Kako je strojno učenje spremenilo Google oglaševanje?

Objavljeno v ponedeljek, 26. avgust 2019 v kategoriji Digitalni marketing. Članek za 6 min branja • Piše:

Jure Veber

Pred slabima dvema letoma je v svetu Google oglaševanja veljalo trdno zaverovano prepričanje, da je avtomatizacija samo Googlov način, da uporabniki na platformi zapravimo več denarja.

Praktično vsa učna gradiva na temo Google Adwords oglaševanja, kot je bilo takratno ime platforme, so strogo odsvetovala kakršno koli uporabo avtomatizacije.

Saj veste – lisici ni dobro zaupati, da pazi na vaše kokoši.

Uporaba skript za lovljenje pozicij, ročno upravljanje ponujene cene na klik, tudi do večkrat dnevno, neskončne analize ur in naprav ter dni v tednu, v katerih je možnost konverzije višja, in nepregledna vrsta negativnih ključnih besed so bila središče sveta, okoli katerega se je vrtelo oglaševanje na Googlu. Da o obsedenosti z oceno relevantnosti sploh ne govorimo. Samo še en dan v PPC-pisarni.

80 % dela oglaševalcev je bilo namenjenega upravljanju zgornjih nalog, le 20 % časa pa dejanskim digitalnim strategijam in kreativnemu razmišljanju o načinih, kako dejansko stranki ali lastnemu podjetju dodati vrednost z oglaševanjem. Logično, vse zgoraj našteto je izjemno lahko zapisati, a kdor je vsaj en dan preživel v kakšnem Google Adwords računu, ve, kako zamudna in neizpopolnjujoča so lahko tovrstna opravila. Vsekakor pa je vse imelo svoje mesto.

Google oglaševanje pa je v tem kratkem času prehodilo dolgo pot. Celo tako dolgo, da so spremenili ime same platforme. Z razlogom. Google Ads, kot se od julija 2018 imenuje platforma, od nas zahteva popolnoma nov način razmišljanja in nima veliko skupnega z Adwordsi, kot smo jih poznali. Glavna pridobitev? Napredno strojno učenje, ki se je po letih nezaupanja končno razvilo do te mere, da ga enostavno ni več mogoče ignorirati z izgovori v smislu pohlepnosti Googla.

V današnjem zapisu bomo preverili, katere prednosti vam prinaša uporaba avtomatizacije in kakšno bo nasploh oglaševanje na Googlu v prihodnosti.

Strojno učenje

Kaj sploh je strojno učenje in kako deluje? Strojno učenje kot veja umetne inteligence išče vzorce v veliki količini podatkov in na njihovi podlagi predvidi prihodnje obnašanje.

Glavna razlika med skriptami, ki smo jih nekoč uporabljali v oglaševanju, in strojnim učenjem je ta, da skripte samo preverjajo, ali so pravila, zapisana v skripti, »true« ali »false« in na podlagi tega spremenijo določen parameter. Bistvo je, da se nikdar ne učijo, le preverjajo in izpolnjujejo ukaze, medtem kot strojno učenje ob vsakem novem signalu svoj proces izboljša z učenjem in prilagodi prihodnje vedenje.

Kako nam lahko vse to pomaga pri oglaševanju na Googlu?

V prvih letih je bilo oglaševanje Google Adwords preprosto, saj smo uporabniki imeli na voljo samo eno napravo. Do spleta smo dostopali iz ene, največ dveh naprav od doma ali službe.

Nato so prišli mobilniki, tablice in dodatne stične točke. Uporabniki smo postali mobilni. Postali smo radovedni, zahtevni in nepotrpežljivi. Pričakujemo hipne in relevantne rešitve.

Dosegli smo kompleksnost, ko človek ročno ne zmore več odgovoriti na potrošnikovo namero v realnem času, saj je enostavno preveč podatkov, da bi jih lahko obdelal. Pojavila se je potreba po zmogljivostih stroja, ki lahko vse te dejavnike upošteva v realnem času.

V preteklosti smo se lahko zanašali zgolj na kontekstualno oglaševanje, pri katerem so ključne besede predstavljale kontekst, ki je sprožil naš oglas, pri tem pa so bili popolnoma vsi uporabniki enaki, ne glede na njihovo predhodno vedenje.

Dobičkonosne so bile samo določene ključne besede na dnu prodajnega lijaka, ki so prinašale prihodke, ključne besede višje po lijaku pa so imele manj možnosti.

Poglejmo enostaven primer:

V preteklosti bi bila zagotovo naša najbolj dobičkonosna ključna beseda »Kupi Salomon Speedcross 5 Black Phantom«. Ker je teh iskanj v slovenskem prostoru verjetno malo, smo z željo po višjih prihodkih začeli iskati bolj generične ključne besede, višje po prodajnem lijaku, kot so »Salomon tekaški čevlji« ali celo »tekaški čevlji«, kjer pa namera uporabnika ni bila tako očitna. Morda je uporabnik iskal tekaške čevlje Salomon za trde podlage, morda je iskal tekaške čevlje za maraton, v mislih pa je imel katerega od drugih specializiranih proizvajalcev.

V kontekstualnem oglaševanju je bil tak uporabnik v vsaki dražbi, v katero smo se podali, popolnoma enak, konverzijska stopnja za te ključne besede pa posledično izjemno nizka.

Zdaj pa pride na vrsto Googlovo strojno učenje.

Google ve, da je uporabnik v preteklosti preveril spletno stran z Off-road tekaškimi potmi po Sloveniji in Evropi ter si ogledal tri YouTube videe znanega tekaškega vplivneža po off-road poteh. Za konec je v znani spletni trgovini kupil še nahrbtnik, ki so mu ga priporočili v videu. Zdaj potrebuje samo še ustrezno obutev.

Google ve, da je to iskanje izjemno dragoceno, in mora poskrbeti, da se naš oglas zagotovo prikaže. Za takšnega uporabnika nastavi visoko ponujeno ceno na klik, medtem ko za drugega uporabnika, ki si je v preteklosti ogledoval spletne strani z maratoni po Evropi in se prijavil na e-novice za Ljubljanski maraton, ponudi minimalno ceno ali pa se v najboljšem primeru v dražbo sploh ne poda. Z vsakim novim klikom na oglas je sistem pametnejši, konverzijska stopnja naše ključne besede pa višja, saj se algoritem nauči, kakšen uporabnik je v preteklosti opravil konverzijo.

Videli bomo torej prehod iz kontekstualnega oglaševanja k vedenjskemu.

Kaj lahko pričakujemo?

Cene na klik bodo višje, hkrati pa bo višja tudi konverzijska stopnja, saj bo promet bolj relevanten. Cene bodo sicer višje, a tukaj se je treba zavedati, da samo zato, ker bo to zares relevanten uporabnik.

Oglaševalski proračun bo porabljen veliko bolj optimalno. Ker je bila prej vsaka dražba enaka, smo določene konverzije izgubljali zaradi prenizke ponujene cene na klik, medtem ko smo pri drugih, ki ne bi nikdar vodile do konverzije, zapravljali oglaševalski proračun. S t. i. pametno ponujeno ceno na klik je verjetnost konverzije ocenjena v času dražbe glede na konverzije v preteklosti in dodatne signale v času dražbe.

Ocena relevantnosti in možnost ročnega upravljanja cen na klik (manual CPC) se bosta počasi umaknili in ne bosta več na voljo. V ospredje bo prišla predvidena konverzijska stopnja posameznega iskanja, torej – kako verjetno je, da bo posamezno iskanje vodilo do naše želene konverzije.

Delež prikazov naših oglasov na iskalnem omrežju bo upadel, saj se sistem enostavno ne bo več podajal v dražbe, za katere bo predvidel, da nimajo možnosti konverzije.

Kaj to pomeni za oglaševalce?

Nas ne boste več potrebovali? To pomeni, da zdaj ne bo več treba upravljati kampanj, saj bodo vse namesto nas urejali stroji?

Če se boste pripravljeni naučiti, kako deluje algoritem in kako ga pravilno usmerjati za najboljši rezultat, je odgovor »Da«, v tem primeru vam bomo povsem odveč.

Za nas pa to predvsem pomeni, da se bo treba na novo naučiti uporabljati orodje, za katerega smo bili do zdaj prepričani, da ga obvladamo.

Zelo dobro bomo morali razumeti, kako sistemu povedati, na katero dejanje na spletni strani naj optimizira naše oglaševanje. Hkrati pa bomo morali sistemu znati zelo dobro povedati tudi, katera vedenja naj spregleda ali naj bo nanje pozoren. Negativne ključne besede, liste uporabnikov nizke kakovosti, porast konverzijske stopnje v času velikih nakupovalnih dni so vse signali, ki hranijo in usmerjajo stroj, ki stoji za tem. Na koncu dneva bo to še vedno samo sistem, čigar kakovost izhoda (output) bo odvisna od podatkov, s katerimi ga hranimo.

Naša vloga se bo torej preselila iz ročnega upravljanja in prilagajanja kampanj k usmerjanju stroja. Kot smo nekoč prilagajali ponujene cene na klik, bomo zdaj usmerjali algoritem. Nekoč s ponujenimi cenami na klik, danes z občinstvi (listami uporabnikov), ključnimi besedami in konverzijami na spletni strani.

Več časa bo ostalo za strateško razmišljanje o ciljih stranke/podjetja, saj bodo prej ročne naloge (upravljanje ponujene cene na klik) avtomatizirane.

Ostalo bo več časa za testiranje novih oglasov, za izboljševanje uporabniške izkušnje in konverzijske stopnje na spletni strani.

Več bomo testirali, katere konverzije na spletni strani naj uporabimo oziroma optimiziramo za optimalno delovanje algoritma.

Seveda bo nova doba s seboj prinesla tudi številne izzive. Med največje zagotovo spadajo oglaševalski računi, ki enostavno nimajo dovolj konverzij, da bi lahko učinkovito uporabljali Googlovo strojno učenje, saj sistem, kot smo omenili, potrebuje dovolj podatkov, da se lahko začne učiti in izkoriščati svoj potencial.

Rešitev je za takšne račune na vidiku že nekaj časa, hkrati pa Googlove ekipe v zadnjem obdobju intenzivno izobražujejo oglaševalce in izpolnjujejo svoje algoritme, da bodo tudi te začetne težave uspešno prestane.

Mi se že veselimo nove ere. Upamo, da tudi vi!

Že imate kakšno izkušnjo s strojnim učenjem pri svojih kampanjah? Delite jo z nami v komentarju!

Še vedno tukaj?
Vprašanje? Zapišite ga v komentar spodaj, pa ga skupaj predebatiramo.

Dodaj odgovor