سؤال وجواب من ندوتنا عبر الويب "الاستفادة من الذكاء الاصطناعي ومراجعته لتحسين الإعلان على شبكة البحث في مجال عملك"

في وقت سابق من هذا الشهر ، اجتمع المؤسس المشارك لشركة Acquisio ، Marc Poirier وأنا ، براد جيديس من Adalysis ، لإجراء مناقشة رائعة حول تأثير الذكاء الاصطناعي على البحث المدفوع ، يحتاج مديرو حملة الإطار إلى الاستفادة من الذكاء الاصطناعي ، وما يدخل في تدقيق هذا الأمر الناشئ تقنية.

هل فاتتك الندوة عبر الإنترنت؟ شاهد التسجيل هنا!

تلقيت أنا ومارك بعض الأسئلة الرائعة من الجمهور ، ولكن للأسف نفد الوقت قبل أن نتمكن من الإجابة عليها جميعًا. ولكن ، كما وعدنا في الندوة عبر الإنترنت ، يمكنك التحقق من إجاباتنا على جميع أسئلتك أدناه.

1 - ما هو شعورك حيال التعلم الآلي من Google؟ هل سبق لك أن أعددت تجربة A / B التي وضعت Acquisio مقابل التعلم الآلي من Google؟

طارق: التعلم الآلي من Google ، عندما يتعلق الأمر بالإعلانات ، أمر مروع. لا يهم ما إذا كان إنشاء الإعلانات أم عرض إعلانات RSA أم تحسينها (وهو أمر مروع) - ليس من المعجبين الكبار. عندما يتعلق الأمر بقوائم مماثلة ، أعتقد أنها رائعة. لكن مستوى تسامحي مختلف كثيرًا. بالنسبة إلى القوائم المماثلة ، إذا حصلت على 10٪ من العملاء الجدد الذين لم أعرفهم من قبل ، فأنا سعيد حقًا بذلك. لن أقول أبدًا أنهم جيدون أو سيئون. إن Google جيدة جدًا في الرياضيات ، كما أنها سيئة جدًا في الإبداع. أقسمهم قليلاً في تلك المناطق.

مارك: فيما يتعلق بالمقارنة ، فإننا نفعل ذلك طوال الوقت. نحن نحاول أن نكون أكثر انضباطًا حول هذا الموضوع والحصول على عينة كبيرة من العملاء الذين يستخدمون عرض سعر الاكتساب ، على سبيل المثال. ليس لدينا قطعة بحث رسمية حول ذلك - حتى الآن! لكن جوجل يحل مشكلة مختلفة. نحن نحاول إنفاق أموالك (بالسعر الأمثل للنقرة أو التحويل ، بدلاً من استهداف سعر محدد) ولكن لا نتجاوز الميزانية مع زيادة التحويلات إلى الحد الأقصى.

2 - إذا كانت لديك دورة مبيعات طويلة ، لنقل 3-6 أشهر ، فما أفضل طريقة لاستخدام هذه البيانات ، جنبًا إلى جنب مع العملاء المتوقعين الذين يأتون يوميًا؟ هل يجب أن تعيد تغذية العملاء المحتملين الذين تم تحويلهم بالفعل فقط إذا كانت البيانات متأخرة عن عروض التسعير الحالية بأشهر؟

طارق: هذا سؤال فلسفي بقدر ما هو سؤال بيانات. أحاول تأهيل العملاء المحتملين في أسرع وقت ممكن. يجب أن يتم عمل My MQL - العملاء المحتملون المؤهلون للتسويق - في غضون 2-7 أيام على الأكثر. التعلم الآلي ، والعمل على تأخير 7 أيام ، لا مشكلة. إذا تمكنا من تأهيلهم في المبيعات في غضون 7-14 يومًا ، فأنا أفضل العمل على تلك البيانات. هل سأعمل على بيع مغلق بعد 6 أشهر؟ لا ، لن أفعل.

في حالات تأخير البيانات ، يجب أن تستخدم نهجًا ذا شقين للتعلم الآلي. الأول هو إعطاء الجهاز البيانات الحديثة للعمل معها في اتخاذ القرارات. يمكن أن يكون هذا عملاء متوقعين (تسويق مؤهلين إن أمكن) أو إشارات لزيارات جيدة. هذا يساعد في إدارة العطاءات اليومية.

ثم يجب عليك تغذية بيانات المبيعات الفعلية ومعرفة كيف تتوافق بيانات المبيعات مع بيانات العميل المتوقع المؤهل. إذا اصطفت بشكل وثيق ، فيمكنك الاعتماد على الإشارات قصيرة المدى. إذا لم يحدث ذلك ؛ ثم تريد البحث في البيانات لمعرفة سبب عدم اصطفافها. قد تكون هناك كلمات رئيسية أو مواقع أو أوقات من اليوم أو غيرها من الإشارات التي تؤدي إلى عملاء محتملين أقل جودة. في هذه الحالات ، تريد إجراء تعديلات على حملاتك حتى تتوافق بياناتك قصيرة المدى وطويلة المدى مع بعضها البعض.

مارك: نحن نقوم بالكثير من الأشياء الرئيسية لأنفسنا في Acquisio ، ولدينا هذه المشكلة. سوف ينظر الناس في المنتج لبعض الوقت قبل شرائه ويمكن أن يكون طويلاً. من المرجح أن تستخدم الوكالات منتجنا أكثر من المعلنين ونحن نعلم عدد الحسابات التي يديرونها. إذا كان لديهم المزيد من الحسابات الخاضعة للإدارة ، فمن المرجح أن يستخدموا منتجنا. لدينا فهم جيد لسوقنا والمكان الذي سنحقق فيه النجاح ، لذا فإن النماذج التي لدينا للطلبات التجريبية وما إلى ذلك تلتقط هذه المعلومات لنا. هل نستخدمها لتقديم العطاءات؟ نحن لا نفعل ذلك. لم يتم تصميم الخوارزمية لالتقاط هذا (يمكن ذلك ، لكنه ليس كذلك الآن).

طارق: بالنسبة لجميع الشركات الرئيسية - ما هي البيانات التي تسمح للآلات بعرضها مقابل ما تستخدمه داخليًا؟ قد ترغب في معرفة "هنا إجمالي العملاء المتوقعين لدينا وإليك العملاء المتوقعين المؤهلين لدينا" ، حتى تتمكن من إلقاء نظرة على النسبة المئوية للمؤهلين والحصول على هذا الرقم أعلى ، ولكن بعد ذلك قد تدفع أحد هذه الأرقام فقط إلى حساباتك حتى تعمل الأجهزة من عند.

3 - كيف تنظر في الموسمية بدون استخدام فترة مراجعة طويلة / بيانات تاريخية؟

مارك: يلاحظ Acquisio Turing الاتجاهات القصيرة إلى المتوسطة في البيانات ويتخذ القرارات بناءً على تلك الاتجاهات. لا تتخذ خوارزمياتنا سوى قرارات بشأن البيانات الحالية ، وتتفاعل مع التغييرات الموسمية في المزاد عند حدوثها لتجنب الإنفاق الزائد أو الناقص. تحقق من مقابلتنا مع ريتشارد كوتور المؤسس المشارك الآخر لشركة Acquisio وجيسون ماكدونالد ، حول إدارة موسمية PPC.

4 - نظرًا لكون Google أحد أكثر اللاعبين تقدمًا في مجال الذكاء الاصطناعي والتعلم الآلي ، فما الذي يمنعهم من جعل نموذج الوكالة قديمًا تقريبًا؟ إذا كان بإمكانهم إنشاء نظام أساسي للخدمة الذاتية فعال حقًا ينفق أموال العميل بكفاءة ... أين تتناسب الوكالات في المستقبل؟

طارق: عندما نقارن بين ما يجيده البشر وأجهزة الكمبيوتر ، نرى بعض الاتجاهات الكبيرة. الأول هو الإستراتيجية. ليس لدى الآلة أي فكرة عما تريد شركتك تحقيقه. ليس لديهم بيانات عن كيفية شراء المستخدمين منك ، والوعي الذي يستحق ، وكيفية تنمية عملك. هذا يجلس بقوة في عالم الوكالة والمسوق الداخلي.

حتى الآن ، فشلت أجهزة الكمبيوتر بشكل كبير في أي شيء إبداعي. يمتد هذا من شكل الإعلانات والعروض ومحتوى موقع الويب. عندما يتعلق الأمر بالحملات الإعلانية ، من الإستراتيجية إلى الإنشاء إلى التنفيذ ، فإن هذا يجلس بقوة في الوكالة وعالم التسويق الداخلي.

تأتي رؤى البيانات لدفع جهودك التسويقية إلى الأمام من التفسير البشري. يمكن للآلات أتمتة التقارير وإظهار اتجاهات البيانات ؛ لكنهم لا يعرفون سبب حدوث هذه الاتجاهات. يجب أن يكون تفسير البيانات وسرد البيانات ورؤى البيانات جزءًا من العالم البشري لفترة طويلة.

عندما يتعلق الأمر بتقديم العطاءات والتقارير الآلية والقيام بعمل قابل للتكرار - فإن التعلم الآلي يعد أمرًا رائعًا. عندما يتعلق الأمر بالاستراتيجية والإبداع ورواية القصص وسبب حدوث شيء ما وكيفية التفاعل معه - هذا هو المكان الذي يجلس فيه البشر في النظام البيئي للتسويق.

5 - هل تفكر بشكل أساسي في التكلفة / الإيرادات لتحسين عروض أسعار Google Shopping؟

مارك: يمكن لـ Acquisio Turing تحسين حملات التسوق للأهداف نفسها مثل الحملات الأخرى ، إما تكلفة النقرة أو تكلفة الاكتساب. في هذا الوقت من العام الماضي ، أجرينا ندوة عبر الإنترنت مع Seer Interactive مع نصائح حول كيفية تحسين حملات Google Shopping في اللحظة الأخيرة.

6 - كيف تتعامل مع مشكلة انخفاض حركة المرور باستخدام حل ML الخاص بك؟

مارك: عند مواجهة حركة مرور منخفضة ، يستخدم Acquisio Turing مزيجًا من الضبط التكيفي من أجل جمع معلومات كافية للمهمة المطروحة ، بالإضافة إلى السحب من مجموعة بيانات حركة المرور المنخفضة لمساعدته على اتخاذ قرار مستنير.

ومن المثير للاهتمام ، أن الخوارزميات الخاصة بنا تعمل بشكل جيد للغاية مع الميزانيات الصغيرة ، لذلك لا ينبغي أن يخاف المسوقون ذوو الزيارات المنخفضة من تجربة التعلم الآلي لدينا.

7 - على حد علمي ، لا يقوم برنامج إعلانات Google بمشاركة البيانات في الوقت الفعلي ، بل يمكنك فقط الحصول على البيانات اليومية. إذن ، كيف يمكن تشغيل تحسين عروض الأسعار في الوقت الفعلي؟

مارك : نحن نستفيد من واجهة برمجة تطبيقات Google ، والتي لحسن الحظ توفر بيانات في الوقت الفعلي. يستخلص Acquisio Turing تلك البيانات ، ويتعلم منها ، ويحسن عروض أسعارك كل 30 دقيقة - والذي بدوره يمكن أن يؤدي إلى زيادة النقرات والتحويلات.

8 - كم عدد التحويلات التي تحتاجها لتحسين التحويلات؟

مارك: من أجل تحسين التحويلات بشكل صحيح ، يوصى بإجراء تحويل واحد على الأقل يوميًا خلال آخر 30 يومًا. لكن بالطبع ، سيكون من الأفضل أن تسفر الحملة عن 5-10 تحويلات في اليوم ، لأن هذا من شأنه أن يمنح الخوارزميات مزيدًا من البيانات للعمل معها.

من المفيد أن تعرف: يجب أيضًا تتبع التحويلات باستخدام بكسل التحويل في إعلانات Google ، ويجب تضمين تحويل واحد فقط في عمود التحويل (مع تعيين تتبع التحويل على فريد مقابل كل تحويل).

9 - هل يعمل هذا على الإعلانات المصورة أيضًا؟

طارق: نعم. البيانات هي بيانات. إذا كانت إعلاناتك المصوّرة تؤدي إلى زيادة مرات الظهور والتحويلات ؛ ثم يمكنك أتمتة هذا النوع من العطاءات والإدارة أيضًا.

اعتمادات الصورة

الصورة الرئيسية: Unsplash / Zach Lucero