PPC中AI背后的技术

我相信人工智能（AI）将成为2018年PPC变革的主要驱动力，因为它可以带来更多更好的PPC智能。

到目前为止，我已经讨论了当PPC管理几乎完全自动化并且代理机构可以采用六种策略来保证业务发展时人们将扮演的角色。 在关于PPC中AI状态的最后一篇文章中，我将介绍AI技术。

为什么AI花费了数年时间才对PPC至关重要

自1956年以来AI就已经存在，PPC自1990年代后期就已经存在。 那么，为什么到目前为止，人工智能在付费搜索中的作用成为我们行业中如此热门的话题？

这是因为我们最近遇到了一个拐点，由于技术进步的指数性质，我们现在看到过去数周需要数年的改进。

推动这一趋势的是摩尔定律所解释的指数增长，该定律的计算能力大约每18个月翻一番。 指数增长的结果很难为人类所掌握，因此让我举一个不涉及计算速度的示例，因为这些速度可能太概念化。 相反，让我们将这种速度加倍应用于汽车，在这里我们可以更轻松地了解它如何影响我们行驶的距离以及到达某个地方的速度。

试想一下，第一辆汽车是卡尔·本茨（Karl Benz）在1885年发明的，最高时速约为10 mph，每18个月就会使速度翻一番。 1885年，我们本可以在一个小时内将汽车驶过一个典型的城镇。 在将速度提高了27倍之后（自发明以来，芯片的速度提高了两倍），我们大概在4分钟内就可以晒太阳了。 不到18个月后，仅需2个小时即可到达海王星，这是我们太阳系中距离最远的行星。 （旅行者2号在大约12年内做了同样的旅行。）

由于计算速度已经翻了一番27倍，因此每增加一倍，新功能将超出想象。

PPC的指数增长意味着什么

因此，如果今天我们已经达到了PPC自动化的水平，即人与计算机的性能差不多，那么请考虑技术进步的步伐，使机器有可能在今年晚些时候让人们尘埃落定。 因此，值得思考的是人类在PPC的未来将扮演的角色。

就像第一辆汽车不是飞往海王星的合适交通工具一样，几年前您用来管理AdWords的工具可能不再是今天管理AdWords的工具。 因此，让我们看一下AI对PPC工具的作用。

推动PPC智能化的技术

就像您想在雇用他们之前通过采访他们来了解员工的能力一样，您应该在将技术添加到工具箱之前了解其功能（和限制）。 因此，让我们看看人工智能在PPC中如何工作。

通过编程规则的PPC智能

在1956年AI成为研究领域之前，您可以通过对机器进行编程以使其针对大量场景提供特定的响应，使其看起来“智能”。 但是这种形式的AI非常有限，因为它无法处理极端情况，在现实世界中总是有很多情况。

在PPC中，这类似于使用“自动规则”为帐户可能遇到的每种可能情况编写规则。 规则对于覆盖大多数用例非常有用，但是现实世界是混乱的，尝试为每种情况编写规则都是不可能的。

通过符号表示的PPC智能

在1950年代和1980年代之间，人工智能演变成使用符号系统，从而能够像人类一样采用启发式捷径。 通过以人类可读的形式构架问题，人们相信这些机器可以进行逻辑推断。

这是一个PPC问题：您要添加一个新关键字，但由于没有历史数据，因此您不知道要设置的正确出价。 通过讲解诸如运动和关键字之类的机器概念以及它们之间的相互关系，我们为我们提供了用于进行合理猜测的启发式方法。

因此，系统现在可以自动执行出价管理，并且可以为广告系列中的其他关键字设置类似的出价，因为它知道广告系列中的关键字往往具有某些共同点。

通过统计学习方法获得PPC智能

如今，在PPC中取得大量成功的AI类型是基于统计数据和机器学习对事物进行分类的。 质量得分（QS）是一个很好的例子; Google会查看用户的历史点击行为，并使用机器学习来找到有助于预测点击或转化可能性的相关性。

通过对每次搜索转换成转化的可能性进行评分，例如AdWords内提供的自动出价产品可以通过更多维度（例如地理位置，时段，设备或受众群体）“思考”可能会比一个人影响转换的可能性。

由于当今可用的计算能力大大提高，这些系统还可以考虑跨维度的交互，而不会因问题的组合性质而“不知所措”。

人工智能的下一步

DeepMind首席执行官Demis Hassabis解释说，像AlphaGo Zero这样的AI系统如今已受到广泛关注，它们不再依赖结构化数据，而变得“智能”，而不会受到“人类知识的限制”。

该团队使用强化学习创建了AlphaZero算法，以便可以学习赢得AlphaGo之外的其他游戏。 他们声称，到2017年底，该算法已在不到1天的时间内学会了象棋和将棋等其他游戏中的最佳人类，这是AI的巨大飞跃。

强化学习使用大量的计算能力来运行大量模拟，直到它开始识别导致期望结果的动作为止。 之所以可以将其应用于游戏，是因为存在明显的“获胜”或“失败”结局。 当Google弄清楚在AdWords游戏中输赢意味着什么时，我敢打赌，我们将看到其自动化工具改进的巨大加速。

建立自己的PPC智能

有许多工具可以使您的PPC工作自动化，并且多家第三方供应商开始使用AI和ML提供更强的建议。 但是，由于AI的进步，AdWords还提供了许多免费工具，它们每天都在不断完善，例如投资组合出价策略，自定义目标受众，优化的广告轮播等。

对于那些愿意将自己的业务数据连接到AdWords和AI的人来说，我非常喜欢使用AdWords脚本制作原型解决方案的方法，因为它们提供了很多可定制性，而又不需要大量的工程资源。 不幸的是，您编写的简单脚本将落入AI最弱的一类，即通过硬编码规则来实现PPC智能。

但是，当您的脚本功能变得更高级时，您可以使用Google Cloud Machine Learning Engine开始使用现代的机器学习技术来增强自己的自动化能力。

像这样的开箱即用的解决方案的好处是您不需要学习许多类型的不同模型。 但这也是不利的一面，因为您无法完全控制如何设置标准和阈值来获得可用的结果。 我们在Optmyzr的团队尝试了几种现成的系统，但最终决定我们需要更多的功能-因此我们正在构建自己的AI。

结论

我相信，在AI接手的世界中，成为成功的PPC营销商有三大支柱，而我现在在最近的文章中谈到了每个支柱：

1. 为人类将扮演的新角色做好准备。
2. 为您的业务制定计划，尤其是专注于利用人工智能的最佳流程。
3. 了解技术，以便您可以更快地发现机会。

在接下来的几个月中，我将分享自己在AI方面的经验，以便准备尝试的广告客户将更好地了解如何利用最新的技术，计算和统计数据来建立成功的公司。

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。