Artificiell intelligens (AI) och maskininlärningsalgoritmer införlivas på sätt som aldrig varit möjliga tidigare, och dessa förändringar har en betydande inverkan på hur marknadsförare behöver närma sig sökannonsering. Förutom att AdWords själv införlivar AI i sitt ramverk, dyker nya möjligheter upp som kan ge marknadsförare ett försprång gentemot sina konkurrenter, eller automatisera uppgifter på lägre nivå, vilket frigör mer tid för strategi. Här är fyra sätt du kan börja använda artificiell intelligens för att få ut det mesta av dina AdWords-kampanjer.
Automatiserad budgivning
Automatiserad maskininlärning som en lösning för att bestämma vilket pris som ska bjudas för betald reklam blir ett allt populärare alternativ i takt med att den nödvändiga tekniken blir tillgänglig för fler företag. Att bjuda för lågt innebär att man går miste om möjligheter att nå potentiella kunder, medan att bjuda för högt innebär att man offra ROI. Googles interna automatiska budgivning, förutom att vara identisk med vad alla andra använder, har inte tillgång till den information de behöver för att maximera sin ROI. För att uppnå det målet krävs också att man förstår konsumenttrender, köpbeteende, säsongsvariationer, demografi, kundlivstidsvärde och mer. En framgångsrik automatiserad budgivningsmodell måste:
- Uppskatta priselasticiteten för varje notering genom att använda statistisk slutledning baserad på tidigare bud.
- Tänk på det faktiska förväntade värdet per klick för varje enskild annons baserat på tidigare klick.
- Iterera som svar på nya data
- Känn igen förändringar i budgivningslandskapet eller besöksresultat och anpassa dig snabbt, istället för att felaktigt anta att tidigare resultat kommer att förutsäga framtida resultat under alla omständigheter.
Det finns dock några saker att tänka på:
- Modeller som inte vet vad som händer på din webbplats kommer att dra dåliga slutsatser. Om du till exempel testar en ny målsida och den visar sig minska din ROI, kan din modell börja bjuda lägre för dessa sökord. Efter att ha ersatt målsidan med en bättre kan modellen fortfarande fastna med låga bud på sökorden, eftersom det inte finns tillräckligt med ny data tillgänglig för att öka buden igen.
- Modeller som förlitar sig för mycket på statistisk signifikans kan pröva en förlorande strategi för länge, men modeller som inte inkluderar statistisk signifikans kan slösa bort goda möjligheter samtidigt som de stöttar upp flukes.
- Var försiktig med återkopplingsslingor i din modell. Du skulle till exempel inte vilja att din modell bjuder mer på en annons med hög konverteringsfrekvens om den enda anledningen till att konverteringsfrekvensen är hög är att höga bud ökar konverteringsfrekvensen. Dessa typer av konflikter måste kontrolleras.
Pausa annonser som ger dåligt resultat
Det snabbaste sättet att förlora pengar i AdWords är att fortsätta bjuda på en annons som inte ger någon avkastning på investeringen. När klicken kommer men försäljningen inte gör det kan detta vara en katastrof. På samma sätt, när en annons får bud men inte klick, kommer dess kvalitetsresultat att drabbas och i slutändan kommer dess avkastning på investeringen att följa efter. En välbyggd maskininlärningsalgoritm förstår när en annons behöver pausas för att undvika att skada din ROI eller kvalitetsresultat. Här är några viktiga överväganden för din modell:
- Modellen ska inte vara så känslig att den överger annonser innan de har en chans att visa ROI. Du bör använda statistisk slutledning för att uppskatta potentiella vinster och förluster baserat på tidigare resultat.
- Istället för att pausa hela annonsen helt bör modellen ta hänsyn till enskilda segment som kan pausas, som mobiltrafik, vissa webbläsare som inte genererar intäkter, tider på dygnet eller veckodagar som upprepade gånger ger dåliga resultat eller annonser. varianter som inte fungerar bra.
Dynamiska annonser
AdWords dynamiska sökannonser är en maskininlärningsteknik som för närvarande är integrerad med plattformen, vilket gör att alla som använder AdWords kan dra nytta av den. Dynamiska sökannonser genererar automatiskt rubriker för att fånga den som sökers uppmärksamhet. När du har laddat upp en lista över målsidor som du vill att Google ska generera dynamiska annonser för, identifierar Google sökningar som passar dina målsidor och genererar sedan automatiskt annonsinnehåll med hjälp av fraser från dina sidor. Google genererar även annonsförslag baserade på maskininlärning. Dessa rekommendationer använder tidigare resultatmodeller för att föreslå ändringar i dina annonser som borde förbättra dina resultat. Men möjligheterna med dynamiska annonser slutar inte med det som är inbyggt i AdWords. Metoder för maskininlärning kan användas för att skapa dynamiskt reklaminnehåll som innehåller följande:
- Blanda och matcha kopia, bild och publik med multivariattestning och evolutionära algoritmer
- Inkluderar påverkan av yttre faktorer som väder eller tid på dygnet.
Vissa plattformar som experimenterar med denna typ av kontroll inkluderar Sentient Ascend, IBM Watson, Zalster och Refuel4.
Tillgängliga plattformar
Idéerna ovan kan få det att verka som att du kommer att behöva datavetare och utvecklare i ditt team för att dra nytta av vad AI och maskininlärning har att erbjuda, men det är inte nödvändigtvis fallet. Även om dedikerad heltidsanställd AI-personal är en bra idé för stora företag, kan små och medelstora företag fortfarande dra nytta av dessa framväxande teknologier med nya produkter. Här är några exempel:
- Acquisio – Denna maskininlärningsplattform är utformad för att förbättra prestandan på AdWords, Bing och Facebook-annonser genom att sänka CPC och CPA samtidigt som antalet klick och omvandlingar ökar
- Cognitiv – Använder djupinlärning för att förutsäga var dina pengar bäst spenderas, och anpassar automatiskt för varje varumärke baserat på historiska data.
- Frank: Förutom AdWords- och Facebook-annonser är Frank kopplad till miljontals utgivare. Starta kampanjer automatiskt och optimera dem efter målgrupp, annonsmaterial och kanal.
- Magnetisk – Designad för att automatiskt matcha målgrupper till lager samtidigt som buden optimeras och bedrägliga klick slås ner.
- Quarizmi – En av få AI-plattformar som specifikt annonserar sig som AdWords. Plattformen automatiserar upptäckten av sökord, annonsmaterial, erbjudanden och kampanjer.
- Trapica: Identifiera målgrupper, matcha dem med annonsmaterial, optimera erbjudanden och skala dina kampanjer.
Oavsett plattform, använd de diskuterade insikterna för att fatta välgrundade beslut om vad som fungerar bäst för dig.
Slutsatser
När AI blir mainstream inom PPC-branschen kommer marknadsförare att behöva börja flytta sina expertområden bort från sökordsmikrohantering och budprissättning, mot en strategi på högre nivå. Samtidigt är de tekniker och plattformar som diskuteras ännu inte i användning av de flesta av dess konkurrenter, och att dra fördel av det gapet skulle vara ett klokt drag. Manish Dudharejia är VD och medgrundare av E2M Solutions Inc, en San Diego-baserad digitalbyrå som specialiserar sig på webbdesign och utveckling och e-handel SEO. Följ honom på Twitter.
