Com funciona l’aprenentatge automàtic al màrqueting de cerca de pagament?

Totes les plataformes publicitàries modernes incorporen l’aprenentatge automàtic als seus algoritmes. La gestió de campanyes amb èxit requereix una comprensió de l’aprenentatge automàtic de cada xarxa publicitària.

Aquesta Feu la pregunta del PPC, de Chhote Lal a Nova Delhi, és important per als gestors de comptes i per als quals informen:

“Com funciona l’aprenentatge automàtic de Google en màrqueting de pagament?”

En aquesta columna, aprendreu:

• Què és l’aprenentatge automàtic?
• Com afecta l’aprenentatge automàtic a les campanyes de cerca de pagament?
• Com optimitzar l’aprenentatge automàtic de cerca de pagament.

Com que la pregunta es referia específicament a la cerca, ens centrarem en els primers usos de cerca.

Què és l’aprenentatge automàtic?

S’ensenya a processar informació mitjançant algoritmes aprenentatge automàtic. Com més dades tingui, més ràpid aprendrà què fer amb aquesta informació.

Diferents punts de dades poden portar diferents pesos a l’algorisme. És important entendre com es valoren els punts de dades.

Els punts de dades poden ser completament objectius, subjectius o un híbrid d’interacció humana i d’aprenentatge algorítmic pur.

Saber què podeu controlar és crucial per al vostre èxit en col·laborar amb l’aprenentatge automàtic de la xarxa publicitària.

L’altre factor crític és el període d’aprenentatge (i que l’algorisme té prou temps per processar els punts de dades).

Com incideix l’aprenentatge automàtic en campanyes de cerca de pagament?

L’aprenentatge automàtic afecta gairebé tota la cerca de pagament. Qualsevol canvi important pot influir en la forma en què l’algorisme processa la vostra campanya.

Aquests canvis inclouen:

• Ofertes i pressupostos: Canvis dràstics als pressupostos o estratègies de licitació.
• Públics: Canviar objectius o excloure objectius.
• Creativa: Si canvieu o afegiu missatges publicitaris es crea una nova versió de l’anunci que no tindrà accés a les estadístiques de l’anunci anterior.
• Estat de la campanya: En fer pauses a les campanyes es restableix el període d’aprenentatge.

És important tenir en compte que les campanyes manuals no es veuen tan afectades per aquests canvis, però, cada cop és més difícil fer campanyes purament manuals.

Fer una campanya manual significa desactivar els més de 60 senyals que les xarxes publicitàries aprofiten ofertes intel·ligents.

Aquests senyals s’utilitzen per ajustar les ofertes segons l’estratègia d’oferta triada i el pressupost donat.

A més, si bé encara no es pronuncia el veredicte sobre si els anuncis de text ampliats (ETA) o els anuncis de cerca responsius (RSA) tenen un millor rendiment, els RSA tendeixen a obtenir més percentatge d’impressions.

L’aprenentatge automàtic no sempre és una opció activa. La concordança de paraules clau i l’etiquetatge del públic es fan en segon pla i es basen en dades històriques.

Nadiu públics (al mercat, afinitat, etc.) es basen en l’algoritme d’aprenentatge que és probable que les persones que realitzen una acció completin una altra acció / tinguin altres trets relacionats.

Quan demaneu a la plataforma publicitària que trobi públics “similars” als visitants d’una llista o d’un lloc web penjats, utilitzeu el públic inicial per ajudar la plataforma publicitària a entendre quins clients potencials trobeu valuosos i quins no.

La coincidència de paraules clau i les variants properes estan influïdes per la probabilitat de resultats rendibles, així com pel comportament dels usuaris en temps real.

Ara els algoritmes són prou intel·ligents per saber si un usuari és bilingüe i permetrà que el seu altre idioma activi anuncis.

Captura de pantalla de Twitter.com, setembre de 2021

Com optimitzar l’aprenentatge automàtic de cerca de pagament

És molt més fàcil optimitzar quan es té empatia per l’aprenentatge automàtic de la cerca de pagament.

El mecànic més important és respectar els períodes d’aprenentatge i evitar restabliments accidentals.

Per exemple, si necessiteu escalar una campanya, assegureu-vos de pressupostar en dues setmanes entre cada augment important del pressupost.

Si necessiteu que la vostra campanya es desacceleri (o s’aturi), reduïu el pressupost en lloc de fer una pausa per no restablir el període d’aprenentatge.

Paraules clau negatives i els públics poden ajudar els algoritmes de la plataforma publicitària a entendre a quines idees i comportaments coincideixen amb el pressupost (i quins a evitar).

Aquesta és la forma més poderosa d’influir en l’aprenentatge automàtic i hauria de formar part de tots els comptes de cerca de pagament.

Conversions i els valors de conversió són eines d’aprenentatge automàtic poc utilitzades. Són la forma més senzilla de comunicar-se amb l’algorisme de cerca de pagament i permeten veure el comportament dels usuaris sense demanar al canal d’anuncis que valori l’acció.

Menjar per emportar

L’aprenentatge automàtic afecta gairebé tots els elements de la cerca de pagament i comprendre com ensenyar l’algoritme és crucial per a l’èxit de PPC.

Més recursos:

Té alguna pregunta sobre PPC? Envia mitjançant aquest formulari o fes-me un tuit @navahf amb l’etiqueta #AskPPC. Ens veiem el mes que ve!

Imatge destacada: Paulo Bobita / SearchEngineJournal