机器学习如何改变PPC经理的角色

媒体购买涉及日常的大量手工工作。每当存在重复的低价值流程时，机器学习往往带来最大的价值。对Google Adwords进行程序化更改不再需要深刻的编码知识。新的人工智能驱动的程序化广告平台正变得越来越容易实现成本和实施。

随着机器学习进入“商品”技术的行列，我们可以预期高达80%的PPC经理的任务将实现自动化。但你不应该认为人工智能将取代人类专业人士。相反，将出现更多增强的PPC团队，人力资源管理者负责竞选构想和创建，而AI将大规模地接管各种优化方面。以下是一些用例，说明如何应用机器学习来增强您的PPC广告系列。

1.机器学习支持粒度微定位

当你试图用错误的信息追捕错误的观众时，PPC预算就会浪费掉。人们以不同的意图和购买旅程的不同阶段来到您的网站。随着这些旅程越来越多的全渠道，很难在真正精细的层面上划分不同的用户，例如。通过他们过去在您的网站上的行动，第三方平台(例如社交媒体)以及他们对各种销售宣传的回应。

由机器学习驱动的算法可以帮助您将散乱的动作混乱分解为一组包含上述数据的综合用户配置文件。这里只是一个示例，说明了如何将机器学习用于高级用户分析。所开发的算法基于其显着的行为模式对网站访问者进行分类，并为其分配各自的角色。例如，主要浏览娱乐网站，服务和游戏的人获得了“艺人”别名。

然后使用累积的数据和各种简档信息来运行PPC活动。在该活动期间，该机构设法识别出42%的活跃用户，并将平均点击率提高到0.52%-0.54%(从0.5%)。通过瞄准具有更高购买意向的潜在客户，点击率的轻微飙升实际上可以转化为25%-51%的利润增长，而每次访问的成本保持不变。

2.实时广告支出优化

大多数经理同时处理大量活动。他们并不总是有时间根据实时市场情况优化和重新调整预算，特别是如果投标设定在非工作时间进行。

但是，每个专业人士的目标都是为了获得更多合格的点击费用。来自中国的研究人员最近测试了一种实时广告出价算法，该算法由强化学习提供支持，以了解它如何应对优化分配的每日广告预算。结果如下：

人工投标产生100%的投资回报率，占预算的99.52%

以RL为标准的投标获得了340%的投资回报率，占预算的99.51%

最好的部分?RL和ML算法能够自我优化。随着时间的推移，他们的先进技术可以进一步提高，这意味着他们可以找到更有创意的方法来获得更高的回报，同时受到更严格的限制。

3.减少广告欺诈

欺诈性广告展示每天花费近128万美元(约合975,900英镑)。一个机器人每天可以为视频广告带来多达3亿个假视图。更有问题的是，欺诈者现在躲在信誉良好的出版商的幕后。最近，英国“金融时报”发现，至少有六种不同的广告交易平台假装在FT.com上托管广告库存，而事实并非如此。

机器学习可以帮助管理人员清理他们的库存并创建自定义风险阈值，从而优化媒体购买的质量和数量水平。IAS Insider报告称，在采用ML驱动工具后，一个CPG品牌获得了以下成果：

出价前优化导致欺诈级别降低7.9%。

整体欺诈程度为1.3%。

避免了超过3220万次欺诈性印象。

什么机器学习不能在PPC(尚)

通过算法可以更高效地处理诸如出价，报告，预算优化和活动分析过程等常见任务。人工智能不能完全取代PPC管理员，但它可以提高他们的工作效率，并让他们专注于创造性的任务，如设计引人注目的广告。

算法尚未精通内容创建(尽管在这方面正在取得一些进展)。管理人员仍负责为不同类型的广告创建和预先测试措辞和视觉效果。虽然人工智能可以查明客户最大的痛点和困难，但它无法构成对符合您当前业务目标的可操作策略的洞察力。再一次，这就是你的PPC经理应该做的事情。

总而言之，自动化和机器学习现在能够承担PPC和程序化广告中的大量繁重工作。反过来，经理们正在被赋予权力，可以花时间创建，制定策略并尝试新的策略。ML和人类创造力的这种结合将继续推动PPC领域的创新，随着ML能力的增长，PPC经理的角色将继续演变为更具创造性的角色。