PPC-Prognose mit Google Sheets und Vertex AI

Da sich die PPC-Landschaft ständig weiterentwickelt, ist die Fähigkeit, die zukünftige Kampagnenleistung vorherzusagen, von unschätzbarem Wert.

In diesem Artikel werden einige meiner bevorzugten PPC-Prognosetechniken mit Google Sheets und Vertex AI behandelt, die ein klareres Bild der Zukunft zeichnen und Kunden umsetzbare Erkenntnisse liefern.

Obwohl kein Tool und keine Technik ein 100 % genaues Bild der Zukunft liefern kann, können uns die hier beschriebenen Methoden einen Einblick in die potenzielle Entwicklung von PPC-Kampagnen geben.

Google Sheets FORECAST-Funktion: Die Grundlagen

Google Sheets bietet eine benutzerfreundliche und zuverlässige Prognosefunktion mithilfe der Formel:

=FORECAST(z, known_y values, known_x values)

Wo:

• z ist der Datenpunkt, für den Sie einen entsprechenden y-Wert vorhersagen möchten.
• known_y's ist der Bereich der abhängigen Datenpunkte (normalerweise Ihre vergangenen Ergebnisse oder Ergebnisse).
• known_x's ist der Bereich unabhängiger Datenpunkte (normalerweise die Variable, von der Sie glauben, dass sie Ihre Ergebnisse beeinflussen könnte).

Diese Funktion ist ein großartiges Werkzeug, wenn Sie nur zwei Dimensionen haben.

Es wird jedoch eine lineare Regression verwendet, die für einen schnellen Vorschau-Vorgeschmack gut ist, aber nicht zu fortgeschritten ist, um externe Umstände oder andere Datenquellen zu berücksichtigen.

Nehmen wir an, Sie verfügen über historische Daten aus dem letzten Jahr und möchten zukünftige Budgetprognosen prognostizieren, um über einige Zahlen zu verfügen, mit denen Sie planen können.

In diesem Beispiel haben wir die Verkaufsdaten des laufenden Jahres bis August und möchten zukünftige Verkäufe von September bis Dezember prognostizieren.

Wenn wir diese Prognosen visualisieren, werden Sie schnell die Nachteile dieser Methode erkennen.

Die blaue Linie stellt die bekannten Verkaufsdaten bis August dar und die rote Linie stellt die prognostizierten Verkaufsdaten dar.

Bei der Prognose handelt es sich lediglich um eine Trendlinie, die zwar hilfreich sein könnte, um sich einen Überblick über etwas zu verschaffen, aber nichts im Vergleich zur blauen Linie ist, die im Grunde das Aussehen realer Geschäftsdaten darstellt.

Erweitern Sie die Google Sheets FORECAST-Funktion

Um das Problem der linearen Regression zu lösen, gibt es mehrere Möglichkeiten, sich der Prognoseformel mit erweiterten Methoden zu nähern.

Anstatt nur die lineare Funktion =FORECAST() zu verwenden, können Sie der Prognoseformel eine kleine Wendung hinzufügen, indem Sie Trenddaten oder andere Marktvorhersagen hinzufügen, wie in:

=FORECAST()*3rdParty_Trend_Data

Sie können Trenddaten aus öffentlichen Quellen wie Google Trends, dem Google Keyword Planner, der Datensatzsuche von Google oder Branchenberichten (von PwC, EY, McKinsey usw.) abrufen und sie in eine CSV-Datei oder ein anderes Format exportieren, mit dem Sie arbeiten mit.

Bereinigen Sie diese Datensätze, damit sie der Struktur Ihres Originalblatts entsprechen, z. B. Daten auf Tages-, Wochen- oder Monatsbasis.

Ergänzen Sie als Nächstes die FORECAST-Funktion, um eine realistischere Vorhersage zu erhalten, anstatt nur eine gerade Linie nach oben oder unten.

In diesem Beispiel haben wir zusätzliche Trenddaten verwendet, die einen verstärkten Trend zum vierten Quartal des Jahres zeigen. Die Zahlen weichen daher von den prognostizierten Umsätzen ohne Trenddaten ab.

Wenn wir diese neuen Daten visualisieren, können wir erkennen, dass die Trenddaten uns im Vergleich zu einer flachen Trendlinie bessere Einblicke und mehr Details liefern.

Als Faustregel gilt, dass es fast immer eine gute Idee ist, diese Prognosen mit so vielen Daten wie möglich zu untermauern und Daten für detailliertere Zeitrahmen wie Tag für Tag oder Woche für Woche bereitzustellen.

Erweiterte Prognosen mit Vertex AI

Wenn Ihre PPC-Kampagnen große Datensätze mit mehreren Variablen umfassen, könnte der Einsatz von Googles Vertex AI Ihre Prognoseanforderungen grundlegend verändern.

Im Gegensatz zu einfacheren Tools ermöglicht Vertex AI komplexere Modelle, die zahlreiche Faktoren berücksichtigen können, wie zum Beispiel Saisonalität, unterschiedliche Werbeplattformen oder sogar globale Markttrends.

Um zu beginnen, müssen Sie zunächst Ihre historischen PPC-Daten in Google Cloud Storage hochladen.

Von dort aus können Sie auf die AutoML-Tabellen von Vertex AI zugreifen, um automatisch ein maschinelles Lernmodell zu erstellen, das auf Ihren Datensatz zugeschnitten ist.

Nach dem Training des Modells können Sie seine Leistung mithilfe integrierter Metriken bewerten, um sicherzustellen, dass es Ihren Prognoseanforderungen entspricht. Sobald Sie zufrieden sind, ist die Bereitstellung des Modells ganz einfach.

Jetzt können Sie dieses Modell verwenden, um zukünftige Ergebnisse wie Klicks, Impressionen oder Conversions vorherzusagen, basierend auf unterschiedlichen Werbeausgaben, Anzeigenplatzierungen oder anderen Variablen, die Sie für wichtig halten.

Und das Beste daran? Dazu müssen Sie kein Experte für maschinelles Lernen sein. Mit ein wenig Einrichtung und etwas Feinabstimmung sind Sie auf dem Weg zu genaueren und aufschlussreicheren PPC-Prognosen.

Die Möglichkeiten von Vertex AI sind schier endlos, aber schauen wir uns zunächst ein einfaches Framework an.

Sobald Ihr Google Cloud-Konto eingerichtet ist und Sie ein Projekt in Vertex AI erstellt haben, sollten Sie mit der Erstellung eines Datensatzes beginnen.

Ein Datensatz ist im Grunde die Sammlung von Datenpunkten, die Sie für Ihre Prognose verwenden möchten.

Der Datensatz enthält eine Zeitdimension sowie einige Budget- und Umsatzdimensionen. Abhängig von Ihrem Ziel können die Datensätze unterschiedliche Datenpunkte enthalten.

Benennen Sie Ihren Datensatz, wählen Sie „Tabellarisch“ als Datentyp und „Regression“ oder „Prognose“ als Ziel.

Während Regression häufig zum Verständnis von Zusammenhängen verwendet wird und auf verschiedene Datentypen angewendet werden kann, konzentriert sich die Prognose eher auf die Vorhersage zukünftiger Punkte in einer Zeitreihe.

Beide sind wesentliche Werkzeuge in der Datenwissenschaft und werden für verschiedene Arten der Entscheidungsfindung und Analyse verwendet. In den meisten Fällen sind Prognosen für Sie kein Problem.

Jetzt ist es an der Zeit, ein neues Modell zu trainieren. Für Einsteiger ist die AutoML- Trainingsmethode immer eine gute Wahl. Als Nächstes müssen Sie einige Einstellungen zum Prognosezeitraum, zum Ziel und zur Datengranularität vornehmen.

Sobald Sie fertig sind, legen Sie die Schulungsdauer und das Budget fest, und schon kann es losgehen. Das Modell lernt nun und Sie erhalten eine Benachrichtigung, sobald der Vorgang abgeschlossen ist.

Der letzte Schritt besteht darin, Vorhersagen aus dem ML-Modell zu erhalten. Diese Option ist erst verfügbar, wenn die Schulung abgeschlossen ist.

Um eine Prognose zu erstellen, müssen Sie Daten übermitteln, auf denen die Prognose basiert. Idealerweise verwenden Sie neuere Daten.

Das Modell wird zukünftige Zielwerte vorhersagen, die aus dem Trainingsdatensatz und auf der Grundlage Ihres Prognosedatensatzes gelernt wurden.

Je nach Datenvolumen dauert der Auftrag eine Weile. Länger als 5-10 Minuten sollte man aber auf PPC-Aufgaben nicht warten.

Nach Abschluss stellt Vertex AI eine Ausgabedatei bereit, die neue Spalten mit vorhergesagten Werten enthält, die Sie für die weitere Entscheidungsfindung verwenden können.

Vertex AI scheint für manche Prognoseaufgaben etwas zu viel zu sein, aber denken Sie daran, dass Sie jahrelange historische Daten, Bestandseinblicke und mehr einreichen können, um das Modell zu trainieren.

Mit Vertex AI können Sie ein auf Ihr Unternehmen zugeschnittenes Prognosemodell für maschinelles Lernen erstellen, das viel stärker ist als jede statische Prognoseformel.

PPC-Prognose für eine bessere Kampagnenleistung

Letztendlich hängt die Wahl zwischen diesen Tools von Ihren Zielen und der Komplexität Ihrer PPC-Kampagnen ab.

Google Sheets bietet eine unkomplizierte und leicht zugängliche Möglichkeit, sich mit PPC-Prognosen vertraut zu machen. Obwohl es möglicherweise Einschränkungen gibt, ist es für viele Werbetreibende ein wertvoller Ausgangspunkt.

Auf der anderen Seite hebt Vertex AI Ihre PPC-Prognosefähigkeiten durch die Fähigkeit, große Datensätze und komplexe Modelle zu verarbeiten, auf die nächste Stufe. Sie können jetzt Saisonalität, globale Trends und verschiedene Variablen berücksichtigen, um genaue, auf Ihr Unternehmen zugeschnittene Vorhersagen zu treffen.

Ganz gleich, ob Sie sich für die Einfachheit von Google Sheets oder die Ausgereiftheit von Vertex AI entscheiden, Prognosen in der PPC-Werbung sind kein Ratespiel mehr.

Sie können sich jetzt mit umsetzbaren Erkenntnissen ausstatten und datengestützte Entscheidungen zu Ihren PPC-Kampagnen treffen.

Gehen Sie tiefer: Ein Leitfaden für effektive PPC-Projektionen