[17站群软件]人工智能如何推动PPC自动化

从1970年代到今天，硅谷出现了三波技术创新浪潮，催生了许多行业，包括我们的行业（在线营销）。

首先是半导体，然后是个人计算机，最近是互联网。 现在，在人工智能（AI）的推动下，我们正处于下一波创新的风口浪尖。

鉴于这些创新浪潮使我们的行业得以生存，而自动化（2017年PPC的一项主要趋势）可以由AI驱动，那么在下一波浪潮中，事情将如何改变我们？ 当我们开始使用更多自动化而不知其能力范围时，我们将面临什么风险？

我将探索所有这些情况，并为我们的行业提出一种为自动化工具增加一层透明性的方法，以防止竞选活动受到不良机器人的影响。

人工智能及其方法入门

在解释AI与在线营销之间的关系之前，弄清与AI相关的一些流行词可能会有所帮助。

人工智能

最简单的AI就是机器能够解决我们认为是需要人类及其特殊“人类技能”或认知的问题。 因为这是一个相当宽松的定义，所以这也意味着我们对AI的看法已经进化，当计算机在国际象棋上获胜时，我们再也找不到令人印象深刻的东西了。 现在，在交通高峰时段，禁止开车驶过没有方向盘的汽车的标准已经提高。 如何实现这一壮举对于将其视为AI并不重要。

我在伦敦HeroConf大会上的主题演讲中做了一个演示，在那里我与亚马逊的Alexa讨论了我的AdWords帐户。 让她理解我的要求是真正先进的AI的壮举，但是通过与Optmyzr（我的公司）的API交互的一些简单代码，可以为我提供有关帐户性能问题的答案。

我对该演示进行了很好的评论，人们说看到这种与机器的交互是很棒的，但是我自己构建了演示，就使人们着迷，认为该机器可能比实际功能强大得多。 。

手动编程的AI

如果您有足够的时间，则可以通过手动编写许多由if-then语句组成的代码来创建AI，从而教计算机在每种可能的情况下应如何解决问题。 在PPC领域中，这就像使用大量自动规则来完全整理您的客户经理如何优化帐户。

这种方法不是很“智能”，需要太多的工作来定义所有可能的极端情况，因此下面是创建AI的一些更新且更实际的方法。

机器学习

机器学习是一种统计方法，可以从大量数据中找到相关性，以尝试预测未来的事件。 机器没有明确告诉计算机在每种可能的情况下应该做什么，而是根据给定的历史数据，根据可能的结果自学如何做。17站群软件

至少从2008年开始，机器学习就已经出现在AdWords中，并且质量得分机制有助于预测每次发生的每次搜索最有可能点击哪个广告，因此每天对广告客户产生数百次影响。

神经网络

神经网络是通过模仿我们如何理解人脑工作来实现AI的另一种方法。 在我们的大脑中，信息从神经元传递到神经元，直到我们最终对信号进行某种解释。 神经网络还通过多个处理层传递输入，并为每个处理级别分配一个置信度得分。

深度学习是指发生许多类型的处理时。 信号可能会通过不同的路径，正确性最高的路径会产生结果。

Google Translate的一位工程师最近给了我一个神经网络的例子。 他解释说，为了使Google能够实时翻译通过照相手机捕获的文本，使用了神经网络来帮助实现计算机视觉。 一段文本具有一些共同的特征，神经网络会在翻译之前寻找这些特征（这是使用统计机器翻译完成的）。

如果您想查看神经网络的运行状况，请尝试由Google制作的有趣的涂鸦游戏“快速绘图”。 随着机器不断从用户那里获取更多数据，听到它的猜测如何演变直到最终获得正确答案是一件很有趣的事情。

不良的人工智能杀死了竞选活动

因此，从本质上讲，AI就是一台处理任务的计算机，从历史上看，它只是人类可以做的事情。 将任务交给计算机也称为自动化，这是每个PPC销售人员的梦想。

既然我们已经了解了实现AI的不同方法，它们都具有不同程度的熟练度，那么让我们停顿一会儿，说明一些示例，说明AI背后的技术不足以正确地处理PPC活动。 这些例子不是假设的。 这是我在真实帐户中看到的东西。

当黑匣子出价管理沉没于电子商务活动时

一家电子商务公司正在使用类似于Google的灵活出价策略的黑匣子出价自动化系统，以为其AdWords广告系列获得更好的投资回报率。 有一天，他们推出了一种新的着陆页设计，其性能比预期的要差得多。 他们很快注意到转换率下降了，黑匣子出价系统也是如此。 团队恢复了旧版的着陆页，转换率恢复到了原来的水平，但是由于某种原因，转换的总数没有回到以前的水平。

经过数周的销售损失，他们发现自己的一些主要关键字已降到第2页的出价。由于在固定目标网页后，他们没有获得足够的新数据来撤销降低出价的决定，因此从未回到结果的第一页。

当自动关键字挖掘导致违约时

在另一个自动化错误的例子中，一家自动化其搜索查询挖掘的公司在系统添加性能优异的查询作为新关键字但未能意识到这些新关键字包含其合同禁止使用的商标的情况下，从制造商那里损失了共同营销费用。根据联合营销合同。 如果管理自动化的系统过于简单，仅评估指标，则很容易犯这样的错误，人们很容易避免。

PPC自动化水平

如果要使部分工作自动化，我们需要了解正在使用的AI的局限性，因为这告诉我们，如果我们不希望广告系列崩溃或烧毁，我们将如何密切监督系统。

在自动驾驶汽车世界中，有一个类似的例子，该行业提出了从0到5的标准自治级别，这有助于使驾驶员对应该参与的程度设定期望。

借助巡航控制等1级自动化技术，驾驶员知道他们仍然需要注意前方停车的车辆，同时还要处理所有其他任务，例如转向和制动。 特斯拉的自动驾驶仪是2级自动化设备，在完美的条件下，汽车可以自动处理所有基本要求，但是在出现异常情况时，驾驶员必须始终保持全神贯注。

我建议定义自动化级别，以便PPC工具（包括我公司提供的工具）的用户可以更好地了解工具的局限性。

0级

PPC帐户中的所有内容都是通过电子表格以及需要人工输入所有内容的工具手动完成的。

1级

在级别1中，自动化进行监视和警报，但不执行任何自动操作。 一个很好的例子是AdWords脚本，例如Google的Anomaly Detector，它每小时扫描一次帐户的性能，并在指标偏离期望值超出设定百分比时触发警报。

级别为PPC自动化的示例之一是AdWords脚本，用于在帐户中发生异常情况时发出警报。 （图片来自Google）

2级

此处，单个管理任务是自动执行的，但是任务之间没有互连。 一个很好的例子就是每天运行的自动规则，该规则会暂停质量得分低于设定值的所有关键字。

使用诸如自动规则之类的系统来管理帐户的编程规则是2级PPC自动化的示例。 图片来自Google.com

3级

此自动化级别可以一起处理多个任务，并了解托管组件的相互作用。 这里有一个示例，该系统可以自动设置出价和预算，并且足够聪明，可以理解，当提高出价时，可能需要调整预算以首先将最多的流量吸引到效果最佳的广告系列。

统一管理出价，出价调整和预算的工具是Level 3 PPC自动化的一个示例。 Optmyzr演示文稿中的图像。

4级

现在，我们进入了完全自动化的阶段，只要广告保持在一定范围内，就不再需要人工监督。 想象一下专门针对垂直行业的平台，您可以在其中设置广告系列的目标（例如CPA目标和最高预算），并且由于垂直行业的定义如此严格，因此系统知道出价，预算，广告，关键字，定位选项等。

5级

我认为这就是我在Google工作期间的Google首席执行官埃里克·施密特（Eric Sc​​hmidt）在我们每周的TGIF会议上谈论的话题。 他设想了一个广告系统是如此智能的世界，它将知道如何发展任何业务。 一家公司可以知道他们将直接获利增长的情况下，向Google写一张空白支票。

结论

随着人工智能开始在PPC帐户管理中发挥更大的作用，我相信我们必须保持警惕，以了解我们所依赖的系统的功能。 关于AI的炒作和营销如此之多，以至于我们很容易就误以为自动化比实际要先进和强大得多。

作为一个行业，我们应该跟随汽车行业的发展，并为讨论自动化水平制定一个清晰的框架。 如果我们不能做到公开透明，没有树立明确的期望，就会发生会降低PPC经理对技术的信任的错误，这会导致惊人进步的采用率下降。 作为一个热爱技术的人，我不希望看到这种情况的发生。

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。