Использование плагина интерпретатора кода ChatGPT для PPC

Code Interpreter в ChatGPT изменил правила игры для многих поисковых маркетологов с момента его запуска в марте.

Джон Маккалпин недавно рассказал, как можно использовать собственный плагин OpenAI для нескольких случаев использования SEO.

Code Interpreter также обладает значительным потенциалом, помогая маркетологам PPC быстро выявлять полезную информацию. Давайте выясним, как это сделать.

Начало работы с интерпретатором кода

Согласно OpenAI, Code Interpreter — это «экспериментальная модель ChatGPT, которая может использовать Python, обрабатывать загрузку и загрузку».

По сути, вы можете загрузить файл различных форматов:

• Текст (.txt, .csv, .json, .xml и т. д.)
• Изображение (.jpg, .png, .gif и т. д.)
• Документ (.pdf, .docx, .xlsx, .pptx и т. д.)
• Код (.py, .js, .html, .css и т. д.)
• Данные (.csv, .xlsx, .tsv, .json и т. д.)
• Аудио (.mp3, .wav и т. д.)
• Видео (.mp4, .avi, .mov и т. д.)

Загрузив один из этих типов файлов, вы сможете выполнять различные задачи.

Вы можете объединять и изменять типы файлов, задавать вопросы о данных и, самое главное, выполнять задачи аналитики и визуализации.

Вот тут-то и происходит волшебство для маркетологов платного поиска.

Слишком часто мы проводим время, просматривая горы данных, рекламных объявлений, целевых страниц и отчетов о поисковых запросах.

Мы ищем идеи и возможности для улучшения нашей работы.

Мы тратим время, пытаясь представить их в виде графика, чтобы сообщить о том, что мы нашли, клиенту или нашему руководству.

Все это можно сделать очень быстро и эффективно без особых знаний математики или Excel.

Примечание. На момент написания статьи он доступен пользователям ChatGPT Plus в качестве бета-функции.

Интерпретатор кода для PPC

Вы можете использовать Code Interpreter для анализа и визуализации наборов данных вашей кампании.

Запустите любой отчет из любого набора данных, который вам нравится (Google Ads, Google Analytics и т. д.). Загрузите этот файл в окно сообщения и запросите действие, которое вы хотите, чтобы ChatGPT выполнил.

Если вы загружаете отчет Google Реклама, данные начинаются только со строки 3.

Я обнаружил, что ChatGPT иногда может это распознать, а иногда нет.

Если он не распознает данные, начиная со строки 3, вы можете включить это в подсказку «Запустить набор данных в строке 3». (Это срабатывало каждый раз!)

Вот несколько основных примеров из отчетов по ключевым словам.

Подсказка: «Можете ли вы составить график расходов по дням для пяти самых популярных ключевых слов?»

Вы также можете указать более конкретный тип графика. Ниже приведены примеры запросов для разных представлений данных, но с разными типами графиков.

В этом примере запрашивается гистограмма коэффициентов конверсии по дням недели.

Вы можете организовать данные от самого высокого до самого низкого или попросить, чтобы данные оставались в порядке недели.

В этом случае я вижу, что наши коэффициенты конверсии в выходные дни примерно на 50% ниже, чем в четверг и среду. Я могу использовать эти данные, чтобы определить распределение бюджета и потребности в инвентаре.

Я также получил отчет о конверсиях по часам и попросил Code Interpreter создать тепловую карту данных. Это позволяет мне быстро определить наиболее эффективные дни недели.

Раньше мне приходилось извлекать данные и знать, как условно их форматировать.

Давайте проведем еще немного анализа вместе с визуализацией данных.

Ниже я загрузил файл с более чем 1 миллионом строк и попросил Code Interpreter создать точечную диаграмму с линией тренда, показывающую взаимосвязь между двумя метриками.

Он отметил большой размер набора данных и создал способ упростить результаты за счет выборки.

С таким большим количеством данных это заняло бы много времени, и я не уверен, как мне удалось создать «случайную выборку» из 5% данных.

С помощью Code Interpreter весь вывод был выполнен менее чем за минуту.

Другой пример – корреляционный анализ. Я хотел понять, есть ли корреляция между конверсией и стоимостью или конверсиями и CTR по дням. Вы можете увидеть результат этого запроса ниже.

Для этого набора данных не было большой корреляции (1 = идеальная корреляция). Однако он быстро показывает вам данные, помогает их интерпретировать и понимать, что эта корреляция не очень высока.

Последний пример, которым я поделюсь, — это запрос из отчета о поисковых запросах с более чем миллионом строк о том, какие ключевые слова мне следует добавить в отрицательный список, поскольку у них высокая цена за конверсию и низкий CTR.

Одна из самых впечатляющих особенностей этого плагина — то, насколько быстро и хорошо он понимает, что находится в наборе данных.

Например, в этом наборе данных у нас есть два специальных столбца для разных событий конверсии.

Я попросил ChatGPT показать мне самую высокую цену за конверсию. Он понял и сложил два столбца конверсий вместе, чтобы получить общее количество конверсий.

Это именно то, что я хотел, но он сделал это без моей подсказки или помощи в объяснении данных.

Затем я попросил его показать мне нижние 10% на основе этих критериев. Он предоставил маркированный список для извлечения и загрузки в Google Ads.

Поиск способов быстрого и эффективного анализа ваших PPC-данных позволит вам быстрее получить ценную информацию и провести оптимизацию.

Эти знания способствуют оптимизации, которая отличает победителей и проигравших на аукционах.

По мере развития этого инструмента и переноса и подключения большего количества данных вы можете увидеть общее влияние на поисковых маркетологов и компании.

Я воодушевлен возможностями, которые это открывает, и с нетерпением жду, как это будет развиваться в течение следующих нескольких месяцев.