我們的網絡研討會“利用和審計 AI 為您的行業提供更好的搜索廣告”的問答

本月早些時候，Acquisio 的聯合創始人 Marc Poirier 和我，Adalysis 的 Brad Geddes 聚在一起，就人工智能對付費搜索的影響進行了一場精彩的討論，活動經理需要利用人工智能的框架，以及審計這一新興領域的內容。技術。

你錯過了網絡研討會嗎？ 在這裡觀看錄音！

Marc 和我從觀眾那裡收到了一些很棒的問題，但不幸的是，我們沒有時間回答所有問題。 但是，正如我們在網絡研討會中承諾的那樣，您可以在下面查看我們對您所有問題的回答。

1 – 您如何看待 Google 的機器學習？ 您是否曾經設置過 A/B 實驗，讓 Acquisio 與 Google 的機器學習相抗衡？

布拉德：在廣告方面，谷歌的機器學習非常糟糕。 是否是廣告的創建、RSA 廣告服務、優化（這太可怕了）都沒關係——不是一個大粉絲。 當談到類似的列表時，我認為這很神奇。 但我的容忍度卻大不相同。 對於類似的列表，如果它為我帶來了 10% 的我從來不知道的新客戶，我真的很高興。 我永遠不會籠統地說他們是好是壞。 谷歌非常擅長數學，他們非常不擅長創造力。 我在這些領域對它們進行了一些細分。

Marc：就比較而言，我們一直都在這樣做。 例如，我們正試圖在這方面變得更加自律，並獲得大量使用 CPA 出價的客戶樣本。 我們還沒有關於這方面的官方研究——還沒有！ 但谷歌解決了一個不同的問題。 我們正在嘗試花錢（以點擊或轉化的最佳價格，而不是瞄準固定價格），但在最大限度地提高轉化率的同時不超出預算。

2 – 如果您的銷售週期很長，比如 3-6 個月，那麼如何最好地使用這些數據以及每天出現的潛在客戶？ 如果數據落後當前出價幾個月，您是否應該只反饋真正轉換的潛在客戶？

布拉德：這是一個哲學問題，也是一個數據問題。 我嘗試盡快確定潛在客戶的資格。 我的 MQL（我的營銷合格線索）最多應在 2-7 天內完成。 機器學習，延遲 7 天工作，沒問題。 如果我們可以在 7 到 14 天內對它們進行銷售合格，我寧願處理這些數據。 我會在 6 個月後進行封閉式銷售嗎？ 不，我不會。

在數據延遲的情況下，您應該使用雙管齊下的機器學習方法。 首先是為機器提供最近的數據以用於決策。 這可以是潛在客戶（如果可能，營銷合格）或質量訪問信號。 這有助於日常出價管理。

然後你應該反饋實際的銷售數據，看看銷售數據如何與合格的潛在客戶數據對齊。 如果它緊密排列，那麼您可以依賴短期信號。 如果沒有； 然後你想深入研究數據，看看為什麼它不排隊。 可能存在導致質量較差的潛在客戶的關鍵字、位置、一天中的時間或其他信號。 在這些情況下，您需要對您的廣告系列進行調整，以便您的短期和長期數據相互一致。

Marc：我們在 Acquisio 為自己做了很多潛在客戶開發工作，我們遇到了這個問題。 人們在購買之前會考慮產品一段時間，而且可能會很長。 代理商比廣告商更有可能使用我們的產品，我們知道他們管理的帳戶數量很重要。 如果他們管理的賬戶更多，他們更有可能使用我們的產品。 我們對我們的市場以及我們將在哪裡取得成功有很好的了解，因此我們為演示請求提供的表格等為我們獲取了這些信息。 我們用它來投標嗎？ 我們沒有。 該算法並非旨在捕捉這一點（它可以，但現在不能）。

布拉德：對於所有領先的公司——你讓機器查看哪些數據，而不是你在內部使用哪些數據？ 您可能想知道“這是我們的總潛在客戶，這是我們的合格潛在客戶”，因此您可以查看合格的百分比並將該數字提高，但隨後您可能只會將其中一個數字推回您的帳戶以使機器正常工作從。

3 – 您如何在不使用長回顧窗口/歷史數據的情況下考慮季節性？

Marc： Acquisio Turing 觀察數據中的中短期趨勢，並根據這些趨勢做出決策。 我們的算法僅根據當前數據做出決策，對拍賣中的季節性變化做出反應，因為它們碰巧避免了過度或不足的支出。 查看我們對 Acquisio 的另一位聯合創始人 Richard Couture 和 Jason MacDonald 關於管理 PPC 季節性的採訪。

4 – 谷歌是人工智能和機器學習領域最先進的參與者之一，是什麼讓他們不讓代理模式幾乎過時？ 如果他們可以創建一個真正高效的自助服務平台，如此高效地花費客戶的錢……代理機構在未來適合什麼？

布拉德：當我們比較人類和計算機的優勢時，我們看到了一些大趨勢。 首先是戰略。 機器不知道您的公司想要完成什麼。 他們沒有關於用戶如何從您那裡購買、意識的價值以及如何發展您的業務的數據。 這在代理機構和內部營銷人員的世界中佔有一席之地。

到目前為止，計算機在任何有創意的事情上都失敗了。 這涵蓋了廣告的外觀、優惠和網站內容。 就廣告活動而言，從策略到創作再到執行，這在代理機構和內部營銷領域佔據了穩固的地位。

推動您的營銷工作向前發展的數據洞察力來自人類的解釋。 機器可以自動化報告並顯示數據趨勢； 但他們不知道為什麼會出現這些趨勢。 數據解釋、數據講故事和數據洞察力應該在很長一段時間內成為人類世界的一部分。

當談到出價、自動報告和做可重複的工作時，機器學習就很棒了。 當談到戰略、創造力、講故事以及為什麼會發生某些事情以及如何應對時——這就是人類在營銷生態系統中所處的位置。

5 – 您是否主要考慮成本/收入來優化 Google 購物出價？

Marc： Acquisio Turing 可以針對與其他活動相同的目標（無論是 CPC 還是 CPA）優化購物活動。 去年大約這個時候，我們與 Seer Interactive 舉辦了一次網絡研討會，提供了有關如何優化您的最後一分鐘 Google 購物廣告系列的提示。

6 – 您如何使用 ML 解決方案處理低流量問題？

Marc：當面對低流量時，Acquisio Turing 結合使用自適應調整來為手頭的任務收集足夠的信息，以及從低流量數據池中提取數據以幫助其做出明智的決定。

有趣的是，我們的算法在預算較少的情況下表現非常好，因此流量較低的付費搜索營銷人員不應該害怕嘗試我們的機器學習。

7 – 據我所知，Google Ads 不是實時共享數據，您只能獲取每日數據。 那麼如何實時運行出價優化呢？

Marc ：我們利用了 Google API，幸運的是，它確實提供了實時數據。 Acquisio Turing 每 30 分鐘消化一次數據、從中學習並優化您的出價——這反過來又可以增加點擊次數和轉化次數。

8 – 您需要為轉化優化多少次轉化？

Marc：為了正確優化轉化，建議在過去 30 天內每天至少進行一次轉化。 但是，當然，如果廣告系列每天產生 5-10 次轉化會更好，因為這將為算法提供更多可使用的數據。

溫馨提示：還需要使用 Google Ads 轉化像素來跟踪轉化，並且轉化列中應該只包含一次轉化（轉化跟踪設置為唯一與每次）。

9 – 這也適用於展示廣告嗎？

布拉德：是的。 數據就是數據。 如果您的展示廣告正在推動展示次數和轉化次數； 那麼您也可以自動化這種類型的出價和管理。

圖片來源

特色圖片：Unsplash / Zach Lucero