30.000 Hesabın Bize Makine Öğrenimi ve PPC Hakkında Öğrettikleri

Yıllar önce ekibimiz, bir kişinin düşünebileceğinden daha fazla veri kullanarak, teklif ve bütçe yönetimini herhangi bir insandan daha hızlı ve daha iyi gerçekleştirebilecek, kendi kendini geliştiren makine teknolojisi geliştirdi. Teknoloji, roket bilimciler tarafından diğer erken AI patentleri ile oluşturuldu ve 30'dan fazla karmaşık algoritma içeriyor. Yalnızca otomatikleştirilmiş, kural tabanlı bir sistem değil, bu sistem aslında sürekli kendini geliştirerek SEM endüstrisinde yapay zekaya en yakın şey haline getiriyor .

Acquisio Turing ^TM olarak bilinen makine öğrenimi teknolojimiz ve pazarlamacıların bundan ne tür sonuçlar bekleyebilecekleri hakkında çok şey soruluyor, çünkü ajanslar ve pazarlamacılar, martech sağlayıcılarının iddialarından bıkmış durumda. Böylece ekibimiz makinemizi test etmek için yola çıktı.

Pazarlamacıların Acquisio Turing'den tam olarak ne tür kampanya sonuçları bekleyebileceğini anlamak istedik. Bu teknolojide olmayan hesaplara karşı. Çeneler düşecek, veriler uçacak, kafalar yuvarlanacak… Bazı makine öğrenimi verileriyle ellerinizi kirletmeye hazır mısınız? İşte başlıyoruz!

Çalışmanın Parametreleri

Asıl çalışma, 1 Eylül 2015 ile 1 Nisan 2017 arasında, bazıları Acquisio Turing'de olan toplam 32.858 hesabı içeriyordu. ve aktivasyon tarihlerinden itibaren 1. aydan 3. aya kadar sonuçları karşılaştırmayan diğerleri

Aşağıda 1'den 4'e kadar olan Derslerde görüldüğü gibi, hem ortalamalar hem de medyanlar hakkında rapor vermeyi seçtik çünkü çok büyük kazançlar ortalamaya hükmedebilir ve beklentileri çarpıtabilir. Örneğin, müşterilerimizden biri dönüşümde %3000'lik bir artışa sahipken geri kalanlar %50 ila %100 arasındaysa, aykırı değer nedeniyle ortalama daha yükseğe sürüklenecektir. Medyan, aykırı değerlerin etkisine daha az duyarlıdır.

5. ve 6. Dersler için Acquisio Turing'deki tüm hesaplara baktık. yanı sıra AdWords veya Bing gibi yayıncı ağları tarafından yapılan karşılaştırmaları bozanların yanı sıra.

Ders 1: Hesaplar Hem Elma hem Portakaldır

Tüm kampanyalar eşit olarak oluşturulmaz. Bir kampanyanın başarısı pek çok faktöre bağlıdır. Bir kampanyanın bütçesi yüksek olabilir, diğerinin daha kısa bir zaman çerçevesi olabilir, biri daha popüler olan ürünleri satabilirken, diğerinin rekabeti az olabilir. Herhangi bir şeyden anlam çıkarmak ve istatistiksel olarak anlamlı veriler elde etmek için hesap karşılaştırmaları yalnızca benzer hesaplar arasında yapılmalıdır.

Verileri düzgün bir şekilde dilimlememiz ve elmaları elmalarla karşılaştırmamız gerekiyordu. Acquisio Turing bir teklif ve bütçe yönetimi aracı olduğundan, tıklama başına maliyeti, tıklama oranını, edinme başına maliyeti ve dönüşümleri ölçerken benzer bütçe harcamasına sahip hesapları karşılaştırmak son derece önemliydi. Bu nedenle, bu metrikleri belirlemek için, artı veya eksi %10 aralığında benzer harcama için hesapları filtreleyerek 8.235* hesap bıraktık.

*Skorlar log-normal dağılımlı olarak ele alınarak ve Medyan Mutlak Sapma yöntemi kullanılarak ortalamalar hesaplanmadan önce aykırı değerler çıkarıldı.

2. Ders: Düşük Tıklama Başına Maliyet (TBM)

İnsanlar hizmet aramak için Google'a başvuruyor. Google, reklamverenlerin arama sonuçlarına girmesine izin verdi ve onları olası satış başına ücretlendirdi. Tıklama başına maliyet, bir kişi reklamlarını her tıkladığında reklamverenlerin ne kadar ödeyeceğini belirleyen Google'ın oluşturduğu ölçümdür. Pazarlamacılar, arama ağı reklamcılığı kampanyalarının maliyetinin yalnızca kampanyalar etkili olduğunda arttığına sevinirler; ancak, tıklamaların kalitesine rağmen, bu potansiyel müşteriler için bir maliyet vardır.

Karşılaştırılabilir olan 8.235 hesap için, birinci ve üçüncü ay arasında ortalama olarak TBM'de %7'lik bir düşüş gözlemledik. Grubun medyanı %10'luk bir düşüştü, bu da Acquisio Turing'deki hesapların yarısının %10 veya daha iyi bir TBM düşüşüne sahip olduğu anlamına geliyor. Genel olarak yaklaşık üçte ikisi TBM'de bir düşüş gördü.

Daha düşük TBM'ler için evet!

Ders #3: Tıklamalarda Artış

Birçok nedenden dolayı dönüşüm sağlayamayacakları düşünüldüğünde, önemli olan tek şey tıklamalar olmasa da, hepimiz kaliteli tıklamalar istiyoruz - ilgili potansiyel müşterilerden açılış sayfalarımıza gerçek trafik.

İlk üç ayda tıklama sayısının ortalama %15 arttığını gördük. Yine, birinci ay ile üçüncü ay arasındaki tıklama değişiminin medyanı %8'di; bu, Acquisio Turing'deki hesapların yarısının tıklamalarda %8 veya daha fazla artış olduğu anlamına geliyor. Genel olarak %59'u tıklamalarda bir artış gördü.

Tıklamaları getirdiğiniz için makine öğrenimine teşekkür ederiz! Biraz dönüştürme zamanı…

Ders #4: Edinme Başına Maliyet (EBM) Dönüşümlerde Azalış VE Artış

EBM, reklamverenlerin dönüşüm başına ödediği tutardır. Dönüşümler, herhangi bir PPC kampanyasının ve genel olarak reklamcılığın nihai hedefidir. Ancak, dönüşümleri izlemek bazen zor olabilir. UTM'lerden etiket yöneticisine ve hatta üçüncü taraf yazılımlara kadar her şey çok çabuk karışabilir.

Birbirinin %10'u içinde bütçe harcaması yapan 8.235 hesaptan yalnızca 2.490* dönüşümleri izliyordu; bu, çalışmamızın dönüşüm kısmı için 2500'ün hemen altında PPC hesabını karşılaştırdığımız anlamına geliyor.

Dönüşümleri izleyen hesapların medyan EBM değişikliği, %18'lik veya daha iyi bir düşüştü. Bu, hesapların yarısının veya daha fazlasının edinme başına maliyetlerini %18 veya daha fazla azalttığı anlamına gelir. Grubun genel olarak %64'ü TBM'de bir düşüş gördü.

Dönüşümleri izleyen hesaplardan, dönüşüm sayısında %71'lik bir artış gözlemledik... ve bu, ekibimizin hepsinde aşağıdakileri beğendi:

GIPHY aracılığıyla

Bununla birlikte, ihtiyatlı olmak için her zaman birinci ay ile üçüncü ay arasındaki dönüşümlerde %22'lik bir artış olan medyan dönüşüm değişimine bakmalıyız. Bu, grubun yarısının dönüşümleri en az %22 veya daha fazla iyileştirdiği anlamına gelir. Makine öğrenimini kullanan hesapların genel olarak %62'si dönüşüm sayısında bir artış gördü.

Şimdi bu ev hakkında yazılacak bir şey!

*Skorlar log-normal dağılımlı olarak ele alınarak ve Medyan Mutlak Sapma yöntemi kullanılarak ortalamalar hesaplanmadan önce aykırı değerler çıkarıldı.

Ders #5: Her Zaman Hemen Hemen Bütçe Elde Etme

Bütçeye ulaşma her zaman temel bir ölçü olarak düşünülmez. Kısa süre önce blogumuza bütçeye ulaşmanın neden bir KPI olması gerektiğine dair bir yazı yazdık:

“PPC pazarlamacısı bütçeyi aşarsa, bu bariz nedenlerden dolayı bir sorundur. Fazla harcama, dönüşümler gibi başka bir önemli KPI elde etmek anlamına gelse bile, müşterinin fazladan parası olmayabilir; bu nedenle, ilk etapta bir bütçe ayırmak. PPC pazarlamacısı bütçeden az harcarsa, müşteri kendilerine verilen tüm kaynakları neden maksimum sonuçları elde etmek için kullanmadıklarını soracaktır. Bu arada, yatırım her ay farklıysa hiç kimse yatırım getirisini tutarlı bir şekilde ölçemez ve bu nedenle de veri bütünlüğü risk altındadır. Sonuç olarak, PPC pazarlamacıları bütçeyi doğru ve tutarlı bir şekilde harcayamıyorsa, müşteri parasını bunu yapabilen biriyle harcamak isteyecektir.”

Bu mantığı akılda tutarak, PPC pazarlamacılarının bütçelerine her ay ulaşmaları son derece önemlidir. Makine öğreniminin bunu yapmalarına yardımcı olup olmayacağını görmek istedik. Bütçeye ulaşma sorumuzu yanıtlamak için, makine öğrenimi teknolojimizi kullanan hesaplarımızı, kullanmayanlarla karşılaştırdık. Ayrıca, onu AdWords kampanyaları için kullananları ve Bing kampanyaları yürütenleri de dikkate almamız gerekiyordu. Toplam 32.858 hesaba baktık:

• 12.651, AdWords'te makine öğrenimi kullanıyordu
• 11.094, AdWords'te makine öğrenimi kullanmıyordu
• 6.342, Bing'de makine öğrenimi kullanıyordu
• 2.771, Bing'de makine öğrenimi kullanmıyordu

Ortalama Bütçe Elde Edilmesi

AdWords için hesapların, Acquisio Turing kullanmayan hesaplara göre ortalama 3.4 kat daha hızlı ilerleme ve bütçelerini amaçlandığı gibi harcama olasılığının olduğunu gördük.

Bing için hesapların, Acquisio Turing kullanarak aylık bütçelerini kullanmayanlara göre ortalama 11 kat daha fazla olduğunu bulduk.

Verileri bütçe harcamasına göre ayırırsak aşağıdakileri bulduk:

• Ayda 500 ABD dolarından daha az harcayan hesapların, makine öğrenimi kullanmayan hesaplara göre AdWords'te bütçelerine ulaşma olasılığı 3,1 kat ve Bing'de 11,3 kat daha olasıydı.
• Ayda 500 ila 1500 ABD Doları arasında harcama yapan hesapların, makine öğrenimi kullanmayan hesaplara göre AdWords'te bütçelerine ulaşma olasılıkları 2,3 kat ve Bing'de 10,1 kat daha olasıydı.
• Ayda 1500 dolardan fazla harcayan hesapların, makine öğrenimi kullanmayan hesaplara göre AdWords'te bütçelerine ulaşma olasılığı 5,2 kat ve Bing'de 18,6 kat daha olasıydı.

6. Ders: Hesapların Ortalama Yaşam Boyu Değeri (YBD) Artıyor

Bir hesabın platformda yaşadığı süre, birkaç iyi şey anlamına gelebilir. Her şeyden önce, başarılı kampanyaların devam etme olasılığı, iyi performans göstermeyen ve duraklatılan veya karıştırılan kampanyalardan daha fazladır. Bir ajans, bayi veya kanal ortağı için ikincisi, bu daha fazla para demektir. Bu daha uzun ömür boyu değerin temsil ettiği hesap miktarına bağlı olarak, ölçekte önemli ölçüde daha fazla yıllık gelir sağlayabilir.

32.858 hesabın YBD'sine ne olduğunu belirlemek için bunları makine öğrenimi teknolojisi kullananlar ve kullanmayanlara göre ayırdık. Makine öğrenimi teknolojisini kullananların, kullanmayanlara göre AdWords'te bir ay ve Bing'de iki buçuk ay daha uzun yaşadıklarını bulduk.

Makine Öğrenimi Size PPC Hakkında Ne Öğretebilir?

Bu çalışmaya uyguladığımız makine öğrenimi teknolojisi sürekli kendini geliştirdiğinden, kelimenin tam anlamıyla her geçen gün daha da akıllı hale geldiğinden, yukarıda sunulan sonuçların yalnızca daha iyi olmasını bekliyoruz.

TLDR Özeti:

1. Herhangi bir şeyden anlam çıkarmak ve istatistiksel olarak anlamlı veriler elde etmek için hesap karşılaştırmaları yalnızca benzer hesaplar arasında yapılmalıdır.
2. Makine öğrenimini kullanan hesapların yarısında %10 veya daha fazla TBM düşüşü yaşandı. Genel olarak yaklaşık üçte ikisi TBM'de bir düşüş gördü.
3. Makine öğrenimini kullanan hesapların yarısında tıklamalarda %8 veya daha fazla artış oldu. Genel olarak %59'u tıklamalarda bir artış gördü.
4. Hesapların yarısı veya daha fazlası, edinme başına maliyetlerini %18 veya daha fazla azalttı. Grubun genel olarak %64'ü TBM'de bir düşüş gördü.
5. Dönüşümleri izleyen hesaplardan, dönüşüm sayısında %71'lik bir artış gözlemledik. Grubun genel olarak %62'si dönüşüm sayısında bir artış gördü.
6. AdWords için, hesapların, makine öğrenimini kullanmayan hesaplara göre, bütçelerini planladıkları gibi harcama ve harcama olasılığının ortalama 3 kat daha fazla olduğunu tespit ettik.
7. Bing için, hesapların aylık bütçelerini makine öğrenimini kullanarak harcama olasılığının ortalama 11 kat daha fazla olduğunu bulduk olmayanlardan daha.
8. Makine öğrenimi teknolojisini kullanan hesaplar, olmayanlardan dört ay daha uzun yaşadı.

Daha düşük TBM'lerden daha yüksek dönüşüm oranlarına, daha uzun LTV'lere ve daha fazlasına, Acquisio Turing son iki yılda çalıştığı hesaplara şimdiden muazzam bir değer sağladı. Artan miktarda makine öğrenimi çözümleri hayatımızı ve şimdi de SEM kampanyalarımızı şekillendirmeye başladığından, iyi haberi sizin gibi pazarlamacılarla paylaşmaktan gerçekten heyecan duyuyoruz!

Resim Kredisi

Özellik Resmi: Unsplash/ Maxime Bhm

Tüm ekran görüntüleri Chandal Nolasco da Silva'ya aittir. En son Acquisio Turing Performans Raporundan Yaz-Kış 2017'den alınmıştır.