Pytania i odpowiedzi w zamkniętej pętli: personalizacja, uczenie maszynowe i maksymalizacja wyników kampanii reklamowych

Być może pamiętasz styczniowe pytania i odpowiedzi z Elite SEM, podczas których dyskutowano o taktykach Google i Facebook Ads, na które reklamodawcy powinni zwracać uwagę, oraz o tym, jak personalizacja i uczenie maszynowe mogą wpływać na kampanie.

Następną osobą w tej serii agencji jest Amanda Evans, dyrektor ds. reklamy w Closed Loop. Zauważysz, że odpowiedzi różnią się nieco od Elite SEM. Można się tego spodziewać, co pokazuje, że dzisiejsza reklama cyfrowa jest bardzo złożona, a agencje powinny stale oceniać swoje płatne strategie.

Jakie taktyki Google Ads sprawdziły się w przeszłości, ale nie sprawdzą się w przyszłości?

AE: Są trzy, na które chcę zwrócić uwagę:

1. Grupy reklam z pojedynczym słowem kluczowym (SKAG) — ta struktura już nie działa i po prostu głodzi algorytmy uczenia maszynowego. Zamiast tego najlepiej sprawdzają się grupy reklam o wąskiej tematyce zawierające 10-15 słów kluczowych. Będziemy używać grupy reklam z jednym słowem kluczowym TYLKO w przypadku słów kluczowych o bardzo dużej liczbie reklam, ale zdarza się to rzadko.
2. Prawdziwe testy podziału A/B — przeprowadzenie prawdziwego testu podziału A/B reklam jest już praktycznie niemożliwe, a i tak nie ma takiej potrzeby. Algorytmy zarówno Google, jak i Facebooka wykonują niesamowitą robotę optymalizując pod kątem najlepszych wykonawców.
3. Ujemne stawki 100% według urządzeń — ta stawka może być kontrowersyjna, ale reklamodawcy, którzy całkowicie rezygnują z urządzeń mobilnych, pozostaną w tyle. Dzisiejsi konsumenci (w tym B2B) przełączają się między urządzeniami szybciej niż kiedykolwiek wcześniej. Pomysł, że ludzie wyszukują tylko na urządzeniu, na którym zamierzają dokonać konwersji, jest krótkowzroczny.

To samo pytanie co powyżej, ale w przypadku reklam na Facebooku…

AE: Podobnie jak w Google Ads, prawdziwe testy podziału A/B są prawie niemożliwe do przeprowadzenia. Liczba formatów reklam, platform i miejsc docelowych w sieci Facebooka wzrosła wykładniczo. Testy A/B wstrzymałyby teraz wydajność całego konta. W rzeczywistości algorytm wykonuje świetną robotę, „wybierając” właściwego zwycięzcę, więc nie ma potrzeby przeprowadzania testów A/B.

Widzimy też, że ziarniste struktury nie działają już tak dobrze, jak kiedyś. Sukces przychodzi, gdy „nakarmisz maszynę” — przekaż jej jak najwięcej danych, aby znalazła najlepsze warianty do podania.

Co jest Twoim zdaniem w Google Ads pomijane, ale będzie duże w 2019 roku?

AE: Przychodzą mi na myśl dwie rzeczy…

1. Kierowanie na odbiorców / kierowanie warstwowe. Zaczynamy dostrzegać niesamowitą moc nakładania warstw odbiorców, zarówno własnych, jak i zewnętrznych, na kampanie w sieci wyszukiwania w celu poprawy kosztu pozyskania. Jest to szczególnie ważne w przypadku klientów, u których występują zduplikowane znaczenia podobnych słów kluczowych. Często obserwujemy ten problem w przestrzeni B2B, a warstwowanie odbiorców pomaga nam przebić się przez bałagan.
2. Konstruowanie kampanii tak, aby działały z algorytmami inteligentnego określania stawek, ale także umożliwiały ściślejszą kontrolę budżetu. Niektóre stare praktyki strukturyzowania kampanii, w szczególności SKAG, działają przeciwko algorytmom ustalania stawek. Odkrywamy, że struktury muszą się zmieniać, aby algorytmy działały tak dobrze, jak to możliwe.

To samo pytanie co powyżej, ale w przypadku reklam na Facebooku…

AE: Myślę, że w przypadku Facebooka pominięto następujące elementy:

1. Możliwość rozszerzenia kierowania na odbiorców Facebooka dzięki integracji danych stron trzecich. Podczas gdy liczba odbiorców na Facebooku zmniejszyła się w ciągu ostatniego roku, zewnętrzni dostawcy danych nie tylko wypełnili lukę, ale rozszerzyli możliwości. Możemy dostosowywać reklamy do odbiorców z dużo większą szczegółowością niż kiedykolwiek wcześniej. Otwiera to zupełnie nowe możliwości dla reklamodawców.
2. Wideo zoptymalizowane pod kątem urządzeń mobilnych. Od zeszłego roku 95% użytkowników Facebooka korzystało z Facebooka ze smartfona. Chociaż marketerzy rozumieją rozwój urządzeń mobilnych, wydaje się, że niewielu reklamodawców to wykorzystuje. Odnotowujemy niesamowity sukces naszych kampanii wideo zoptymalizowanych pod kątem urządzeń mobilnych, ze znacznym wzrostem zarówno CTR, jak i współczynników konwersji.

W jaki sposób sztuczna inteligencja i uczenie maszynowe odgrywają rolę w przyszłych płatnych reklamach?

AE: Rola sztucznej inteligencji i uczenia maszynowego w płatnych reklamach wciąż ewoluuje, ale spodziewamy się, że ich popularność znacznie wzrośnie w ciągu następnego roku.

Na froncie licytacji algorytmy Google i Facebooka są obiecujące, ale istnieją pewne krytyczne luki. Aby sztuczna inteligencja i uczenie maszynowe mogły wykorzystać swój potencjał, Facebook i Google będą musiały przywrócić kontrolę i elastyczność tym, którzy zarządzają kampaniami.

Istnieją dwa kluczowe obszary, które spodziewamy się (mamy nadzieję?) naprawić w tym roku:

1. Dane używane przez algorytmy mogą nie być tymi samymi danymi , na których zależy reklamodawcy . Na przykład w przestrzeni B2B Google i Facebook mają dostęp do potencjalnych klientów, ale niewielu reklamodawców daje im dostęp do MQL. Uczenie maszynowe może optymalizować tylko to, do czego ma dostęp. Jest prawdopodobne, że strony trzecie będą tworzyć integracje w celu przesyłania wewnętrznych danych reklamodawców na platformy Facebook i Google.
2. Algorytmy często wolno reagują na zmiany na dużą skalę lub „czkawkę” kampanii. Często okazuje się, że duży budżet lub zmiany docelowe mają duży wpływ na wydajność uczenia maszynowego. Na przykład, jeśli śledzenie ulegnie awarii na kilka dni, sieje spustoszenie w wydajności przez kilka następnych tygodni. Oczekuję, że Google i Facebook zapewnią elastyczność w wykluczaniu pewnych okresów z algorytmu.

Jeśli chodzi o wykorzystanie uczenia maszynowego do tworzenia reklam, myślę, że jest to już odległe. Widzimy, jak Facebook i Google próbują pójść w tym kierunku, ale dla dużych reklamodawców szybko staje się to ryzykowne. Skuteczność elastycznych reklam w wyszukiwarce i elastycznych reklam displayowych była w najlepszym razie mieszana. Reklamodawcy są zaniepokojeni zgodnością marki i przekazem. Chociaż spodziewamy się, że wyszukiwarki będą nadal podążać tą ścieżką, widzimy dość wahania ze strony reklamodawców, aby sądzić, że wzrost zajmie trochę więcej czasu.

Jak widzisz rolę personalizacji w płatnych reklamach w 2019 roku i później?

AE: Spodziewamy się, że personalizacja będzie się poprawiać przez cały rok 2019 i później. Społecznościowe sieci reklamowe, w szczególności Facebook, mają dane, których potrzebują marketerzy danych, aby dostarczać spersonalizowane treści marketingowe, ale oczywiście są bardzo świadomi implikacji. Równowaga między personalizacją marketingu a poszanowaniem prywatności użytkownika będzie trudna, zwłaszcza w świetle ostatnich kłopotów Facebooka.

To powiedziawszy, marketerzy społecznościowi mają moc tworzenia dostosowanych treści przy użyciu taktyk, takich jak niestandardowi odbiorcy i marketing oparty na kontach. Korzystanie z danych własnych i zewnętrznych oraz dostosowanych komunikatów zapewnia doskonałą równowagę między poszanowaniem prywatności użytkowników a wciąż dostarczaniem spersonalizowanych reklam. Dobre dane i segmentacja były i nadal będą kluczem do wykorzystania personalizacji i oczekuję, że marketerzy będą nadal inwestować w analitykę danych w nadchodzących latach.

Jakie są 1-2 sposoby, w jakie marketerzy cyfrowi mogą wprowadzać personalizację do płatnych reklam i stron docelowych po kliknięciu?

AE: Myślę, że personalizacja będzie podążać za cyklem życia klienta lub lejkiem sprzedaży. Sprytni reklamodawcy będą wykorzystywać personalizację nie tylko do mapowania kampanii reklamowych na każdym etapie ścieżki sprzedaży, ale co ważniejsze, do głębi danych, które reklamodawca posiada na temat każdego użytkownika.

Technologia daje teraz reklamodawcom możliwość wykorzystania posiadanych danych do zbudowania bogatego profilu dla każdego użytkownika i wykorzystania tego profilu do lepszego kierowania i personalizacji reklam. Jest to wyraźna różnica w porównaniu z „anonimowymi” odbiorcami z przeszłości.

Teraz mamy pewną wiedzę na temat użytkowników, którą można wykorzystać do lepszego kierowania reklam i lepszego tworzenia wiadomości do tych użytkowników. Chociaż nie osiągnęliśmy Świętego Graala prawdziwej personalizacji dla każdej osoby, do której kierujemy reklamy, przynajmniej będziemy w stanie pogrupować użytkowników w różnych odbiorców i być może wdrożyć macierz różnych metod targetowania, abyśmy mogli zbliżyć się do marketingu spersonalizowanego.

Możemy teraz kierować i dostosowywać kreację na stronie docelowej po kliknięciu do użytkownika na podstawie tego, co o nim wiemy. Łącząc tę ​​​​możliwość z danymi własnymi i danymi stron trzecich, możliwości są praktycznie nieograniczone.

W Closed Loop jesteśmy tym podekscytowani, ponieważ bardzo niewielu reklamodawców z tego korzysta. Tak więc wydaje się, że jest to szansa na zielone pole, a to zawsze ekscytujące, gdy masz okazję być jednym z pierwszych, którzy nurkują na tak niezbadanym terytorium. Wczesne rozpoczęcie działalności stanowi źródło przewagi konkurencyjnej, ponieważ możesz stale wyprzedzać resztę reklamodawców w tej branży. Zasadniczo daje to przewagę i właśnie to staramy się robić dla naszych klientów.

Jakie efekty widzą Twoi klienci po personalizacji reklam i strony docelowej po kliknięciu?

AE: Niesamowite rezultaty! Nie jest to też przyrostowa poprawa o 10 do 15%.

Widzimy wykładniczą poprawę od 200% do 500% , gdy możemy naprawdę dostosować ofertę do reklamy i strony docelowej po kliknięciu. Między innymi dlatego jest to dla nas tak ekscytujące.

Wyzwanie polega na tym, by reklamodawcy naprawdę widzieli i wierzyli w spersonalizowane reklamy i strony docelowe po kliknięciu. Na początku brzmi to prawie zbyt dobrze, aby mogło być prawdziwe (a sami byliśmy sceptykami), ale dane są jasne i przemawiają tak głośno, że bylibyśmy niedbali, gdybyśmy nie zachęcali wszystkich naszych klientów do dążenia do personalizacji wszystkiego, co mają .

Reklama cyfrowa i optymalizacja po kliknięciu

Niezależnie od tego, czy Twoja marka korzysta z Google, Facebooka (lub obu) do płatnych reklam, jesteś winien sobie i swoim klientom maksymalizację wyników ze wszystkich kampanii. Optymalizacja po kliknięciu jest obecnie często brakującym elementem dla wielu reklamodawców cyfrowych, ale ma kluczowe znaczenie, ponieważ to, co dzieje się po kliknięciu , generuje konwersje.

Uzyskaj więcej informacji, współpracując z Instapage i zobacz, czego brakuje Twoim kampaniom.