自动化分层：自动化接手时，PPC专业人员如何保持控制

SMX Advanced上的PPC轨道在Ginny Marvin的主题演讲中拉开了帷幕，她在其中探讨了自动化在越来越多地完成人类过去要做的工作的行业的未来。 她的信息是我们无法摆脱自动化，因此我们必须找到一种与机器共存的方法。

PPC中的自动化主题很多，但是我怀疑当我们的行业谈论自动化的影响时，所考虑的主要是由Google和Microsoft等公司构建的自动化……具有破坏性（但不一定很糟糕）的功能，例如智能出价，关闭变体关键字，自适应搜索广告等。

但是没有人说过，广告商也不能成为颠覆者。 他们也可以构建自动化来改变游戏规则并赋予自己竞争优势。

必须建立自己的 自动化听起来可能令人望而生畏，但请记住，它们不必像机器学习一样先进，即可发挥作用。 在这个 发布，我将向您介绍一种轻松的入门方法 自动化使用“自动化分层”的原理。

在人工帮助下，发动机的自动化效果更好

在我的新书《人工智能世界中的数字营销》中，我解释说人类和机器通常比单独的机器表现更好。 这不是一个新概念，你们中的大多数人可能以某种形式遇到过。 我以前在演示中分享的一个具体示例来自《连线》杂志（Wired）在2014年发表的讲话，他说：“国家气象局聘用了气象学家，他们了解天气系统的动态变化，与单独的计算机相比，可以将天气预报提高多达25％。”

由于有可能取得更好的结果，因此PPC专业人士希望继续参与其中。 他们了解可能对结果产生重大影响的业务。 有时，根本没有足够的数据来为机器学习系统提供相同的见解。 因此，人们普遍认为，人机+机器可以胜过机器。

通常，我们倾向于说客户经理需要与 自动化从引擎。

来自引擎的自动化比来自广告商的自动化更好

然后，我开始思考人为PPC经理所扮演的角色，以使人+机器胜过单独的机器为前提。 我意识到该方程式中的人实际上也可以用机器代替，但是在这种情况下，机器是由PPC pro而不是广告引擎控制的。 PPC专业人员可以从控制（因为他们定义了自动化）中受益，并且可以节省时间（因为他们不需要手动执行控制）。

因此，我们应该尝试用新的自动化层替换某些形式的人为控制，并查看它是否具有与人+机相同的优势。 如果我们可以写下我们采取的步骤，那么我们可以教机器为我们完成这些步骤。 而且它可以是一种基于规则的简单方法，比基于机器学习的方法要容易得多。

自动化分层背后的概念并不是一个新主意。 在工程中，解决方案可以分解成可以自己连接到其他系统的系统。 每个系统都接受输入和输出，并且只要在输入和输出的格式上达成一致，许多系统就可以串在一起，并且可以无缝地协同工作以解决更复杂的问题。

同样，自动化可以与其他自动化交互。 在PPC中，我们将此原则称为“自动化分层”。 这是一个重要的概念，因为这是PPC专业人员多年来所做的下一步发展：使用他们自己的见解来控制Google的工作。 但是，就像Google变得越来越自动化一样，我们对其的控制也应该变得更加自动化。

让我们看看为什么自动化分层在PPC中有意义。

逃避自动化不是一种选择

人类担心的原因 自动化引擎创造的是我们无法逃脱这些。 它们是由引擎决定的，不管我们是否喜欢，我们都必须花时间弄清楚它们如何影响我们的工作。 考虑到典型的PPC经理有多忙，这种额外的工作是不值得期待的。

尽管前景广阔，但事实是，新自动化的成功取决于实验和重新技能，这两个任务都需要时间才能做好。 以航空业为例，如推出新的自动化系统，在重新技能上偷工减料可能会导致灾难性的后果，就像737-Max所看到的那样。 幸运的是，在PPC中，赌注没有那么高，但是我相信这个比喻是相关的。

自动化分层以实现紧密的变体

一些新的 自动化无法关闭，因此它们迫使我们更改了Google Ads的工作方式。 紧密变体是这种类型的变化的最新示例。 去年9月，他们重新定义了不同的关键字匹配类型，例如“完全匹配” 意思。

现在，某些客户经理会花更多的时间来监视完全匹配关键字触发的搜索字词。 这将是一种很好的人工控制形式，可以变成自动化分层，其中PPC经理将其结构化逻辑转换为如何将紧密变体检查为 自动化它会自动执行。

我共享了两种特定的方法，可以在Google的完全匹配关键字之上添加自动化功能，以在它们扩展为具有相似含义的接近变体时保持控制。

第一种方法是简单地检查close变体与基础完全相同关键字的性能。 如果达到了用户定义的效果阈值，则可以自动将其添加为具有自己出价的新关键字，如果效果明显较低，则可以添加为否定关键字。 请注意，与智能出价结合使用的紧密变体形式应该已经获得了满足CPA或ROAS目标的适当出价，但是无论添加您自己的自动化层来确认这一点都无济于事。

第二种方法是使用Levenshtein距离计算来找到close变体与精确关键字的距离。 这是一个简单的计算，它累加了从一个单词到另一个单词所需的文本更改次数。 添加，删除或更改的每个字符加一个点。 因此，从我的公司名称“ Optmyzr”的正确拼写到常见的“ Optmyzer”错字，Levenshtein距离为1（添加字母“ e”）。 另一方面，从“营地”到“营地”一词的得分为6，因为需要更改4个字母，并且需要添加2个字母。

使用Google Ads脚本，我们可以编写自己的自动化程序，将这些手动检查转变为全自动检查。 因为这是我们可以定义的自动化，所以它的功能与过去为了获得通常与人机+机器相关的收益而必须进行的手动操作一样强大。

智能出价的自动化分层

其他 自动化像Smart Bidding这样的选项是可选的，但随着它们的改进步伐，即使是最热衷于手动进行PPC的狂热者也根本无法产生足够的差异，以至于他们可以为他们的手册收取生活费只是时间问题投标管理服务。

这些机器更擅长做数学运算来预测未来的转化，并使用此预期的转化率将广告客户围绕CPA或ROAS的业务目标转化为CPC出价，广告竞价可以用来对所有其他广告进行排名。

也就是说，请记住，智能出价与自动出价不同。 出价管理流程的一部分是自动化的，但是仍然需要人工完成。 设定目标和确保度量正常工作等只是这些任务的两个示例。

除了需要进行季节性调整，特殊促销以及弄清楚如何将这些有限的控制措施与业务目标（例如吸引新客户，增加门店访问次数或提高更高的重复销售）联系起来之外，大多数公司仍然关注着利润。 尽管在听到优步的10亿美元季度亏损后我们可能会想到，但现实是，大多数公司没有成千上万的风险投资人现金和最近的IPO，因此利润是帮助这些业务发展的动力。 奇怪的是，Google Ads并没有真正针对利润的智能出价策略。

因此，由人类PPC专业人士来弥补这一差距，并可能增加一些自动化分层。 争取实现PPC利润的一种方法是在设定广告支出回报率目标时考虑利润。

利润更高的商品（利润更高的商品）的广告投资报酬率目标可能会更低。 请记住，Google中的广告支出回报率是“转化价值/费用”（即转化价值除以广告费用）。 假设转换价值是销售的购物车价值，对于利润率更高的商品，更多的购物车价值就是商品加价。 因此，较低的广告支出回报率仍可以带来利润，而对于利润率较低的商品，购物车价值的减少是加价幅度，因此，需要更高的广告支出回报率才能实现收支平衡。

PPC专业人员可以将不同的产品手动分配给具有不同广告支出回报率目标的不同的智能购物活动，但这将是乏味且耗时的，特别是如果现有产品的利润因促销和销售事件而改变时。 一个更聪明的解决方案是应用自动化分层，并使用一种工具或脚本将产品自动发送到正确的智能购物广告系列中，从而由Google的自动化技术来接管。

结论

引擎使以前可以控制的很多事情实现了自动化，因为我们过去常常手动进行操作：从查找新关键字到设置更好的出价，再到编写广告。 但是，当在Google上做广告的企业背后的人发表意见时，结果要好于引擎的自动化完全独立运行。

就像Google在增加自动化功能一样，您也应该这样做。 充分利用自动化分层的概念，以保留您惯用的控制级别，同时通过让机器完成工作来节省时间。

---

本文中表达的观点是来宾作者的观点，不一定是Search Engine Land。 工作人员作者在此处列出。

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。如若转载，请注明出处:http://www.botadmin.cn/sylc/10205.html