關於人工智能和機器學習的熱門問題已得到解答
已發表: 2019-02-14人工智能和機器學習都是 2019 年的趨勢，絕對沒有任何放緩的跡象。 雖然這個新的技術時代有很多好處，但有時很難區分事實與虛構。
最近，我們的聯合創始人 Marc Poirier 與 AdAlysis 的 PPC 專家 Brad Geddes 和 Hanapin Marketing 的 Jeff Allen 共同舉辦了一次網絡研討會來解決這些問題。 在網絡研討會期間，他們討論了許多關於人工智能和機器學習的問題，我們將在下面的綜述中分享最熱門的問題。
每天，我們都在搜索引擎、平台和第三方工具上看到自動化。 我們是否應該改變我們的營銷策略來解決這個問題？
Brad 分享了在過去五年中，付費搜索中最重要的兩件事是機器學習——這都是關於自動化的——然後是我們希望針對每個用戶組具體了解的受眾定位。
“這兩件事的作用是交叉的，如果我們過於依賴機器學習，我們就有可能失去與用戶的對話。 目標需要使用機器學習實現自動化，但要堅持我們圍繞品牌語音和消息傳遞的策略。”
Marc 繼續補充說，制定可靠的戰略仍然至關重要，並且有工具可以幫助執行該戰略。
很多人似乎反對或害怕人工智能。 你認為這是為什麼？
多年來，人們一直在與自動化作鬥爭，根據 Brad 的說法，他們現在意識到數學就是數學，如果有工具可以處理它，那就很有幫助。 “我們確實看到人們在對抗人工智能的地方是他們的品牌，因為他們對算法缺乏信任。 他們想確切地知道發生了什麼。”
他繼續解釋說：“我們已經看到人們反對谷歌的自動出價，因為它擾亂了他們的廣告系列，這被視為自動化的問題。 真的，在平台上如何將事物聯繫在一起更具挑戰性。”
從 Marc 的角度來看，我們抵制 AI 有一個明確的原因，“很多挑戰是解釋我們試圖通過 AI 或機器學習完成的工作原理，但我們不能總是解釋為什麼做出特定決定。” 機器分析數據，做出決定，並繼續學習。
“在某些情況下，有很多懷疑、恐懼、人們不信任算法……我們看到人們很難接受#machinelearning。 人們害怕變得無關緊要，這不會發生。” @marcpoirier #thinkppc
— Hanapin 營銷 (@Hanapin) 2019 年 1 月 10 日
自動化、機器學習和深度學習之間有什麼區別？
Marc 向每個人介紹了這些差異，“自動化自 1950 年代以來就已經存在，它只是一種自動完成某事的方法，因此您可以根據邏輯創建業務規則。 人工智能與自動化程序相關聯，您正試圖讓計算機使用這些業務規則像人類一樣思考。 機器學習出現在 80 年代，因為計算機能夠處理更大的數據集。 隨著時間的推移，研究人員指出，機器會自行學習並改進。”
大多數 PPCer 都是控制狂，但我們對自動化越來越感到滿意——@JeffAllenUT、@Hanapin #thinkppc
— Acquisio (@acquisio) 2019 年 1 月 10 日
“在過去五年中，不同類型的機器學習（包括深度學習）顯著加速，這是一種快速分析非常大的數據集的方法。”
PPC 專業人員必須越來越適應自動化。 在人工智能和機器學習及其準確性方面，您對目前的情況感到滿意嗎？
在回答這個問題時，Marc 分享了專業人士需要如何問自己他們正在嘗試解決什麼問題，以及這些工具比人類做得更好還是更差。 從那裡，我們需要評估是否可以大規模地以具有成本效益的方式解決問題。 這真的歸結為弄清楚你是否看到了結果。
Brad 繼續分享了一個使用自動出價的示例，“您是否以更少的錢獲得了更多的轉化？ 很多決策都取決於您對廣告系列不同部分的風險承受能力。 問問自己，出價是完全錯誤的，還是問題出在你的創意上？”
我們離機器人在篝火上給我們講故事還有很長的路要走——@bgtheory，@Adalysis #thinkppc pic.twitter.com/YIiii7OeprQ
— Acquisio (@acquisio) 2019 年 1 月 10 日
他指出，作為 PPC 專業人士，我們需要看看這些工具總體上是否正常工作，以及機器學習和人工智能應該如何作為你正在做的其他事情的指南針。
“每個人都需要根據使用 AI 的潛在回報來確定他們願意承擔的風險水平，”Marc 補充道。
營銷人員應該真正了解多少人工智能和機器學習？
布拉德分享了許多營銷人員覺得他們需要深入了解正在發生的事情，而實際上這是關於審計輸出的。
“我們應該使用這些工具來獲得建議——然後接受或拒絕它們——這需要對事情的運作方式有一個基本的了解。 PPC 營銷人員不需要是能夠編寫腳本的開發人員。 重點應該放在創意、寫作和整體策略上。 這是關於通過機器學習和人工智能大規模地實現它。”
這個故事與 Marc 的觀點略有不同，“對於代理商，我確實認為團隊中需要有人精通數據科學，這樣你就可以向客戶解釋事情是如何運作的。”
這是否意味著代理模式在 PPC 方面發生了變化？
“通常情況下，您聘請代理機構是因為您不具備內部所需的所有技能，而且您不想要這樣的員工人數，”Brad 表示。 “該機構真正關注的是戰略，但機構內部的工作職能很可能會發生變化。 賬戶管理和機器正在做什麼的報告將是關鍵，因為它仍然在人手中來管理正在發生的事情。”
如果您是代理機構，請詢問為什麼客戶應該信任我們，而不是技術。 這是關於代理關係的——@bgtheory，@Adalysis #thinkppc
— Acquisio (@acquisio) 2019 年 1 月 10 日
馬克擴展了布拉德的想法，認為代理服務需要發展。 “產品可能會發生功能變化，因此其中包括數據科學方面的專業知識。 這樣，該機構就可以告訴客戶數據的含義以及他們應該如何處理這些數據。”
作為一名機構所有者，Jeff 對一些事情如何變得更簡單而另一些事情變得更複雜有著寶貴的見解。 “我們正在處理需要具備專業知識的多個平台，我們需要為客戶提供戰略和成果。 它曾經是為了讓客戶更簡單地使用 Google Ads 之類的東西； 現在的重點是利用我們客戶複雜的商業模式，讓它們在現有的生態系統中發揮作用。”
我需要接受什麼類型的數學培訓才能更好地理解 PPC 和機器學習？
好消息是，Marc 並不認為您需要成為一名數學家才能成為一名出色的 PPC 專業人士。 他確實概述了成功所需的知識，“您需要了解或接受培訓的是統計 101，以便您了解在什麼情況下應用哪些測試。 您需要對起作用的變量以及您正在尋求的信心程度有一定的了解。 您可以參加大量課程——包括免費的在線課程。 您可能想查看 Linda.com 或可汗學院。”
您認為何時開始使用新的機器學習工具進行測試是最佳時機？
不出所料，布拉德鼓勵觀眾在他們想要變得更好時立即開始測試，因為現在開始並不是一個糟糕的時間。
然而，他確實回顧了一些入門技巧，“我不會在全新的帳戶上嘗試它，因為沒有數據，但如果你有一些數據，並且你對當前的數量感到滿意，那麼你有你需要開始的東西。”
#AI 測試的最佳時機是什麼時候？
“任何時候，只要您的數據可重複且一致，就不會出現異常值。” @bgtheory @Adalysis #thinkppc— Hanapin 營銷 (@Hanapin) 2019 年 1 月 10 日
他指出，您要尋找的是沒有異常值的一致數據。 “如果你是一家花卉公司，你可能不想在情人節前進行測試，因為你的結果可能會出現偏差。 你想使用可重複、一致的數據。”
您認為機器學習和人工智能對用戶體驗的影響是什麼？
對用戶體驗產生了明確的影響——但導致問題的不是人工智能。
布拉德很快就找到了問題的核心：“營銷人員沒有正確設置廣告系列。 例如，沒有頻次上限或負面受眾的過度重定向廣告。 這絕對是營銷問題，而不是人工智能問題。 這不是機器，而是人們用它做的事情。”
概括
無論您是選擇一頭扎進使用人工智能和機器學習，還是採取更加謹慎的觀望方法，事實是這些技術將繼續存在。 了解他們的工作，他們如何幫助您的業務並將事實與虛構分開將是長期採用這些技術的第一步。
如果您錯過了網絡研討會並想完整了解討論，您可以在此處查看。
圖片來源
特色圖片：Unsplash / Franck V.