บัญชีกว่า 30,000 บัญชีสอนอะไรเราเกี่ยวกับการเรียนรู้ของเครื่องและ PPC

หลายปีก่อน ทีมของเราสร้างเทคโนโลยีเครื่องจักรที่พัฒนาตนเองได้ซึ่งสามารถบรรลุการจัดการราคาเสนอและงบประมาณได้เร็วและดีกว่ามนุษย์ โดยใช้ข้อมูลมากกว่าที่ใครจะพิจารณาได้ เทคโนโลยีนี้สร้างขึ้นโดยนักวิทยาศาสตร์จรวดพร้อมสิทธิบัตร AI รุ่นแรกๆ อื่นๆ และมีอัลกอริธึมที่ซับซ้อนมากกว่า 30 อัลกอริทึม ไม่ใช่แค่ระบบอัตโนมัติที่อิงตามกฎ แต่ระบบนี้พัฒนาตนเองได้อย่างต่อเนื่อง ทำให้เป็นระบบที่ใกล้เคียงที่สุดที่เรามีในอุตสาหกรรม SEM ต่อปัญญาประดิษฐ์

เราได้รับคำถามมากมายเกี่ยวกับเทคโนโลยีแมชชีนเลิร์นนิงของเราที่รู้จักกันในชื่อ Acquisio Turing ^TM และผลลัพธ์ประเภทใดที่นักการตลาดคาดหวังได้จากเทคโนโลยีนี้ เนื่องจากเอเจนซีและนักการตลาดรู้สึกเบื่อหน่ายกับการเรียกร้องจากผู้ให้บริการมาร์เทค ทีมงานของเราจึงได้นำเครื่องของเราไปทดสอบ

เราต้องการทำความเข้าใจว่านักการตลาดจะคาดหวังผลลัพธ์ของแคมเปญประเภทใดจาก Acquisio Turing เทียบกับบัญชีที่ไม่ได้อยู่ในเทคโนโลยีนี้ กรามจะหล่น ข้อมูลจะพุ่ง หัวจะม้วน… คุณพร้อมที่จะทำให้มือสกปรกด้วยข้อมูลการเรียนรู้ของเครื่องแล้วหรือยัง? ไปเลย!

พารามิเตอร์ของการศึกษา

การศึกษาจริงรวมบัญชีทั้งหมด 32,858 บัญชีระหว่างวันที่ 1 กันยายน 2015 ถึง 1 เมษายน 2017 ซึ่งบางส่วนอยู่ใน Acquisio Turing และอื่นๆ ที่ไม่ได้เปรียบเทียบผลลัพธ์จากเดือนที่ 1 กับเดือนที่ 3 จากวันที่เปิดใช้งาน

ตามที่เห็นด้านล่างในบทที่ 1 ถึง 4 เราเลือกที่จะรายงานทั้งค่าเฉลี่ยและค่ามัธยฐาน เนื่องจากกำไรที่มากมหาศาลสามารถครอบงำความคาดหวังโดยเฉลี่ยที่บิดเบือนได้ ตัวอย่างเช่น หากลูกค้ารายใดรายหนึ่งของเรามี Conversion เพิ่มขึ้น 3,000% ในขณะที่ส่วนที่เหลืออยู่ระหว่าง 50 ถึง 100% ค่าเฉลี่ยจะถูกลากให้สูงขึ้นเนื่องจากค่าผิดปกติ ค่ามัธยฐานมีความอ่อนไหวต่อผลกระทบของค่าผิดปกติน้อยกว่า

สำหรับบทที่ 5 และ 6 เราตรวจสอบบัญชีทั้งหมดใน Acquisio Turing เช่นเดียวกับเครือข่ายผู้เผยแพร่โฆษณาที่ไม่มีการเปรียบเทียบและแยกย่อยออกจากกัน ไม่ว่าจะเป็น AdWords หรือ Bing

บทเรียน #1: บัญชีเป็นทั้งแอปเปิ้ลและส้ม

ไม่ใช่ทุกแคมเปญที่ถูกสร้างขึ้นอย่างเท่าเทียมกัน ความสำเร็จของแคมเปญขึ้นอยู่กับหลายปัจจัย แคมเปญหนึ่งอาจมีงบประมาณสูง อีกแคมเปญหนึ่งอาจมีกรอบเวลาที่สั้นลง แคมเปญหนึ่งสามารถขายสินค้าที่ได้รับความนิยมมากกว่า ในขณะที่อีกแคมเปญหนึ่งมีการแข่งขันเพียงเล็กน้อย เพื่อให้เข้าใจในสิ่งใดสิ่งหนึ่งและได้รับข้อมูลที่มีนัยสำคัญทางสถิติ การเปรียบเทียบบัญชีควรทำขึ้นระหว่างบัญชีที่คล้ายคลึงกันเท่านั้น

เราต้องแบ่งข้อมูลอย่างถูกต้องและเปรียบเทียบแอปเปิ้ลกับแอปเปิ้ล เนื่องจาก Acquisio Turing เป็นเครื่องมือจัดการราคาเสนอและงบประมาณ การเปรียบเทียบบัญชีที่มีการใช้จ่ายด้านงบประมาณใกล้เคียงกันเมื่อวัดราคาต่อหนึ่งคลิก อัตราการคลิกผ่าน ราคาต่อหนึ่งการกระทำ และ Conversion เป็นสิ่งสำคัญอย่างยิ่ง ในการพิจารณาเมตริกเหล่านี้ เราจึงกรองบัญชีสำหรับการใช้จ่ายที่คล้ายกันภายในช่วงบวกหรือลบ 10% โดยเหลือ 8,235* บัญชี

*ค่าผิดปกติจะถูกลบออกก่อนที่จะคำนวณค่าเฉลี่ยโดยถือว่าคะแนนเป็นการกระจายแบบปกติของบันทึกและใช้วิธี Median Absolute Deviation

บทที่ #2: ลดต้นทุนต่อคลิก (CPC)

ผู้คนหันมาใช้ Google เพื่อค้นหาบริการ Google อนุญาตให้ผู้โฆษณาเข้าสู่ผลการค้นหาและเรียกเก็บเงินต่อโอกาสในการขาย ต้นทุนต่อคลิกเป็นเมตริกที่ Google สร้างขึ้นซึ่งกำหนดสิ่งที่ผู้โฆษณาจะจ่ายในแต่ละครั้งที่มีคนคลิกที่โฆษณาของตน นักการตลาดชื่นชมยินดีที่ค่าใช้จ่ายของแคมเปญโฆษณาบนเครือข่ายการค้นหาจะเพิ่มขึ้นเมื่อแคมเปญมีประสิทธิภาพเท่านั้น อย่างไรก็ตาม แม้ว่าคุณภาพของการคลิกจะมีคุณภาพ แต่ก็มีค่าใช้จ่ายสำหรับลีดเหล่านั้น

สำหรับบัญชี 8,235 บัญชีที่เปรียบเทียบกันได้ เราสังเกตเห็นการลด CPC โดยเฉลี่ย 7% ระหว่างเดือนแรกและเดือนที่สาม ค่ามัธยฐานของกลุ่มลดลง 10% ซึ่งหมายความว่าครึ่งหนึ่งของบัญชีใน Acquisio Turing มี CPC ลดลง 10% หรือดีกว่า โดยรวมแล้วประมาณสองในสามเห็นว่า CPC ลดลง

แย่จังสำหรับ CPC ที่ต่ำกว่า!!

บทเรียน #3: เพิ่มขึ้นในการคลิก

แม้ว่าการคลิกไม่ใช่สิ่งเดียวที่สำคัญเนื่องจากอาจไม่ทำให้เกิด Conversion ด้วยเหตุผลหลายประการ แต่เราทุกคนต้องการการคลิกที่มีคุณภาพ ซึ่งเป็นการเข้าชมจริงไปยังหน้า Landing Page ของเราจากผู้มีโอกาสเป็นลูกค้าที่สนใจ

เราพบว่าโดยเฉลี่ยแล้วจำนวนคลิกเพิ่มขึ้น 15% ในช่วงสามเดือนแรก อีกครั้ง ค่ามัธยฐานสำหรับการเปลี่ยนแปลงการคลิกระหว่างเดือนที่หนึ่งและเดือนที่สามคือ 8% ซึ่งหมายความว่าครึ่งหนึ่งของบัญชีใน Acquisio Turing มีการคลิกเพิ่มขึ้น 8% หรือดีกว่า โดยรวมแล้ว 59% มีการคลิกเพิ่มขึ้น

ขอขอบคุณแมชชีนเลิร์นนิงที่นำไปสู่การคลิก! ถึงเวลาต้องแปลงร่าง...

บทที่ #4: ต้นทุนต่อการได้รับ (CPA) ลดลงและเพิ่มขึ้นในการแปลง

CPA คือจำนวนเงินที่ผู้โฆษณาจ่ายต่อการแปลง การแปลงเป็นเป้าหมายสูงสุดของแคมเปญ PPC และการโฆษณาโดยทั่วไป อย่างไรก็ตาม บางครั้ง Conversion อาจติดตามได้ยาก ตั้งแต่ UTM ไปจนถึงตัวจัดการแท็กและแม้แต่ซอฟต์แวร์ของบุคคลที่สาม สิ่งต่างๆ อาจยุ่งเหยิงอย่างรวดเร็ว

จากบัญชี 8,235 บัญชีที่มีการใช้จ่ายงบประมาณไม่เกิน 10% ของกันและกัน มีเพียง 2,490* เท่านั้นที่ติดตาม Conversion ซึ่งหมายความว่าสำหรับส่วน Conversion ของการศึกษาของเรา เรากำลังเปรียบเทียบบัญชี PPC ต่ำกว่า 2,500 บัญชี

ในบรรดาบัญชีที่ติดตาม Conversion การเปลี่ยนแปลง CPA เฉลี่ยลดลง 18% หรือดีกว่า นั่นหมายถึงครึ่งหรือมากกว่าของบัญชีลดต้นทุนต่อการได้รับ 18% หรือดีกว่า โดยรวมแล้ว 64% ของกลุ่มเห็นว่า CPC ลดลง

จากบัญชีที่ติดตาม Conversion เราสังเกตเห็นว่าจำนวน Conversion เพิ่มขึ้น 71%...ซึ่งทีมของเราทุกคนชอบ:

โดย GIPHY

อย่างไรก็ตาม เพื่อเป็นการอนุรักษ์ เราควรดูที่การเปลี่ยนแปลงค่ามัธยฐานเสมอ ซึ่งก็คือ Conversion ที่เพิ่มขึ้น 22% ระหว่างเดือนที่หนึ่งถึงเดือนที่สาม นั่นหมายความว่าครึ่งหนึ่งของกลุ่มปรับปรุง Conversion อย่างน้อย 22% หรือดีกว่า โดยรวมแล้ว 62% ของบัญชีที่ใช้แมชชีนเลิร์นนิงเห็นจำนวน Conversion เพิ่มขึ้น

ตอนนี้เป็นสิ่งที่จะเขียนถึงบ้าน!

*ค่าผิดปกติจะถูกลบออกก่อนที่จะคำนวณค่าเฉลี่ยโดยถือว่าคะแนนเป็นการกระจายแบบปกติของบันทึกและใช้วิธี Median Absolute Deviation

บทที่ #5: การบรรลุงบประมาณเกือบทุกครั้ง

ความสำเร็จของงบประมาณไม่ได้ถูกมองว่าเป็นตัวชี้วัดหลักเสมอไป เมื่อเร็ว ๆ นี้เราได้เขียนโพสต์บนบล็อกของเราเกี่ยวกับสาเหตุที่การบรรลุงบประมาณควรเป็น KPI:

“หากนักการตลาด PPC ใช้จ่ายเกินงบประมาณ เป็นปัญหาด้วยเหตุผลที่ชัดเจน แม้ว่าการใช้จ่ายมากเกินไปหมายถึงการบรรลุ KPI ที่สำคัญอีกอย่างหนึ่ง เช่น การแปลง ลูกค้าก็อาจไม่มีเงินเพิ่ม จึงจัดสรรงบประมาณเป็นลำดับแรก หากนักการตลาด PPC ใช้งบประมาณน้อยเกินไป ลูกค้าจะถามว่าทำไมพวกเขาถึงไม่ทุ่มเททรัพยากรทั้งหมดที่ได้รับเพื่อให้ได้ผลลัพธ์สูงสุด ในขณะเดียวกันก็ไม่มีใครสามารถวัดผลตอบแทนจากการลงทุนได้อย่างสม่ำเสมอหากการลงทุนแตกต่างกันทุกเดือน ดังนั้นจึงมีความเสี่ยงต่อความถูกต้องของข้อมูล ในท้ายที่สุด หากนักการตลาด PPC ไม่สามารถใช้งบประมาณได้อย่างถูกต้องและสม่ำเสมอ ลูกค้าจะต้องการใช้จ่ายเงินกับคนที่สามารถ”

ด้วยเหตุนี้ นักการตลาด PPC จึงจำเป็นอย่างยิ่งที่จะต้องได้รับงบประมาณทุกเดือน เราต้องการดูว่าแมชชีนเลิร์นนิงสามารถช่วยพวกเขาได้หรือไม่ เพื่อตอบคำถามเกี่ยวกับการบรรลุงบประมาณ เราได้เปรียบเทียบบัญชีที่ใช้เทคโนโลยีแมชชีนเลิร์นนิงกับบัญชีที่ไม่ได้ใช้ เราต้องพิจารณาผู้ที่ใช้สำหรับแคมเปญใน AdWords และผู้ที่ใช้งานแคมเปญ Bing เราดูทั้งหมด 32, 858 บัญชี:

• 12, 651 คนกำลังใช้แมชชีนเลิร์นนิงใน AdWords
• 11,094 ไม่ได้ใช้แมชชีนเลิร์นนิงใน AdWords
• 6,342 กำลังใช้แมชชีนเลิร์นนิงบน Bing
• 2,771 ไม่ได้ใช้แมชชีนเลิร์นนิงบน Bing

บรรลุงบประมาณเฉลี่ย

สำหรับ AdWords เราพบว่าบัญชีมีแนวโน้มที่จะใช้จ่ายและใช้งบประมาณตามที่คาดไว้โดยเฉลี่ย 3.4 เท่า เมื่อเทียบกับบัญชีที่ไม่ได้ใช้ Acquisio Turing

สำหรับ Bing เราพบว่าบัญชีมีแนวโน้มที่จะใช้จ่ายและใช้งบประมาณรายเดือนของพวกเขาโดยใช้ Acquisio Turing มากกว่าบัญชีที่ไม่ได้ใช้งานถึง 11 เท่า

หากเราแบ่งข้อมูลตามการใช้จ่ายงบประมาณ เราพบสิ่งต่อไปนี้:

• บัญชีที่ใช้จ่ายน้อยกว่า $500 ต่อเดือนมีแนวโน้มที่จะบรรลุงบประมาณใน AdWords 3.1 เท่า และมีแนวโน้มมากกว่าใน Bing 11.3 เท่า มากกว่าบัญชีที่ไม่ได้ใช้แมชชีนเลิร์นนิง
• บัญชีที่ใช้จ่ายระหว่าง $500 ถึง $1500 ต่อเดือน มีแนวโน้มที่จะบรรลุงบประมาณใน AdWords 2.3 เท่า และมีแนวโน้มมากกว่าใน Bing 10.1 เท่า มากกว่าบัญชีที่ไม่ได้ใช้แมชชีนเลิร์นนิง
• บัญชีที่ใช้จ่ายมากกว่า $1500 ต่อเดือน มีแนวโน้มที่จะบรรลุงบประมาณใน AdWords 5.2 เท่า และมีแนวโน้มใน Bing 18.6 เท่า มากกว่าบัญชีที่ไม่ได้ใช้แมชชีนเลิร์นนิง

บทที่ #6: มูลค่าตลอดอายุการใช้งานเฉลี่ย (LTV) ของบัญชีเพิ่มขึ้น

ระยะเวลาที่บัญชีอยู่บนแพลตฟอร์มอาจหมายถึงสิ่งดีๆ สองสามอย่าง ประการแรก แคมเปญที่ประสบความสำเร็จมักจะดำเนินต่อไปมากกว่าแคมเปญที่ทำงานได้ไม่ดีและถูกหยุดชั่วคราวหรือหลีกเลี่ยง อันดับสองสำหรับเอเจนซี ตัวแทนจำหน่าย หรือพาร์ทเนอร์ช่องทาง นั่นหมายถึงเงินที่มากขึ้น ขึ้นอยู่กับจำนวนบัญชีที่มีมูลค่าตลอดอายุการใช้งานที่ยาวนานขึ้น มันสามารถให้รายรับต่อปีเพิ่มขึ้นอย่างมากตามสัดส่วน

เพื่อตรวจสอบว่าเกิดอะไรขึ้นกับ LTV ของบัญชี 32,858 บัญชี เราได้แยกรายละเอียดโดยผู้ที่ใช้เทคโนโลยีการเรียนรู้ของเครื่องและผู้ที่ไม่ได้ใช้ เราพบว่าผู้ที่ใช้เทคโนโลยีแมชชีนเลิร์นนิงอยู่บน AdWords นานขึ้นหนึ่งเดือนและบน Bing นานกว่าที่ไม่ได้ใช้ Bing สองเดือนครึ่ง

แมชชีนเลิร์นนิงสามารถสอนอะไรคุณเกี่ยวกับ PPC

เนื่องจากเทคโนโลยีแมชชีนเลิร์นนิงที่เราใช้กับการศึกษานี้มีการพัฒนาตนเองอย่างต่อเนื่อง ฉลาดขึ้นทุกวันอย่างแท้จริง เราคาดว่าผลลัพธ์ที่นำเสนอข้างต้นจะดีขึ้นเท่านั้น

สรุป TLDR:

1. เพื่อให้เข้าใจในสิ่งใดสิ่งหนึ่งและได้รับข้อมูลที่มีนัยสำคัญทางสถิติ การเปรียบเทียบบัญชีควรทำขึ้นระหว่างบัญชีที่คล้ายคลึงกันเท่านั้น
2. ครึ่งหนึ่งของบัญชีที่ใช้แมชชีนเลิร์นนิงมี CPC ลดลง 10% หรือดีกว่า โดยรวมแล้วประมาณสองในสามเห็นว่า CPC ลดลง
3. ครึ่งหนึ่งของบัญชีที่ใช้แมชชีนเลิร์นนิงได้รับคลิกเพิ่มขึ้น 8% หรือดีกว่า โดยรวมแล้ว 59% มีการคลิกเพิ่มขึ้น
4. บัญชีครึ่งหนึ่งหรือมากกว่าลดต้นทุนต่อการได้รับ 18% หรือดีกว่า โดยรวมแล้ว 64% ของกลุ่มเห็นว่า CPC ลดลง
5. จากบัญชีที่ติดตาม Conversion เราสังเกตเห็นว่ามีจำนวน Conversion เพิ่มขึ้น 71% โดยรวมแล้ว 62% ของกลุ่มพบว่าจำนวน Conversion เพิ่มขึ้น
6. สำหรับ AdWords เราพบว่าบัญชีมีแนวโน้มที่จะใช้จ่ายและใช้งบประมาณตามที่ตั้งใจโดยเฉลี่ย 3 เท่า มากกว่าบัญชีที่ไม่ได้ใช้แมชชีนเลิร์นนิง
7. สำหรับ Bing เราพบว่าบัญชีมีแนวโน้มที่จะใช้งบประมาณรายเดือนโดยเฉลี่ยมากกว่า 11 เท่าโดยใช้การเรียนรู้ของเครื่อง มากกว่าผู้ที่ไม่ได้เป็น
8. บัญชีที่ใช้เทคโนโลยีแมชชีนเลิร์นนิงมีอายุการใช้งานยาวนานกว่าบัญชีที่ไม่ได้อยู่ถึงสี่เดือน

ตั้งแต่ CPC ที่ต่ำลงไปจนถึงอัตรา Conversion ที่สูงขึ้น LTV ที่ยาวขึ้น และอื่นๆ Acquisio Turing ได้มอบมูลค่ามหาศาลให้กับบัญชีที่ดำเนินการในช่วงสองปีที่ผ่านมา เรารู้สึกตื่นเต้นมากที่ได้แบ่งปันข่าวดีกับนักการตลาดเช่นคุณ เนื่องจากโซลูชันแมชชีนเลิร์นนิงจำนวนมากขึ้นเริ่มเข้ามามีบทบาทในชีวิตของเรา และตอนนี้คือแคมเปญ SEM ของเรา!

เครดิตรูปภาพ

ภาพเด่น: Unsplash/ Maxime Bhm

ภาพหน้าจอทั้งหมดโดย Chandal Nolasco da Silva ถ่ายช่วงฤดูร้อน-ฤดูหนาวปี 2017 จากรายงานประสิทธิภาพ Acquisio Turing ฉบับล่าสุด