Perguntas e respostas do nosso webinar "Aproveitando e auditando a IA para uma melhor publicidade de pesquisa em seu setor"

No início deste mês, o cofundador da Acquisio, Marc Poirier, e eu, Brad Geddes, da Adalysis, nos reunimos para uma discussão fascinante sobre o impacto da inteligência artificial na pesquisa paga, a estrutura que os gerentes de campanha precisam para alavancar a IA e o que é necessário para auditar esse emergente tecnologia.

Perdeu o webinar? Assista a gravação aqui!

Marc e eu recebemos ótimas perguntas do público, mas infelizmente ficamos sem tempo antes que pudéssemos responder a todas. Mas, como prometemos no webinar, você pode conferir nossas respostas para todas as suas dúvidas abaixo.

1 – Como você se sente sobre o aprendizado de máquina do Google? Você já configurou um experimento A/B que colocou o Acquisio contra o aprendizado de máquina do Google?

Brad: O aprendizado de máquina do Google, quando se trata de anúncios, é terrível. Não importa se é a criação de anúncios, a veiculação de anúncios RSA, sua otimização (que é horrível) – não é um grande fã. Quando se trata de listas semelhantes, acho incrível. Mas meu nível de tolerância é muito diferente. Para listas semelhantes, se conseguir 10% de novos clientes que eu nunca soube, fico muito feliz com isso. Eu nunca cobriria a afirmação de que eles são bons ou ruins. O Google é muito bom em matemática, eles são muito ruins em criatividade. Eu os segmento um pouco nessas áreas.

Marc: Em termos de comparação, fazemos isso o tempo todo. Estamos tentando ser mais disciplinados em relação a isso e obter uma grande amostra de clientes que usam lances de CPA, por exemplo. Não temos uma pesquisa oficial sobre isso – ainda! Mas o Google resolve um problema diferente. Estamos tentando gastar seu dinheiro (no preço ideal de um clique ou conversão, em vez de buscar um preço definido), mas sem ultrapassar o orçamento e maximizar as conversões.

2 – Se você tem um ciclo de vendas longo, digamos de 3 a 6 meses, qual a melhor forma de usar esses dados, combinados com os leads que estão chegando no dia a dia? Você só deve dar feedback nos leads realmente convertidos se os dados estiverem meses atrás dos lances atuais?

Brad: Esta é uma questão filosófica tanto quanto uma questão de dados. Eu tento qualificar leads o mais rápido possível. Meu MQL – meus leads qualificados de marketing – deve ser feito dentro de 2 a 7 dias no máximo. Aprendizado de máquina, trabalhando com um atraso de 7 dias, sem problemas. Se pudermos qualificá-los em 7 a 14 dias, prefiro trabalhar com esses dados. Eu trabalharia em uma venda fechada 6 meses depois? Não, eu não faria.

Em casos de atraso de dados, você deve usar uma abordagem em duas frentes para o aprendizado de máquina. A primeira é fornecer à máquina dados recentes para trabalhar na tomada de decisões. Isso pode ser leads (qualificados de marketing, se possível) ou sinais de visitas de qualidade. Isso ajuda no gerenciamento de lances do dia a dia.

Em seguida, você deve fornecer dados reais de vendas e ver como os dados de vendas se alinham com os dados de leads qualificados. Se ele se alinhar de perto, você poderá confiar em sinais de curto prazo. Se não; então você quer investigar os dados para ver por que eles não se alinham. Pode haver palavras-chave, locais, horas do dia ou outros sinais que levam a leads de qualidade inferior. Nesses casos, você deseja fazer ajustes em suas campanhas para que seus dados de curto e longo prazo se alinhem.

Marc: Fazemos muitas coisas de geração de leads para nós mesmos na Acquisio, e temos esse problema. As pessoas vão considerar o produto por algum tempo antes de comprar e pode ser longo. As agências são mais propensas do que os anunciantes a usar nosso produto e sabemos o número de contas que gerenciam. Se eles tiverem mais contas sob gestão, é mais provável que usem nosso produto. Temos uma boa compreensão do nosso mercado e onde teremos sucesso, então os formulários que temos para solicitações de demonstração e assim por diante capturam essas informações para nós. Usamos para licitações? Nós não. O algoritmo não foi projetado para capturar isso (poderia, mas não agora).

Brad: Para todas as empresas de geração de leads – quais dados você permite que as máquinas visualizem versus o que você usa internamente? Você gostaria de saber 'aqui estão nossos leads totais e aqui estão nossos leads qualificados', para poder ver qual porcentagem é qualificada e aumentar esse número, mas você pode apenas enviar um desses números de volta às suas contas para que as máquinas funcionem a partir de.

3 – Como você considera a sazonalidade sem usar uma longa janela de lookback/dados históricos?

Marc: A Acquisio Turing observa tendências de curto e médio porte nos dados e toma decisões com base nessas tendências. Nossos algoritmos só tomam decisões com base nos dados atuais, reagindo às mudanças sazonais no leilão à medida que acontecem para evitar gastos excessivos ou insuficientes. Confira nossa entrevista com o outro cofundador da Acquisio, Richard Couture e Jason MacDonald, sobre como gerenciar a sazonalidade do PPC.

4 – Com o Google sendo um dos players mais avançados no espaço de IA e ML, o que os impede de tornar o modelo de agência quase obsoleto? Se eles podem criar uma plataforma de autoatendimento realmente eficiente que gaste o dinheiro do cliente de forma tão eficiente... onde as agências se encaixam no futuro?

Brad: Quando comparamos no que os humanos e os computadores são bons, vemos algumas grandes tendências. A primeira é a estratégia. Uma máquina não tem ideia do que sua empresa quer realizar. Eles não têm os dados sobre como os usuários compram de você, qual é o valor da conscientização e como expandir seus negócios. Isso se encaixa firmemente no mundo da agência e do profissional de marketing interno.

Até agora, os computadores falharam dramaticamente em qualquer coisa criativa. Isso abrange a aparência dos anúncios, ofertas e conteúdo do site. Quando se trata de campanhas publicitárias, da estratégia à criação e execução, isso está firmemente no mundo da agência e do marketing interno.

Os insights de dados para impulsionar seus esforços de marketing vêm da interpretação humana. As máquinas podem automatizar relatórios e mostrar tendências de dados; mas eles não sabem por que essas tendências estão ocorrendo. Interpretação de dados, narrativa de dados e insights de dados devem fazer parte do mundo humano por um longo tempo.

Quando se trata de lances, relatórios automatizados e trabalho repetitivo, o aprendizado de máquina é fantástico. Quando se trata de estratégia, criatividade, narrativa e por que algo está acontecendo e como reagir a isso – é aí que os humanos se encontram no ecossistema de marketing.

5 – Você está considerando principalmente o custo/receita para otimizar os lances do Google Shopping?

Marc: A Acquisio Turing pode otimizar campanhas do Shopping para os mesmos objetivos de outras campanhas, seja CPC ou CPA. No ano passado, nessa época, fizemos um webinar com a Seer Interactive com dicas sobre como otimizar suas campanhas de última hora do Google Shopping.

6 – Como você lida com um problema de baixo tráfego com sua solução de ML?

Marc: Quando confrontado com baixo tráfego, Acquisio Turing usa uma combinação de ajuste adaptativo para reunir informações suficientes para a tarefa em mãos, bem como extrair de um pool de dados de baixo tráfego para ajudá-lo a tomar uma decisão informada.

Curiosamente, nossos algoritmos funcionam muito bem com orçamentos pequenos, portanto, os profissionais de marketing de pesquisa paga com tráfego baixo não devem ter medo de experimentar nosso aprendizado de máquina.

7 – Até onde eu sei, o Google Ads não está compartilhando os dados em tempo real, você só consegue dados diários. Então, como é possível executar a otimização de lances em tempo real?

Marc : Aproveitamos a API do Google, que felizmente tem dados em tempo real disponíveis. A Acquisio Turing digere esses dados, aprende com eles e otimiza seus lances a cada 30 minutos – o que, por sua vez, pode levar ao aumento de cliques e conversões.

8 – Quantas conversões você precisa otimizar para conversões?

Marc: Para otimizar adequadamente as conversões, é recomendável ter pelo menos uma conversão por dia durante os últimos 30 dias. Mas é claro que seria melhor se a campanha estivesse gerando de 5 a 10 conversões por dia, pois isso daria aos algoritmos mais dados para trabalhar.

É bom saber: as conversões também precisam ser acompanhadas com o pixel de conversão do Google Ads e apenas uma conversão deve ser incluída na coluna de conversão (com o acompanhamento de conversões definido como único versus todos).

9 – Isso também funciona em anúncios gráficos?

Bra: Sim. Dados são dados. Se seus anúncios gráficos estão gerando impressões e conversões; então você também pode automatizar esse tipo de lance e gerenciamento.

Créditos da imagem

Imagem de destaque: Unsplash / Zach Lucero