Zamknięta pętla pytań i odpowiedzi: personalizacja, uczenie maszynowe i jak zmaksymalizować wyniki kampanii reklamowych

Być może pamiętasz pytania i odpowiedzi z Elite SEM w styczniu, w których omawiano taktyki reklam Google i Facebook Ads, na które reklamodawcy powinni zwracać uwagę oraz jak personalizacja i uczenie maszynowe mogą wpływać na kampanie.

Następna w tej serii agencji jest Amanda Evans, dyrektor ds. reklamy w Closed Loop. Zauważysz, że odpowiedzi różnią się nieco od Elite SEM. Oczekuje się tego, a to pokazuje, że obecnie reklama cyfrowa jest bardzo złożona, a agencje powinny stale oceniać swoje płatne strategie.

Jakie taktyki Google Ads sprawdzały się dobrze w przeszłości, ale nie będą działać w przyszłości?

AE: Chciałbym zwrócić uwagę na trzy:

1. Grupy reklam z jednym słowem kluczowym (SKAGs) — ta struktura już nie działa i po prostu blokuje algorytmy uczenia maszynowego. Zamiast tego najlepiej sprawdzają się grupy reklam o wąskiej tematyce, zawierające 10-15 słów kluczowych. Pojedynczą grupę reklam ze słowami kluczowymi będziemy stosować WYŁĄCZNIE w przypadku słów kluczowych o bardzo dużej liczbie wyświetleń, ale zdarza się to rzadko.
2. Prawdziwe testy podziału A/B — praktycznie niemożliwe jest już przeprowadzenie prawdziwego testu podziału A/B na reklamach, a i tak nie ma takiej potrzeby. Zarówno algorytmy Google, jak i Facebooka wykonują niesamowitą pracę, optymalizując pod kątem najlepszych wydajności.
3. Ujemne stawki 100% dla urządzeń — ta może być kontrowersyjna, ale reklamodawcy, którzy całkowicie zrezygnują z urządzeń mobilnych, zostaną w tyle. Dzisiejsi konsumenci (w tym B2B) przerzucają się między urządzeniami szybciej niż kiedykolwiek wcześniej. Pomysł, że ludzie szukają tylko na urządzeniu, na którym zamierzają dokonać konwersji, jest krótkowzroczny.

To samo pytanie co powyżej, ale w przypadku reklam na Facebooku…

AE: Podobnie jak w Google Ads, prawdziwe testy A/B są prawie niemożliwe do wykonania. Liczba formatów reklam, platform i miejsc docelowych w sieci Facebook wzrosła wykładniczo. Testy A/B zatrzymałyby teraz wydajność całego konta. W rzeczywistości algorytm wykonuje świetną robotę „wybierając” właściwego zwycięzcę, więc nie ma potrzeby przeprowadzania testów A/B.

Ponadto widzimy, że struktury ziarniste nie działają już tak dobrze, jak kiedyś. Sukces przychodzi, gdy „nakarmisz maszynę” — przekaż jej jak najwięcej danych, aby wymyśliła najlepsze odmiany do wyświetlenia.

Co według Ciebie jest pomijane w Google Ads, ale będzie duże w 2019 roku?

AE: Przychodzą mi na myśl dwie rzeczy…

1. Kierowanie na odbiorców / kierowanie warstwowe. Zaczynamy dostrzegać niesamowitą moc nakładania grup odbiorców, zarówno własnych, jak i zewnętrznych, na kampanie w sieci wyszukiwania w celu poprawy kosztu pozyskania. Jest to szczególnie ważne dla klientów, u których występują zduplikowane znaczenia podobnych słów kluczowych. Często widzimy ten problem w przestrzeni B2B, a warstwowanie odbiorców pomaga nam przebić się przez bałagan.
2. Konstruowanie kampanii pod kątem pracy z algorytmami inteligentnego określania stawek, ale także w celu umożliwienia ściślejszej kontroli budżetu. Niektóre stare praktyki strukturyzacji kampanii, w szczególności SKAG, działają przeciwko algorytmom licytacji. Odkrywamy, że struktury muszą się zmienić, aby algorytmy działały jak najlepiej.

To samo pytanie co powyżej, ale w przypadku reklam na Facebooku…

AE: Myślę, że w przypadku Facebooka pomija się następujące kwestie:

1. Możliwość rozszerzenia kierowania na odbiorców Facebooka dzięki integracji danych stron trzecich. Podczas gdy liczba odbiorców Facebooka spadła w ciągu ostatniego roku, zewnętrzni dostawcy danych nie tylko wypełnili lukę, ale także rozszerzyli możliwości. Możemy dostosować reklamy do odbiorców z dużo większą szczegółowością niż kiedykolwiek wcześniej. Otwiera zupełnie nowe możliwości dla reklamodawców.
2. Wideo zoptymalizowane pod kątem urządzeń mobilnych. Od zeszłego roku 95% użytkowników Facebooka korzystało z Facebooka ze smartfona. Chociaż marketerzy rozumieją rozwój urządzeń mobilnych, wydaje się, że niewielu reklamodawców to wykorzystuje. Widzimy niesamowity sukces naszych kampanii wideo zoptymalizowanych pod kątem urządzeń mobilnych, ze znacznym wzrostem zarówno CTR, jak i współczynników konwersji.

W jaki sposób sztuczna inteligencja i uczenie maszynowe odgrywają rolę w rozwoju płatnych reklam?

AE: Rola sztucznej inteligencji i uczenia maszynowego w płatnych reklamach wciąż ewoluuje, ale spodziewamy się, że ich udział w myśleniu znacznie wzrośnie w ciągu następnego roku.

Na froncie licytacji algorytmy Google i Facebooka są obiecujące, ale istnieją pewne krytyczne luki. Aby sztuczna inteligencja i uczenie maszynowe mogły wykorzystać swój potencjał, Facebook i Google będą musiały przywrócić pewną kontrolę i elastyczność tym, którzy zarządzają kampaniami.

W tym roku spodziewamy się (mamy nadzieję?) naprawienia dwóch kluczowych obszarów:

1. Dane używane przez algorytmy mogą nie być tymi samymi danymi , na których zależy reklamodawcy . Na przykład w przestrzeni B2B Google i Facebook mają dostęp do leadów, ale niewielu reklamodawców daje im dostęp do MQL. Uczenie maszynowe może optymalizować tylko to, do czego ma dostęp. Jest prawdopodobne, że zobaczymy strony trzecie tworzące integracje, aby przesyłać wewnętrzne dane reklamodawców do platform Facebooka i Google.
2. Algorytmy często wolno reagują na zmiany na dużą skalę lub „czkawki” kampanii. Często okazuje się, że duże zmiany budżetu lub celów mają duży wpływ na skuteczność uczenia maszynowego. Na przykład, jeśli śledzenie nie działa na kilka dni, sieje spustoszenie w wydajności przez następne kilka tygodni. Oczekuję, że Google i Facebook zapewnią elastyczność, aby wykluczyć pewne okresy z algorytmu.

Jeśli chodzi o wykorzystanie systemów uczących się do tworzenia reklam, myślę, że to już dłużej. Widzimy, jak Facebook i Google próbują iść w tym kierunku, ale dla dużych reklamodawców jest to szybko ryzykowne. Skuteczność elastycznych reklam w wyszukiwarce i elastycznych reklam displayowych była w najlepszym razie mieszana. Reklamodawcy obawiają się zgodności marki i przekazu. Więc chociaż spodziewamy się, że silniki będą dalej podążać tą ścieżką, widzimy wystarczająco dużo wahania ze strony reklamodawców, by sądzić, że potrwa to trochę dłużej.

Jak postrzegasz rolę personalizacji w płatnych reklamach w 2019 r. i później?

AE: Spodziewamy się, że personalizacja będzie się poprawiać przez cały rok 2019 i później. Sieci reklamowe w mediach społecznościowych, w szczególności Facebook, mają specjalistów od marketingu danych, aby dostarczać spersonalizowane treści marketingowe, ale oczywiście są bardzo świadomi konsekwencji. Równowaga między personalizacją marketingową a poszanowaniem prywatności użytkownika będzie trudna, zwłaszcza w świetle ostatnich problemów Facebooka.

To powiedziawszy, marketerzy społecznościowi mają możliwość tworzenia dostosowanych treści przy użyciu taktyk, takich jak niestandardowi odbiorcy i marketing oparty na koncie. Korzystanie z danych własnych i zewnętrznych oraz dostosowanych wiadomości zapewnia doskonałą równowagę między poszanowaniem prywatności użytkowników, a jednocześnie dostarczaniem spersonalizowanych reklam. Dobre dane i segmentacja były i nadal będą kluczem do wykorzystania personalizacji i spodziewam się, że w nadchodzących latach marketerzy będą nadal inwestować w naukę danych.

Jakie są 1-2 sposoby, w jakie marketerzy cyfrowi mogą umieszczać personalizację w płatnych reklamach i stronach docelowych po kliknięciu?

AE: Myślę, że personalizacja będzie podążać za cyklem życia klienta lub lejkiem sprzedaży. Inteligentni reklamodawcy będą używać personalizacji nie tylko do mapowania kampanii reklamowych na każdym etapie lejka sprzedaży, ale co ważniejsze, do głębokości danych, które reklamodawca posiada na temat każdego użytkownika.

Technologia daje teraz reklamodawcom możliwość wykorzystania posiadanych danych do zbudowania bogatego profilu dla każdego użytkownika i wykorzystania go do lepszego kierowania i personalizowania reklam. To wyraźna różnica w stosunku do „anonimowych” odbiorców z przeszłości.

Teraz mamy trochę informacji na temat użytkowników, które można wykorzystać do lepszego kierowania reklam i lepszego przekazywania wiadomości do tych użytkowników. Chociaż nie osiągnęliśmy Świętego Graala prawdziwej personalizacji dla każdej docelowej osoby, przynajmniej będziemy w stanie pogrupować użytkowników na różne grupy odbiorców i być może wdrożyć macierz różnych metod kierowania, abyśmy mogli zbliżyć się do spersonalizowanego marketingu.

Możemy teraz kierować i dostosowywać kreację na stronie docelowej po kliknięciu do użytkownika na podstawie tego, co o nim wiemy. Dzięki połączeniu tej możliwości z danymi własnymi i zewnętrznymi, możliwości są praktycznie nieograniczone.

W Closed Loop cieszymy się z tego faktu, ponieważ bardzo niewielu reklamodawców z niego korzysta. Wydaje się więc, że jest to szansa na zielone pole, a to zawsze ekscytujące, gdy masz okazję być jednym z pierwszych, którzy zanurkują na tak niezbadane terytorium. Wczesne wejście na rynek tworzy źródło przewagi konkurencyjnej, ponieważ możesz stale wyprzedzać innych reklamodawców w tej branży. Zasadniczo daje to przewagę i to właśnie staramy się robić dla naszych klientów.

Jakie wyniki widzą Twoi klienci po spersonalizowaniu swoich reklam i strony docelowej po kliknięciu?

AE: Niesamowite rezultaty! Nie jest to również przyrostowa poprawa o 10 do 15%.

Widzimy wykładniczą poprawę od 200% do 500%, gdy naprawdę możemy indywidualnie kierować ofertę w reklamie i na stronie docelowej po kliknięciu. Między innymi dlatego jest to dla nas takie ekscytujące.

Wyzwanie polega na tym, by reklamodawcy naprawdę zobaczyli spersonalizowane reklamy i strony docelowe po kliknięciu i uwierzyli w nie. Początkowo brzmi to prawie zbyt dobrze, aby mogło być prawdziwe (i sami byliśmy sceptykami), ale dane są jasne i mówią tak głośno, że bylibyśmy niedbali, gdybyśmy nie zachęcali wszystkich naszych klientów do personalizacji wszystkiego, co mają .

Reklama cyfrowa i optymalizacja po kliknięciu

Niezależnie od tego, czy Twoja marka korzysta z Google, Facebooka (lub obu) do płatnych reklam, jesteś to winien sobie i swoim klientom maksymalizację wyników wszystkich kampanii. Optymalizacja po kliknięciu jest dziś często brakującym elementem wielu reklamodawców cyfrowych, ale ma ona kluczowe znaczenie, ponieważ to właśnie to, co dzieje się po kliknięciu , generuje konwersje.

Uzyskaj więcej informacji, współpracując z Instapage i zobacz, czego brakuje w Twoich kampaniach.