Google スプレッドシートと Vertex AI を使用した PPC 予測

PPC の状況が進化し続ける中、将来のキャンペーンのパフォーマンスを予測できる機能は非常に貴重です。

この記事では、Google スプレッドシートと Vertex AI を使用した、私のお気に入りの PPC 予測テクニックのいくつかについて説明します。これらのテクニックは、将来をより明確に描き、クライアントに実用的な洞察を提供します。

将来を 100% 正確に把握できるツールや手法はありませんが、ここで概説した方法は、PPC キャンペーンの潜在的な軌道を垣間見ることができます。

Google スプレッドシートの FORECAST 関数: 基本

Google スプレッドシートは、次の式を使用した使いやすく信頼性の高い予測関数を提供します。

=FORECAST(z, known_y values, known_x values)

どこ：

• zは、対応する y 値を予測するデータ ポイントです。
• known_y's依存するデータ ポイント (通常は過去の結果または成果) の範囲です。
• known_x's独立したデータ ポイントの範囲です (通常は、結果に影響を与える可能性があると考えられる変数)。

この関数は、2 次元のみを使用する場合に最適なツールです。

ただし、線形回帰が使用されているため、簡単な予測を確認するのには適していますが、外部の状況や他のデータ ソースを考慮するには高度すぎるものはありません。

昨年の履歴データがあり、計画に使用する数値を得るために将来の予算予測を予測したいとします。

この例では、8 月までの今年度の売上データがあり、9 月から 12 月までの将来の売上を予測したいと考えています。

これらの予測を視覚化すると、この方法を使用することの欠点がすぐにわかります。

青い線は 8 月までの既知の販売データを表し、赤い線は予測販売データを表します。

この予測はトレンドライン以上のものではなく、何かを大まかに把握するのには役立ちますが、基本的に実際のビジネス データがどのようになるかを表す青い線に比べれば何の役にも立ちません。

Google スプレッドシートの FORECAST 関数を強化する

線形回帰の問題を解決するには、高度な手法を使用して予測式にアプローチする方法が複数あります。

単に線形の=FORECAST()関数を使用する代わりに、次のようにトレンド データやその他の市場予測を予測式に追加することで、少しひねりを加えることができます。

=FORECAST()*3rdParty_Trend_Data

Google トレンド、Google キーワード プランナー、Google のデータセット検索、または業界レポート (PwC、EY、マッキンゼーなど) などの公開ソースからトレンド データを取得し、CSV またはその他の使い慣れた形式にエクスポートできます。と。

これらのデータセットをクリーンアップして、日次、週次、月次ベースのデータなど、元のシートの構造と一致させます。

次に、FORECAST 関数を補足して、単に上昇または下降する直線ではなく、より現実的な予測を取得します。

この例では、今年の第 4 四半期に向けて増加傾向を示す追加の傾向データを使用しました。 したがって、この数字は傾向データなしの予測売上高とは異なります。

これらの新しいデータを視覚化すると、傾向データは平らな傾向線と比較して、より優れた洞察とより詳細な情報を提供することがわかります。

経験則として、これらの予測をできるだけ多くのデータでサポートし、日次または週次などのより詳細な時間枠でデータを提供することがほとんどの場合に得策です。

マーケティング担当者が頼りにする毎日のニュースレター検索を入手します。

処理中…お待ちください。

購読する

規約を参照してください。

Vertex AI による高度な予測

PPC キャンペーンに複数の変数を含む大規模なデータセットが含まれる場合、Google の Vertex AI に頼ることは、予測ニーズにとって大きな変革となる可能性があります。

単純なツールとは異なり、Vertex AI では、季節性、さまざまな広告プラットフォーム、さらには世界的な市場トレンドなど、さまざまな要素を考慮できるより複雑なモデルが可能になります。

開始するには、まず過去の PPC データを Google Cloud Storage にアップロードする必要があります。

そこから、Vertex AI の AutoML Tables にアクセスして、データセットに合わせて調整された機械学習モデルを自動的に構築できます。

モデルをトレーニングした後、組み込みメトリクスを使用してそのパフォーマンスを評価し、予測要件を満たしていることを確認できます。 満足したら、モデルをデプロイするのは簡単です。

このモデルを使用して、さまざまなレベルの広告支出、広告掲載、または重要と思われるその他の変数に基づいて、クリック、インプレッション、コンバージョンなどの将来の結果を予測できるようになりました。

そして一番いいところは？ これを行うのに機械学習の専門家である必要はありません。 少しのセットアップと微調整を行うことで、より正確で洞察力に富んだ PPC 予測を実現できるようになります。

Vertex AI の機能はまさに無限ですが、まずは簡単なフレームワークを見てみましょう。

Google Cloud アカウントを設定し、Vertex AI 内でプロジェクトを作成したら、データセットの作成から始める必要があります。

データ セットは基本的に、予測に使用するデータ ポイントのコレクションです。

データ セットには、時間ディメンションと、いくつかの予算および収益ディメンションが含まれています。 目標に応じて、データ セットには異なるデータ ポイントが含まれる場合があります。

データセットに名前を付け、データタイプとして表形式を選択し、目的として回帰または予測を選択します。

回帰は関係を理解するためによく使用され、さまざまなデータ型に適用できますが、予測は時系列の将来の点を予測することに重点を置いています。

どちらもデータ サイエンスに不可欠なツールであり、さまざまな種類の意思決定と分析に使用されます。 ほとんどの場合、予測は問題ありません。

今度は、新しいモデルをトレーニングします。 初心者にとって、 AutoMLトレーニング方法は常に良い選択です。 次に、予測期間、ターゲット、データ粒度に関する設定を行う必要があります。

完了したら、トレーニング期間と予算を設定すれば準備完了です。 これでモデルが学習し、完了すると通知が届きます。

最後のステップは、ML モデルから予測を取得することです。 このオプションは、トレーニングが完了した後にのみ使用できます。

予測を作成するには、予測の基礎となるデータを送信する必要があります。 より新しいデータを使用することが理想的です。

モデルは、トレーニング データ セットおよび予測データ セットに基づいて学習された将来のターゲット値を予測します。

データ量によっては、処理に時間がかかります。 ただし、PPC タスクを 5 ～ 10 分以上待つべきではありません。

完了すると、Vertex AI は、さらなる意思決定に使用できる予測値を含む新しい列を含む出力ファイルを提供します。

Vertex AI は一部の予測タスクには少し面倒に思えるかもしれませんが、モデルをトレーニングするために何年もの履歴データ、インベントリの分析情報などを送信できることを覚えておいてください。

Vertex AI を使用すると、ビジネスに合わせてカスタマイズされた機械学習予測モデルを構築できます。これは、静的な予測式よりもはるかに強力です。

キャンペーンのパフォーマンスを向上させるための PPC 予測

最終的に、これらのツールのどちらを選択するかは、目標と PPC キャンペーンの複雑さによって決まります。

Google スプレッドシートは、PPC 予測に取り組むための簡単でアクセスしやすい方法を提供します。 制限はあるかもしれませんが、多くの広告主にとって貴重な出発点となります。

一方、Vertex AI は、大規模なデータセットと複雑なモデルを処理できる機能により、PPC 予測機能を次のレベルに引き上げます。 季節性、世界的な傾向、さまざまな変数を考慮して、ビジネスに合わせた正確な予測を行うことができるようになりました。

Google スプレッドシートのシンプルさを選択するか、Vertex AI の洗練性を選択するかに関係なく、PPC 広告における予測はもはや推測ゲームではありません。

実用的な洞察を備え、PPC キャンペーンに関してデータに基づいた意思決定を行うことができるようになりました。

さらに深く掘り下げる: 効果的な PPC 予測のためのガイド