Prognozowanie PPC za pomocą Arkuszy Google i Vertex AI

Ponieważ krajobraz PPC stale ewoluuje, możliwość przewidywania przyszłej skuteczności kampanii jest nieoceniona.

W tym artykule omówię niektóre z moich ulubionych technik prognozowania PPC przy użyciu Arkuszy Google i Vertex AI, które dają jaśniejszy obraz przyszłości i zapewniają klientom przydatne informacje.

Chociaż żadne narzędzie ani technika nie może zapewnić w 100% dokładnego obrazu przyszłości, opisane tutaj metody mogą dać nam wgląd w potencjalne trajektorie kampanii PPC.

Funkcja PROGNOZY w Arkuszach Google: podstawy

Arkusze Google oferują łatwą w użyciu i niezawodną funkcję prognozowania przy użyciu wzoru:

=FORECAST(z, known_y values, known_x values)

Gdzie:

• z to punkt danych, dla którego chcesz przewidzieć odpowiednią wartość y.
• known_y's to zakres zależnych punktów danych (zwykle Twoje przeszłe wyniki lub rezultaty).
• known_x's to zakres niezależnych punktów danych (zwykle zmienna, która Twoim zdaniem może mieć wpływ na Twoje wyniki).

Ta funkcja jest doskonałym narzędziem, jeśli masz tylko dwa wymiary.

Wykorzystuje jednak regresję liniową, która nadaje się do szybkiego podglądu prognozy, ale nie jest zbyt zaawansowana, aby uwzględnić okoliczności zewnętrzne lub inne źródła danych.

Załóżmy, że masz dane historyczne z ostatniego roku i chcesz prognozować przyszłe prognozy budżetu, aby mieć pewne liczby do zaplanowania.

W tym przykładzie mamy dane dotyczące sprzedaży w bieżącym roku do sierpnia i chcemy prognozować przyszłą sprzedaż od września do grudnia.

Jeśli zwizualizujemy te prognozy, szybko dostrzeżemy wady stosowania tej metody.

Niebieska linia przedstawia znane dane dotyczące sprzedaży do sierpnia, a czerwona linia przedstawia przewidywane dane dotyczące sprzedaży.

Prognoza to nic innego jak linia trendu, która może pomóc w spojrzeniu na coś z wysokiego poziomu, ale jest niczym w porównaniu z niebieską linią, która w zasadzie opisuje, jak będą wyglądać prawdziwe dane biznesowe.

Doładowanie funkcji PROGNOZY Arkuszy Google

Aby rozwiązać problem regresji liniowej, istnieje wiele sposobów podejścia do formuły prognozy za pomocą zaawansowanych metod.

Zamiast po prostu używać funkcji liniowej =FORECAST() , możesz dodać mały zwrot akcji, dodając dane trendów lub inne prognozy rynkowe do formuły prognozy, na przykład:

=FORECAST()*3rdParty_Trend_Data

Możesz pobrać dane o trendach z publicznych źródeł, takich jak Google Trends, Google Keyword Planner, Dataset Search by Google lub raporty branżowe (z PwC, EY, McKinsey itp.) i wyeksportować je do pliku CSV lub dowolnego innego formatu, do którego jesteś przyzwyczajony z.

Wyczyść te zbiory danych, aby dopasować je do struktury oryginalnego arkusza, np. dane z dnia na dzień, z tygodnia na tydzień lub z miesiąca na miesiąc,

Następnie uzupełnij funkcję PROGNOZA, aby uzyskać bardziej realistyczną prognozę, a nie tylko linię prostą biegnącą w górę lub w dół.

W tym przykładzie wykorzystaliśmy dodatkowe dane dotyczące trendów, które pokazują tendencję wzrostową w kierunku czwartego kwartału roku. Liczby różnią się zatem od przewidywanej sprzedaży bez danych o trendach.

Jeśli zwizualizujemy te nowe dane, zobaczymy, że dane trendów dają nam lepszy wgląd i więcej szczegółów w porównaniu z płaską linią trendu.

Ogólnie rzecz biorąc, prawie zawsze dobrym pomysłem jest wspieranie tych prognoz jak największą ilością danych i dostarczanie danych w bardziej szczegółowych ramach czasowych, np. z dnia na dzień lub z tygodnia na tydzień.

Otrzymuj codzienny biuletyn, na którym polegają marketerzy.

Przetwarzanie ... Proszę czekać.

SUBSKRYBUJ

Zobacz warunki.

Zaawansowane prognozowanie dzięki Vertex AI

Jeśli Twoje kampanie PPC obejmują duże zbiory danych z wieloma zmiennymi, skorzystanie z Vertex AI firmy Google może zmienić zasady gry w zakresie Twoich potrzeb w zakresie prognozowania.

W przeciwieństwie do prostszych narzędzi, Vertex AI pozwala na tworzenie bardziej złożonych modeli, które mogą uwzględniać wiele czynników, takich jak sezonowość, różne platformy reklamowe, a nawet globalne trendy rynkowe.

Aby rozpocząć, musisz najpierw przesłać swoje historyczne dane PPC do Google Cloud Storage.

Stamtąd możesz uzyskać dostęp do tabel AutoML Vertex AI, aby automatycznie zbudować model uczenia maszynowego dostosowany do Twojego zbioru danych.

Po przeszkoleniu modelu można ocenić jego wydajność przy użyciu wbudowanych metryk, aby upewnić się, że spełnia on wymagania dotyczące prognozowania. Gdy wszystko będzie już gotowe, wdrożenie modelu będzie łatwe.

Teraz możesz używać tego modelu do przewidywania przyszłych wyników, takich jak kliknięcia, wyświetlenia lub konwersje, na podstawie różnych poziomów wydatków na reklamę, miejsc docelowych reklam lub innych zmiennych, które uznasz za ważne.

A najlepsza część? Aby to zrobić, nie musisz być ekspertem w zakresie uczenia maszynowego. Po odrobinie konfiguracji i dostrojeniu będziesz na dobrej drodze do uzyskania dokładniejszych i wnikliwszych prognoz PPC.

Możliwości Vertex AI są nieograniczone, ale na początek spójrzmy na prosty framework.

Po skonfigurowaniu konta Google Cloud i utworzeniu projektu w Vertex AI należy zacząć od utworzenia zestawu danych.

Zbiór danych to w zasadzie zbiór punktów danych, które chcesz wykorzystać do prognozowania.

Zbiór danych zawiera wymiar czasu oraz niektóre wymiary budżetu i przychodów. W zależności od celu zestawy danych mogą zawierać różne punkty danych.

Nazwij swój zbiór danych, wybierz Tabelaryczny jako typ danych i Regresja lub Prognozowanie jako cel.

Chociaż regresję często wykorzystuje się do zrozumienia zależności i można ją zastosować do różnych typów danych, prognozowanie koncentruje się bardziej na przewidywaniu przyszłych punktów w szeregu czasowym.

Obydwa są niezbędnymi narzędziami w nauce danych i są wykorzystywane do różnych typów podejmowania decyzji i analiz. W większości przypadków poradzisz sobie z prognozowaniem.

Teraz czas na szkolenie nowego modelu. Dla początkujących metoda szkoleniowa AutoML jest zawsze dobrym wyborem. Następnie należy ustawić pewne ustawienia dotyczące okresu prognozy, celu i szczegółowości danych.

Gdy już to zrobisz, ustaw czas trwania szkolenia i budżet i gotowe. Model się teraz nauczy, a po zakończeniu otrzymasz powiadomienie.

Ostatnim krokiem jest uzyskanie prognoz z modelu ML. Opcja ta jest dostępna dopiero po zakończeniu szkolenia.

Aby stworzyć prognozę należy podać dane, na których będzie oparta prognoza. Idealnym rozwiązaniem jest użycie nowszych danych.

Model będzie przewidywał przyszłe wartości docelowe poznane na zestawie danych szkoleniowych i na podstawie zestawu danych prognozy.

W zależności od ilości danych zadanie zajmie trochę czasu. Ale nie powinieneś czekać dłużej niż 5-10 minut na zadania PPC.

Po zakończeniu Vertex AI udostępni plik wyjściowy zawierający nowe kolumny z przewidywanymi wartościami, które można wykorzystać do dalszego podejmowania decyzji.

Vertex AI może wydawać się niewystarczający w przypadku niektórych zadań prognozowania, ale pamiętaj, że możesz przesłać dane historyczne z lat, spostrzeżenia dotyczące zapasów i nie tylko, aby wytrenować model.

Dzięki Vertex AI możesz zbudować model prognozowania oparty na uczeniu maszynowym dostosowany do Twojego biznesu, który jest znacznie silniejszy niż jakakolwiek statyczna formuła prognozowania.

Prognozowanie PPC w celu uzyskania lepszej skuteczności kampanii

Ostatecznie wybór pomiędzy tymi narzędziami zależy od Twoich celów i złożoności kampanii PPC.

Arkusze Google oferują prosty i przystępny sposób na zapoznanie się z prognozowaniem PPC. Choć może to mieć pewne ograniczenia, dla wielu reklamodawców stanowi cenny punkt wyjścia.

Z drugiej strony Vertex AI przenosi możliwości prognozowania PPC na wyższy poziom dzięki możliwości obsługi dużych zbiorów danych i złożonych modeli. Możesz teraz uwzględnić sezonowość, trendy globalne i różne zmienne, aby uzyskać dokładne prognozy dostosowane do Twojej firmy.

Niezależnie od tego, czy wybierzesz prostotę Arkuszy Google, czy wyrafinowanie Vertex AI, prognozowanie w reklamach PPC nie jest już grą w zgadywanie.

Możesz teraz wyposażyć się w przydatne statystyki i podejmować decyzje dotyczące kampanii PPC w oparciu o dane.

Kop głębiej: przewodnik po skutecznych prognozach PPC