PPC和机器学习：我们在哪里绘制自动化线？
PPC世界中最激烈争论（也是最不被理解）的主题之一，自动化，是一个庞大的事物。从功能上讲，我们在PPC平台和用于管理PPCMedium的流程中同时发生了2个不同的自动化级别。我们的行业正处于拐点，我们不会简单地通过盲目信任机器自动化一切来成为更好的营销人员。相反，我们必须采取智能的自动化方法，以及我们如何思考PPC专业人员需要转变的未来角色。
一个专题的庞然大物显然需要一些业界重量级人物在SMX Advanced 2019上接受它，所以看到Optmyzer的Frederick Vallaeys和AdAlysis的Brad Geddes就不足为奇了。
在我们深入了解本次会议期间分享的见解之前，重要的是要注意一个流行的关键主题。这个主题是我们不需要自动化一切的想法。虽然可以很容易地想象一个完全自动化的未来，只需按一下按钮，一切就会到位 – 这根本不是我们所面对的世界的现实。事实上，由于这个确切的原因，数字化转型尤其具有挑战性 – 有些事情应该是自动化的，有些事情绝对不应该 – 但我们在哪里画线？
Frederick Vallaeys的见解
热门新闻，弗雷德刚刚发布了一本出色的新书，名为“人工智能世界的数字营销：未来的PPC代理机构”，我开始阅读飞往西雅图的航班，老实说，不能放下它他的书中有很多亮点都是在他的会议期间发表的。
作为谷歌的早期员工之一，弗雷德已经足够长时间了解PPC的世界是如何发展的，并且他自己为更广泛的PPC社区提供了许多功能自动化解决方案。
弗雷德开始讨论自动化PPC流程的关键原因，特别是：
- 节省时间（降低成本以增加总结）
- 提高质量，减少客户流失
- 允许规模（为了赚更多钱）
当然，这些原因并不仅限于数字营销领域，而是所有行业自动化的关键考虑因素。这里的关键思想是，因为我们可以自动化某些东西，并不一定意味着我们应该这样做。为了优先考虑我们的自动化工作，我们需要利用影响度框架。以下是Fred在演讲中分享的内容：
“PPC在同一时间变得更容易和更难” – Frederick Vallaeys
这种情绪也得到了布拉德盖德斯的回应，从根本上说，“平台内的帐户管理变得越来越容易”，而“跨平台广告使得用户更加困难，因为用户片段和围墙花园阻止了受众/性能数据的共享。”
从根本上说，PPC管理器的作用正在被平台和广告商可用的自动化浪潮所重塑。 PPC社区经常推迟谷歌的自动化技术，声称新的解决方案不起作用，或者人类仍然可以超越计算机。但是，正如弗雷德指出的那样 – 也许，这是PPC经理的失败，他们不了解如何正确训练机器并放弃太快。这个想法很关键，很可能是我们未来几代PPC专家看到的主要趋势 – 我们必须考虑如何将数据输入机器并允许机器从那里进行优化，而不是知道如何手动优化。 。通过了解机器学习的核心原则，未来最好的PPC管理人员将采用数据科学方法进行活动管理，从而使他们有更多时间真正成为优秀的营销人员。
PPC经理不断发展的角色
除了PPC管理器的发展以处理特定于平台的自动化之外，Fred还涉及自动化与PPC管理相关的工作流程的主题。虽然对于我最喜欢的东道城市（西雅图）公司来说，这似乎是一种讽刺的赞美，但我非常喜欢Fred的这句话：
“星巴克不是世界上最好的咖啡，但他们确实拥有世界上最好的咖啡。”
– Frederick Vallaeys
而且，这是真的 – 星巴克因为能够将当地的策划经验带到全球数千个城市街区而扩大规模。在一天结束时，需要一个定义的，可重复的过程来扩展，这意味着我们需要查看组织管理过程的自动化。
Fred提供了几个很好的示例和一个映射的流程层次结构，其他组织可以使用它来开始划分流程：
此外，Fred还就自动化策略提供了一些很好的见解，包括：
- 策略正在发生变化 – 旧的方法是处理数字并查看电子表格。
- PPC营销人员需要成为更多的营销人员并考虑上下文对齐 – 设定正确的目标并确保测量系统正确到位。
- 我们必须专注于给予机器正确的目标，以便正确地训练它们。
是的，我决定输入最后一个的所有大写字母，但这是一个基本的事实，我们需要从根本上重新思考我们参与基于机器学习（ML）的未来。
接下来，Fred开始考虑自动化层相互交互的本质，将我们带到了一个先进的地方。这是每个自动化都要牢记的关键概念，我们需要问自己：这种自动化的意外后果是什么，它可以与之相互作用？
一个特定示例考察了出价自动化与应用于Google广告中相关目标的所选归因模型之间的关系：
最后，弗雷德用一些关键的见解总结了他的会议：
- 这些引擎不太可能在跨平台自动化方面表现出色。
- 自动化是点解决方案。人类仍然需要定义整个过程。
- 您作为PPC专家的角色将从战术转变为战略。
Brad Geddes的见解
“我要承认 – 我实际上并不*希望自动化一切”
– 布拉德格德斯
Brad可能是PPC世界上最智能人之一，并且看到他出席会议（而不是他在SMX团队中的典型策展角色）简直太棒了。事实上，我们想要或应该自动化一切的想法是荒谬的，但有一个幸福的媒介可以找到。首先，报告等功能应该完全自动化，您是否知道AdAlysis团队最近的一项研究发现“平均每月花费8天创建报告” – 这是我们26％的时间致力于可重复的任务
Brad开始讨论可能存在的各种自动化层及其各自的核心优势：
当我们考虑使用自动化的方式时，重要的是要记住“自动化是机器推荐的优化 – 但是你需要决定做什么。”这些建议分为两个核心类别：
- 优化：该类别的规则是“有争议的”
- 暂停效果不佳的广告
- 使用轮播广告投放
- 暂停重复的关键字
- 使用底片可停止多广告组查询服务
- 维修：一切都很有用
- 缺少扩展名
- 关键字冲突
- 网址损坏
但在我们查看建议之前，您需要了解您的KPI，了解实际会发生什么变化（教育），了解可能发生的其他变化（意外后果）以及一般工作流程。为了了解我们是否应该根据提供的建议采取行动，Brad分享了一个很好的评估框架：
如果您无法创建工作流程，那么您无法自动化它，您无法重复它，并且您无法在工作中保持一致。请务必查看您的建议并询问：
- 这是否适合我们认为帐户应该优化的方式？
- 我们应该测试一下吗？当然，进行测试并实际进行测试，而不是盲目修改。
- 它有用吗？如果是的话，你现在应该在其他地方推出它吗？您通常不希望扩展帐户范围，因为这可能会产生很多影响
此外，在根据自动化建议进行更改时，您会记下您的操作 – 为什么，何时？
- 通过记录迭代过程避免两次犯同样的错误。
- 项目管理系统可能是付费搜索中最强大的工具，因为它使每个人都与实际发生的事情保持在同一页面上。
- 请记住，Google不会提醒您最近可能发生的变化尚未真正显示其影响。
接下来，Brad通过客户端示例解决了意外后果的主题，其中推荐实际上受到其他设置的影响：
- 客户案例：eCPC – 为客户提供目标每次转化费用 – 三周后，它几乎是他们所寻找的两倍。它为什么不起作用？他们有设备出价修改器（桌面为+ 100％，移动设备为-25％），但机器正在使用这些，因此无法正确优化。
- 当您切换到任何自动广告系统时，它会更改广告轮播 – 这是一个大问题，因为您可以远离实际的最佳广告（转化率最高与点击率最高）
Brad共享的一个重要想法是始终确保任何自动化都遵循您所遵循的相同规则，例如，如果自动化（例如按时间的出价调节器）到位，则可能会受到严重影响转换量并且可能并不总是遵循人类设定的最佳实践。
最后，布拉德用一些关键的见解总结了他的会议：
- 建议是确定自动化与使用工作流程的内容的绝佳起点。
- 始终了解自动化的工作原理。
- 建立推荐和自动化评估工作流程。
自动化状态
如果有一个特定于PPC自动化世界的Gartner Hype Cycle，我相信我们会从膨胀期望峰迅速下跌，并在幻灭彻底的情况下适应激流。正如本文开头所提到的，我们正处于PPC世界的转折点。现在，当我们开始迈向我们的ML驱动的未来时，我们必须拥抱智能自动化的未来，尽管是谨慎的，并且了解意外后果的潜在巨大影响。
本文中表达的观点是客座作者的观点，不一定是搜索引擎土地。工作人员作者列于此处。