Вопросы и ответы из нашего вебинара «Использование и аудит ИИ для лучшей поисковой рекламы в вашей отрасли»

Ранее в этом месяце соучредитель Acquisio Марк Порье и я, Брэд Геддес из Adalysis, собрались для увлекательного обсуждения влияния искусственного интеллекта на платный поиск, менеджеров рамочных кампаний, необходимых для использования ИИ, и того, что входит в аудит этой новой технологии.

Вы пропустили вебинар? Смотрите запись здесь!

Мы с Марком получили от аудитории несколько замечательных вопросов, но, к сожалению, у нас не хватило времени, прежде чем мы смогли ответить на все из них. Но, как мы и обещали на вебинаре, вы можете ознакомиться с нашими ответами на все ваши вопросы ниже.

1. Как вы относитесь к машинному обучению Google? Вы когда-нибудь проводили A/B-эксперимент, в котором Acquisio противостояла машинному обучению Google?

Брэд: Машинное обучение Google, когда дело доходит до рекламы, ужасно. Неважно, будет ли это создание объявлений, показ объявлений RSA, их оптимизация (что ужасно) — не большой поклонник. Когда дело доходит до подобных списков, я думаю, что это потрясающе. Но мой уровень толерантности сильно отличается. Для подобных списков, если это даст мне 10% новых клиентов, о которых я никогда не знал, я очень этому рад. Я бы никогда не стал утверждать, что они хорошие или плохие. Google очень хорош в математике, но очень плох в творчестве. Я сегментирую их немного в этих областях.

Марк: Что касается сравнения, мы делаем это все время. Мы пытаемся стать более дисциплинированными и получить большую выборку клиентов, которые, например, используют ставки CPA. У нас пока нет официального исследования по этому поводу! Но Google решает другую проблему. Мы пытаемся тратить ваши деньги (по оптимальной цене клика или конверсии, а не стремиться к установленной цене), но не выходить за рамки бюджета при максимальном количестве конверсий.

2. Если у вас длительный цикл продаж, скажем, 3-6 месяцев, как лучше всего использовать эти данные в сочетании с лидами, которые приходят изо дня в день? Должны ли вы возвращать информацию о действительно конвертированных лидах только в том случае, если данные на несколько месяцев отстают от текущих ставок?

Брэд: Это философский вопрос в той же степени, что и вопрос данных. Я стараюсь квалифицировать потенциальных клиентов как можно скорее. Мой MQL — мои квалифицированные маркетинговые лиды — должен быть выполнен в течение максимум 2-7 дней. Машинное обучение, отработка 7-дневного лага, без проблем. Если мы сможем квалифицировать их продажи в течение 7-14 дней, я лучше поработаю с этими данными. Буду ли я работать над закрытой продажей через 6 месяцев? Нет, я бы не стал.

В случаях задержки данных вы должны использовать двусторонний подход к машинному обучению. Во-первых, дать машине последние данные для работы при принятии решений. Это могут быть лиды (если возможно, квалифицированные с точки зрения маркетинга) или сигналы качественных посещений. Это помогает в повседневном управлении ставками.

Затем вы должны предоставить фактические данные о продажах и посмотреть, как данные о продажах совпадают с данными о потенциальных клиентах. Если он выстраивается близко, то вы можете полагаться на краткосрочные сигналы. Если это не так; затем вы хотите покопаться в данных, чтобы понять, почему они не совпадают. Это могут быть ключевые слова, местоположения, время суток или другие сигналы, которые приводят к более низкому качеству лидов. В этих случаях вы хотите внести коррективы в свои кампании, чтобы ваши краткосрочные и долгосрочные данные совпадали друг с другом.

Марк: Мы в Acquisio много занимаемся лидогенерацией, и у нас есть эта проблема. Люди будут рассматривать продукт в течение некоторого времени, прежде чем купить, и это может быть долго. Агентства чаще, чем рекламодатели, используют наш продукт, и мы знаем, какое количество учетных записей, которыми они управляют, имеет значение. Если у них больше счетов под управлением, они с большей вероятностью будут использовать наш продукт. У нас есть хорошее понимание нашего рынка и того, где мы собираемся добиться успеха, поэтому формы, которые у нас есть для демо-запросов, и так далее собирают эту информацию для нас. Используем ли мы его для торгов? Мы не знаем. Алгоритм не предназначен для этого (он мог бы, но не сейчас).

Брэд: Для всех лидогенерирующих компаний: какие данные вы позволяете просматривать машинам, а какие используете внутри компании? Вы хотели бы знать «вот наше общее количество лидов и вот наши квалифицированные лиды», чтобы вы могли посмотреть, какой процент соответствует требованиям, и увеличить это число, но тогда вы могли бы отправить только одно из этих чисел обратно в свои учетные записи, чтобы машины работали. от.

3 – Как вы рассматриваете сезонность без использования длинного периода ретроспективного анализа/исторических данных?

Марк: Acquisio Turing наблюдает за краткосрочными и средними тенденциями в данных и принимает решения на основе этих тенденций. Наши алгоритмы принимают решения только на основе текущих данных, реагируя на сезонные изменения на аукционе, чтобы избежать перерасхода или недорасхода. Ознакомьтесь с нашим интервью с другим соучредителем Acquisio Ричардом Кутюром и Джейсоном Макдональдом об управлении сезонностью контекстной рекламы.

4. Поскольку Google является одним из самых продвинутых игроков в сфере искусственного интеллекта и машинного обучения, что может помешать им сделать модель агентства почти устаревшей? Если они смогут создать по-настоящему эффективную платформу самообслуживания, которая так эффективно тратит деньги клиента… какое место в будущем займут агентства?

Брэд: Когда мы сравниваем, в чем хороши люди и компьютеры, мы видим несколько важных тенденций. Первый – это стратегия. Машина понятия не имеет, чего ваша компания хочет достичь. У них нет данных о том, как пользователи покупают у вас, чего стоит осведомленность и как развивать свой бизнес. Это прочно сидит в мире агентства и внутреннего маркетолога.

До сих пор компьютеры потерпели серьезную неудачу в чем-либо творческом. Это зависит от того, как выглядит реклама, предложения и содержание веб-сайта. Когда дело доходит до рекламных кампаний, от стратегии до создания и реализации, это прочно сидит в мире агентства и внутреннего маркетинга.

Информация о данных, позволяющая продвигать ваши маркетинговые усилия, исходит из интерпретации человеком. Машины могут автоматизировать отчеты и отображать тенденции данных; но они не знают, почему происходят эти тенденции. Интерпретация данных, рассказывание историй и анализ данных должны быть частью человеческого мира в течение длительного времени.

Когда дело доходит до торгов, автоматических отчетов и выполнения повторяемой работы, машинное обучение — это фантастика. Когда дело доходит до стратегии, креативности, рассказывания историй, а также почему что-то происходит и как на это реагировать — вот где люди сидят в маркетинговой экосистеме.

5. Вы в основном рассматриваете соотношение затрат и доходов для оптимизации ставок в Google Покупках?

Марк: Acquisio Turing может оптимизировать торговые кампании для достижения тех же целей, что и другие кампании, либо по цене за клик, либо по цене за конверсию. Примерно в это же время в прошлом году мы провели вебинар с Seer Interactive с советами о том, как оптимизировать ваши кампании Google Shopping в последнюю минуту.

6. Как вы решаете проблему с низким трафиком с помощью своего решения ML?

Марк: Столкнувшись с низким трафиком, Acquisio Turing использует комбинацию адаптивной настройки, чтобы собрать достаточно информации для поставленной задачи, а также извлечения из пула данных с низким трафиком, чтобы помочь ему принять обоснованное решение.

Интересно, что наши алгоритмы очень хорошо работают с небольшими бюджетами, поэтому маркетологи платного поиска с низким трафиком не должны бояться попробовать наше машинное обучение.

7. Насколько мне известно, Google Ads не передает данные в режиме реального времени, вы можете получать только ежедневные данные. Итак, как можно запустить оптимизацию ставок в режиме реального времени?

Марк : Мы используем Google API, который, к счастью, предоставляет данные в режиме реального времени. Acquisio Turing обрабатывает эти данные, учится на них и оптимизирует ваши ставки каждые 30 минут, что, в свою очередь, может привести к увеличению количества кликов и конверсий.

8. Сколько конверсий вам нужно оптимизировать для конверсий?

Марк: Для правильной оптимизации конверсий рекомендуется иметь хотя бы одну конверсию в день в течение последних 30 дней. Но, конечно, было бы лучше, если бы кампания приносила 5-10 конверсий в день, так как это давало бы алгоритмам больше данных для работы.

Полезно знать: конверсии также необходимо отслеживать с помощью пикселя конверсий Google Рекламы, и только одна конверсия должна быть включена в столбец конверсий (с отслеживанием конверсий, настроенным на уникальное по сравнению с каждым).

9. Работает ли это и с медийной рекламой?

Брэд: Да. Данные есть данные. Если ваши медийные объявления обеспечивают показы и конверсии; то вы также можете автоматизировать этот тип торгов и управления.

Кредиты изображений

Feature Image: Unsplash / Зак Лусеро