Questions-réponses de notre webinaire "Exploiter et auditer l'IA pour une meilleure publicité de recherche dans votre secteur"

Plus tôt ce mois-ci, le co-fondateur d'Acquisio, Marc Poirier, et moi-même, Brad Geddes d'Adalysis, nous sommes réunis pour une discussion fascinante sur l'impact de l'intelligence artificielle sur la recherche payante, le cadre dont les gestionnaires de campagne ont besoin pour tirer parti de l'IA et ce qu'il faut faire pour auditer ce marché émergent. La technologie.

Vous avez manqué le webinaire ? Regardez l'enregistrement ici!

Marc et moi avons reçu d'excellentes questions du public, mais malheureusement nous avons manqué de temps avant de pouvoir répondre à toutes. Mais, comme nous l'avons promis dans le webinaire, vous pouvez consulter nos réponses à toutes vos questions ci-dessous.

1 – Que pensez-vous du machine learning de Google ? Avez-vous déjà mis en place une expérience A/B qui oppose Acquisio à l'apprentissage automatique de Google ?

Brad : L'apprentissage automatique de Google, en ce qui concerne les publicités, est terrible. Peu importe qu'il s'agisse de la création d'annonces, de la diffusion d'annonces RSA, de leur optimisation (ce qui est horrible) - pas un grand fan. Quand il s'agit de listes similaires, je pense que c'est incroyable. Mais mon niveau de tolérance est bien différent. Pour des listes similaires, si cela me rapporte 10 % de nouveaux clients dont j'ignorais l'existence, j'en suis très heureux. Je ne ferais jamais de déclaration générale selon laquelle ils sont bons ou mauvais. Google est très bon en maths, ils sont très mauvais en créativité. Je les segmente un peu dans ces domaines.

Marc : Pour ce qui est de la comparaison, on le fait tout le temps. Nous essayons d'être plus disciplinés et d'obtenir un large échantillon de clients qui utilisent les enchères au CPA, par exemple. Nous n'avons pas encore d'article de recherche officiel à ce sujet ! Mais Google résout un problème différent. Nous essayons de dépenser votre argent (au prix optimal d'un clic ou d'une conversion, au lieu de viser un prix fixe) mais sans dépasser le budget tout en maximisant les conversions.

2 – Si vous avez un long cycle de vente, disons 3 à 6 mois, comment est-il préférable d'utiliser ces données, combinées aux prospects qui arrivent au jour le jour ? Devriez-vous uniquement renvoyer les prospects réellement convertis si les données ont des mois de retard sur les enchères actuelles ?

Brad : C'est une question philosophique autant qu'une question de données. J'essaie de qualifier les prospects dès que possible. Mon MQL - mes prospects qualifiés en marketing - devrait être fait dans un délai maximum de 2 à 7 jours. Apprentissage automatique, travail avec un décalage de 7 jours, pas de problème. Si nous pouvons qualifier les ventes dans les 7 à 14 jours, je préfère travailler sur ces données. Est-ce que je travaillerais sur une vente fermée 6 mois plus tard ? Non, je ne le ferais pas.

En cas de retard de données, vous devez utiliser une approche à deux volets de l'apprentissage automatique. La première consiste à donner à la machine des données récentes avec lesquelles travailler pour prendre des décisions. Cela peut être des leads (marketing qualifiés si possible) ou des signaux de visites de qualité. Cela facilite la gestion quotidienne des enchères.

Ensuite, vous devez renvoyer les données de ventes réelles et voir comment les données de ventes s'alignent avec les données de prospects qualifiés. S'il s'aligne étroitement, vous pouvez compter sur des signaux à court terme. Si ça ne fait pas; alors vous voulez creuser dans les données pour voir pourquoi elles ne s'alignent pas. Il peut y avoir des mots-clés, des emplacements, des heures de la journée ou d'autres signaux qui conduisent à des prospects de moins bonne qualité. Dans ces cas, vous souhaitez apporter des ajustements à vos campagnes afin que vos données à court et à long terme s'alignent les unes sur les autres.

Marc : Nous faisons beaucoup de choses sur la génération de leads chez Acquisio, et nous avons ce problème. Les gens considéreront le produit pendant un certain temps avant d'acheter et cela peut être long. Les agences sont plus susceptibles que les annonceurs d'utiliser notre produit et nous savons que le nombre de comptes qu'elles gèrent est important. S'ils ont plus de comptes sous gestion, ils sont plus susceptibles d'utiliser notre produit. Nous comprenons bien notre marché et où nous allons réussir, donc les formulaires que nous avons pour les demandes de démonstration et ainsi de suite capturent ces informations pour nous. L'utilisons-nous pour enchérir ? Nous ne le faisons pas. L'algorithme n'est pas conçu pour capturer cela (il le pourrait, mais ce n'est pas le cas pour le moment).

Brad : Pour toutes les entreprises de génération de leads, quelles données laissez-vous visualiser par les machines par rapport à celles que vous utilisez en interne ? Vous voudriez savoir "voici notre total de prospects et voici nos prospects qualifiés", afin que vous puissiez voir quel pourcentage est qualifié et obtenir ce nombre plus élevé, mais vous ne pourriez alors renvoyer qu'un seul de ces chiffres à vos comptes pour que les machines fonctionnent depuis.

3 – Comment considérez-vous la saisonnalité sans utiliser de longue période d'analyse / de données historiques ?

Marc : Acquisio Turing observe les tendances courtes à moyennes dans les données et prend des décisions en fonction de ces tendances. Nos algorithmes ne prennent des décisions qu'en fonction des données actuelles, réagissant aux changements saisonniers de l'enchère au fur et à mesure qu'ils se produisent pour éviter les dépenses excessives ou insuffisantes. Découvrez notre interview avec les autres co-fondateurs d'Acquisio, Richard Couture et Jason MacDonald, sur la gestion de la saisonnalité PPC.

4 - Google étant l'un des acteurs les plus avancés dans le domaine de l'IA et du ML, qu'est-ce qui l'empêche de rendre le modèle d'agence presque obsolète ? S'ils peuvent créer une plate-forme libre-service vraiment efficace qui dépense l'argent du client si efficacement… quelle place pour les agences dans le futur ?

Brad : Lorsque nous comparons ce que les humains et les ordinateurs sont bons, nous voyons quelques grandes tendances. Le premier est la stratégie. Une machine n'a aucune idée de ce que votre entreprise veut accomplir. Ils ne disposent pas des données sur la façon dont les utilisateurs achètent chez vous, sur la valeur de la notoriété et sur la manière de développer votre entreprise. Cela s'inscrit fermement dans le monde de l'agence et du marketing interne.

Jusqu'à présent, les ordinateurs ont échoué de manière spectaculaire dans tout ce qui est créatif. Cela va de l'apparence des publicités, des offres et du contenu du site Web. En ce qui concerne les campagnes publicitaires, de la stratégie à la création en passant par l'exécution, cela s'inscrit fermement dans le monde de l'agence et du marketing interne.

Les informations sur les données pour faire avancer vos efforts de marketing proviennent de l'interprétation humaine. Les machines peuvent automatiser les rapports et afficher les tendances des données ; mais ils ne savent pas pourquoi ces tendances se produisent. L'interprétation des données, la narration des données et la compréhension des données devraient faire partie du monde humain pendant longtemps.

Lorsqu'il s'agit d'enchères, de rapports automatisés et de travaux répétables, l'apprentissage automatique est fantastique. Lorsqu'il s'agit de stratégie, de créativité, de narration, de pourquoi quelque chose se passe et comment y réagir, c'est là que les humains se situent dans l'écosystème marketing.

5 – Considérez-vous principalement les coûts/revenus pour optimiser les enchères Google Shopping ?

Marc : Acquisio Turing peut optimiser les campagnes d'achat pour les mêmes objectifs que les autres campagnes, que ce soit au CPC ou au CPA. L'année dernière, à cette époque, nous avons organisé un webinaire avec Seer Interactive avec des conseils sur la façon d'optimiser vos campagnes Google Shopping de dernière minute.

6 – Comment gérez-vous un problème de faible trafic avec votre solution ML ?

Marc : Face à un faible trafic, Acquisio Turing utilise une combinaison d'ajustements adaptatifs afin de recueillir suffisamment d'informations pour la tâche à accomplir, ainsi que d'extraire d'un pool de données à faible trafic pour l'aider à prendre une décision éclairée.

Fait intéressant, nos algorithmes fonctionnent très bien avec de petits budgets, donc les spécialistes du marketing de recherche payante à faible trafic ne devraient pas avoir peur d'essayer notre machine learning.

7 – Pour autant que je sache, Google Ads ne partage pas les données en temps réel, vous ne pouvez obtenir que des données quotidiennes. Alors, comment est-il possible d'exécuter l'optimisation des enchères en temps réel ?

Marc : Nous utilisons l'API Google, qui heureusement dispose de données en temps réel. Acquisio Turing digère ces données, en tire des enseignements et optimise vos enchères toutes les 30 minutes, ce qui peut entraîner une augmentation des clics et des conversions.

8 – De combien de conversions avez-vous besoin pour optimiser les conversions ?

Marc : Afin d'optimiser correctement les conversions, il est recommandé d'avoir au moins une conversion par jour au cours des 30 derniers jours. Mais bien sûr, il serait préférable que la campagne produise 5 à 10 conversions par jour, car cela donnerait aux algorithmes plus de données avec lesquelles travailler.

Bon à savoir : les conversions doivent également être suivies avec le pixel de conversion Google Ads, et une seule conversion doit être incluse dans la colonne de conversion (avec le suivi des conversions défini sur unique par rapport à toutes).

9 – Cela fonctionne-t-il également sur les annonces graphiques ?

Brad : Oui. Les données sont des données. Si vos annonces graphiques génèrent des impressions et des conversions ; alors vous pouvez également automatiser ce type d'enchères et de gestion.

Crédits image

Image vedette : Unsplash / Zach Lucero