Prévisions PPC avec Google Sheets et Vertex AI

Alors que le paysage PPC continue d'évoluer, avoir la capacité de prédire les performances des futures campagnes est inestimable.

Cet article couvrira certaines de mes techniques de prévision PPC préférées utilisant Google Sheets et Vertex AI qui dressent un tableau plus clair de l'avenir et donnent aux clients des informations exploitables.

Bien qu'aucun outil ou technique ne puisse fournir une image précise à 100 % de l'avenir, les méthodes décrites ici peuvent nous donner un aperçu des trajectoires potentielles des campagnes PPC.

Fonction Google Sheets FORECAST : les bases

Google Sheets propose une fonction de prévision simple à utiliser et fiable utilisant la formule :

=FORECAST(z, known_y values, known_x values)

Où:

• z est le point de données pour lequel vous souhaitez prédire une valeur y correspondante.
• known_y's est la plage de points de données dépendants (généralement vos résultats ou résultats passés).
• known_x's est la plage de points de données indépendants (généralement la variable qui, selon vous, pourrait influencer vos résultats).

Cette fonction est un excellent outil si vous n'avez que deux dimensions.

Cependant, il utilise la régression linéaire, ce qui convient pour un aperçu rapide des prévisions, mais rien de trop avancé pour tenir compte de circonstances externes ou d'autres sources de données.

Disons que vous disposez de données historiques de l'année dernière et que vous souhaitez prévoir les prévisions budgétaires futures afin d'avoir des chiffres avec lesquels planifier.

Dans cet exemple, nous disposons des données de ventes de l'année en cours jusqu'en août et souhaitons prévoir les ventes futures de septembre à décembre.

Si nous visualisons ces prévisions, vous verrez rapidement les inconvénients de l’utilisation de cette méthode.

La ligne bleue représente les données de ventes connues jusqu'en août et la ligne rouge représente les données de ventes prévues.

La prédiction n’est rien de plus qu’une ligne de tendance, ce qui peut aider à avoir une vue d’ensemble de quelque chose, mais n’est rien comparée à la ligne bleue, qui représente essentiellement l’apparence des données commerciales réelles.

Suralimenter la fonction FORECAST de Google Sheets

Pour résoudre le problème de la régression linéaire, il existe plusieurs façons d'aborder la formule de prévision avec des méthodes avancées.

Au lieu d'utiliser simplement la fonction linéaire =FORECAST() , vous pouvez ajouter une petite touche en ajoutant des données de tendance ou d'autres prévisions de marché dans la formule de prévision, comme dans :

=FORECAST()*3rdParty_Trend_Data

Vous pouvez récupérer des données de tendance à partir de sources publiques telles que Google Trends, Google Keyword Planner, Dataset Search by Google ou des rapports sectoriels (de PwC, EY, McKinsey, etc.) et les exporter au format CSV ou dans tout autre format que vous avez l'habitude de travailler. avec.

Nettoyez ces ensembles de données pour qu'ils correspondent à la structure de votre feuille d'origine, comme les données sur une base quotidienne, hebdomadaire ou mensuelle,

Ensuite, complétez la fonction FORECAST pour obtenir une prédiction plus réaliste plutôt qu'une simple ligne droite montant ou descendant.

Dans cet exemple, nous avons utilisé des données de tendance supplémentaires, qui montrent une tendance accrue vers le quatrième trimestre de l'année. Les chiffres sont donc différents des ventes prévues sans données de tendance.

Si nous visualisons ces nouvelles données, nous pouvons voir que les données de tendance nous donnent de meilleures informations et plus de détails par rapport à une ligne de tendance plate.

En règle générale, c'est presque toujours une bonne idée d'étayer ces prévisions avec autant de données que possible et de fournir des données sur des périodes plus détaillées, comme au jour le jour ou de semaine en semaine.

Prévisions avancées avec Vertex AI

Si vos campagnes PPC impliquent de grands ensembles de données avec plusieurs variables, le recours à Vertex AI de Google pourrait changer la donne pour vos besoins de prévision.

Contrairement aux outils plus simples, Vertex AI autorise des modèles plus complexes qui peuvent prendre en compte de nombreux facteurs, tels que la saisonnalité, les différentes plateformes publicitaires ou même les tendances du marché mondial.

Pour commencer, vous devez d'abord télécharger vos données PPC historiques sur Google Cloud Storage.

À partir de là, vous pouvez accéder aux tables AutoML de Vertex AI pour créer automatiquement un modèle de machine learning adapté à votre ensemble de données.

Après avoir entraîné le modèle, vous pouvez évaluer ses performances à l'aide de métriques intégrées pour vous assurer qu'il répond à vos exigences de prévision. Une fois que vous êtes satisfait, le déploiement du modèle est simple.

Désormais, vous pouvez utiliser ce modèle pour prédire les résultats futurs, tels que les clics, les impressions ou les conversions, en fonction de différents niveaux de dépenses publicitaires, d'emplacements publicitaires ou de toute autre variable que vous jugez importante.

Et le meilleur ? Vous n'avez pas besoin d'être un expert en apprentissage automatique pour ce faire. Avec un peu de configuration et quelques ajustements, vous serez sur la bonne voie pour obtenir des prévisions PPC plus précises et plus pertinentes.

Les capacités de Vertex AI sont infinies, mais examinons pour commencer un cadre simple.

Une fois que votre compte Google Cloud est configuré et que vous avez créé un projet dans Vertex AI, vous devez commencer par créer un ensemble de données.

Un ensemble de données est essentiellement la collection de points de données que vous souhaitez utiliser pour vos prévisions.

L'ensemble de données contient une dimension temporelle et certaines dimensions budgétaires et de revenus. En fonction de votre objectif, les ensembles de données peuvent contenir différents points de données.

Nommez votre ensemble de données, sélectionnez Tabulaire comme type de données et Régression ou Prévision comme objectif.

Alors que la régression est souvent utilisée pour comprendre les relations et peut être appliquée à différents types de données, la prévision se concentre davantage sur la prévision des points futurs d'une série chronologique.

Les deux sont des outils essentiels en science des données et sont utilisés pour différents types de prise de décision et d’analyse. Vous vous en sortirez bien avec les prévisions dans la plupart de vos cas.

Il est maintenant temps de former un nouveau modèle. Pour les débutants, la méthode de formation AutoML est toujours un bon choix. Ensuite, vous devez définir certains paramètres sur la période de prévision, la cible et la granularité des données.

Une fois cela fait, définissez la durée et le budget de la formation, et vous êtes prêt. Le modèle va maintenant apprendre et vous recevrez une notification une fois l'apprentissage terminé.

La dernière étape consiste à obtenir les prédictions du modèle ML. Cette option n'est disponible qu'une fois la formation terminée.

Pour créer une prévision, vous devez soumettre les données sur lesquelles la prévision sera basée. L'idéal est d'utiliser des données plus récentes.

Le modèle prédira les futures valeurs cibles apprises sur l'ensemble de données d'entraînement et en fonction de votre ensemble de données de prévision.

En fonction du volume de données, le travail prendra un certain temps. Mais vous ne devriez pas attendre plus de 5 à 10 minutes pour les tâches PPC.

Une fois terminé, Vertex AI fournira un fichier de sortie contenant de nouvelles colonnes avec des valeurs prédites que vous pourrez utiliser pour une prise de décision ultérieure.

Vertex AI peut sembler un peu excessif pour certaines tâches de prévision, mais n'oubliez pas que vous pouvez soumettre des années de données historiques, des informations sur l'inventaire et bien plus encore pour entraîner le modèle.

Avec Vertex AI, vous pouvez créer un modèle de prévision de machine learning adapté à votre entreprise, bien plus puissant que n'importe quelle formule de prévision statique.

Prévisions PPC pour de meilleures performances de campagne

En fin de compte, le choix entre ces outils dépend de vos objectifs et de la complexité de vos campagnes PPC.

Google Sheets offre un moyen simple et accessible de vous plonger dans les prévisions PPC. Même s'il peut présenter des limites, il s'agit d'un point de départ précieux pour de nombreux annonceurs.

D'autre part, Vertex AI fait passer vos capacités de prévision PPC à un niveau supérieur grâce à sa capacité à gérer de grands ensembles de données et des modèles complexes. Vous pouvez désormais prendre en compte la saisonnalité, les tendances mondiales et diverses variables pour effectuer des prévisions précises et adaptées à votre entreprise.

Que vous optiez pour la simplicité de Google Sheets ou la sophistication de Vertex AI, les prévisions dans la publicité PPC ne sont plus un jeu de devinettes.

Vous pouvez désormais vous doter d'informations exploitables et prendre des décisions fondées sur des données sur vos campagnes PPC.

Creusez plus profondément : un guide pour des projections PPC efficaces