Questions et réponses en boucle fermée : personnalisation, apprentissage automatique et comment optimiser les résultats des campagnes publicitaires

Vous vous souviendrez peut-être des questions-réponses avec Elite SEM en janvier, où ils ont discuté des tactiques Google et Facebook Ads auxquelles les annonceurs devraient prêter attention, et de la façon dont la personnalisation et l'apprentissage automatique peuvent affecter les campagnes.

La prochaine étape de cette série d'agences est Amanda Evans, directrice de la publicité chez Closed Loop. Vous remarquerez que les réponses varient un peu d'Elite SEM. C'est normal, et cela montre que la publicité numérique est aujourd'hui très complexe et que les agences doivent constamment évaluer leurs stratégies payantes.

Selon vous, quelles sont les tactiques Google Ads qui ont bien fonctionné par le passé, mais qui ne fonctionneront plus à l'avenir ?

AE : Il y en a trois sur lesquelles je veux attirer l'attention :

1. Groupes d'annonces à mot clé unique (SKAG) - Cette structure ne fonctionne plus et affame simplement les algorithmes d'apprentissage automatique. Au lieu de cela, les groupes d'annonces étroitement thématiques avec 10 à 15 mots clés ont tendance à mieux fonctionner. Nous utiliserons un seul groupe d'annonces de mots clés UNIQUEMENT pour les mots clés à volume extrêmement élevé, mais cela est rare.
2. Véritable test fractionné A/B - Il est pratiquement impossible de faire un véritable test fractionné A/B sur les publicités, et il n'est de toute façon pas nécessaire de le faire. Les algorithmes de Google et de Facebook font un travail assez incroyable en optimisant les meilleurs.
3. Enchères négatives sur 100 % d'appareils : celle-ci peut être controversée, mais les annonceurs qui se désengagent complètement du mobile seront laissés pour compte. Les consommateurs d'aujourd'hui (y compris B2B) passent d'un appareil à l'autre plus rapidement que jamais. L'idée que les gens recherchent uniquement sur l'appareil sur lequel ils vont convertir est à courte vue.

Même question que ci-dessus, mais pour les publicités Facebook…

AE : Semblable à Google Ads, un véritable test fractionné A/B est presque impossible à réaliser. Le nombre de formats publicitaires, de plateformes et de placements sur le réseau Facebook a augmenté de façon exponentielle. Les tests A/B retiendraient désormais les performances de l'ensemble du compte. Et, la réalité est que l'algorithme fait un excellent travail pour "choisir" le bon gagnant, il n'est donc pas nécessaire de faire des tests A/B.

De plus, nous constatons que les structures granulaires ne fonctionnent plus aussi bien qu'avant. Le succès vient lorsque vous "alimentez la machine" - donnez-lui autant de données que possible afin qu'elle détermine les meilleures variations à servir.

Selon vous, qu'est-ce qui est négligé dans Google Ads mais qui sera important en 2019 ?

AE : Deux choses me viennent à l'esprit…

1. Ciblage d'audience / ciblage en couches. Nous commençons à voir l'incroyable puissance de la superposition des audiences, à la fois des audiences propriétaires et tierces, sur les campagnes de recherche pour améliorer le coût par acquisition. Ceci est particulièrement important pour les clients où il existe des significations en double de mots-clés similaires. Nous voyons beaucoup ce problème dans l'espace B2B et la superposition d'audience nous aide à sortir de l'encombrement.
2. Structurer les campagnes pour fonctionner avec des algorithmes d'enchères intelligents, mais aussi pour permettre un contrôle budgétaire plus strict. Certaines pratiques anciennes de structuration des campagnes, notamment SKAG, vont à l'encontre des algorithmes d'enchères. Nous constatons que les structures doivent changer pour permettre aux algorithmes de fonctionner aussi bien que possible.

Même question que ci-dessus, mais pour les publicités Facebook…

AE : Pour Facebook, je pense que les éléments suivants sont négligés :

1. La possibilité d' augmenter le ciblage d'audience de Facebook avec l'intégration de données tierces. Alors que le nombre d'audiences sur Facebook a diminué au cours de l'année écoulée, les fournisseurs de données tiers ont non seulement comblé le vide, mais élargi les capacités. Nous pouvons personnaliser les publicités pour s'adapter à un public avec beaucoup plus de granularité que jamais auparavant. Il ouvre un tout nouvel ensemble d'opportunités pour les annonceurs.
2. Vidéo optimisée pour mobile. Depuis l'année dernière, 95 % des utilisateurs de Facebook accédaient à Facebook depuis un smartphone. Bien que les spécialistes du marketing comprennent la croissance du mobile, il semble que peu d'annonceurs en tirent parti. Nous constatons un succès incroyable de nos campagnes vidéo optimisées pour les mobiles avec des augmentations significatives du CTR et des taux de conversion.

Comment voyez-vous l'IA et l'apprentissage automatique jouer un rôle dans les publicités payantes à l'avenir ?

AE : Le rôle de l'IA et de l'apprentissage automatique dans les publicités payantes évolue encore, mais nous nous attendons à ce que sa notoriété augmente considérablement au cours de la prochaine année.

Sur le front des enchères, les algorithmes de Google et Facebook sont prometteurs, mais certaines lacunes critiques existent. Pour que l'IA et l'apprentissage automatique réalisent leur potentiel, Facebook et Google devront redonner un peu de contrôle et de flexibilité à ceux qui gèrent les campagnes.

Il y a deux domaines clés que nous espérons (espérons ?) corriger cette année :

1. Les données utilisées par les algorithmes peuvent ne pas être les mêmes que celles qui intéressent l'annonceur . Par exemple, dans l'espace B2B, Google et Facebook ont ​​accès aux prospects, mais peu d'annonceurs leur donnent accès aux MQL. L'apprentissage automatique ne peut optimiser que ce à quoi il a accès. Il est probable que nous verrons des tiers créer des intégrations pour acheminer les données internes des annonceurs vers les plateformes Facebook et Google.
2. Les algorithmes sont souvent lents à réagir aux changements à grande échelle ou aux « ratés » de la campagne. Nous constatons souvent que des changements importants de budget ou d'objectif ont un impact important sur les performances avec l'apprentissage automatique. Par exemple, si le suivi tombe en panne pendant quelques jours, cela perturbe les performances au cours des deux prochaines semaines. Je m'attends à ce que Google et Facebook offrent la flexibilité d'exclure certaines périodes de temps de l'algorithme.

En ce qui concerne l'utilisation de l'apprentissage automatique pour créer des publicités, je pense que c'est plus long. Nous voyons Facebook et Google tenter d'aller dans cette direction, mais pour les grands annonceurs, cela devient rapidement risqué. Les performances des annonces de recherche réactives et de l'affichage réactif ont été au mieux mitigées. Les annonceurs sont préoccupés par la conformité de la marque et la messagerie. Ainsi, même si nous nous attendons à ce que les moteurs continuent de progresser dans cette voie, nous constatons suffisamment d'hésitation de la part des annonceurs pour penser que cela prendra un peu plus de temps à se développer.

Comment voyez-vous la personnalisation jouer un rôle avec les publicités payantes en 2019 et au-delà ?

AE : Nous nous attendons à ce que la personnalisation continue de s'améliorer tout au long de 2019 et au-delà. Les réseaux publicitaires sociaux, en particulier Facebook, disposent des données dont les spécialistes du marketing ont besoin pour fournir un contenu marketing personnalisé, mais, bien sûr, sont très conscients des implications. L'équilibre entre la personnalisation du marketing et le respect de la vie privée d'un utilisateur sera difficile, surtout à la lumière des récents problèmes de Facebook.

Cela dit, les spécialistes du marketing social ont le pouvoir de créer du contenu sur mesure en utilisant des tactiques telles que les audiences personnalisées et le marketing basé sur les comptes. L'utilisation de données propriétaires et tierces et d'une messagerie personnalisée offre un excellent équilibre entre le respect de la vie privée des utilisateurs tout en diffusant des publicités personnalisées. De bonnes données et une bonne segmentation ont été et continueront d'être la clé pour tirer parti de la personnalisation, et je m'attends à ce que les spécialistes du marketing continuent d'investir dans la science des données dans les années à venir.

Quelles sont les 1 ou 2 façons dont les spécialistes du marketing numérique peuvent insérer la personnalisation dans les publicités payantes et les pages de destination post-clic ?

AE : Je pense que nous allons voir la personnalisation suivre le cycle de vie du client ou l'entonnoir de vente. Les annonceurs intelligents utiliseront la personnalisation non seulement pour mapper les campagnes publicitaires à chaque étape de l'entonnoir de vente, mais surtout pour la profondeur des données dont l'annonceur dispose sur chaque utilisateur.

La technologie donne désormais aux annonceurs la possibilité d'utiliser les données dont ils disposent pour créer un profil riche pour chaque utilisateur et d'utiliser ce profil pour mieux cibler et personnaliser les publicités. C'est une différence marquée par rapport aux audiences « anonymes » du passé.

Nous disposons désormais de certaines informations sur les utilisateurs qui peuvent être exploitées pour mieux cibler les publicités et mieux élaborer des messages destinés à ces utilisateurs. Bien que nous n'ayons pas atteint le Saint Graal de la véritable personnalisation pour chaque individu que nous ciblons, nous pourrons au minimum regrouper les utilisateurs en différents publics et peut-être déployer une matrice de différentes méthodes de ciblage afin de nous rapprocher du marketing personnalisé.

Nous pouvons désormais cibler et personnaliser la création sur une page de destination post-clic pour un utilisateur en fonction de ce que nous savons à son sujet. En associant cette capacité à des données propriétaires et tierces, les possibilités sont pratiquement infinies.

Chez Closed Loop, nous sommes ravis de cela car très peu d'annonceurs en profitent. Cela ressemble donc à une opportunité sur le terrain, et c'est toujours excitant lorsque vous avez la possibilité d'être l'un des premiers à plonger dans un territoire aussi inexploré. Entrer tôt crée une source d'avantage concurrentiel car vous pouvez continuellement rester un peu en avance sur le reste des annonceurs de ce secteur. Essentiellement, cela vous donne l'avantage et c'est ce que nous essayons de faire pour nos clients.

Quels résultats voient vos clients après avoir personnalisé leurs annonces et la page de destination post-clic ?

AE : Des résultats incroyables ! Pas une amélioration supplémentaire de 10 à 15 % non plus.

Nous constatons une amélioration exponentielle de 200 % à 500 % lorsque nous pouvons réellement cibler une offre sur mesure dans l'annonce et la page de destination post-clic. C'est en partie pour cette raison que c'est si excitant pour nous.

Le défi consiste à amener les annonceurs à vraiment voir et à croire aux publicités personnalisées et aux pages de destination post-clic. Cela semble presque trop beau pour être vrai au début (et nous étions nous-mêmes sceptiques), mais les données sont claires et parlent si fort que nous serions négligents si nous n'encouragions pas tous nos clients à poursuivre la personnalisation avec tout ce qu'ils ont .

Publicité digitale et optimisation post-clic

Que votre marque utilise Google, Facebook (ou les deux) pour les publicités payantes, vous vous devez, à vous-même et à vos clients, de maximiser les résultats de toutes les campagnes. L'optimisation post-clic est souvent un élément manquant pour de nombreux annonceurs numériques aujourd'hui, mais un élément essentiel car c'est ce qui se passe après le clic qui génère des conversions.

Obtenez plus d'informations en vous associant à Instapage et voyez ce qui manque à vos campagnes.