機(jī)器學(xué)習(xí)如何改變PPC經(jīng)理的角色

媒體購買涉及日常的大量手工工作。每當(dāng)存在重復(fù)的低價值流程時，機(jī)器學(xué)習(xí)往往帶來最大的價值。對Google Adwords進(jìn)行程序化更改不再需要深刻的編碼知識。新的人工智能驅(qū)動的程序化廣告平臺正變得越來越容易實現(xiàn)成本和實施。

隨著機(jī)器學(xué)習(xí)進(jìn)入“商品”技術(shù)的行列，我們可以預(yù)期高達(dá)80%的PPC經(jīng)理的任務(wù)將實現(xiàn)自動化。但你不應(yīng)該認(rèn)為人工智能將取代人類專業(yè)人士。相反，將出現(xiàn)更多增強(qiáng)的PPC團(tuán)隊，人力資源管理者負(fù)責(zé)競選構(gòu)想和創(chuàng)建，而AI將大規(guī)模地接管各種優(yōu)化方面。以下是一些用例，說明如何應(yīng)用機(jī)器學(xué)習(xí)來增強(qiáng)您的PPC廣告系列。

1.機(jī)器學(xué)習(xí)支持粒度微定位

當(dāng)你試圖用錯誤的信息追捕錯誤的觀眾時，PPC預(yù)算就會浪費掉。人們以不同的意圖和購買旅程的不同階段來到您的網(wǎng)站。隨著這些旅程越來越多的全渠道，很難在真正精細(xì)的層面上劃分不同的用戶，例如。通過他們過去在您的網(wǎng)站上的行動，第三方平臺(例如社交媒體)以及他們對各種銷售宣傳的回應(yīng)。

由機(jī)器學(xué)習(xí)驅(qū)動的算法可以幫助您將散亂的動作混亂分解為一組包含上述數(shù)據(jù)的綜合用戶配置文件。這里只是一個示例，說明了如何將機(jī)器學(xué)習(xí)用于高級用戶分析。所開發(fā)的算法基于其顯著的行為模式對網(wǎng)站訪問者進(jìn)行分類，并為其分配各自的角色。例如，主要瀏覽娛樂網(wǎng)站，服務(wù)和游戲的人獲得了“藝人”別名。

然后使用累積的數(shù)據(jù)和各種簡檔信息來運(yùn)行PPC活動。在該活動期間，該機(jī)構(gòu)設(shè)法識別出42%的活躍用戶，并將平均點擊率提高到0.52%-0.54%(從0.5%)。通過瞄準(zhǔn)具有更高購買意向的潛在客戶，點擊率的輕微飆升實際上可以轉(zhuǎn)化為25%-51%的利潤增長，而每次訪問的成本保持不變。

2.實時廣告支出優(yōu)化

大多數(shù)經(jīng)理同時處理大量活動。他們并不總是有時間根據(jù)實時市場情況優(yōu)化和重新調(diào)整預(yù)算，特別是如果投標(biāo)設(shè)定在非工作時間進(jìn)行。

但是，每個專業(yè)人士的目標(biāo)都是為了獲得更多合格的點擊費用。來自中國的研究人員最近測試了一種實時廣告出價算法，該算法由強(qiáng)化學(xué)習(xí)提供支持，以了解它如何應(yīng)對優(yōu)化分配的每日廣告預(yù)算。結(jié)果如下：

人工投標(biāo)產(chǎn)生100%的投資回報率，占預(yù)算的99.52%

以RL為標(biāo)準(zhǔn)的投標(biāo)獲得了340%的投資回報率，占預(yù)算的99.51%

最好的部分?RL和ML算法能夠自我優(yōu)化。隨著時間的推移，他們的先進(jìn)技術(shù)可以進(jìn)一步提高，這意味著他們可以找到更有創(chuàng)意的方法來獲得更高的回報，同時受到更嚴(yán)格的限制。

3.減少廣告欺詐

欺詐性廣告展示每天花費近128萬美元(約合975,900英鎊)。一個機(jī)器人每天可以為視頻廣告帶來多達(dá)3億個假視圖。更有問題的是，欺詐者現(xiàn)在躲在信譽(yù)良好的出版商的幕后。最近，英國“金融時報”發(fā)現(xiàn)，至少有六種不同的廣告交易平臺假裝在FT.com上托管廣告庫存，而事實并非如此。

機(jī)器學(xué)習(xí)可以幫助管理人員清理他們的庫存并創(chuàng)建自定義風(fēng)險閾值，從而優(yōu)化媒體購買的質(zhì)量和數(shù)量水平。IAS Insider報告稱，在采用ML驅(qū)動工具后，一個CPG品牌獲得了以下成果：

出價前優(yōu)化導(dǎo)致欺詐級別降低7.9%。

整體欺詐程度為1.3%。

避免了超過3220萬次欺詐性印象。

什么機(jī)器學(xué)習(xí)不能在PPC(尚)

通過算法可以更高效地處理諸如出價，報告，預(yù)算優(yōu)化和活動分析過程等常見任務(wù)。人工智能不能完全取代PPC管理員，但它可以提高他們的工作效率，并讓他們專注于創(chuàng)造性的任務(wù)，如設(shè)計引人注目的廣告。

算法尚未精通內(nèi)容創(chuàng)建(盡管在這方面正在取得一些進(jìn)展)。管理人員仍負(fù)責(zé)為不同類型的廣告創(chuàng)建和預(yù)先測試措辭和視覺效果。雖然人工智能可以查明客戶最大的痛點和困難，但它無法構(gòu)成對符合您當(dāng)前業(yè)務(wù)目標(biāo)的可操作策略的洞察力。再一次，這就是你的PPC經(jīng)理應(yīng)該做的事情。

總而言之，自動化和機(jī)器學(xué)習(xí)現(xiàn)在能夠承擔(dān)PPC和程序化廣告中的大量繁重工作。反過來，經(jīng)理們正在被賦予權(quán)力，可以花時間創(chuàng)建，制定策略并嘗試新的策略。ML和人類創(chuàng)造力的這種結(jié)合將繼續(xù)推動PPC領(lǐng)域的創(chuàng)新，隨著ML能力的增長，PPC經(jīng)理的角色將繼續(xù)演變?yōu)楦邉?chuàng)造性的角色。