التنبؤ بالدفع لكل نقرة (PPC) باستخدام جداول بيانات Google وVertex AI

مع استمرار تطور مشهد الدفع لكل نقرة (PPC)، فإن القدرة على التنبؤ بأداء الحملة المستقبلية أمر لا يقدر بثمن.

ستغطي هذه المقالة بعض تقنيات التنبؤ بالدفع لكل نقرة (PPC) المفضلة لدي باستخدام Google Sheets وVertex AI التي ترسم صورة أوضح للمستقبل وتزود العملاء برؤى قابلة للتنفيذ.

على الرغم من أنه لا توجد أداة أو تقنية يمكنها تقديم صورة دقيقة بنسبة 100% للمستقبل، إلا أن الأساليب الموضحة هنا يمكن أن توضح لنا لمحة عن المسارات المحتملة لحملات الدفع لكل نقرة (PPC).

وظيفة التنبؤ بجداول بيانات Google: الأساسيات

توفر جداول بيانات Google وظيفة تنبؤ سهلة الاستخدام وموثوقة باستخدام الصيغة:

=FORECAST(z, known_y values, known_x values)

أين:

• z هي نقطة البيانات التي تريد التنبؤ بقيمة y المقابلة لها.
• known_y's هو نطاق نقاط البيانات التابعة (عادةً النتائج أو النتائج السابقة).
• known_x's هو نطاق نقاط البيانات المستقلة (عادةً ما يكون المتغير الذي تعتقد أنه قد يؤثر على نتائجك).

تعد هذه الوظيفة أداة رائعة إذا كان لديك بعدين فقط.

ومع ذلك، فهو يستخدم الانحدار الخطي، وهو أمر جيد للحصول على نظرة خاطفة سريعة للتنبؤ، ولكن ليس متقدمًا جدًا بحيث لا يأخذ في الاعتبار الظروف الخارجية أو مصادر البيانات الأخرى.

لنفترض أن لديك بيانات تاريخية من العام الماضي وتريد التنبؤ بتنبؤات الميزانية المستقبلية حتى يكون لديك بعض الأرقام للتخطيط بها.

في هذا المثال، لدينا بيانات مبيعات العام الحالي حتى أغسطس ونريد التنبؤ بالمبيعات المستقبلية من سبتمبر إلى ديسمبر.

إذا تصورنا تلك التوقعات، فسوف ترى بسرعة عيوب استخدام هذه الطريقة.

يمثل الخط الأزرق بيانات المبيعات المعروفة حتى أغسطس، ويمثل الخط الأحمر بيانات المبيعات المتوقعة.

إن التنبؤ ليس أكثر من مجرد خط اتجاه، والذي قد يساعد في إلقاء نظرة رفيعة المستوى على شيء ما ولكنه لا شيء مقارنة بالخط الأزرق، وهو في الأساس كيف ستبدو بيانات الأعمال الحقيقية.

شحن وظيفة FORECAST لجداول بيانات Google

لإصلاح مشكلة الانحدار الخطي، هناك طرق متعددة للتعامل مع صيغة التنبؤ باستخدام الأساليب المتقدمة.

بدلاً من مجرد استخدام الدالة الخطية =FORECAST() ، يمكنك إضافة القليل من التطور عن طريق إضافة بيانات الاتجاه أو تنبؤات السوق الأخرى إلى صيغة التنبؤ، كما في:

=FORECAST()*3rdParty_Trend_Data

يمكنك الحصول على بيانات الاتجاه من مصادر عامة مثل Google Trends أو Google Keyword Planner أو Dataset Search by Google أو تقارير الصناعة (من PwC وEY وMcKinsey وما إلى ذلك) وتصديرها إلى ملف CSV أو أي تنسيق آخر اعتدت عليه للعمل. مع.

قم بتنظيف مجموعات البيانات هذه لتتوافق مع بنية الورقة الأصلية، مثل البيانات على أساس يومي أو أسبوعي أو شهري،

بعد ذلك، قم بتكملة الدالة FORECAST للحصول على تنبؤ أكثر واقعية بدلاً من مجرد خط مستقيم يتجه لأعلى أو لأسفل.

في هذا المثال، استخدمنا بيانات الاتجاه الإضافية، والتي تظهر اتجاهًا متزايدًا نحو الربع الرابع من العام. وبالتالي، تختلف الأرقام عن المبيعات المتوقعة بدون بيانات الاتجاه.

إذا تصورنا تلك البيانات الجديدة، يمكننا أن نرى أن بيانات الاتجاه تعطينا رؤى أفضل ومزيد من التفاصيل مقارنة بخط الاتجاه الثابت.

كقاعدة عامة، من الجيد دائمًا دعم هذه التوقعات بأكبر قدر ممكن من البيانات وتوفير البيانات على أطر زمنية أكثر تفصيلاً مثل يوم بيوم أو أسبوع لأسبوع.

احصل على النشرة الإخبارية اليومية التي يعتمد عليها مسوقو البحث.

جارى المعالجة .. انتظر من فضلك.

يشترك

انظر الشروط.

التنبؤ المتقدم مع Vertex AI

إذا كانت حملات الدفع لكل نقرة (PPC) الخاصة بك تتضمن مجموعات بيانات كبيرة ذات متغيرات متعددة، فقد يكون التحول إلى Vertex AI من Google بمثابة تغيير في قواعد اللعبة بالنسبة لاحتياجات التنبؤ الخاصة بك.

على عكس الأدوات الأبسط، يسمح Vertex AI بنماذج أكثر تعقيدًا يمكن أن تأخذ العديد من العوامل في الاعتبار، مثل الموسمية أو منصات الإعلانات المختلفة أو حتى اتجاهات السوق العالمية.

للبدء، ستحتاج أولاً إلى تحميل بيانات الدفع لكل نقرة (PPC) التاريخية الخاصة بك إلى Google Cloud Storage.

ومن هناك، يمكنك الوصول إلى جداول AutoML الخاصة بـ Vertex AI لإنشاء نموذج تعلم آلي مصمم خصيصًا لمجموعة البيانات الخاصة بك تلقائيًا.

بعد تدريب النموذج، يمكنك تقييم أدائه باستخدام المقاييس المضمنة للتأكد من أنه يلبي متطلبات التنبؤ الخاصة بك. بمجرد أن تشعر بالرضا، يصبح نشر النموذج أمرًا سهلاً.

يمكنك الآن استخدام هذا النموذج للتنبؤ بالنتائج المستقبلية، مثل النقرات أو مرات الظهور أو التحويلات، استنادًا إلى مستويات مختلفة من الإنفاق الإعلاني أو مواضع الإعلانات أو أي متغير آخر تراه مهمًا.

والجزء الأفضل؟ لست بحاجة إلى أن تكون خبيرًا في التعلم الآلي للقيام بذلك. مع القليل من الإعداد وبعض الضبط الدقيق، ستكون في طريقك إلى توقعات PPC أكثر دقة وإفادة.

إن إمكانيات Vertex AI لا حصر لها، ولكن دعونا نلقي نظرة على إطار عمل بسيط للبدء به.

بمجرد إعداد حساب Google Cloud الخاص بك وإنشاء مشروع داخل Vertex AI، يجب أن تبدأ بإنشاء مجموعة بيانات.

مجموعة البيانات هي في الأساس مجموعة من نقاط البيانات التي تريد استخدامها للتنبؤ.

تحتوي مجموعة البيانات على بُعد زمني وبعض أبعاد الميزانية والإيرادات. اعتمادًا على هدفك، قد تحتوي مجموعات البيانات على نقاط بيانات مختلفة.

قم بتسمية مجموعة البيانات الخاصة بك، وحدد جدولي كنوع بياناتك والانحدار أو التنبؤ كهدف لك.

في حين أن الانحدار يستخدم غالبًا لفهم العلاقات ويمكن تطبيقه على أنواع البيانات المختلفة، فإن التنبؤ يركز بشكل أكبر على التنبؤ بالنقاط المستقبلية في سلسلة زمنية.

كلاهما أدوات أساسية في علم البيانات ويستخدمان لأنواع مختلفة من اتخاذ القرار والتحليل. ستكون جيدًا في التنبؤ في معظم حالاتك.

الآن حان الوقت لتدريب نموذج جديد. بالنسبة للمبتدئين، تعد طريقة التدريب AutoML دائمًا خيارًا جيدًا. بعد ذلك، يجب عليك تعيين بعض الإعدادات على فترة التنبؤ والهدف ودقة البيانات.

بمجرد الانتهاء، قم بتعيين مدة التدريب والميزانية، وستكون جاهزًا. سوف يتعلم النموذج الآن، وستتلقى إشعارًا بمجرد الانتهاء منه.

الخطوة الأخيرة هي الحصول على تنبؤات من نموذج ML. هذا الخيار متاح فقط بعد الانتهاء من التدريب.

لإنشاء تنبؤ، يتعين عليك إرسال البيانات التي ستستند إليها التوقعات. إنه مثالي لاستخدام البيانات الأحدث.

سيتنبأ النموذج بالقيم المستهدفة المستقبلية التي تم تعلمها في مجموعة بيانات التدريب واستنادًا إلى مجموعة بيانات التنبؤ الخاصة بك.

اعتمادًا على حجم البيانات، ستستغرق المهمة بعض الوقت. ولكن لا يجب أن تنتظر أكثر من 5 إلى 10 دقائق لمهام PPC.

بمجرد الانتهاء، ستوفر Vertex AI ملف إخراج يحتوي على أعمدة جديدة ذات قيم متوقعة يمكنك استخدامها لاتخاذ المزيد من القرارات.

قد يبدو Vertex AI صعبًا بعض الشيء بالنسبة لبعض مهام التنبؤ، ولكن تذكر أنه يمكنك إرسال سنوات من البيانات التاريخية ورؤى المخزون والمزيد لتدريب النموذج.

باستخدام Vertex AI، يمكنك إنشاء نموذج تنبؤ للتعلم الآلي مصمم خصيصًا لشركتك، وهو أقوى بكثير من أي صيغة تنبؤ ثابتة.

توقعات PPC لتحسين أداء الحملة

في النهاية، يعتمد الاختيار بين هذه الأدوات على أهدافك ومدى تعقيد حملات PPC الخاصة بك.

توفر جداول بيانات Google طريقة مباشرة ويمكن الوصول إليها لغمس أصابع قدميك في توقعات الدفع لكل نقرة (PPC). على الرغم من أنها قد تكون لها بعض القيود، إلا أنها تمثل نقطة بداية قيمة للعديد من المعلنين.

من ناحية أخرى، تنقل Vertex AI قدرات التنبؤ بالدفع لكل نقرة (PPC) إلى المستوى التالي من خلال قدرتها على التعامل مع مجموعات البيانات الكبيرة والنماذج المعقدة. يمكنك الآن أخذ العوامل الموسمية والاتجاهات العالمية والمتغيرات المختلفة بعين الاعتبار لوضع تنبؤات دقيقة مصممة خصيصًا لأعمالك.

سواء اخترت بساطة Google Sheets أو تعقيد Vertex AI، فإن التنبؤ في إعلانات PPC لم يعد لعبة تخمين.

يمكنك الآن تزويد نفسك برؤى قابلة للتنفيذ واتخاذ قرارات مدعومة بالبيانات بشأن حملات الدفع لكل نقرة (PPC) الخاصة بك.

احفر بشكل أعمق: دليل لتوقعات القدرة الشرائية الفعالة