Несмотря на достижения в области машинного обучения, человеческий фактор стратегии и понимания по-прежнему имеет решающее значение для проведения лучших кампаний PPC. Вот почему.
Профессионалы PPC, которые недооценивают влияние, которое автоматизация окажет на их профессиональную жизнь, рискуют упустить большую трансформацию.
Я пишу о том, как автоматизация трансформирует контекстную рекламу уже несколько лет.
Через к тому времени стало совершенно ясно, что управление контекстной рекламой быстро отходит от тактики контекстной рекламы.
Раньше мы работали с деталями, например, фокусируясь на конкретных ключевых словах или конкретных ставках.
Теперь специалисты по контекстной рекламе вынуждены управлять такими вещами более косвенно – как будто мы больше перемещаемся на периферию рекламного аккаунта.
Машинное обучение Google — это автоматизированный блок, который продолжает поглощать больше задач, которые мы раньше выполняли.
И каждый раз, когда он поглощает очередной рычаг, нам приходится перекладывать свою работу на работу учителя PPC, изменяя настройку или ввод на краях того места, где заканчивается наш контроль и начинается мир машинного обучения.
Есть три ключевых фактора, ускоряющих трансформацию роли PPC-менеджера.
Фактор 1: Больше автоматизации
Мы все видим частые обновления от Google о новых формах автоматизации PPC, которые должны сделать нашу жизнь проще и принести лучшие результаты.
Например, они недавно объявили об ограниченном бета-тестировании кампаний Performance Max, нового типа кампаний, которые будут показывать рекламу во всей экосистеме Google Реклама.
Предыдущие типы автоматических кампаний были более ограничены в плане того, где они могли показывать рекламу, и рекламодателям приходилось создавать несколько автоматизированных кампаний, чтобы охватить максимально возможную аудиторию.
Что стимулирует натиск большей автоматизации, так это улучшения. в машинном обучении, которые сами по себе определяются двумя ключевыми факторами:
- больше данных.
- более быстрые процессоры для поиска сигналов в этих данных.
Меня всегда восхищает, когда я смотрю не только на большие объявления, но и слышу о постепенных изменениях, которые стали возможными благодаря лучшему машинному обучению.
Небольшие изменения, которые, когда они объединяются, в конечном итоге превращают даже скептиков в фанатов.
Например, Google недавно объявил, что умные торговые кампании теперь можно запускать даже без добавления тега отслеживания конверсий или тега ремаркетинга.
Они особо отметили следующее:
“Наконец, чтобы упростить начало работы новых розничных продавцов, мы снижаем требования к участию в умных торговых кампаниях. Хотя тег ремаркетинга и конверсии по-прежнему необходим для оптимальной эффективности, вы сможете создать свою первую умную торговую кампанию сейчас, а затем позаботиться об этих тегах”
Учитывая, что это тип кампании работает только с автоматическим назначением ставок, в частности “Максимальная ценность конверсии” с необязательной целевой рентабельностью инвестиций в отдачу от инвестиций в отслеживание конверсий больше не нужно.
Скорее всего, здесь происходит то, что машинное обучение Google стало настолько хорошим, что может делать предположения об эффективности любого рекламодателя.
Это основано на сигналах от аналогичных рекламодателей, которые у есть все пиксели отслеживания измерения.
Рекламодатели извлекли выгоду из способности машинного обучения предсказывать сходство между пользователями.
Теперь Google меняет правила и предсказание сходства между рекламодателями.
Когда они могут предсказывать вероятные конверсии любого рекламодателя, им больше не нужно, чтобы рекламодатели сообщали эти данные, чтобы включить автоматическое назначение ставок.
Что мы можем сделать
Сам Google говорит, что для умных покупок кампании теги конверсии по-прежнему необходимы для оптимальной работы.
Конечно, прогнозы машины будут лучше, если у нее будут данные от этого конкретного рекламодателя, на которых будут основываться ее решения.
Мы, как рекламодатели, должны понимать, что цель Google — максимизировать ценность конверсий от кампании.
И большинство рекламодателей, вероятно, больше заботятся о максимизации прибыли, чем дохода.
Чтобы получить больше прибыли, рекламодатели могут либо сообщать о прибыли, а не о стоимости продаж в поле «Конверсия», либо создавать несколько умных торговых кампаний, каждая из которых имеет свою собственную целевую рентабельность инвестиций.
На самом деле, мы недавно начали прислушиваться к этому последнему совету от представителей Google чаще.
По сути, они говорят, что один из способов оптимизировать производительность — перестать рассматривать весь каталог продуктов как задачу оптимизации портфеля.
Вместо этого сгруппируйте продукты, схожие по прибыльности, а затем управляйте каждым из этих подмножеств как набором. портфолио, сгруппировав их в свою собственную кампанию.
Фактор 2: меньше данных
Google постоянно просит нас изменить способ оптимизации наших аккаунтов, когда они отнимают часть данные, на которые мы привыкли полагаться.
Только за последние 18 месяцев мы стали свидетелями удаления “средней позиции”, а совсем недавно – сокращения объема данных, включаемых в отчеты по поисковым запросам.
В то время как машинное обучение Google пользуясь постоянно растущим массивом аукционных и пользовательских данных, рекламодатели, которые надеялись сделать что-то умное с данными самостоятельно, видят, как пожарный шланг превращается в садовый кран.
Мэтт Умбро, например, сообщает, что в некоторых учетных записях 4-5 % кликов были скрыты, а более 30 % этих кликов больше не учитываются в отчетах по поисковым запросам.
Большинство менеджеров PPC, которых я знаю, считают, что управление поисковыми запросами — ключевой способ оптимизации учетных записей.
Как для сокращения расходов, потраченных впустую из-за странных близких вариантов, так и для наращивания объема за счет использования трендов новых поисковых запросов раньше, чем это сделают все остальные.
Что мы делаем Можно
Хотя нам это может не нравиться, реальность такова, что каждый раз, когда мы теряем какие-то данные, именно эксперты придумывают и внедряют обходные пути, чтобы сохранить преимущество перед менее опытными конкурентами. Например, хотя мы по-прежнему можем смотреть на поисковые запросы так же, как и раньше, у нас может просто появиться меньше идей по оптимизации из-за сокращения данных.
Но мы также можем сделать некоторые предположения о статистического распределения данных и использовать различные методы, такие как анализ n-грамм, для поиска идей оптимизации.
Этот метод был предложен на моем недавнем мероприятии PPC Town Hall с Мартином Роттгердингом и Брейди Краммом.
Идея состоит в том, что те же самые комбинации из одного, двух или трех слов (униграммы, биграммы и триграммы), которые мы больше не видим в качестве отдельных поисковых терминов, могут все еще всплывать во время анализа n-грамм и, следовательно, могут быть основой для анализа. решение о добавлении нового минус-слова.
Это менее прямой способ управления учетной записью, но еще один пример того, как Google заставляет нас управлять учетными записями PPC более косвенным образом.
Фактор 3: меньше элементов управления
Этот фактор действительно идет рука об руку с двумя другими.
Меньше элементов управления — почти неизбежный результат меньшего количества данных и большей автоматизации.
Например, умные торговые кампании автоматизируют ставки для динамического ремаркетинга и товарных объявлений, а также для поиска, контекстно-медийной сети, Gmail и YouTube.
Однако они не сообщают такого уровня детализации о том, где было показано объявление и как оно там работало.
Поэтому иметь контроль над этим было бы мало смысла.
Хотя мы могли принимать решения на основе интуиции, мы не могли по-настоящему оптимизировать то, что не смогли измерить.
Новый автоматический тип кампании, Performance Max, работает аналогично.
Он может показывать рекламу в еще большем количестве мест, например, в кампаниях Discovery, и в других форматах, например в видео.
Управление ставками автоматизировано, и мы, скорее всего, не сможем его контролировать.
Единственное, что мы можем контролировать, это сообщение.
Или, по крайней мере, компоненты, которые должны составлять сообщение, например адаптивные поисковые объявления (RSA).
Что мы можем сделать
Долгое время мы, возможно, сосредоточены на том, что мы можем сделать для оптимизации контекстной рекламы в электронных таблицах: рассчитать ставки, найти идеи для таргетинга на основе числового анализа и т. д.
Общение с нашими потенциальными клиентами с помощью действительно убедительного сообщения часто остается на усмотрение команды, которая занимается этим. КРО.
Нам нужно уделить больше внимания созданию убедительного сообщения, которое связывает наших потенциальных клиентов и объясняет им, почему именно наш бизнес стоит рассматривать для удовлетворения их потребностей.
К счастью, мы все еще можем это сделать, наши электронные таблицы, по крайней мере в некоторой степени.
Разница в том, что в отличие от управления ставками и условиями поиска, наши электронные таблицы не дают нам окончательного ответа.
Они просто указывают нам в направлении, которое требует работы.
И тогда мы должны проделать эту работу, чтобы стать хорошими маркетологами.
Заключение
Я продолжаю верить, что только машины могут делать лучшие PPC-кампании.
Машины могут помочь Google увеличить базу рекламодателей, предоставляя вполне адекватные результаты новичкам PPC.
Но лучшие кампании могут быть созданы только тогда, когда специалисты PPC использовать мощь машин, добавляя человеческий элемент стратегии и проницательности.
Как мы используем мощь машин, меняется из-за трех факторов. Я рассказал здесь.
В результате нам нужно быть готовыми к миру, в котором мы будем управлять меньшим количеством деталей и больше действовать как учителя для машины.
Источник: vsearchenginejournal.com
