Google Sheets 및 Vertex AI를 사용한 PPC 예측

PPC 환경이 계속 발전함에 따라 향후 캠페인 성과를 예측하는 능력을 갖는 것은 매우 중요합니다.

이 기사에서는 미래에 대한 보다 명확한 그림을 그리고 고객에게 실행 가능한 통찰력을 제공하는 Google Sheets 및 Vertex AI를 사용하여 제가 가장 좋아하는 PPC 예측 기술 중 일부를 다룹니다.

어떤 도구나 기술도 미래에 대한 100% 정확한 그림을 제공할 수는 없지만 여기에 설명된 방법을 통해 PPC 캠페인의 잠재적인 궤적을 엿볼 수 있습니다.

Google Sheets FORECAST 기능: 기본사항

Google 스프레드시트는 다음 공식을 사용하여 사용하기 쉽고 안정적인 예측 기능을 제공합니다.

=FORECAST(z, known_y values, known_x values)

어디:

• z 는 해당 y 값을 예측하려는 데이터 포인트입니다.
• known_y's 종속 데이터 포인트의 범위입니다(일반적으로 과거 결과 또는 결과).
• known_x's 독립적인 데이터 포인트의 범위입니다(일반적으로 결과에 영향을 줄 수 있다고 생각하는 변수).

이 기능은 2차원만 있는 경우 훌륭한 도구입니다.

그러나 선형 회귀를 사용합니다. 이는 빠른 예측을 미리 살펴보는 데 적합하지만 외부 상황이나 기타 데이터 소스를 설명하기에는 너무 발전된 것은 아닙니다.

작년의 기록 데이터가 있고 계획할 수 있는 숫자를 얻기 위해 향후 예산 예측을 예측하고 싶다고 가정해 보겠습니다.

이 예에서는 올해 8월까지의 매출 데이터가 있고 9월부터 12월까지의 향후 매출을 예측하려고 합니다.

이러한 예측을 시각화하면 이 방법 사용의 단점을 빨리 알 수 있습니다.

파란색 선은 8월까지 알려진 판매 데이터를 나타내고, 빨간색 선은 예상 판매 데이터를 나타냅니다.

예측은 추세선에 지나지 않습니다. 추세선은 무언가를 개략적으로 살펴보는 데 도움이 될 수 있지만 기본적으로 실제 비즈니스 데이터가 어떻게 보이는지 나타내는 파란색 선에 비하면 아무 것도 아닙니다.

Google Sheets FORECAST 기능 강화

선형 회귀 문제를 해결하기 위해 고급 방법을 사용하여 예측 공식에 접근하는 여러 가지 방법이 있습니다.

선형 =FORECAST() 함수를 사용하는 대신 다음과 같이 추세 데이터나 기타 시장 예측을 예측 공식에 추가하여 약간의 변형을 추가할 수 있습니다.

=FORECAST()*3rdParty_Trend_Data

Google 트렌드, Google 키워드 플래너, Google의 데이터 세트 검색 또는 업계 보고서(PwC, EY, McKinsey 등)와 같은 공개 소스에서 추세 데이터를 가져와 CSV 또는 작업에 익숙한 다른 형식으로 내보낼 수 있습니다. 와 함께.

일별, 주별 또는 월별 데이터와 같이 원본 시트의 구조와 일치하도록 데이터 세트를 정리합니다.

다음으로, FORECAST 기능을 보완하여 단순히 오르락내리락하는 직선이 아닌 보다 현실적인 예측을 얻습니다.

이 예에서는 올해 4분기에 대한 증가 추세를 보여주는 추가 추세 데이터를 사용했습니다. 따라서 이 수치는 추세 데이터가 없는 예상 판매량과 다릅니다.

새로운 데이터를 시각화하면 추세 데이터가 평평한 추세선에 비해 더 나은 통찰력과 더 자세한 정보를 제공한다는 것을 알 수 있습니다.

경험상 가능한 한 많은 데이터로 이러한 예측을 지원하고 매일 또는 매주와 같은 보다 자세한 기간에 데이터를 제공하는 것이 거의 항상 좋은 생각입니다.

검색 마케팅 담당자가 신뢰하는 일일 뉴스레터를 받아보세요.

처리 중입니다…잠시 기다려 주십시오.

구독하다

약관을 참조하세요.

Vertex AI를 사용한 고급 예측

PPC 캠페인에 여러 변수가 포함된 대규모 데이터 세트가 포함된 경우 Google의 Vertex AI를 사용하면 예측 요구 사항에 대한 판도를 바꿀 수 있습니다.

단순한 도구와 달리 Vertex AI는 계절성, 다양한 광고 플랫폼, 글로벌 시장 동향 등 다양한 요소를 고려할 수 있는 더 복잡한 모델을 허용합니다.

시작하려면 먼저 과거 PPC 데이터를 Google Cloud Storage에 업로드해야 합니다.

여기에서 Vertex AI의 AutoML Tables에 액세스하여 데이터세트에 맞는 머신러닝 모델을 자동으로 구축할 수 있습니다.

모델을 훈련한 후 기본 제공 측정항목을 사용하여 성능을 평가하여 예측 요구 사항을 충족하는지 확인할 수 있습니다. 만족스러우면 모델을 배포하는 것이 쉽습니다.

이제 이 모델을 사용하여 다양한 수준의 광고 지출, 광고 게재위치 또는 중요하다고 생각하는 기타 변수를 기반으로 클릭수, 노출수, 전환수 등의 향후 결과를 예측할 수 있습니다.

그리고 가장 좋은 점은? 이 작업을 수행하기 위해 기계 학습 전문가가 될 필요는 없습니다. 약간의 설정과 미세 조정을 통해 더욱 정확하고 통찰력 있는 PPC 예측을 얻을 수 있습니다.

Vertex AI의 기능은 무궁무진하지만 먼저 간단한 프레임워크를 살펴보겠습니다.

Google Cloud 계정이 설정되고 Vertex AI 내에서 프로젝트를 만든 후에는 데이터 세트 만들기부터 시작해야 합니다.

데이터 세트는 기본적으로 예측에 사용하려는 데이터 포인트의 모음입니다.

데이터 세트에는 시간 차원과 일부 예산 및 수익 차원이 포함되어 있습니다. 목표에 따라 데이터 세트에는 다양한 데이터 포인트가 포함될 수 있습니다.

데이터 세트의 이름을 지정하고 데이터 유형으로 표 형식을 선택하고 목표로 회귀 또는 예측을 선택합니다.

회귀는 종종 관계를 이해하는 데 사용되며 다양한 데이터 유형에 적용될 수 있지만 예측은 시계열의 미래 지점을 예측하는 데 더 중점을 둡니다.

둘 다 데이터 과학의 필수 도구이며 다양한 유형의 의사 결정 및 분석에 사용됩니다. 대부분의 경우 예측에 문제가 없을 것입니다.

이제 새로운 모델을 훈련할 차례입니다. 초보자에게는 AutoML 학습 방법이 항상 좋은 선택입니다. 다음으로 예측 기간, 목표, 데이터 세분성에 대한 일부 설정을 지정해야 합니다.

완료되면 교육 기간과 예산을 설정하면 준비가 완료됩니다. 이제 모델이 학습하고 완료되면 알림을 받게 됩니다.

마지막 단계는 ML 모델에서 예측을 얻는 것입니다. 이 옵션은 훈련이 완료된 후에만 사용할 수 있습니다.

예측을 생성하려면 예측의 기반이 될 데이터를 제출해야 합니다. 최신 데이터를 사용하는 것이 이상적입니다.

모델은 훈련 데이터 세트와 예측 데이터 세트를 기반으로 학습된 미래 목표 값을 예측합니다.

데이터 양에 따라 작업에 시간이 걸릴 수 있습니다. 그러나 PPC 작업을 위해 5~10분 이상 기다리면 안 됩니다.

완료되면 Vertex AI는 추가 의사 결정에 사용할 수 있는 예측 값이 포함된 새 열이 포함된 출력 파일을 제공합니다.

Vertex AI는 일부 예측 작업에는 다소 과해 보일 수 있지만 모델 학습을 위해 수년간의 기록 데이터, 인벤토리 통계 등을 제출할 수 있다는 점을 기억하세요.

Vertex AI를 사용하면 비즈니스에 맞는 머신러닝 예측 모델을 구축할 수 있으며 이는 정적 예측 공식보다 훨씬 강력합니다.

더 나은 캠페인 성과를 위한 PPC 예측

궁극적으로 이러한 도구 사이의 선택은 목표와 PPC 캠페인의 복잡성에 따라 달라집니다.

Google 스프레드시트는 PPC 예측에 발을 담글 수 있는 간단하고 접근 가능한 방법을 제공합니다. 제한사항이 있을 수 있지만 많은 광고주에게는 귀중한 출발점이 됩니다.

반면 Vertex AI는 대규모 데이터 세트와 복잡한 모델을 처리하는 기능을 통해 PPC 예측 기능을 한 단계 끌어올립니다. 이제 계절성, 글로벌 추세, 다양한 변수를 고려하여 비즈니스에 맞는 정확한 예측을 할 수 있습니다.

Google Sheets의 단순함을 선택하든 Vertex AI의 정교함을 선택하든 PPC 광고의 예측은 더 이상 추측 게임이 아닙니다.

이제 실행 가능한 통찰력을 갖추고 PPC 캠페인에 대해 데이터를 기반으로 결정을 내릴 수 있습니다.

더 자세히 알아보기: 효과적인 PPC 예측을 위한 가이드