حلقة أسئلة وأجوبة مغلقة: التخصيص وتعلم الآلة وكيفية تحقيق أقصى قدر من نتائج الحملة الإعلانية

قد تتذكر سؤال وجواب مع Elite SEM في كانون الثاني (يناير) حيث ناقشوا تكتيكات إعلانات Google و Facebook التي يجب على المعلنين الانتباه إليها ، وكيف يمكن أن يؤثر التخصيص والتعلم الآلي على الحملات.

التالي في سلسلة الوكالات هذه أماندا إيفانز ، كبير مسؤولي الإعلانات ، في Closed Loop. ستلاحظ أن الردود تختلف قليلاً عن Elite SEM. هذا متوقع ، وهذا يوضح أن الإعلان الرقمي اليوم معقد للغاية ويجب على الوكالات أن تقيِّم استراتيجياتها المدفوعة باستمرار.

ما هي بعض أساليب إعلانات Google التي تعتقد أنها نجحت بشكل جيد في الماضي ، ولكنها لن تنجح في المستقبل؟

AE: هناك ثلاثة أريد أن ألفت الانتباه إلى:

1. المجموعات الإعلانية للكلمات الرئيسية الفردية (SKAGs) - لم تعد هذه البنية تعمل وتؤدي ببساطة إلى إعاقة خوارزميات التعلم الآلي. بدلاً من ذلك ، تميل المجموعات الإعلانية ذات الموضوعات المترابطة التي تحتوي على 10-15 كلمة رئيسية إلى العمل بشكل أفضل. سنستخدم مجموعة إعلانية واحدة للكلمات الرئيسية للكلمات الرئيسية ذات الحجم الكبير للغاية ، ولكن هذا نادر الحدوث.
2. اختبار انقسام A / B الحقيقي - يكاد يكون من المستحيل إجراء اختبار A / B حقيقي على الإعلانات بعد الآن ، ولا داعي لذلك على أي حال. تقوم كل من خوارزميات Google و Facebook بعمل رائع جدًا في تحسين الأداء الأفضل.
3. عروض التسعير السلبية للأجهزة بنسبة 100٪ - قد يكون هذا مثيرًا للجدل ، ولكن سيتم التخلي عن المعلنين الذين يختارون إلغاء الاشتراك في الهاتف المحمول تمامًا. يتنقل مستهلكو اليوم (بما في ذلك B2B) بين الأجهزة بشكل أسرع من أي وقت مضى. فكرة أن الناس يبحثون فقط على الجهاز الذي سيحولون عليه هي فكرة قصيرة النظر.

نفس السؤال الموضح أعلاه ، لكن لإعلانات الفيسبوك ...

AE: على غرار إعلانات Google ، يكاد يكون من المستحيل إجراء اختبار A / B الحقيقي. زاد عدد أشكال الإعلانات والأنظمة الأساسية والمواضع على شبكة Facebook بشكل كبير. اختبار A / B الآن سيؤخر أداء الحساب بالكامل. والحقيقة هي أن الخوارزمية تقوم بعمل رائع في "اختيار" الفائز المناسب ، لذلك ليست هناك حاجة لإجراء اختبار A / B.

أيضًا ، نرى الهياكل الحبيبية لم تعد تعمل كما كانت في السابق. يأتي النجاح عندما تقوم "بإطعام الجهاز" - أعطه أكبر قدر ممكن من البيانات حتى يتمكن من تحديد أفضل الأشكال التي يمكن تقديمها.

ما الشيء الذي تعتقد أنه تم التغاضي عنه في إعلانات Google ولكنه سيصبح كبيرًا في عام 2019؟

AE: شيئان يتبادران إلى الذهن ...

1. استهداف الجمهور / استهداف الطبقات. لقد بدأنا في رؤية القوة المذهلة لطبقات الجماهير ، سواء كانت جماهير الطرف الأول أو الطرف الثالث ، في حملات البحث لتحسين تكلفة الاكتساب. هذا مهم بشكل خاص للعملاء حيث توجد معاني مكررة لكلمات رئيسية متشابهة. نرى هذه المشكلة كثيرًا في مساحة B2B وتساعدنا طبقات الجمهور على اختراق الفوضى.
2. هيكلة الحملات للعمل باستخدام خوارزميات عروض الأسعار الذكية ، ولكن أيضًا لتمكين التحكم الأكثر إحكامًا في الميزانية. تعمل بعض الممارسات القديمة لتنظيم الحملات ، ولا سيما SKAG ، ضد خوارزميات عروض الأسعار. لقد وجدنا أن الهياكل بحاجة إلى التغيير للسماح للخوارزميات بأداء أفضل ما يمكن.

نفس السؤال الموضح أعلاه ، لكن لإعلانات Facebook ...

AE: بالنسبة إلى Facebook ، أعتقد أنه تم التغاضي عن ما يلي:

1. القدرة على زيادة استهداف جمهور Facebook من خلال تكامل بيانات الطرف الثالث. في حين أن عدد جماهير Facebook قد انخفض خلال العام الماضي ، فإن موفري بيانات الطرف الثالث لم يملأوا الفراغ فحسب ، بل وسعوا القدرات. يمكننا تخصيص الإعلانات لتناسب جمهورًا بمزيد من التفصيل أكثر من أي وقت مضى. إنه يفتح مجموعة جديدة كاملة من الفرص للمعلنين.
2. فيديو متحرك محسن. اعتبارًا من العام الماضي ، كان 95 ٪ من مستخدمي Facebook يدخلون إلى Facebook من هاتف ذكي. بينما يدرك المسوقون نمو الجوال ، يبدو أن قلة من المعلنين يستفيدون منه. لقد شهدنا نجاحًا لا يصدق من حملات الفيديو المحسّنة للجوال مع زيادات كبيرة في كل من نسبة النقر إلى الظهور ومعدلات التحويل.

كيف ترى أن الذكاء الاصطناعي والتعلم الآلي يلعبان دورًا مع الإعلانات المدفوعة في المستقبل؟

AE: لا يزال دور الذكاء الاصطناعي والتعلم الآلي في الإعلانات المدفوعة يتطور ولكننا نتوقع أن تنمو مشاركة الأفكار بشكل كبير خلال العام المقبل.

على صعيد العطاءات ، تظهر خوارزميات Google و Facebook واعدة ولكن توجد بعض الفجوات الحرجة. لكي يدرك الذكاء الاصطناعي والتعلم الآلي إمكاناتهما ، سيحتاج Facebook و Google إلى إعادة بعض التحكم والمرونة لأولئك الذين يديرون الحملات.

هناك مجالان رئيسيان نتوقع (نأمل؟) أن يتم إصلاحهما هذا العام:

1. قد لا تكون البيانات التي تستخدمها الخوارزميات هي نفس البيانات التي يهتم بها المعلن . على سبيل المثال ، في مجال B2B ، يتمتع كل من Google و Facebook بإمكانية الوصول إلى العملاء المحتملين ولكن القليل من المعلنين يمنحونهم إمكانية الوصول إلى MQLs. يمكن للتعلم الآلي تحسين ما يمكنه الوصول إليه فقط. من المحتمل أننا سنرى جهات خارجية تنشئ عمليات تكامل لنقل البيانات الداخلية للمعلنين إلى منصات Facebook و Google.
2. غالبًا ما تكون الخوارزميات بطيئة في الاستجابة للتغييرات واسعة النطاق أو "الفواق" في الحملة. غالبًا ما نجد أن الميزانية الكبيرة أو التغييرات المستهدفة لها تأثير كبير على الأداء باستخدام التعلم الآلي. على سبيل المثال ، إذا تعطل التتبع لبضعة أيام ، فسيؤدي ذلك إلى إحداث فوضى في الأداء خلال الأسبوعين المقبلين. أتوقع أن يوفر كل من Google و Facebook المرونة لاستبعاد فترات زمنية معينة من الخوارزمية.

فيما يتعلق باستخدام التعلم الآلي لإنشاء الإعلانات ، أعتقد أن هذا قد انتهى. نرى أن Facebook و Google يحاولان السير في هذا الاتجاه ولكن بالنسبة للمعلنين الكبار ، فإن هذا يصبح مشبوهًا بسرعة. تم خلط أداء الإعلانات المتجاوبة على شبكة البحث والشبكة الإعلانية المتجاوبة في أحسن الأحوال. المعلنون قلقون بشأن الامتثال للعلامة التجارية والرسائل. لذلك بينما نتوقع أن تستمر المحركات في التحرك في هذا المسار ، نرى ترددًا كافيًا من المعلنين للاعتقاد بأن هذا سيستغرق وقتًا أطول قليلاً لينمو.

كيف ترى أن التخصيص يلعب دورًا مع الإعلانات المدفوعة في عام 2019 وما بعده؟

AE: نتوقع أن يستمر التخصيص في التحسن طوال عام 2019 وما بعده. تمتلك شبكات الإعلانات الاجتماعية ، وتحديداً Facebook ، مسوقي البيانات الذين يحتاجون إلى تقديم محتوى تسويقي مخصص ، لكنهم بالطبع يدركون الآثار المترتبة على ذلك. سيكون التوازن بين تخصيص التسويق واحترام خصوصية المستخدم صعبًا ، لا سيما في ضوء مشاكل Facebook الأخيرة.

ومع ذلك ، فإن المسوقين الاجتماعيين لديهم القدرة على إنشاء محتوى مخصص باستخدام تكتيكات مثل الجماهير المخصصة والتسويق المستند إلى الحسابات. يوفر استخدام بيانات الطرف الأول والثالث والرسائل المخصصة توازنًا كبيرًا بين احترام خصوصية المستخدمين مع الاستمرار في تقديم إعلانات مخصصة. كانت البيانات الجيدة والتجزئة وستظل مفتاحًا للاستفادة من التخصيص ، وأتوقع أن يواصل المسوقون الاستثمار في علم البيانات في السنوات القادمة.

ما هي طريقتان أو طريقتان يمكن للمسوقين الرقميين إدراج التخصيص في الإعلانات المدفوعة والصفحات المقصودة بعد النقر؟

AE: أعتقد أننا سنرى التخصيص يتبع دورة حياة العميل أو مسار مبيعاته. سيستخدم المعلنون الأذكياء التخصيص ليس فقط لتخطيط الحملات الإعلانية لكل مرحلة في مسار المبيعات ولكن الأهم من ذلك هو عمق البيانات التي يمتلكها المعلن عن كل مستخدم.

تمنح التكنولوجيا الآن المعلنين القدرة على استخدام البيانات التي لديهم لإنشاء ملف تعريف ثري لكل مستخدم واستخدام هذا الملف الشخصي لاستهداف الإعلانات وتخصيصها بشكل أفضل. وهذا اختلاف واضح عن الجماهير "المجهولة" في الماضي.

الآن لدينا بعض المعلومات الذكية حول المستخدمين التي يمكن الاستفادة منها لاستهداف الإعلانات بشكل أفضل وصياغة رسائل أفضل لهؤلاء المستخدمين. على الرغم من أننا لم نصل إلى الكأس المقدسة المتمثلة في التخصيص الحقيقي لكل فرد نستهدفه ، فسوف نتمكن على الأقل من تجميع المستخدمين في جماهير مختلفة وربما نشر مصفوفة من طرق الاستهداف المختلفة حتى نتمكن من الاقتراب من التسويق المخصص.

يمكننا الآن استهداف وتخصيص المواد الإبداعية على صفحة مقصودة بعد النقر للمستخدم بناءً على ما نعرفه عنهم. من خلال دمج هذه الإمكانية مع بيانات الطرف الأول والثالث ، فإن الاحتمالات لا حصر لها تقريبًا.

في Closed Loop ، نحن متحمسون بشأن هذا لأن قلة قليلة من المعلنين يستفيدون منه. لذلك يبدو الأمر وكأنه فرصة للمجال الأخضر ، وهذا أمر مثير دائمًا عندما تتاح لك الفرصة لتكون واحدًا من أول من يغوص في مثل هذه المنطقة غير المستكشفة. إن الدخول في وقت مبكر يخلق مصدرًا للميزة التنافسية حيث يمكنك باستمرار البقاء متقدمًا قليلاً على بقية المعلنين في هذه الصناعة. في الأساس ، يمنحك ميزة وهذا ما نحاول القيام به لعملائنا.

ما النتائج التي يراها عملاؤك بعد تخصيص إعلاناتهم والصفحة المقصودة بعد النقر؟

AE: نتائج مذهلة! ليس تحسنًا تدريجيًا بنسبة 10 إلى 15٪ أيضًا.

نرى تحسنًا هائلاً بنسبة 200٪ إلى 500٪ عندما يمكننا حقًا استهداف عرض ما في الإعلان والصفحة المقصودة بعد النقر. هذا جزء من سبب كونه مثيرًا للغاية بالنسبة لنا.

يتمثل التحدي في جعل المعلنين يرون ويؤمنون حقًا بالإعلانات المخصصة والصفحات المقصودة بعد النقر. يبدو الأمر جيدًا جدًا لدرجة يصعب تصديقها في البداية (وكنا متشككين بأنفسنا) ولكن البيانات واضحة وتتحدث بصوت عالٍ لدرجة أننا سنكون مقصرين إذا لم نشجع جميع عملائنا على متابعة التخصيص مع كل ما لديهم .

الإعلان الرقمي وتحسين ما بعد النقر

بغض النظر عما إذا كانت علامتك التجارية تستخدم Google أو Facebook (أو كليهما) للإعلانات المدفوعة ، فأنت مدين لك ولعملائك بتحقيق أقصى قدر من النتائج من جميع الحملات. غالبًا ما يكون تحسين ما بعد النقر مكونًا مفقودًا للعديد من المعلنين الرقميين اليوم ، ولكنه عنصر بالغ الأهمية لأنه ما يحدث بعد النقرة التي تولد التحويلات.

احصل على مزيد من المعلومات من خلال الشراكة مع Instapage واطلع على حملاتك المفقودة.