再見投標：讓機器學習為 CPA 目標工作

六月，我們的團隊前往西雅圖參加SMX Advanced 2018 。 當我們在那裡時，我們聽到專家談論 Google 的機器學習如何不是真正的免提解決方案，並且活動經理無論如何都必須調整和更新 CPA 和 ROAS 目標。

“我們距離完全依賴谷歌的自動化 SEM 還很遙遠。 即使採用全自動出價，它們也會告訴您更改 CPA 目標和 ROAS 出價，因此它不是完全放手或自動化的。”

在聽到該評論後，我們的團隊開始思考 Acquisio 的機器學習技術（稱為 Acquisio Turing）以及它如何解決 Google 機器學習所缺乏的問題。 這是一個有爭議且大膽的聲明，即使是作為一種想法，所以我們想與我們的讀者一起解決這種情況。

認識 Acquisio Turing

在我們進入它之前，讓我們做一些必要的介紹。 我們打包了我們的人工智能算法，統稱為 Acquisio Turing，並於去年推出。

Acquisio Turing 使用無限優化，由 30 多種執行不同任務的不同算法組成。 雖然這種機器學習技術以其投標和預算管理 (BBM) 績效結果而聞名，但它已經擴展到資金管理之外，並且在每天執行其他 PPC 任務方面變得更加智能（請繼續關註今年晚些時候來自 Acquisio 的更多人工智能工具！） .

Acquisio Turing 如何處理您的 CPA 投標

Acquisio Turing 的目標，無論是針對點擊次數還是轉化次數進行優化，都是有效地花費廣告預算。 給定總體期間預算（通常是每月預算）和每次轉化的最高價格上限，機器學習技術試圖：

• 以低於最高價格上限的平均價格獲得最多的轉化
• 確保預算持續整個期間
• 確保廣告在廣告時間表設置的整個持續時間內每天都在拍賣中

通過不針對特定的 CPA 值，Acquisio Turing 可以選擇找到理想的 CPA，即使在不斷變化的條件下也可以充分使用預算。

Acquisio Turing CPA 優化與針對 CPA 的自動出價

因此，讓我們解決手頭的情況。 Acquisio Turing 和針對具體 CPA 值的自動出價工具有什麼區別？ 答案實際上很複雜，最好通過不同的場景給出。 讓我們在下面使用適用於 PPC 的基本經濟學來探討這些。

場景一：廣告商設置合理的 CTA 目標

在這個假設場景中，假設廣告客戶設置了 3,000 美元的每月預算並決定將 CPA 設定為 10 美元。 每月預算轉化為 100 美元的每日預算（假設每月 30 天）。 使用 10 美元的 CPA 目標，廣告客戶平均每天可以預期 10 次轉化。 10 美元的每次轉化費用目標是一個不錯的選擇嗎？ 讓我們假設從商業角度來看，10 美元的目標是合理的。 考慮到帳戶結構、業務、位置，是否有可能以 10 美元的價格獲得轉化？ 如果有，有多少？ 每個月的3000美元夠花嗎？ 找出答案的唯一方法是設置自動出價並觀察結果。

可以從供需經濟學的角度來解決這個問題。 在這種情況下，廣告客戶代表嘗試購買轉化的需求方。 我們假設示例的需求曲線如下圖所示，其中橫軸是轉化價格 (CPA)，縱軸是轉化次數：

正如我們所見，10 美元的每次轉化費用轉化為每天 10 次轉化，每日預算為 100 美元。

如果廣告客戶更改 CPA 目標，則預期轉化次數會沿著這條曲線移動。 但僅此圖並不能回答什麼是可能的。 5 美元的目標每次轉化費用能否奏效並每天帶來 20 次轉化？ 同樣，為我們的廣告商找出​​答案的唯一方法是使用針對特定每次轉化費用（目標為 5 美元）的自動出價並觀察和學習。

場景 2：廣告商設定了一個雄心勃勃的 CTA 目標

實際答案來自拍賣市場的供給曲線。 有一個最低價格，低於該價格您無法購買轉換。 在另一個極端，如果您的每次轉化費用超過某個特定值，那麼您基本上就擁有了市場，並且您可以獲得的轉化次數趨於平穩（即，在某些時候，無論您為更多點擊支付多少費用，您都不會獲得更多轉換，因為它們只是無法交付）。

我們假設示例的供需曲線如下所示。

上圖基於我們的第一個圖表，表明我們的 CPA 可以獲得的最低價格是 3 美元。 但是，以如此低的價格，您平均每天只能獲得 1 次轉化。 即使在期望的 5 美元 CPA 下，供應也不能滿足需求； 市場僅產生 12 次轉化，而不是裝袋 20 次，這比 10 美元 CPA 的 10 次有所改進，但每天仍有 40 美元未花費。

如果廣告商決心最大化分配預算的結果，最好嘗試介於兩者之間的某個值並不斷完善它 - 或者 - 讓 Acquisio Turing 的機器學習算法完成這項工作，而不必擔心選擇什麼目標 CPA .

當在 SEM 活動中激活 Acquisio Turing 時，假設場景的供需圖將如下所示。

供給曲線和需求曲線的形狀是相同的。 新的是紅線表示廣告客戶可以為轉化支付的最高價格，在本例中設置為 12 美元。 標有綠色的點是 100 美元每日預算的理想每次轉化費用，其中預算已全部用完。 這是 6.25 美元的每次轉化費用，產生 16 次轉化！ 一點也不差。 Acquisio 的出價和預算算法會了解該點的位置，並將競標推向該點，直到實現。

對於一個靜止的世界來說，這一切都很好，但互聯網廣告一直在變化。 廣告平台改變了他們的產品和他們管理廣告的方式（例如搜索引擎結果頁面的政策和實踐、新興的廣告類型等），競爭的變化，或者廣告商的情況可能會改變。 所有這些外圍因素都會影響供應曲線或需求曲線，這使得每天選擇一個單一的 CPA 目標變得更加困難。

場景 3：廣告商實施更好的 CRO 實踐

假設廣告客戶在研究了他們的網站性能後，決定使用改進的著陸頁和導航重新啟動網站，從而將轉化率提高 50%。 拍賣市場沒有改變，但通過讓訪問者更容易轉換，廣告商能夠推高供應曲線。

由於更好的廣告系列組件會產生更好的結果，因此這一變化意味著理想的每次轉化費用現在已變為 5.26 美元，其中 100 美元的每日預算可以產生 19 次轉化。 Acquisio Turing 的機器學習算法可以自行識別這一變化，而無需通知它，也無需廣告商估計要設置的新 CPA 目標。 這就是 Acquisio 的機器學習技術與 Google 的主要區別——無論是否有 CPA 目標，都可以完全解放雙手。

場景 4：廣告商有額外的預算要花費

我們經常在廣告商那裡看到的另一種情況是需要更改預算。 假設在我們的假設案例中，廣告客戶對廣告推動轉化的效果感到滿意，並希望將預算增加三倍。 三倍預算應該使轉化率增加三倍，對嗎？

不幸的是沒有。 在原始供給曲線下，300 美元的每日預算只能通過每次轉化支付 12.60 美元來支出。 請注意，這超出了廣告商設定的 12 美元的最高價格上限，因此 Acquisio Turing 將無法達到該理想點。 換句話說，在這種情況下，它將無法完全花費所需的預算。

還有無數其他情況會影響供需平衡，而掌握這些情況對人類來說可能是一項艱鉅的任務。 不適用於 Acquisio Turing。 我們的機器學習技術每天最多可做出 48 次出價和預算決策，以跟上不斷變化的廣告環境，因此您不必這樣做。

使用 Acquisio Turing 優化 CPA 時的最佳實踐

如果您使用 Acquisio Turing 進行 CPA 出價，則需要應用一些最佳實踐來確保獲得最佳性能。

一致的轉換效果最好

廣告商需要為 Acquisio Turing 設置轉換跟踪才能有效。 在機器學習和自動出價的背景下，廣告商需要係統可以從中學習的最少數量的一致轉化。 通過一致的轉換，我們指的是一些常規的每日數字，而不是有一些隨機的更多轉換。

優化不同的目標

不同的廣告客戶在創建在線搜索廣告系列時有不同的目標。 從表格填寫和電子郵件註冊，到頁面訪問和實際購買。 廣告商可以從搜索廣告平台跟踪許多轉化事件。

從報告的角度來看，總轉化可以包括代理機構或廣告商定義的所有潛在轉化事件。 但是，轉換總數實際上應該只包括那些值得優化的。 活動經理在使用機器學習時必須意識到，這些系統無法區分不同類型的轉化。 因此，在報告時，請確保僅包含重要的轉化，因為 Acquisio Turing 無法區分它們，它們將按計數而不是按類型報告。

利用 Acquisio Turing 進行 CPA 優化

Acquisio Turing 是一種 SEM 機器學習解決方案，讓競標變得輕而易舉。 不過這裡的要點是，與 Google 的智能競價不同，廣告商可以真正讓 Acquisio Turing 掌舵——沒有 CPA 目標需要調整……永遠！ 機器學習算法依賴於搜索廣告平台（ Google Ads和Bing Ads ）提供的實時本地轉化跟踪。 這允許系統實現廣告商的以下目標：

• 以最優惠的價格最大化轉化
• 制定整個月的預算
• 讓您的廣告一整天都在拍賣中（或根據設定的時間表）

當廣告商將他們的 CPA 交給我們的機器學習時，它將使用大量數據在不斷變化的條件下為任何廣告商的預算找到理想的 CPA。 [注意：目前不支持離線跟踪轉化或通話，敬請期待。]

最終，Acquisio Turing 正在為您的網站帶來可能轉化的流量。 但您可以自行創建登錄頁面、引導訪問者輕鬆轉換的導航路徑。

圖片來源

特色圖片： Unsplash / Marc A

由 Tamas Frajka 創建的所有圖表。 2018 年 6 月。