使用 Google Sheets 和 Vertex AI 进行 PPC 预测

随着 PPC 格局的不断发展，预测未来营销活动绩效的能力是非常宝贵的。

本文将介绍一些我最喜欢的使用 Google Sheets 和 Vertex AI 的 PPC 预测技术，这些技术可以描绘出更清晰的未来图景，并为客户提供可行的见解。

虽然没有任何工具或技术可以提供 100% 准确的未来图景，但这里概述的方法可以让我们一睹 PPC 活动的潜在轨迹。

Google Sheets FORECAST 函数：基础知识

Google Sheets 使用以下公式提供易于使用且可靠的预测函数：

=FORECAST(z, known_y values, known_x values)

在哪里：

• z是您要预测相应 y 值的数据点。
• known_y's是相关数据点的范围（通常是您过去的结果或成果）。
• known_x's是独立数据点的范围（通常是您认为可能影响结果的变量）。

如果您只有二维，此函数是一个很好的工具。

然而，它使用线性回归，这对于快速预测预览来说很好，但对于考虑外部环境或其他数据源来说并没有太先进。

假设您有去年的历史数据，并希望预测未来的预算，以便有一些数字可供规划。

在此示例中，我们拥有截至 8 月的当年销售数据，并希望预测 9 月至 12 月的未来销售数据。

如果我们将这些预测可视化，您很快就会发现使用此方法的缺点。

蓝线代表截至8月份的已知销售数据，红线代表预测的销售数据。

该预测只不过是一条趋势线，这可能有助于从高层次上了解某些事物，但与蓝线相比什么都不是，蓝线基本上就是真实业务数据的样子。

增强 Google Sheets 的 FORECAST 功能

为了解决线性回归问题，有多种方法可以使用高级方法来处理预测公式。

您可以通过在预测公式中添加趋势数据或其他市场预测来添加一些变化，而不是仅使用线性=FORECAST()函数，如下所示：

=FORECAST()*3rdParty_Trend_Data

您可以从 Google Trends、Google Keyword Planner、Dataset Search by Google 或行业报告（来自 PwC、EY、McKinsey 等）等公共来源获取趋势数据，并将其导出为 CSV 或您习惯使用的任何其他格式和。

清理这些数据集以匹配原始工作表的结构，例如每日、每周或每月的数据，

接下来，补充 FORECAST 函数以获得更真实的预测，而不仅仅是一条向上或向下的直线。

在此示例中，我们使用了额外的趋势数据，显示了今年第四季度的增长趋势。 因此，这些数字与没有趋势数据的预测销售额不同。

如果我们可视化这些新数据，我们可以看到与平坦趋势线相比，趋势数据为我们提供了更好的见解和更多细节。

根据经验，用尽可能多的数据支持这些预测并提供更详细的时间范围（例如每日或每周）的数据几乎总是一个好主意。

获取搜索营销人员信赖的每日新闻通讯。

正在处理...请稍候。

订阅

查看条款。

使用 Vertex AI 进行高级预测

如果您的 PPC 营销活动涉及具有多个变量的大型数据集，那么转向 Google 的 Vertex AI 可能会改变您的预测需求。

与更简单的工具不同，Vertex AI 允许使用更复杂的模型，这些模型可以考虑多种因素，例如季节性、不同的广告平台，甚至全球市场趋势。

首先，您首先需要将历史 PPC 数据上传到 Google Cloud Storage。

从那里，您可以访问 Vertex AI 的 AutoML 表，自动构建适合您的数据集的机器学习模型。

训练模型后，您可以使用内置指标评估其性能，以确保其满足您的预测要求。 一旦您感到满意，部署模型就很容易了。

现在，您可以使用此模型根据不同水平的广告支出、广告展示位置或您认为重要的任何其他变量来预测未来结果，例如点击次数、展示次数或转化次数。

最好的部分是什么？ 您无需成为机器学习专家即可执行此操作。 通过一些设置和一些微调，您将获得更准确、更有洞察力的 PPC 预测。

Vertex AI 的功能是无穷无尽的，但让我们先看一个简单的框架。

设置 Google Cloud 帐户并在 Vertex AI 中创建项目后，您应该首先创建数据集。

数据集基本上是您想要用于预测的数据点的集合。

该数据集包含一个时间维度以及一些预算和收入维度。 根据您的目标，数据集可能包含不同的数据点。

命名您的数据集，选择表格作为您的数据类型，选择回归或预测作为您的目标。

虽然回归通常用于理解关系并且可以应用于各种数据类型，但预测更侧重于预测时间序列中的未来点。

两者都是数据科学中必不可少的工具，用于不同类型的决策和分析。 在大多数情况下，您都可以进行预测。

现在是时候训练新模型了。 对于初学者来说， AutoML训练方法始终是一个不错的选择。 接下来，您必须对预测期间、目标和数据粒度进行一些设置。

完成后，设置培训持续时间和预算，就可以了。 该模型现在将开始学习，完成后您将收到通知。

最后一步是从 ML 模型中获取预测。 此选项仅在培训完成后才可用。

要创建预测，您需要提交预测所基于的数据。 最好使用更新的数据。

该模型将根据您的预测数据集预测在训练数据集上学到的未来目标值。

根据数据量，该作业将需要一段时间。 但对于 PPC 任务，您的等待时间不应超过 5-10 分钟。

完成后，Vertex AI 将提供一个输出文件，其中包含带有预测值的新列，您可以将其用于进一步决策。

Vertex AI 对于某些预测任务来说似乎有点多，但请记住，您可以提交多年的历史数据、库存见解等来训练模型。

借助 Vertex AI，您可以构建适合您业务的机器学习预测模型，该模型比任何静态预测公式都要强大得多。

PPC 预测以获得更好的广告系列效果

最终，这些工具之间的选择取决于您的目标和 PPC 营销活动的复杂性。

Google 表格提供了一种简单易用的方式来进行 PPC 预测。 虽然它可能有局限性，但对于许多广告商来说这是一个有价值的起点。

另一方面，Vertex AI 能够处理大型数据集和复杂模型，将您的 PPC 预测能力提升到一个新的水平。 您现在可以考虑季节性、全球趋势和各种变量，以便根据您的业务做出准确的预测。

无论您选择简单的 Google Sheets 还是复杂的 Vertex AI，PPC 广告中的预测都不再是猜谜游戏。

现在，您可以为自己提供可行的见解，并就 PPC 营销活动做出有数据支持的决策。

深入挖掘：有效 PPC 预测指南