機器學習如何改變PPC經理的角色

媒體購買涉及日常的大量手工工作。每當存在重復的低價值流程時，機器學習往往帶來最大的價值。對Google Adwords進行程序化更改不再需要深刻的編碼知識。新的人工智能驅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。

隨著機器學習進入“商品”技術的行列，我們可以預期高達80%的PPC經理的任務將實現(xiàn)自動化。但你不應該認為人工智能將取代人類專業(yè)人士。相反，將出現(xiàn)更多增強的PPC團隊，人力資源管理者負責競選構想和創(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，說明如何應用機器學習來增強您的PPC廣告系列。

1.機器學習支持粒度微定位

當你試圖用錯誤的信息追捕錯誤的觀眾時，PPC預算就會浪費掉。人們以不同的意圖和購買旅程的不同階段來到您的網站。隨著這些旅程越來越多的全渠道，很難在真正精細的層面上劃分不同的用戶，例如。通過他們過去在您的網站上的行動，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。

由機器學習驅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)據的綜合用戶配置文件。這里只是一個示例，說明了如何將機器學習用于高級用戶分析。所開發(fā)的算法基于其顯著的行為模式對網站訪問者進行分類，并為其分配各自的角色。例如，主要瀏覽娛樂網站，服務和游戲的人獲得了“藝人”別名。

然后使用累積的數(shù)據和各種簡檔信息來運行PPC活動。在該活動期間，該機構設法識別出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)經理同時處理大量活動。他們并不總是有時間根據實時市場情況優(yōu)化和重新調整預算，特別是如果投標設定在非工作時間進行。

但是，每個專業(yè)人士的目標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，該算法由強化學習提供支持，以了解它如何應對優(yōu)化分配的每日廣告預算。結果如下：

人工投標產生100%的投資回報率，占預算的99.52%

以RL為標準的投標獲得了340%的投資回報率，占預算的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，他們的先進技術可以進一步提高，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)。一個機器人每天可以為視頻廣告帶來多達3億個假視圖。更有問題的是，欺詐者現(xiàn)在躲在信譽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。

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

出價前優(yōu)化導致欺詐級別降低7.9%。

整體欺詐程度為1.3%。

避免了超過3220萬次欺詐性印象。

什么機器學習不能在PPC(尚)

通過算法可以更高效地處理諸如出價，報告，預算優(yōu)化和活動分析過程等常見任務。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，如設計引人注目的廣告。

算法尚未精通內容創(chuàng)建(盡管在這方面正在取得一些進展)。管理人員仍負責為不同類型的廣告創(chuàng)建和預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，但它無法構成對符合您當前業(yè)務目標的可操作策略的洞察力。再一次，這就是你的PPC經理應該做的事情。

總而言之，自動化和機器學習現(xiàn)在能夠承擔PPC和程序化廣告中的大量繁重工作。反過來，經理們正在被賦予權力，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)造力的這種結合將繼續(xù)推動PPC領域的創(chuàng)新，隨著ML能力的增長，PPC經理的角色將繼續(xù)演變?yōu)楦邉?chuàng)造性的角色。