機器學習在 2017 年改進了 Google AdWords

已發表: 2022-09-11

在 Google 的 AdWords、Analytics 和 DoubleClick 年度發布會上，2017 年的關鍵主題是機器學習使營銷人員能夠做我們長期以來想做但由於其複雜性而無法做到的事情。 這是他們宣布的。

他們宣布的一些亮點：

  • 搜索的有購買意向的受眾群體
  • 谷歌歸因
  • 更好的商店訪問數據和與 YouTube 視頻廣告的集成
  • 衡量在線點擊產生的實體店銷售額

對於 Optmyzr，這意味著我們現在可以做一些以前做不到的很酷的事情：

  • 我們的出價調整工具將幫助您為有購買意向的受眾設置正確的出價
  • 我們的規則引擎將能夠根據您現在可以通過 Google 歸因工具收集的更完整的轉化數據設置出價。
  • 使用相同的數據，我們的預算分配和預測工具將為如何將最多預算分配給最有利可圖的活動提出改進建議。
  • 我們的自動報告將包括更準確的轉化數據以及商店銷售數據。

請注意，與往常一樣，許多已宣布的功能處於測試階段或計劃在今年晚些時候推出，一旦 AdWords 腳本或 AdWords API 支持，Optmyzr 將向我們的客戶提供新功能。

有購買意向的受眾可幫助廣告商定位那些似乎在市場上尋找某物的消費者。 這是非常有價值的，因為 AdWords 就是在正確的時間定位正確的用戶，並將這種互動轉化為您公司的更多資金，現在可以讓您更多地了解用戶對您提供的產品感興趣的可能性。

有購買意向的受眾是所有傳統定位方法之上的一層，這些定位方法帶有關鍵字、位置、一天中的時間等出價。現在您將能夠為有購買意向的受眾提供更高的出價。

Optmyzr 已經提供優化來幫助您為地理位置、設備和時段設置正確的出價調整，現在我們將能夠將有購買意向的受眾添加到該列表中。

可用的有購買意向的受眾群體包括：

  • 服裝和配飾
  • 汽車和交通工具
  • 嬰童用品
  • 美容產品和服務*
  • 商業服務*
  • 電腦及周邊設備
  • 消費類電子產品
  • 消費軟件
  • 約會服務*
  • 教育
  • 就業
  • 金融服務
  • 禮物和場合
  • 家居與園藝
  • 房地產
  • 運動與健身*
  • 電信
  • 旅行
  • 處於測試階段

介紹 Google 歸因

在最近的 Google 合作夥伴直播中，Google 項目負責人 Ben Tyson 和我討論了家庭服務公司的 PPC。 6 年前，普通消費者在購買家庭服務之前平均檢查 4.2 項資源。 今天，這個數字平均激增至 22.4 個資源。 接觸點可以包括多種廣告和內容格式，例如視頻、顯示、搜索和多種設備和智能手機上的社交。

在線廣告的承諾是它非常可衡量，因此可以避免浪費開支。 但現實情況是，正確測量已變得極其複雜。 評估互動並提出合理的歸因模型已經足夠複雜，對於擁有專門分析師的大公司來說是正確的，那麼一家小型本地公司如何理解這一切。

這就是 Google Attribution 的用武之地。它簡化了傳統上對歸因造成困擾的三件事：

  1. 無需額外標籤即可跟踪所有數據
  2. 使用複雜的歸因模型分析績效
  3. 根據洞察採取行動

谷歌歸因.png

歸因包括統一跟踪

今天的跟踪存在幾個問題。 一個重要的問題是，為 Google Analytics 添加 utm_tags 是一件痛苦的事情，因此它經常被忽視或做得不正確。 然後，廣告商可能會使用多個系統來分析數據，當這些系統不統一時，事情就會被重複計算，如下例所示：

最終點擊屬性.jpg

有了統一的數據，廣告商將擁有清晰的數據來做出明智的決策。

數據驅動的歸因模型現在是免費的

但即使有乾淨的數據，仍然很難評估導致轉化的所有交互。 這就是歸因模型的全部意義所在。 如何為每次互動分配正確的價值……谷歌現在將更容易測試不同的歸因模型。 這部分公告的關鍵是數據驅動的歸因已包含在內，並且現在對所有人免費。

數據驅動的歸因模型使用大數據和機器學習對哪些接觸點組合可能導致轉化做出一些非常具體的預測。

以下是數據驅動歸因如何工作的示例。 它使用機器學習來查找消費者路徑可能導致轉換的數百萬種獨特方式之間的相關性，並為每個可能步驟的重要性分配權重。 然後，它可以向廣告商展示盡可能接近真實世界的自定義歸因模型。

數據驅動歸因.jpg

請記住，歸因模型只是幫助廣告商將其廣告系列的影響與現實世界中發生的結果聯繫起來的近似值。 當 Google 提供其驚人的計算資源來幫助營銷人員獲得更好的模型時，這是一件大事。

歸因數據流入 AdWords，以便您採取行動

公告的第三個方面是採取行動將變得更加容易。 即使當我在 Google 工作時，洞察力與根據洞察力採取行動的能力之間的頻繁脫節也是我們經常討論的問題，這導致了 AdWords 前端的大修。

這也是我們在 Optmyzr 嘗試使用我們的工具解決的問題。 例如，我們上週推出的Shopping Attribute Bidder使零售商可以輕鬆了解哪些方面使某些產品成為暢銷書，並立即讓他們更改具有這些理想屬性組合的所有產品的出價。

在今天的公告中，谷歌承諾他們作為谷歌歸因的一部分獲得的增強洞察力將被推回到 AdWords 中，廣告商可以很容易地使用它來設置更好的出價或重新分配預算。

改進的商店訪問測量

自 2014 年谷歌引入實體店光顧測量以來，機器學習有了顯著的改進。這意味著他們現在可以為所有廣告商提供更多更好的實體店光顧數據。 廣告商只需啟用附加地址信息即可獲取此數據。 無需在商店安裝複雜的技術，因為谷歌的先進機器學習和地圖技術可以處理這一切。

當廣告商啟用附加地址信息時，它們現在也能夠通過 YouTube 視頻廣告吸引商店流量。

移動廣告的重要性.png

任何零售商的商店銷售數據

零售商跟踪來自在線訂單的銷售數據，以便他們可以衡量廣告支出回報率 (ROAS) 並設置更有利可圖的出價。 Optmyzr 還通過我們的各種投標管理工具幫助實現這一目標。 現在，Google 將使任何規模的零售商都可以非常輕鬆地將銷售數據輸入 AdWords。 廣告商只需向谷歌提供他們忠誠度計劃中的銷售數據和相關電子郵件地址，谷歌就會將這些點與導致店內購買的在線活動聯繫起來。

對於不跟踪電子郵件地址的零售商，他們仍然可以從該計劃中受益，因為谷歌擁有第三方合作夥伴，這些合作夥伴在美國捕獲了大約 70% 的信用卡和借記卡交易。

結論

今天還有更多來自 AdWords 的公告，但這些是目前最重要的公告。 我們將在未來幾天內介紹更多細節。