Kiel Maŝinlernado kaj Akiro kreskigos vian komercon

acquisio-maŝinlernado

Dum la industria revolucio homoj agis kiel partoj en maŝino, lokitaj laŭ muntaj linioj, provante igi sin funkcii kiel eble plej meicallyanike. Dum ni eniras tion, kio nun nomiĝas la "4a Industria Revolucio”Ni akceptis, ke maŝinoj multe pli bonas mekanike ol homoj.

En la movoplena mondo de serĉreklamado, kie kampanjestroj ekvilibrigas sian tempon inter kreive krei kampanjojn, kaj me mechananike administri kaj ĝisdatigi ilin ĉiutage, ni denove pasigas la plej grandan parton de nia tempo plenumante rolon, kiu havas pli sencon por maŝino.

Antaŭ generacio, ni faris la ŝanĝon de fabrikado al serva ekonomio. Ĉi tiu ŝanĝo denove ŝanĝis la naturon de la laborantaro - kaj merkatado en multaj kazoj helpis gvidi tiun transformon. Nun, denove la rolo de la merkatisto evoluas, kaj ĉi-kaze ĝi estas plibonigita.

Multaj antaŭpensaj merkatistoj ĝojas pri ĉi tiu transformo, kiam ni povas fokusiĝi pri tio, kion ni plej bone faras - novigi - dum maŝinoj intervenos kaj faros tion, kion ili plej bone faros - analizos grandajn kvantojn da datumoj por racie identigi kaj ekspluati ŝablonojn.

Granda Datumo kaj Maŝina Lernado, estas la infrastruktura komenco al ekscita nova erao, kiu ebligos al markoj komuniki kun konsumantoj per novaj ciferecaj kanaloj en pli humanigita maniero per moderna teknologio. Ranee Soundara por mediumo.

Dum iuj ankoraŭ hezitas ampleksi novajn merkatajn teknologiojn, multaj komercistoj komencas kompreni, ke maŝina lernado estas esenca por pli altaj efikecaj kampanjoj kaj pli fortaj rezultoj, la sekva paŝo estas trovi la ĝustan solvon.

Kiel Maŝinlernado Funkcias en Serĉa Merkatado

En 2014, investkapitalaj investoj en noventreprenoj de Artefarita Inteligenteco, inkluzive maŝinlernadon, profundan lernadon kaj prognozan analytics multobliĝis preskaŭ sepoble, de $ 45M en 2010 ĝis $ 310M en 2015 laŭ CBInsights.

artefarita inteligento

Dum investoj en IA kaj maŝina lernado daŭre kreskas kiel sekvo de la "4a Industria Revolucio", la potencaj centroj en la entrepreno ŝanĝiĝis laŭe. Funkciaj gvidantoj nun same respondecas pri la buĝetoj kaj la rezultoj de noviga teknologio. Kiel Gartner Research fame antaŭdiris, antaŭ 2017, CMO elspezos pli por IT ol iliaj samrangaj CIO.

Ĉi tiu ŝanĝo okazas, ĉar merkatistoj eniras cunamon de datumoj. Ĉi tiu peniga laboro por trarigardi reamojn de senstrukturaj datenserioj por provi kompreni la pli grandan bildon estas neebla fari kun 130 ekzabajtoj da datumoj persistantaj en la cifereca universo (tio estas 18 nuloj por ni komuna homo). Homoj kapablas prilabori maksimume 1000 terabajtojn (12 nuloj), kaj ni prilaboras nombrojn multe pli malrapide, kun io, kion ni nomas homa eraro. Kredu aŭ ne, ĉi tio validas eble pli por serĉa merkatado kaj kampanja aŭtomatigo tiom kiom pri iu ajn alia kampo de merkatado.

akiri precizecon kun maŝina lernado

Se temas pri precizeco kaj efikeco, maŝinlernado ludas en tute alia stadiono, kaj ĉiuj tiuj merkatistoj, kiuj ankoraŭ batas en la malgrandaj ligoj, pli kaj pli malfacilos resti konkurencivaj, ĉar iliaj konkurantoj pli ofte utiligas maŝinajn lernajn algoritmojn.

Kio estas Maŝinlernado, Ĝuste?

Maŝinlernado estas vasta temo kun multaj metodoj kaj aplikoj, sed ĝi estas kutime uzata por solvi problemojn trovante ŝablonojn, kiujn ni simple ne povas vidi mem, laŭ ekkonsulto.

Ekzemple, la anonca aŭkcio estas malklara loko, kie komercistoj ne certas pri kie starigi ofertojn, kiel fari ĝustigojn por poŝtelefonoj, kaj finfine kiel akiri tiom da konvertiĝoj por la plej malalta ebla elspezo. Aldone al tio, ne estas sufiĉe da tempo por dediĉi al ĉiu kampanjo por certigi, ke ĝi maksimumigas sian rendimenton rilate al ĝia potencialo. Uzante maŝinlernadon, AdWords kaj triaj vendistoj ofertas teknologiajn solvojn, kiuj atente sekvas la reklaman aŭkcion, kaj lernas kiel ĝisdatigi kaj adapti ofertojn aŭtomate uzante historiajn datumojn por antaŭdiri la plej bonajn ofertojn por difini laŭ buĝeto, kvalita poentaro, konkurado kaj ŝanĝoj en la aŭkcio dum la paso de la tago.

La malnova maniero administri reklamajn kampanjojn memorigas min pri la malnova epizodo de Simpsonoj, kiam Homer Simpson starigis trinkan birdon por fari sian laboron por li. En ĉi tiu kazo, maŝinlernaj algoritmoj ne nur premas la "Y" -klavon ree, ili konstante adaptiĝas uzante la kolektitajn informojn kaj laboras por plibonigi rendimenton preter tio, kion homoj kapablas.

ppc-aŭtomatigo

Vi povas foriri de tiuj ĉiutagaj respondecoj kaj enfokusigi alpreni novajn klientojn, disvolvi kreivon kaj plibonigi agadon laŭ pli homa maniero.

Du Birdoj kun Unu Ŝtono

La problemo, kiun plej multaj merkatistoj renkontas dum lanĉado de serĉaj kampanjoj, estas duobla, ne estas sufiĉe da tempo aŭ homa povo por sidi tie kaj ĝustigi ofertojn kaj buĝetojn por ĉiuj kontoj kaj kampanjoj (kio reduktas la kapablon pligrandiĝi), kaj due, merkatistoj luktas por atingi pli grandaj rezultoj en pli kaj pli konkurenciva aŭkcio.

Unuvorte, homoj volas fari aferojn pli rapide, pli bone kaj pli facile, kaj la sola maniero fari tion estas transdoni ĝin al la maŝinoj.

Acquisio provizas tion, kion ni kredas esti unika solvo por la serĉa merkato, kiu permesas al merkatistoj enfokusigi sian tempon en pli produktivaj kaj strategiaj iniciatoj, dum ili utiligas la investon, kiun ni faris en progresinta maŝina lernado administri pagitajn serĉofertojn kaj buĝetojn. La rezulto estas signife pli grandaj plibonigoj ne nur en produktiveco, sed ankaŭ en kampanja agado. Ĝi nomiĝas Oferto kaj Buĝeta Administrado (BBM).

Nia maŝinlernado, proprieta oferto kaj buĝeta administrado-algoritmo estas la sola altfrekvenca komerca modelo por AdWords kaj Bing, adaptante ofertojn kaj buĝetojn tuj kiam ili estas ĝisdatigitaj de la eldonisto kaj antaŭdirante, kia estos la sekva oferto - kiu ni povas pruvi pli bonajn kampanjajn agadojn ol aliaj prognozaj algoritmoj. CEO, Marc Poirier ĉe Acquisio.

Kiel funkcias Oferto kaj Buĝeta Administrado (BBM)

Ekzakte kiel memvetura aŭto kapablas rekoni kaj ŝoforojn kaj konduton en la momento, kaj adaptiĝi al sia ĉirkaŭaĵo sur la vojo, BBM ĉiam konscias pri la aŭkcia medio, prilaborante milionojn da kalkuloj kaj alĝustigoj rilate al ŝanĝoj en la aŭkcio. , horo de la tago kaj pli, por ke viaj kampanjoj funkcias senprobleme. Ĉi tio rezultas en pli bona ĝenerala kampanja agado, dum vi prenas malantaŭan sidlokon kaj lasas la algoritmojn stiri por vi.

En la aŭkcio de PPC, se vi elektas oferton, kiun vi opinias racia, kaj tiam forlasas ĝin, la konstantaj fluktuoj en la prezoj dum la tago signifas, ke vi probable revenos al via konto morgaŭ kaj estos seniluziigita kun la rezultoj. Pli malbonas, ke vi probable tro pagos por iuj klakoj kaj maltrafos aliajn.

Multaj prognozaj algoritmoj ĝustigas ofertojn tiel malofte kiel hore, ĉiutage aŭ eĉ ĉiusemajne. Antaŭdirante kaj ĝustigante ofertas ĉiujn 30 minutojn, Acquisio partoprenas la aŭkcion pli ofte ol iu ajn alia optimumiga solvo, kaj faras pli precizajn ĝustigojn. Ĉi tio helpas malpliigi CPC / CPA kaj klikojn / konvertiĝojn supren.

akirrezultoj

Fakte, nia solvo pruviĝas malpli altigi koston po klakoj averaĝe 40%, kiam vi rigardas pli ol 20,000 kontojn funkciigitajn dum unu monato de Acquisio. Kaj, kun algoritmoj funkciantaj por taŭge rapidigi buĝeton tra la tuta tago kaj la tuta monato, kontoj uzantaj BBM estis 3x pli verŝajnaj maksimumigi la plenan buĝeton sen troa elspezo.

Kaj se temas pri ŝparita tempo, divido de WSI - kiu havas unu el la plej grandaj ciferecaj merkataj retoj en la mondo - povis fortranĉi horojn, se ne tagojn, de ilia tipa kampanja administrada procezo per BBM.

Ni ŝparis tiom da tempo per la aŭtomatigo, ke ni povus fokusigi la kvaliton de niaj kampanjoj. Heitor Siviero, Kunordiganto de Projekto ĉe WSI Brazilo.

Kun merkatistoj fokusantaj plibonigi kampanjan kvaliton, kaj maŝinlernajn algoritmojn ĉiutage funkciantajn por plibonigi rendimenton, klientoj ofte vidas tion, kion ni nomas "x-grafeoj", kie estas rimarkebla kresko de klakoj kaj malaltiĝo de averaĝa CPC post starigo de niaj maŝinlernaj algoritmoj. .

akiri ppc-optimumigon

Kun rezultoj kiel ĉi tiuj, pli facile por entreprenoj allogas novajn klientojn, kaj kun la ŝparita tempo en manaj kampanjadministraj taskoj, ili estas en pli bona pozicio por alfronti novajn klientojn kaj skali siajn operaciojn tie, kie ili gravas: strategio, kreemo kaj ekzekuto.

La plej bona afero estas, ke nia teknologio permesas al ni liveri diferencigitan kampanjan rendimenton por eĉ la plej malfacile optimumigeblaj kontoj, inkluzive tiujn kun tre malalta volumo aŭ malalta elspezo, konstanta defio por iu ajn administranta serĉkampanjojn por pli malgrandaj kompanioj.

Faru la Sekvan Paŝon

Ĉu vi estas parto de malgranda loka kompanio aŭ de Fortune 500, estas tempo ampleksi la aĝon de maŝina lernado por serĉmerkatigo.

Se vi interesiĝas ekscii pli pri kiel funkcias nia oferto kaj buĝeta administrada solvo:

Spektu la Retejon Planu Personan Demonstracion

Kion vi pensas?

Ĉi tiu retejo uzas Akismeton por redukti spamon. Lernu, kiel via komento datiĝas.