PPC 的未来：机器学习以及如何适应这种新动态

我最近与 Acquisio 的首席执行官 Marc Poirier 举办了一次网络研讨会。 在该网络研讨会中，我们讨论了机器学习对付费搜索活动的影响。 从那时起，谷歌宣布推出新的“智能”功能，例如针对搜索的市场受众，并通过推出一种名为“最大化转化”的新出价策略来增强其“智能出价”功能。 将这些功能与通用应用程序和智能展示广告系列等当前功能相结合，有一点很清楚：PPC 的未来在于机器学习及其提供的自动化优势。

本文讨论了如何适应这种新的动态，并让您了解 AdWords 中现在或即将推出的一些基于机器的新功能。

从 PPC 战术家演变为 PPC 战略家

首先，我相信机器不会让 ppc 专业人员的工作过时。 然而，机器学习的到来及其自动化关键任务的能力将改变角色的性质。 ppc 专业人士带来的价值将与他们的战略能力直接相关。 那些能够看到大局，充分了解他们所代表的业务所在的市场，并且能够将 ppc 与组织的整个数字营销计划的整体增长联系起来的人将赢得胜利。 机器可以比我们以往任何时候都更快地处理数据、发现趋势和执行日常战术任务。 我最近使用了一种自动优化的技术解决方案。 一个小时内，系统发现了 1500 个可以添加到我的帐户的关键字，确定了近 1,500 美元的可能被否定匹配的支出，确定了数百个可以提高以更好地定位我的关键字列表的出价，并自动暂停表现不佳的广告。

虽然这些例行任务是由机器在几分钟内完成的，但并不意味着我不那么忙。 这意味着我可以专注于更高级别的优先级，例如数据分析，以便我可以更好地了解整体性能并将这些学习转化为策略，规划我想要运行的下一组测试，并研究用于扩展我客户的新平台ppc 程序。

以下是一些提示，可以帮助您变得更具战略性并将绩效提升到一个新的水平：

• 牢牢掌握对利益相关者最重要的指标，并像激光束一样专注于它。 例如，我有一个帐户，其中潜在客户数量和良好的 cpa 似乎同等重要。 然而，当我推动我的客户为他们定义一个最重要的指标时，他们总是会站在增长的一边。
• 了解可能阻碍达到或超越利益相关者最重要的指标或目标的所有障碍。 是竞争吗？ 高cpc？ 转化率低？ 深入了解障碍将有助于您为这些突发事件做计划，并让您制定策略来帮助您克服这些障碍。
• 深入了解绩效的潜在驱动因素，以便您做出更明智的战略决策。

在我的整个职业生涯中，我一直倾向于专注于操作 ppc 帐户的机制，而忽略了退后一步以了解更大的图景。 机器学习及其提供的自动化帮助我增加了帐户，因为我有更多时间专注于战略。 在这个过程中，我能够提供更好的建议和更多的新想法，从而增加了我为客户带来的价值。

新的基于机器的功能：

以下是一些现在和不久的将来都可以利用的 AdWords 机器学习功能。

Google Smart Bidding ： Google Smart Bidding包括目标每次转化费用、目标广告支出回报率、最大化转化次数和增强型每次点击费用出价策略。 基于机器的出价的优势在于能够分析数百个“信号”，这有助于更好地了解您的受众及其转化潜力。 谷歌拥有大量实时处理的数据。 AdWords 系统会同时根据这些因素优化出价，以便让广告客户参与对他们最有价值的拍卖。

使用智能出价的关键是不要过早放弃。 系统需要时间来学习，这意味着一开始，性能可能会有点不一致。 随着系统的学习，您应该开始看到性能改进，并最终看到 cpa 数量和效率的增长。 如果您的测试经过深思熟虑和控制，您应该能够以最小的帐户风险测试这些新策略。

智能展示广告系列：此类展示广告系列完全由机器学习控制。 只需输入您帐户的目标每次转化费用和预算，提供标题和图片等广告资产，系统就会学习并优化您的目标。 与智能出价一样，重要的是让系统通过让智能展示广告系列积累足够的性能和流量数据来学习。 活动拥有的数据越多，Google 的机器就越容易优化和提高性能。

有购买意向的受众：此功能在展示广告网络中已经存在了几年，很快就会面向搜索推出。 谷歌再次识别诸如先前搜索和转化历史以及正在消费的内容等信号，以识别最有可能转化或处于购买周期最后阶段的人。 识别这些类型用户的唯一方法是通过机器学习和机器在拍卖的基础上实时处理大量数据的能力。

结论

这对我们在 ppc 行业来说是一个激动人心的时刻。 机器学习提供了学习更多和执行速度更快的机会。 然而，机器不能像人类那样做的一件事是将所有来自 ppc 的数据转换成连贯的策略。

采取更具战略性的方法将增加您的价值。 把握大局并将其与结果联系起来的能力将有助于增加您的影响力并帮助您在职业生涯中取得进步。