Google Ads 本身可以輕鬆設置轉換。將轉化添加到 Google Ads 後，您將立即受益於機器學習和智能優化。 Google 將根據您的出價策略使用機器學習來實現您的目標。

使用 Ruler，可以通過多種方式將調用或表單導入 Google Ads。標尺調用可以作為事件自動導入 Google Analytics（分析），然後可以將其創建為目標並導入 Google Ads。

相關：如何在 Google Analytics 中跟踪電話

或者，表單和通話數據都可以從 Ruler 導出並上傳到 Ads。此方法將回溯轉化並將其與使用 GCLID 的廣告相關聯。然後，谷歌可以使用這些信息來做出明智的決定。

充分利用社交平台

讓第三方平台與 Facebook 和其他社交媒體平台對話可能很困難。社交平台的最佳實踐是為每個廣告添加 UTM，以便可以將網站上的操作追溯到社交活動、廣告組和特定廣告。

使用 Ruler，可以分析這些 UTM 以確定可以歸因回的調用和表單的數量。

但是，我們可以利用機器學習的另一種方式是創建自定義受眾。可以使用電話號碼和電子郵件地址等標識符將受眾上傳到社交平台。通過這樣做，然後可以針對此自定義受眾進行再營銷或類似受眾。這些看起來很像的觀眾是機器學習的用武之地。

社交平台將分析您的自定義受眾列表並使用關鍵標記來識別這些用戶的共同點。然後，他們可以根據也擁有這些關鍵標記的其他用戶創建類似受眾。從理論上講，這些受眾將與您的再營銷列表相似，這意味著他們更有可能採取類似的行動。

您可以向任何平台提供的數據越多，智能優化就會越好。建議在創建自定義受眾時擁有 300 多個用戶的列表。

如果創建過去購買者或轉換者的列表不可行，則查看轉換之前的步驟或轉換之前的步驟。創建一個已在您的網站上完成關鍵操作的用戶的受眾（無論是否是您轉化旅程的最後一步），使任何類似的受眾比全新的廣泛受眾更有可能更接近轉化。

包起來

機器學習在數字營銷領域無法逃脫。

積極主動並立即設置受眾和跟踪。稍後，這些可以用於活動，平台已經有了數據來製定決策。

請記住，歸因工具是機器學習的第一步。現在投資一個，以搶占您的營銷數據。

Ruler Analytics 是領先的歸因工具，可以與您的所有關鍵營銷工具集成。預訂演示以了解更多信息。

或者，如果您需要支持創建端到端的營銷活動，請聯繫 Distract 團隊。

關於漢娜蘭頓

Hannah 是 Distract 的高級搜索廣告客戶經理。憑藉五年的經驗，Hannah 正在展望數字廣告和機器學習的未來。

關於分心

Distract 是一家位於東米德蘭茲郡林肯市的創意數字營銷和廣告公司。 Distract 以創新和創造力為榮，使 B2B 和 B2C 領域的客戶在競爭中脫穎而出。

Distract 的搜索和社交團隊與客戶創造性地合作，以創建不斷提供銷售線索和查詢並提高品牌知名度的活動。 Distract 通過結合清晰的個人品牌、創新策略以及使用通過設計、視頻和社交媒體產生的創意元素來實現這一目標。