Автор: Фредерик Валлейс (Frederick Vallaeys) – сооснователь Optmyzr.com, один из первых 500 сотрудников Google, бывший евангелист Google AdWords.
Несмотря на достижения в области машинного обучения, участие человека по-прежнему критически важно для достижения максимальной эффективности PPC-кампаний. Однако те специалисты, которые недооценивают влияние автоматизации на их профессиональную жизнь, пропускают идущую трансформацию.
Мы пишем о том, как автоматизация меняет рекламную индустрию, уже несколько лет. За это время стало очевидно, что управление PPC-рекламой быстро уходит с тактического уровня и переходит на стратегический.
Раньше мы работали с деталями, включая фокусировку на точных ключевых словах или конкретных ставках. Теперь PPC-специалисты всё чаще обнаруживают, что управляют этими вещами более опосредовано, а не напрямую.
За многие из тех задач, которые раньше выполняли люди, теперь отвечает машинное обучение (machine learning). И каждый раз, когда оно захватывает ещё один уровень, мы должны менять наш подход к работе, становясь «учителем» для ML: меняя настройки или входные данные в тех точках, где заканчивается наш контроль и начинается мир машинного обучения.
Есть три ключевых фактора, способствующих ускорению трансформации роли менеджера по контекстной рекламе.
Фактор 1. Большая автоматизация
Все мы видим частые обновления в работе Google Ads, связанные с новыми формами автоматизации рекламных кампаний, призванными упростить жизнь рекламодателей и обеспечить более высокие результаты.
Например, недавно Google объявил об ограниченном тестировании Performance Max – нового типа кампаний, объявления из которых будут показываться по всей экосистеме Google Ads.
Предыдущие типы автоматических кампаний были более ограниченными с точки зрения мест размещения рекламы, и рекламодатели должны были создавать несколько таких кампаний для охвата максимально возможной аудитории.
Расширение автоматизации обусловлено улучшениями в области машинного обучения, которые сами по себе вызваны двумя основными факторами:
- Увеличение объёма доступных данных
- Более быстрый поиск сигналов внутри этих данных
Недавно Google Ads также сообщил, что умные торговые кампании теперь можно запускать без добавления тегов конверсии и ремаркетинга. Это упростило начало работы с данным типом кампаний для новых ритейлеров.
Учитывая, что этот тип кампаний работает только с автоматическим назначением ставок, в частности, со стратегией «Максимальная ценность конверсии», приятно видеть, что отслеживание конверсий больше не требуется.
Вероятно, машинное обучение Google стало настолько продвинутым, что может делать предположения об эффективности каждого рекламодателя. Эти оценки основаны на сигналах от похожих рекламодателей, которые используют теги отслеживания.
Таким образом, компании начали получать пользу от способности машинного обучения предсказывать пересечения между пользователями: теперь оно определяет эти сходства между рекламодателями.
Когда система может прогнозировать количество конверсий, ей больше не нужны рекламодатели, чтобы получать эти данные для автоматического назначения ставок.
Что мы можем сделать
Согласно Google, для оптимальной эффективности умных торговых кампаний теги конверсии по-прежнему нужны. Очевидно, что машинные прогнозы будут более точными, если система будет располагать данными рекламодателей.
При этом важно понимать, что цель Google – это максимизация ценности конверсии для кампании, тогда как для большинства рекламодателей более важна максимизация прибыли, а не выручки.
Чтобы добиться большей прибыли, рекламодатели могут либо сообщать о прибыли, а не продажах через поле конверсии, либо создавать несколько умных торговых кампаний, каждую со своим собственным tROAS. Фактически, в последнее время мы стали всё чаще слышать такой совет от представителей Google.
По сути, они говорят, что один из способов оптимизации эффективности – перестать рассматривать весь каталог товаров как проблему оптимизации портфеля. Вместо этого можно группировать товары, имеющие сопоставимую прибыльность, а затем управлять каждой из этих групп как портфелем, организуя их в отдельные кампании.
Фактор 2. Меньше данных
Google постоянно просит нас изменить свой подход к оптимизации аккаунтов, отбирая те показатели, на которые мы полагались ранее.
Так, за последние 18 месяцев мы наблюдали упразднение «средней позиции», а также сокращение объёма доступных данных в отчётах о поисковых запросах.
В то время как машинное обучение Google извлекает выгоду из постоянно растущего числа аукционов и пользовательских данных, рекламодатели, которые надеялись сделать что-то умное со своими данными самостоятельно, видят, как пожарный шланг превращается в садовый кран.
Мэтт Амбро (Matt Umbro), например, сообщил, что в некоторых учётных записях количество скрытых кликов увеличилось с 4–5% до 30+%. При этом большинство знакомых нам менеджеров по контекстной рекламе считают управление поисковыми запросами ключевым способом оптимизации аккаунтов: как для сокращения потерь из-за странных близких вариантов, так и для увеличения объёма по ключевым словам за счёт новых тенденций в поиске.
Что мы можем сделать
Хотя нам это может не нравится, реальность такова, что каждый раз, когда мы теряем какие-то данные, те эксперты, которые выявляют эту проблему и определяют обходные пути, опережают своих менее технически подкованных конкурентов.
Например, мы можем создавать прогнозы на основе доступных данных о поисковых запросах, используя такие методы, как n-gram анализ. Идея состоит в том, что те же самые комбинации одного, двух или трёх слов (униграммы, биграммы и триграммы), которые мы больше не видим как индивидуально сообщаемые поисковые запросы, могут всё ещё появляться во время анализа n-граммов и, следовательно, могут быть основой для решения о добавлении новых минус-слов.
Это менее прямой способ управления аккаунтом, но этом ещё один пример того, как Google вынуждает нас управлять PPC-аккаунтами в более косвенной манере.
Фактор 3. Меньше контроля
Этот фактор идёт рука об руку с предыдущими двумя.
Меньшее количество элементов управления – почти неизбежный результат уменьшения количества доступных данных и большей автоматизации.
Например, умные торговые кампании автоматизируют ставки для динамического ремаркетинга и торговых объявлений, а также для поиска, контекстно-медийной сети, Gmail и YouTube. Однако они не сообщают, где было показано объявление, и как оно сработало в конкретном канале.
Как результат, контроль здесь не имеет смысла. Хотя мы могли бы принимать решения, основанные на интуиции, мы не смогли бы по-настоящему оптимизировать то, что нельзя измерить.
Новейший тип автоматизированных кампаний, Performance Max, имеет сходный принцип работы. Он может показывать объявления в ещё большем количестве мест, таких как лента Discovery, а также в других форматах, таких как видео. Назначение ставок автоматизировано и, вероятно, не будет доступно для ручного управления. Единственное, что смогут контролировать рекламодатели – сообщение. Или, как минимум, те компоненты, из которых оно будет состоять – как в случае адаптивных поисковых объявлений (RSA).
Что мы можем сделать
В течение долгого времени мы были чрезмерно сосредоточены на том, что можно сделать для оптимизации PPC в электронных таблицах: рассчитать ставки, найти идеи для таргетинга на основе численного анализа и т.д. При этом связь с потенциальными клиентами с помощью действительно убедительного сообщения часто оставалась на усмотрение той команды, что занимается CRO.
Создание привлекательного для аудитории сообщения, которое резонирует с потенциальными клиентами и рассказывает, почему конкретная компания способна решить их проблему, – это то, на чём нам нужно будет фокусироваться больше.
К счастью, мы по-прежнему можем делать это с помощью электронных таблиц, как минимум частично. Разница в том, что в отличие от управления ставками и поисковыми запросами, в данном случае наши таблицы не скажут нам окончательный ответ. Они лишь укажут направление для работы. А затем нам нужно будет выполнить эту работу самим.
Заключение
Мы по-прежнему уверены, что одни только машины не могут обеспечить эффективные PPC-кампании. Автоматизированные системы помогают Google увеличивать базу рекламодателей, предоставляя довольно неплохие результаты для новичков в контекстной рекламе. Однако наилучшие результаты возможны лишь в тех случаях, когда достижения машинного обучения сочетаются со стратегическим видением и практическим опытом человека.
Автоматизация меняет роль PPC-специалиста. В связи с этим нам нужно быть готовыми к миру, где мы будем управлять меньшим количеством деталей и будем больше действовать как учителя для машин.
