1. 您的位置:首页 > seo技术 >内容

听说过Google,影响PPC的最大趋势是隐私和自动化

现在,我们已经完成了今年6月在旧金山举行的Google Marketing Live活动。 到目前为止,您很可能已经听说了所有最新的新Beta和产品更改-所宣布内容的“内容” 。 我自己对自动出价中的其他控件感到非常兴奋。 但是,大多数媒体所没有报道的是新产品发布背后的想法。 换句话说,谷歌高管如何谈论这个行业,以及为什么新功能解决了广告商面临的最大挑战。

我相信,花一点时间来思考发布公告的方式有一些微妙的线索,可以帮助我们收集对Google内部运作的见解。 广告团队在想什么? 这对他们接下来将要建立的东西意味着什么? 随着Google Ads功能的格局不断变化,这对我们PPC专业人士意味着什么?

我真正相信两句之间阅读的价值,因为即使在我身为Googler的那一天,我也无法完全了解Google Ads正在做什么的每个细节,但是在诸如此类的会议的问答环节中 SMX ,我希望得到答案。 通常,我得到了答案,因为我知道产品和工程领导者的想法以及他们的动机。 我所要做的就是点点滴滴。

因此,让我们看一下Google高管在Google Marketing Live 2019上发表的一些声明,这些声明我觉得很有趣,我认为它们对整个行业可能意味着什么。

世界上最伟大的企业都建立在用户信任的基础上

Google Ads高级副总裁Prabhakar Raghavan专注于隐私的需求,这是监管机构日益关注的问题。 过去一年中,由于GDPR在欧洲,我们不得不对网站进行重大更改,我们都仍在屏息,但这可能仅仅是开始。 实际上,不担心GDPR的美国广告商几乎肯定会考虑到将于2020年1月1日生效的《加利福尼亚消费者隐私法》(CCPA)的影响。

拉加万说,消费者重新定义了他们的期望,现在希望能够在网络和跨设备,同时具有个性化的体验,并在同一时间无缝移动有自己的隐私受到保护。

Google Ads高级副总裁Prabhakar Raghavan在Google Marketing Live中谈到了隐私问题。

因此,谷歌正在研究一种方法,使他们可以继续使用最少的用户数据同时投放相关广告。 这些都是难以解决的问题,在去年的GML活动上,我们瞥见了Google正在开发的用于解决此类问题的技术。 例如,双盲加密技术使多方可以将数据贡献到一个将其连接在一起的系统中,但是任何一方都无法收回任何个人身份数据。

拉格万(Raghavan)表示,世界上最伟大的企业都是建立在用户信任之上的,而Google显然希望成为世界上最伟大的公司之一。

您可能不止一次听到我重复一遍的事情是,我们可以基于机器学习进行自动出价(例如 每次转化费用 土耳其)(如果我们提供有关我们业务的更好信号)更好。 总结我在SMX Advanced上的一次会议时所做的总结非常好,我说了一些效果:“我们必须专注于赋予机器正确的目标,以便正确地训练它们。” 但是,有关转化的业务数据通常与客户有关,因此,与Google之类的第三方共享数据时,需要格外小心,以删除个人身份数据。

隐私的底线

随着隐私问题越来越多,搜索引擎越来越重视它,广告商会发现将有关推动业务发展的数据纳入引擎的挑战越来越大。 我们已经看到由于与不道德的广告商提交他们缺乏权限的用户列表有关的隐私问题而缩小了客户匹配。 没有这些数据,机器学习就无法学习有意义的信号,这意味着完全依赖引擎的策略所产生的结果将不及那些发现了将内部ML与引擎相结合的方法的结果。

我希望我们将看到更多通过Microsoft的Azure或Google的Ads Data Hub将数据引入引擎的方法。 不幸的是,我们似乎不太可能使用一个引擎的技术来告知另一个引擎的决策(例如,使用Facebook Ads受众数据来更好地定位那些在Google上搜索的用户)。 为此,第三方工具将变得越来越重要。

云死了

说云似乎死了像一个疯狂的声明,对不对? 我本人会这样说……毕竟,一切都在迁移到云中。 让您拥有一台超级计算机来做我们自己的设备根本做不到的事情,那会是什么感觉呢? 隐私是答案。

像Amazon Alexa一样强大和有用,许多人根本不想一直听。 而现在,Echo设备通常都配备了摄像头,因此不断被观看的令人毛骨悚然的因素只会增加。 但这要归功于云的强大功能,Alexa甚至可以解决我三岁孩子的问题。

云未来的底线

根据Google的说法,答案的一部分是联合学习,这是一种进行机器学习的方法,用户的私人培训数据永远不必进入云中。 仍然会有云,但是必须发明新的方法来赋予我们自己的设备本地处理能力,以便可以在本地保护所有私有数据。 我们可能还会看到终端,例如回声设备和嵌套设备再次变得更强大。 尽管我们倾向于在云中执行更多处理,但是现在我们可能开始看到由隐私问题引起的逆转。

制作出色的广告很难

YouTube广告产品管理总监Nicky Rettke表示。 制作出色的广告是Google听到广告商最普遍的挑战之一。 在谈论YouTube时,搜索广告也是如此。 我们在Optmyzr(我的公司)中拥有一个审核工具,它可以对帐户进行的结构检查之一是,查找多个广告组中相同标题或说明的过度使用。 我发现帐户每月在Google Ads上的支出超过100万美元,成千上万的广告组都使用相同的标题。

PPC代理创始人兼我的聪明朋友Mike Rhodes说,这也许是因为,如果广告客户在其帐户中使用许多不同的变体,那么当公司品牌团队提出新的指令时,他们会发现很难更新所有这些广告,或者何时启动新的促销活动。

无论出于何种原因,Nicky都谈到创建广告,更不用说“出色”的广告了,这通常对于广告客户来说并不是最重要的事情。 然而,当我在Twitter上最近的#ppcchat上问PPC专业人员时,他们最不信任自动化的东西是什么,他们说这是在制作广告。 因此,这是人类经常跳过的任务,他们不愿意让机器帮助他们。 相当困难。

撰写更好的广告的底线

Google知道人们太忙了,无法大规模制作出色的广告。 但是,人类并不相信ML可以为他们完成这项工作。 我们将看到的是更多的混合解决方案,其中机器可以提供建议,并使人们可以轻松地大规模编辑和部署建议。 RSA是另一个很好的例子:人为机器提供了相关的选项供您选择,但是引擎的ML可以自由组合这些人为建议的要素,无论它认为哪种方式都能为用户创造最相关的体验。

不要问“自动化”是否会破坏您的业务,而要问“何时”

Google Marketing Solutions全球董事总经理Todd Rowe表示。 金妮·马文(Ginny Marvin)在6月SMX Advanced上的主题演讲中也表达了同样的观点。 现实情况是,随着ML能够访问更多数据并且计算能力不断提高,它会变得更好。

托德认为,新技术(如PPC中的自动化)将具有颠覆性的作用,大约需要两年的时间。 这意味着广告专业人士大约有两年的时间来弄清楚他们将如何使用新技术。 如果他们等待更长的时间,那么新技术可能会使他们丧生。 可怕吧?

这就是问题……我们不必成为自动化的受害者。 我们可以使用它来建立更好的代理机构和更强大的PPC团队。

关于自动化对PPC的影响的思考和我自己的想法一样继续发展,因为PPC专业人员需要做的部分工作就是创建自己的自动化。

托德也提出了类似的观点,他说代理商需要考虑如何使他们的代理商流程自动化。

广告引擎功能强大 自动化使用最新的机器学习。 大多数广告客户根本无法竞争和建立 一个更好的自动化,而不是竞争,他们应该确定如何补充技术。 我认为答案是“自动化分层”。

在自动化分层的一个示例中,引擎使用目标CPA智能出价和广告商自己的自动化层来处理出价,甚至是简单的自动化规则和警报等通知,也可以让他们知道智能出价何时由于某些意外因素而开始失败转化率,例如抢购或影响转化跟踪的停运。

自动化世界中PPC的底线

自动化将保持不变,PPC专业人士的角色将在未来两到五年内发生变化。 即使是一些最成功的从业人员,也可以通过自己的简单自动化来获得出色的结果,因为他们执行的每项简单但耗时的任务,他们都有时间去尝试Google不断发布的所有新产品,并且走到了最前沿。打包并成为PPC中受追捧的思想领袖。

结论

我在Google Marketing Live中学到了很多东西,只希望我有更多的时间参加更多的会议,所以我可以在这篇文章中分享更多。 除了工具和功能,我们在活动中听到的最大趋势是关于隐私,机器学习以及人类如何适应这一不断发展的画面。


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/10217.html