Чему 30 000 аккаунтов научили нас о машинном обучении и контекстной рекламе

Опубликовано: 2017-12-14

Много лет назад наша команда создала самосовершенствующуюся машинную технологию, которая могла управлять ставками и бюджетом быстрее и лучше, чем любой человек, используя больше данных, чем один человек мог бы когда-либо обработать. Технология была создана учеными-ракетчиками с другими ранними патентами ИИ и включает в себя более 30 сложных алгоритмов. Это не просто автоматизированная система, основанная на правилах, она на самом деле постоянно самосовершенствуется, что делает ее наиболее близкой к искусственному интеллекту, которую мы имеем в индустрии SEM .

Нас часто спрашивают о нашей технологии машинного обучения, известной как Acquisio Turing TM , и о том, какие результаты могут ожидать от нее маркетологи, потому что агентства и маркетологи устали от претензий со стороны поставщиков маркетинговых технологий. Итак, наша команда решила испытать нашу машину.

Мы хотели точно понять, каких результатов кампании маркетологи могут ожидать от Acquisio Turing. против учетных записей, которые не были на этой технологии. Челюсти отвиснут, данные полетят, головы покатятся… Готовы замарать руки данными машинного обучения? Вот так!

Параметры исследования

Фактическое исследование включало в общей сложности 32 858 учетных записей в период с 1 сентября 2015 г. по 1 апреля 2017 г., некоторые из которых были на Acquisio Turing. и другие, которые не сравнивали результаты за месяц 1 и месяц 3 с даты их активации.

Как видно ниже в уроках с 1 по 4, мы решили сообщать как средние значения, так и медианы, потому что очень большой выигрыш может доминировать над средним значением, искажая ожидания. Например, если у одного из наших клиентов конверсия увеличилась на 3000 %, а у остальных — от 50 до 100 %, среднее значение будет выше из-за выброса. Медиана менее подвержена влиянию выбросов.

На уроках 5 и 6 мы просмотрели все аккаунты Acquisio Turing. а также те, которые не были, и разбили сравнения по сетям издателей, будь то AdWords или Bing.

Урок № 1: Аккаунты — это и яблоки, и апельсины

Не все кампании создаются одинаково. Успех кампании зависит от очень многих факторов. У одной кампании может быть высокий бюджет, у другой могут быть более короткие временные рамки, одна может продавать более популярные товары, а у другой мало конкурентов. Чтобы что-то понять и получить статистически значимые данные, сравнения учетных записей следует проводить только между похожими учетными записями.

Нам нужно было правильно нарезать данные и сравнить яблоки с яблоками. Поскольку Acquisio Turing — это инструмент управления ставками и бюджетом, было чрезвычайно важно сравнивать аккаунты с аналогичным бюджетом при измерении цены за клик, рейтинга кликов, цены за приобретение и конверсий. Поэтому, чтобы определить эти показатели, мы отфильтровали аккаунты по сходным расходам в пределах плюс-минус 10 %, в результате чего осталось 8 235* аккаунтов.

* Выбросы были удалены до расчета средних значений путем обработки оценок как логарифмически нормально распределенных и использования метода медианного абсолютного отклонения.

Урок № 2. Снижение цены за клик (CPC)

Люди обращаются к Google для поиска услуг. Google допустил рекламодателей в результаты поиска и взимает с них плату за переход. Цена за клик — это показатель, созданный Google, который определяет, сколько рекламодатели будут платить каждый раз, когда человек нажимает на их объявление. Маркетологи радуются тому, что затраты на их поисковые рекламные кампании растут только тогда, когда кампании эффективны; однако, несмотря на качество кликов, за эти лиды приходится платить.

Для 8 235 аккаунтов, которые были сопоставимы, мы наблюдали снижение цены за клик в среднем на 7% между первым и третьим месяцем. Среднее значение для группы составило снижение на 10%, что означает, что у половины учетных записей на Acquisio Turing цена за клик снизилась на 10% или выше. В целом примерно у двух третей произошло снижение цены за клик.

К черту низкие цены за клик!!

Урок № 3: Увеличение количества кликов

Хотя клики — это не единственное, что имеет значение, учитывая, что они могут не конвертироваться по многим причинам, мы все хотим качественных кликов — реального трафика на наши целевые страницы от заинтересованных потенциальных клиентов.

Мы увидели, что в среднем количество кликов увеличилось на 15% за первые три месяца. Опять же, медиана изменения количества кликов между первым и третьим месяцами составила 8%, что означает, что половина учетных записей на Acquisio Turing увеличила количество кликов на 8% или выше. В целом 59% отметили увеличение числа кликов.

Спасибо машинному обучению за клики! Пора заняться конвертацией…

Урок № 4: Снижение цены за конверсию (CPA) И увеличение числа конверсий

CPA — это сумма, которую рекламодатели платят за конверсию. Конверсии являются конечной целью любой кампании PPC и рекламы в целом. Однако иногда бывает сложно отследить конверсии. От UTM до диспетчера тегов и даже стороннего программного обеспечения все может очень быстро запутаться.

Из 8 235 аккаунтов, расходы бюджета которых отличались друг от друга на 10 %, только 2 490* отслеживали конверсии, а это означает, что для конверсионной части нашего исследования мы сравниваем чуть менее 2 500 аккаунтов PPC.

Среди учетных записей, отслеживающих конверсии, среднее изменение цены за конверсию снизилось на 18% или выше. Это означает, что половина или более аккаунтов снизили стоимость приобретения на 18% или больше. В целом 64% группы отметили снижение цены за клик.

В учетных записях, которые отслеживали конверсии, мы наблюдали увеличение количества конверсий на 71%… что понравилось нашей команде:

через GIPHY

Однако, чтобы быть консервативным, мы всегда должны смотреть на медианное изменение конверсии, которое составило 22% увеличения конверсии между первым и третьим месяцами. Это означает, что половина группы улучшила конверсию как минимум на 22% или выше. В целом 62% аккаунтов, использующих машинное обучение, увеличили количество конверсий.

Теперь есть о чем написать домой!

* Выбросы были удалены до расчета средних значений путем обработки оценок как логарифмически нормально распределенных и использования метода медианного абсолютного отклонения.

Урок № 5: Выполнение бюджета практически каждый раз

Выполнение бюджета не всегда считается ключевым показателем. Недавно мы написали пост в нашем блоге о том, почему выполнение бюджета должно быть KPI:

«Если маркетолог PPC перерасходует бюджет, это проблема по понятным причинам. Даже если перерасход означал достижение другого важного KPI, например конверсий, у клиента может просто не быть лишних денег; следовательно, выделение бюджета в первую очередь. Если маркетолог PPC недорасходует бюджет, клиент спросит, почему он не вложил все ресурсы, которые ему дали, для получения максимальных результатов. Между тем никто не может постоянно измерять рентабельность инвестиций, если инвестиции меняются каждый месяц, и, следовательно, целостность данных также находится под угрозой. В конечном счете, если маркетологи PPC не могут точно и последовательно расходовать бюджет, клиент захочет потратить свои деньги на того, кто может».

Имея это в виду, для маркетологов PPC чрезвычайно важно достигать своего бюджета месяц за месяцем. Мы хотели посмотреть, сможет ли машинное обучение помочь им в этом. Чтобы ответить на наш вопрос о достижении бюджета, мы сравнили наши аккаунты, в которых использовалась наша технология машинного обучения, с аккаунтами, в которых она не использовалась. Мы также должны были учитывать тех, кто использовал его для кампаний в AdWords, и тех, кто запускал кампании Bing. Мы рассмотрели в общей сложности 32 858 учетных записей:

  • 12 651 человек использовали машинное обучение в AdWords.
  • 11 094 человека не использовали машинное обучение в AdWords.
  • 6342 человека использовали машинное обучение в Bing.
  • 2771 человек не использовали машинное обучение в Bing.
Среднее достижение бюджета

Что касается AdWords, мы обнаружили, что аккаунты в среднем в 3,4 раза чаще соблюдают темпы и расходуют свой бюджет по назначению, чем аккаунты, не использующие Acquisio Turing.

Для Bing мы обнаружили, что учетные записи в среднем в 11 раз чаще использовали Acquisio Turing для расчета и расходования своего месячного бюджета, чем те, кто этого не делал.

Если мы разобьем данные по бюджетным расходам, мы получим следующее:

  • У учетных записей, которые тратили менее 500 долларов США в месяц, в 3,1 раза больше шансов достичь своего бюджета в AdWords и в 11,3 раза больше – в Bing, чем в учетных записях, не использующих машинное обучение.
  • У учетных записей, которые тратили от 500 до 1500 долларов США в месяц, вероятность израсходовать свой бюджет в AdWords была в 2,3 раза выше, а в Bing — в 10,1 раза выше, чем у учетных записей, не использующих машинное обучение.
  • У учетных записей, которые тратили более 1500 долларов США в месяц, в 5,2 раза больше шансов достичь своего бюджета в AdWords и в 18,6 раза больше шансов на использование Bing, чем в учетных записях, не использующих машинное обучение.

Урок № 6. Средняя пожизненная ценность (LTV) аккаунтов увеличивается

Количество времени, которое учетная запись живет на платформе, может означать несколько хороших вещей. Прежде всего, успешные кампании с большей вероятностью будут продолжены, чем те, которые неэффективны и приостанавливаются или блокируются. Во-вторых, для агентства, реселлера или торгового партнера это означает больше денег. В зависимости от количества учетных записей, которое представляет эта более продолжительная пожизненная ценность, она может обеспечить значительно больший годовой доход в масштабе.

Чтобы определить, что происходит с LTV 32 858 аккаунтов, мы разделили их на тех, кто использует технологию машинного обучения, и тех, кто не использует ее. Мы обнаружили, что те, кто использует технологию машинного обучения, прожили на один месяц дольше в AdWords и на два с половиной месяца дольше в Bing, чем те, кто этого не делал.

Чему машинное обучение может научить вас о плате за клик

Поскольку технология машинного обучения, которую мы применили в этом исследовании, постоянно самосовершенствуется, буквально умнея с каждым днем, мы ожидаем, что представленные выше результаты будут только улучшаться.

Резюме TLDR:

  1. Чтобы что-то понять и получить статистически значимые данные, сравнения учетных записей следует проводить только между похожими учетными записями.
  2. Половина учетных записей, использующих машинное обучение, снизили цену за клик на 10% или выше. В целом примерно у двух третей произошло снижение цены за клик.
  3. Половина аккаунтов, использующих машинное обучение, увеличили количество кликов на 8% и выше. В целом 59% отметили увеличение числа кликов.
  4. Половина или более аккаунтов снизили стоимость приобретения на 18% или выше. В целом 64% группы отметили снижение цены за клик.
  5. В аккаунтах, которые отслеживали конверсии, мы наблюдали увеличение количества конверсий на 71%. В целом у 62% группы количество конверсий увеличилось.
  6. Мы обнаружили, что в AdWords аккаунты в среднем в 3 раза чаще соблюдают темп и расходуют свой бюджет по назначению, чем аккаунты, не использующие машинное обучение.
  7. Для Bing мы обнаружили, что учетные записи в среднем в 11 раз чаще тратят свой месячный бюджет на использование машинного обучения. чем те, кто не был.
  8. Аккаунты, использующие технологию машинного обучения, прожили на четыре месяца дольше, чем те, которые ее не использовали.

От более низких цен за клик до более высоких коэффициентов конверсии, увеличения LTV и многого другого — Acquisio Turing за последние два года уже принесла огромную пользу своим клиентам. Мы очень рады поделиться хорошими новостями с такими маркетологами, как вы, поскольку все больше решений для машинного обучения начинают формировать нашу жизнь, а теперь и наши кампании в области поискового маркетинга!

Кредиты изображений

Feature Image: Unsplash / Максим Бхм

Все скриншоты сделаны Шандалем Ноласко да Силва. Взято летом-зимой 2017 года из последнего отчета о производительности Acquisio Turing.