為什麼人工智能和國際付費媒體是地獄般的匹配

SEO觀點:
回顧2018年夏天,人們很難忽視這種樂觀情緒。 天氣晴朗? 檢查。 英格蘭足球胜利? 幾乎! 人工智能是數字營銷的下一個重點嗎? 嘗試併計算上個月你遇到的文章,博客文章和聲音咬合的數量,以一種誇張的方式引用AI。
現在我們都是為了一點理性的樂觀主義,毫無疑問,人工智能是一個非常強大的工具包,它將對所有類型的社會經濟活動產生積極影響。 但我們不太確定人工智能在數字營銷背景下的真正價值,特別是對於國際付費媒體。
回歸本源
通過炒作,讓我們從確切的方式開始 人工智能和機器學習 在國際付費媒體的背景下工作。 例如,在關鍵字級別,AI需要多少和哪種數據才能做出正確的決策?
好, 谷歌的 機器學習產品Smart Bidding聲明它“使您能夠根據每個用戶的上下文定制出價。 智能出價包括重要信號,如設備,位置和再營銷列表,以實現更好的自動化和性能“。
這意味著算法所需的信號可以從用戶行為的總和中剔除,並且其“學習能力可以快速最大化您的出價模型的準確性,從而改善您優化長尾[通過評估]模式的方式 廣告系列結構,目標網頁,廣告文字,產品信息,關鍵字詞組等等,以確定出價項目之間更具相關性的相似性,從而有效地借鑒它們之間的學習“。
這表明“轉到”數據來源是我們自己的廣告系列。 但是這些模式是什麼,“快速”多長時間,以及如何登陸頁面數據有助於投標管理?
以投標管理為例,我們認為它的工作原理如下:
主要數據:該算法回顧客戶廣告系列中與關鍵字的歷史直接互動,並根據預定目標(如ROI或點擊率)和足夠數據做出成本/排名決策。
解決可能的數據量問題的一種方法是回顧很長的路。 但這會忽略季節性,促銷和消費者行為隨時間的變化。
輔助數據 – 該算法沒有足夠的數據在主要基礎上做出“好”決策,因此使用確證數據(具有相似特徵(例如,相同的垂直,相同語言)的其他活動的績效指標來做出決策)。
我們甚至有足夠的數據嗎?
問題是,除了大量的大型活動(想想汽車保險,信用卡)之外,還有足夠的主要數據來推動有效的人工智能決策。 AI需要大量數據才能有效。 例如,當IBM的Deep Blue學習國際象棋時,開發人員依賴500萬個數據集。 大多數行業專家認為,AI最大的限制是獲得足夠規模的高質量數據。
我們也不知道什麼是“好”的數據量。 對於國際PPC來說,這種情況更不可能,因為國際PPC通常是非常精細的,多語言的,並且旨在包含許多長尾關鍵詞(根據定義,它沒有太大的音量)。
在二級數據方面,確證數據的相關性如何? 為了獲得最大的相關性,以CLIENT X為例,我們必須假設該算法能夠快速吸收來自CLIENT X直接競爭對手的數據,並使用它來更好地告知出價管理策略。
當然,這種交叉數據會為所有拍賣玩家的競價策略提供動力,從而形成一個沒有玩家優勢的循環?
如果不使用競爭對手數據,那麼哪種輔助數據足以與良好的AI決策相關聯。 如果我們明確知道算法的規則是如何構建的,那麼這將更容易,但當然,我們永遠不會。

現實檢查的時間
回顧一下,如果我們知道10,100甚至1,000次交互足以通過人工智能提供卓越的效率,我們會很高興。 可以計劃和執行廣告系列,以便最佳地融合人工智能和人力資源,為廣告平台,代理商和客戶提供最佳效果。 人工智能可以專注於品牌和類別層面的互動,人為監督和長尾的詳細管理。

除非商業模式或實踐發生重大變化,否則似乎不太可能有足夠的透明度來確定人工智能如何實際運作,需要多少數據,“規則”如何運作。
相反,人工智能被樂觀地誇大為數字化的下一個大事,同時輕率地忽略了人工智能的基本前提以及國內和國際數字付費媒體的當前實用性

想要了解最新的搜索趨勢嗎? 從我們的搜索專家那裡獲得最高的見解和新聞。

相關閱讀

不僅初學者會犯錯誤,這裡概述了PPC專業人員最常見的失敗以及如何從現在開始避免失敗。

Sana Ansari分享了一些從搜索引擎營銷中收集學習的最簡單方法,並將其用於付費社交。

隨著人工智能成為PPC行業的主流,營銷人員需要開始將他們的專業領域從微觀管理關鍵字和投標價格轉向更高層次的戰略。 Manish Dudharejia分享了四種在您的AdWords廣告系列中使用AI的方法。

新的AdWords界面具有許多功能,可以幫助用戶節省管理PPC帳戶的時間。 Ann Stanley記錄了所有最新的更新。

發表迴響

Close Menu