[ad_1]
「自動化之年就在這裡！」
「不要讓您的團隊手動執行應自動執行的操作。」
「仍然在Google Ads中手動管理出價的人正在浪費時間。」
這些和其他想法相似的想法被PPC者說了出來，短短几年前，PPC者（理所當然地）對於將過多的自動化集成到他們的系統中猶豫不決。
發生了什麼？
嗯，那是另一篇文章。
稱之為，系統的演進，我們的思維的演進，或者很可能是兩者的融合……但是PPC的世界無疑已經加入了自動化之路，沒有回報。
變革與自動化之風
在我的付費搜索機構ZATO中，我們以人工控制的方式在Google Ads中使用自動化系統以及在幾乎完全自動化的系統（例如Google於2018年末發布的Google Smart Shopping Campaigns）中進行了一些工作。
我參與了有關智能購物數據和自動化的辯論（下面的鏈接），並撰寫了許多有關智能購物的文章。
我對智能購物自動化特別感興趣，因為我相信這是「新Google廣告」的第一波。
也就是說，與傳統的關鍵字定位方法相比，Google希望利用更多的自動化系統（例如受眾群體或產品Feed）來允許他們控制更多的廣告展示位置和出價。
在這方面，我認為自動化有一些關鍵方面，PPC行業（在許多方面，更廣泛的數字營銷行業）需要坐下來並引起注意……在我們走過模糊數據的道路之前。
基於此，我想深入探討我們行業需要了解，討論，研究和確定最佳前進路線的四個關鍵且有些矛盾的自動化要素。
為什麼這現在是至關重要的對話？
現在，這是至關重要的對話，因為平台希望「混淆」（Google的話）數據，因為它有利於運行所有內容。爭論是，混淆的數據將使機器更好。
但是我們不應該抽一點剎車並考慮一下嗎？
我當然不是Luddite，但是我們在PPC中進入全自動系統的速度表明我們需要放慢腳步來考慮一些事情。
我認為沉思的時間現在或永遠不會。
就是說，如果我們不討論此問題，而是幫助我們的行業在數據和自動化的各個方面和性質方面發展出強有力的指導性信念，那麼我們將盡一切可能讓平台自由發揮作用。
在這方面，他們已經通過公開聲明和私人對話（清楚地）傳達了他們的願望是：
- 控制自動化過程的各個方面。
- 將數據隱藏起來，以防止外部影響演算法。
我認為這有多種原因，因為我有 寫在別處。
我希望這樣的對話將有助於自動化繼續發展並做大事，同時保持適當的人員監督和過程透明性。
這篇文章的目的不是調和分歧，而是揭示困難（甚至矛盾）並鼓勵對話。談話是這裡的勝利。
如果您不同意我要說的話，那就太好了！談論它，寫它。
讓我們討論一下自動化的以下要素（以及更多！），而不是讓平台（從中獲得最大收益）完全塑造自動化過程和對話，並幫助推動行業向前發展。
兩組必要但矛盾的自動化要素
意見A：數據由購買者（廣告商）擁有
我認為自動化的第一個必要要素在這裡至關重要，那就是為數據付費的人擁有它。
在這方面，我不認為廣告客戶是在從平台租用數據，而是在購買數據。
至少，無論平台聲稱什麼，我都認為這應該在這裡發生。無論哪種意見，這無疑將成為自動化未來幾天的核心論點。
誰真正擁有數據？
擁有數據的人就是擁有權利的人。他們想要查看哪些數據，如何使用它們的許可權等等。
當然，即使數據使用量也是 隱私問題變得越來越複雜，FTC（或EU）參與等。毫無疑問，在未來的日子裡，將會寫出許多更多的文章。
但是，總的來說，如果數據由廣告商擁有，則邏輯是廣告商（實際上是為數據付費的廣告商）對數據具有一定的權利-至少對於「廣告客戶」而言，數據是「必需的」。廣告客戶/公司的使用情況。
就顯示給廣告客戶付款的必要數據而言，此概念實際上是由Google倡導的 他們自己 關於要求第三方廣告商向帳戶所有者提供某些數據的原因，因為「他們需要掌握正確的信息才能做出明智的決定。」
我全心全意同意！
意見A的問題：並非所有數據都可行或有用
上面是問題所在，因此為什麼它看起來矛盾而又混亂……
作為付款人，您有權獲得哪些數據？到處都是嗎？
好吧，去購買一個伺服器場來收集大量您無法做的垃圾數據。您將永遠，永遠不會使用的負載，負載和其他數據點。
與「大數據」的信念不同，擁有最多數據的人不會贏任何東西。可以正確使用這些數據的人將獲勝。
Google將此必要數據稱為做出正確決策的「正確信息」……但這也很複雜。
一位廣告客戶認為平均排名對於做出明智的決定至關重要，而另一位廣告客戶則認為沒有必要，也沒有真正錯過它。誰是對的？
廣告商A可能已經發現了價值並利用了平均價值。位置對於他們的出價來說很好，而廣告客戶B可能對於搜索展示次數份額等完全忽略了它。
他們可能都做得非常成功，並且基於對「必要數據」的不同看法而賺了錢。
我再問一次，誰是對的？
根據Google的說法，Google認為重要的是所有廣告客戶在其帳戶中獲得的必要數據。
您在這裡看到我的關注嗎？
在不進一步討論這一點時，我們將使平台不僅具有使活動自動化的功能，而且還具有確定哪些數據對於我們做出「明智的決定」實際上「必要」的能力。
「只需服用無標籤藥物，並相信我們……它將為您提供幫助。我們很確定。直到沒有。」
意見B：如果給出正確的準則，該演算法效果最佳
好吧，那變得複雜了。接下來的一系列關於自動化的矛盾但事實性的觀點呢？
讓我們從引起廣告客戶共鳴的觀點開始。也就是說，即使在機器學習創建之後，機器學習仍然需要人工來獲得持續的反饋。
現在，坦率地說，我也聽到過平台代表對這個概念的肯定。 AFAIK，幾乎每個人都同意自動化需要某種人工指導。
機器學習不是人工智慧（無論有多少人將AI放在自己的網站上），它都依賴於過去數據點的關聯路徑來做出最佳決策。這也意味著它需要指導以「保持」正確的方向。
放任自流：告訴機器的「花錢賺錢」將使無數觀眾將其釋放，以尋求這樣做的機會。
它可能會起作用，但這樣做可能會花費大量金錢和時間。
準則：「讓我們的投資報酬率達到400％，每天花費100美元」突然為機器的預期運行設定了基本準則。
對於成功的面貌有一些定義，通過衡量某些受眾過去的成功，機器可以根據該歷史記錄和準則更輕鬆地識別潛在的勝利。
意見B的問題：演算法在未進行不必要的更改時效果最佳
上面的陳述可能是什麼問題，特別是因為每個人都同意某種準則對於自動化必不可少？
問題回到了實際需要的定義上。
對於演算法而言，最糟糕的事情是獲取不良數據。
第二壞的事情是在不需要更改時進行更改。手動調整殺死了許多自動化過程。
關於這一概念的精彩演講由 倫敦HeroConf的Martin Roettgerding 幾年前，在付費搜索中進行了廣告測試。
在其中，他演示了有多少人工廣告測試人員經常在數據量太少的情況下做出決策的速度過快，而自動化流程則更有可能看到較長時間的結果平均值（並呈上升趨勢）。
換句話說，我們人類可以不必要地或在沒有足夠數據的情況下進行更改，並使演算法混亂。
平台代表理所當然地擔心將控制元素提供給不完全了解該過程的人員。
我們既可以同意人類是必需的，又可以同意人類可以將一切弄得一團糟，這是一個艱難的摩擦。甚至是聰明，專業，好主意的PPCer人。
怎麼辦？
在這裡，我想再次向廣告客戶社區提出請求。
我們需要了解平台（例如Google和Facebook）在定義哪些數據是必要和有益的「術語」以及混淆演算法過程時的危險。
回到智能購物（由於這些天經常出現在我的腦海中），我聽說谷歌使用了這個借口來阻止異常有用的數據，例如：
- 受眾群體報告（您的廣告向誰展示）。
- 展示位置報告（您的廣告展示在哪裡……品牌是否涉及到任何人？）。
- 搜索字詞報告（為了顯示廣告，您的受眾群體進行了哪些搜索）。
- 甚至是渠道報告（您的廣告是否在YouTube或Google搜索上展示？）。
如果我們允許靜靜地走到深夜，平台將定義「必要的信息」和「自動化系統的基本準則」，僅根據它們的定義方式進行定義。
他們從事賺錢業務，因此肯定會影響這些定義的最終建立方式。
當他們是可以從拍賣中的任何一方受益的人，並且他們是唯一知道拍賣中正在發生什麼的人時，我們不應天真地期望他們做出對其他人最有利的事情。
如果有的話，如果數據仍然可用並且廣告商的控制權（擁有數據和帳戶的人）保持控制元素，那可能會更好地實現自動化……即使這減慢了機器學習增長曲線的速度，並帶來了潛在的災難。錯誤的人類嚮導之手。
為什麼這樣做是為了避免我們機器霸主期貨的必然性？
不，我認為演算法過程中的開放數據以及對該過程的更多控制將：
- 允許不同的廣告商針對數據使用不同的策略和策略，而不是將所有人都強制放在同一框中（請記住前面共享的平均排名示例）
- 避免不可避免的不道德行為，這種行為會因完全封閉的系統而造成，實際上，數十億美元受到威脅。如果有那麼多錢，並且在一個完全封閉的系統中，並且只有內部團隊對其進行深入了解（考慮到使用具有數據驅動的歸因模型應用於智能購物廣告系列的Google進行系統的遊戲，這將是多麼容易）無法想像一個將來某人不會將其用於邪惡的未來。誘惑太大了。
透明度和流程有時會降低進度和效率，但可以同時保護進度和效率。
因此，無論如何，一定要找到本文的問題，進行討論並指出其邏輯上的漏洞，但是為了謝天謝地，讓我們更加關注一下此時向付費搜索用戶支付的數據越來越少的不足。
圖片積分
後期圖片：Martin Roettgerding