[ad_1]
在嘗試新的自動化時，有時會發現自己因缺乏結果而感到沮喪，無論是否 智能出價 來自Google或您在電子表格中使用腳本或宏創建的內容？
你並不孤單。
當引擎分享關於其最新自動化帳戶管理系統的驚人結果的案例研究時，通常不言而喻的是為自動化創造適當條件的所有工作。
要使自動化有效，必須滿足一些先決條件。
這是一個簡單的方法來說明自動化的有效性取決於外部因素。我從Russell Savage的演講中選擇了這個概念，他創立了FreeAdWordsScripts.com（Optmyzr現在擁有）。
通過標記清晰的道路和到目的地的正確GPS坐標，自動駕駛汽車可以更好地工作。同樣，智能出價等PPC自動化依賴於正確的數據來提供結果。
Savage表示，對於像自動駕駛汽車這樣的自動化系統來說，要有效，如果道路清晰標記，它會有所幫助。
看起來很明顯，對吧？
但是現在如果我們有這條完美的道路但我們的GPS已關閉並試圖開車到錯誤的地方怎麼辦？
我們需要明確的目標和正確的測量和感測器才能讓我們在那裡。
要將其轉化為PPC世界，我們需要：
- 結構良好的帳戶。
- 正確的轉換數據。
- 正確的歸因模型（提示：正確的歸因模型不是最終點擊歸因）。
機器學習取決於正確的數據
機器學習模型顧名思義就是學習如何實現某些目標的系統。
實現這種學習能力有不同的具體方法。通常，當其決策或預測與預期和期望的結果不一致時，它取決於改進機器的決策過程。
讓我舉一個簡單的例子來說明我在谷歌質量得分團隊的日子。
機器學習模型查看了有關廣告拍賣的歷史數據。它查看了搜索的所有條件以及所點擊廣告的屬性。
通過比較這些信號，可能已經了解到，當廣告客戶的域與進行搜索的人的位置相對應時，點擊率通常會更好（例如，法國用戶可能更多地使用.fr域名而非.de域名的廣告） 。
該機器可以了解這一點，因為Google擁有有關點擊率的正確數據。
但是，如果他們的點擊率數據不準確怎麼辦？然後系統可能已經開始強化編程它的人會考慮不正確的決定。
這就是「垃圾進入，垃圾進出」的想法。原則是良好的決策取決於良好的信息。
由於機器缺乏人的判斷力，它們比人類更依賴於良好的數據。他們不能輕易確定看似統計上合理的預測可能根本就不能在現實世界中保持水分。
那麼我們如何為自動化提供正確的數據呢？這一切都始於轉換跟蹤和歸因模型。
歸因模型應反映典型的消費者旅程
除非消費者具有強烈的品牌忠誠度，否則他們在購買之前可能會進行多次搜索，並且在所謂的客戶旅程中他們將與各種品牌有多個接觸點。
客戶旅程可能有數百個步驟，所以為了簡化它，我們可以想到一個轉換漏斗，其中旅程的步驟被分組為階段。
我將使用漏斗的簡單視覺來解釋在使用帳戶中的任何自動化時歸因模型如此重要的原因。
在渠道中，潛在客戶將進入不同的階段，直到其中一些最終出現在漏斗的底部並成為您的客戶。
據推測，這個漏斗的每個階段都會在將潛在客戶轉變為客戶的過程中做出一些貢獻，歸因模型的工作是為每個階段分配正確的價值。
就像我之前說的那樣，大多數旅程都不止一步。
最後點擊歸因模型（或首次點擊模型）僅評估一個步驟，因此它不能很好地映射到典型的消費者行為。
它忽略了潛在客戶成為客戶的所有其他步驟所做出的貢獻。
大多數消費者進行多次搜索，需要引導客戶完成轉換。最終點擊歸因的錯誤在於不重視早期觸摸點，例如上漏斗搜索，這有助於潛在客戶獲得通常在轉化附近進行的搜索。
客戶經理能夠擺脫不完美歸因模型的部分原因是，在人工賬戶管理的時代，我們可以希望客戶經理足夠聰明地意識到搜索（洗衣機）的用戶可能無法轉換下一次點擊。
通過教育他們品牌的聲譽，該用戶現在可能熟悉該品牌並搜索更具體的東西（LG洗衣機）。
從那裡他們可能會看到有關整個範圍的廣告，並被說服搜索（LG TWINWash的最佳價格）並在下一次點擊時進行轉換。
我們依靠人類的敏感性來消除更為通用的早期搜索，即使它們可能會在Google廣告中顯示為沒有轉換。
不良歸因數據的人力故障不適用於自動化
但現在，PPC每天都在變得更加自動化。您可能決定測試智能出價，其中Google根據目標每次轉化費用目標設置每次點擊費用，或者您可以使用與Optmyzr規則引擎相似的基於規則的方法來查找不會帶來轉化的昂貴關鍵字。
問題是大多數這些自動化使用轉換數據來完成它們的工作。
當他們遇到沒有為其分配轉化的上漏斗關鍵字時，因為測量系統使用最終點擊歸因，自動化決定這些重要的關鍵字毫無價值，可能會消除它們。
通過自動出價管理系統使用最終點擊歸因將消除上層漏斗活動，並最終減少由PPC廣告帶來的新客戶獲取次數。
對你我來說很明顯這會產生不好的結果。但我們不能完全歸咎於自動化。
自動化正在發揮作用，但數據不完整，並且可能導致人們在手動管理同一帳戶時做出的人為不會做出的低估決定。
外賣
希望你從這篇文章中學到了三件事：
- 自動化本身並不神奇。他們仍然需要人類的幫助。
- 如果您使用任何自動化，如何為轉換分配值比以往任何時候都更重要。最終點擊歸因是一種與自動化一起使用的風險。
- 我們作為PPC專業人員的工作正在從執行轉向適當的自動化系統組合，這將產生很好的結果。
我知道如果不回答一個關鍵問題，我就無法結束這篇文章。
如果我們不能再依賴最後點擊歸因，我們應該使用哪種模式？
這是一個複雜的答案，我將在未來的帖子中回答，但我可以分享一個時間衰減模型對於不確定谷歌的六個選擇中的哪一個的廣告商來說顯然是首選。
時間衰減最接近於最終點擊，但具有額外的好處，即它為客戶旅程中的每個階段分配至少一些價值。
圖片來源
由作者，2019年6月提供的在崗圖像/截圖