闭环问答:个性化、机器学习以及如何最大化广告活动结果
已发表: 2019-03-07快速链接
- 哪些 Google Ads 策略以前行之有效,但将来却行不通?
- 同样的问题,但对于 Facebook
- Google Ads 中忽略了什么?
- Facebook 的同样问题
- 人工智能和机器学习如何在付费广告中发挥作用?
- 个性化如何在付费广告中发挥作用?
- 您可以通过哪 1-2 种方式将个性化插入付费广告和点击后登陆页面?
- 您的客户通过个性化看到了什么结果?
- 数字广告和点击后优化
您可能还记得 1 月份与 Elite SEM 的问答,他们讨论了广告商应注意的 Google 和 Facebook 广告策略,以及个性化和机器学习如何影响广告系列。
该代理机构系列的下一位是 Closed Loop 的首席广告官 Amanda Evans。 您会注意到 Elite SEM 的响应有很大差异。 这是意料之中的,这表明当今的数字广告非常复杂,代理商应不断评估其付费策略。
您认为过去行之有效但在未来行不通的 Google Ads 策略有哪些?
AE:我想提请注意三个方面:
- 单一关键字广告组 (SKAG) ——这种结构不再有效,只会让机器学习算法饿死。 相反,具有 10-15 个关键字的主题紧密的广告组往往效果最好。 我们将仅针对流量极高的关键字使用单个关键字广告组,但这种情况很少见。
- 真正的 A/B 对比测试——几乎不可能再对广告进行真正的 A/B 对比测试,而且也没有必要这样做。 谷歌和 Facebook 的算法都在优化最佳表现者方面做得非常出色。
- 负 100% 设备出价——这个可能有争议,但完全选择退出移动设备的广告商将被甩在后面。 今天的消费者(包括 B2B)在设备之间切换的速度比以往任何时候都快。 人们只在他们要转换的设备上搜索的想法是短视的。
与上述相同的问题,但对于 Facebook 广告……
AE:与 Google Ads 类似,真正的 A/B 拆分测试几乎是不可能的。 Facebook 网络上的广告格式、平台和展示位置数量呈指数级增长。 A/B 测试现在会阻碍整个帐户的性能。 而且,事实是该算法在“选择”正确的获胜者方面做得很好,因此无需进行 A/B 测试。
此外,我们看到颗粒结构不再像以前那样有效。 当你“喂机器”时,成功就来了——给它尽可能多的数据,这样它就会找出最好的变化来服务。
您认为 Google Ads 中有哪些被忽视但会在 2019 年大放异彩的东西?
AE:我想到了两件事……
- 受众定位/分层定位。 我们开始看到将受众(包括第一方和第三方受众)分层到搜索活动中以提高每次获取成本的不可思议的力量。 这对于相似关键字具有重复含义的客户尤为重要。 我们在 B2B 领域经常看到这个问题,而受众分层有助于我们突破混乱。
- 构建活动以使用智能出价算法,同时实现更严格的预算控制。 一些组织活动的旧做法,特别是 SKAG,不利于竞价算法。 我们发现需要改变结构,让算法尽可能地发挥作用。
与上述相同的问题,但对于 Facebook 广告……
AE:对于 Facebook,我认为以下几点被忽略了:
- 通过第三方数据集成增强 Facebook 受众定位的能力。 虽然 Facebook 的受众数量在过去一年有所减少,但第 3 方数据提供商不仅填补了空白,而且扩展了功能。 我们可以定制广告以比以往任何时候都更加精细地适合受众。 它为广告商开辟了一系列全新的机会。
- 移动优化视频。 截至去年,95% 的 Facebook 用户通过智能手机访问 Facebook。 虽然营销人员了解移动的增长,但似乎很少有广告商在利用它。 我们的移动优化视频活动取得了令人难以置信的成功,点击率和转化率均显着提高。
您如何看待人工智能和机器学习在未来付费广告中发挥的作用?
AE:人工智能和机器学习在付费广告中的作用仍在不断发展,但我们预计其在明年的关注度将大幅增长。
在竞标方面,谷歌和 Facebook 的算法显示出前景,但存在一些关键差距。 为了让人工智能和机器学习发挥其潜力,Facebook 和谷歌需要将一些控制权和灵活性还给那些管理活动的人。
我们预计(希望?)今年将修复两个关键领域:
- 算法使用的数据可能与广告商关心的数据不同。 例如,在 B2B 领域,Google 和 Facebook 可以访问潜在客户,但很少有广告商允许他们访问 MQL。 机器学习只能优化它可以访问的内容。 我们很可能会看到第 3 方创建集成,将广告商的内部数据传输到 Facebook 和谷歌平台。
- 这些算法通常对大规模变化或竞选“打嗝”的反应很慢。 我们经常发现大预算或目标变化对机器学习的性能有很大影响。 例如,如果跟踪下降了几天,就会对接下来几周的性能造成严重破坏。 我希望 Google 和 Facebook 能够灵活地从算法中排除某些时间段。
关于使用机器学习制作广告,我认为这还需要更长的时间。 我们看到 Facebook 和谷歌试图朝这个方向发展,但对于大型广告商来说,这很快就会变得冒险。 响应式搜索广告和响应式展示的性能充其量是混合的。 广告商关心品牌合规性和消息传递。 因此,尽管我们预计引擎会继续沿着这条道路前进,但我们看到广告商犹豫不决,认为这需要更长的时间才能增长。
您如何看待个性化在 2019 年及以后对付费广告的影响?
AE:我们预计个性化将在整个 2019 年及以后继续改善。 社交广告网络,特别是 Facebook,拥有营销人员提供个性化营销内容所需的数据,但是,当然,他们非常注意其中的含义。 营销个性化和尊重用户隐私之间的平衡将很艰难,尤其是考虑到 Facebook 最近的麻烦。
也就是说,社交营销人员有能力使用自定义受众和基于帐户的营销等策略来创建量身定制的内容。 使用第一方和第三方数据以及量身定制的消息传递可以在尊重用户隐私和投放个性化广告之间取得很好的平衡。 良好的数据和细分已经并将继续成为利用个性化的关键,我希望营销人员在未来几年继续投资于数据科学。
数字营销人员可以通过哪些 1-2 种方式将个性化插入付费广告和点击后登陆页面?
AE:我认为我们将看到个性化遵循客户的生命周期或销售渠道。 聪明的广告商不仅会使用个性化将广告活动映射到销售渠道的每个阶段,更重要的是会映射到广告商拥有的每个用户的数据深度。
技术现在使广告商能够使用他们拥有的数据为每个用户建立丰富的个人资料,并使用该个人资料更好地定位和个性化广告。 这与过去的“匿名”观众有明显的区别。
现在我们有了一些关于用户的情报,可以利用这些情报更好地定位广告并更好地向这些用户发送消息。 虽然我们还没有达到针对我们所针对的每个人的真正个性化的圣杯,但至少我们将能够将用户分组到不同的受众中,并且可能部署不同的定位方法矩阵,以便我们可以接近个性化营销。
我们现在可以根据我们对用户的了解,将点击后登录页面上的创意定位和定制给用户。 通过将此功能与第一方和第三方数据相结合,可能性几乎是无限的。
在 Closed Loop,我们对此感到很兴奋,因为很少有广告商在利用它。 因此,这感觉就像是一个全新的领域机会,当您有机会成为第一个潜入这种未开发领域的人时,这总是令人兴奋的。 早点进入可以创造竞争优势,因为您可以不断领先于该行业的其他广告商。 从本质上讲,它会给您带来优势,而这正是我们试图为我们的客户做的。
在个性化他们的广告和点击后登陆页面后,您的客户会看到什么结果?
AE:惊人的结果! 也不是 10% 到 15% 的增量改进。
当我们可以真正自定义定位广告和点击后登录页面中的报价时,我们看到了200% 到 500% 的指数级改进。 这就是它让我们如此兴奋的部分原因。
挑战在于让广告商真正看到并相信个性化广告和点击后登陆页面。 最初听起来好得令人难以置信(我们自己也持怀疑态度),但数据清晰明了,而且声音很大,如果我们不鼓励我们所有的客户利用他们拥有的一切来追求个性化,我们就会失职.
数字广告和点击后优化
无论您的品牌是否使用谷歌、Facebook(或两者)投放付费广告,您都应该为自己和您的客户尽最大努力使所有广告系列的效果最大化。 对于当今的许多数字广告商来说,点击后优化通常是一个缺失的组成部分,但却是一个关键的组成部分,因为它是在点击产生转化后发生的事情。
通过与 Instapage 合作获取更多信息,并查看您的广告系列缺少什么。