Toutes les plateformes publicitaires modernes intègrent désormais l’apprentissage automatique dans leurs algorithmes. La gestion de campagnes réussies nécessite une compréhension de l’apprentissage automatique dans chaque réseau publicitaire.
Cette question Posez la question PPC, de Chhote Lal à New Delhi, est important pour les gestionnaires de compte et ceux à qui ils rendent compte :
« Comment fonctionne le machine learning de Google dans le marketing payant ? »
Dans cette colonne, vous apprendrez :
- Qu’est-ce que l’apprentissage automatique ?
- Comment le machine learning est-il pris en compte dans les campagnes de référencement payant ?
- Comment optimiser pour l’apprentissage automatique de la recherche payante.
Étant donné que la question portait spécifiquement sur la recherche, nous nous concentrerons sur les utilisations axées sur la recherche.
Qu’est-ce que l’apprentissage automatique ?
Les algorithmes sont enseignés pour traiter l’information grâce à l’apprentissage automatique. Plus il possède de données, plus vite il apprendra quoi faire avec ces informations.
Différents points de données peuvent avoir des poids différents dans l’algorithme. Il est important de comprendre comment les points de données sont évalués.
Les points de données peuvent être complètement objectifs, subjectifs ou un hybride d’interaction humaine et d’apprentissage algorithmique pur.
Savoir ce que vous pouvez contrôler est essentiel à votre réussite lorsque vous vous associez à l’apprentissage automatique des réseaux publicitaires.
L’autre facteur critique est la période d’apprentissage (et le fait que l’algorithme dispose de suffisamment de temps pour traiter les points de données).
Comment l’apprentissage automatique est-il pris en compte dans les campagnes de recherche payante ?
L’apprentissage automatique a un impact sur la quasi-totalité de la recherche payante. Tout changement majeur peut influencer la façon dont l’algorithme traite votre campagne.
Ces modifications incluent :
- Enchères et budgets : Modifications drastiques des budgets ou modification des stratégies d’enchères.
- Public : Modification des cibles ou exclusion de cibles.
- Créatif: La modification ou l’ajout d’une création crée une nouvelle version de l’annonce qui n’aura pas accès aux statistiques de l’ancienne annonce.
- État de la campagne : La suspension des campagnes réinitialise la période d’apprentissage.
Il est important de noter que les campagnes manuelles ne sont pas aussi impactées par ces changements, cependant, il est de plus en plus difficile de lancer des campagnes purement manuelles.
Lancer une campagne manuelle signifie se retirer des plus de 60 signaux que les réseaux publicitaires exploitent dans leurs enchères intelligentes.
Ces signaux sont utilisés pour ajuster les enchères en fonction de la stratégie d’enchères choisie et du budget accordé.
De plus, bien que le verdict ne soit pas encore rendu quant à savoir si les annonces textuelles grand format (ETA) ou les annonces de recherche réactives (RSA) sont plus performantes, les RSA ont tendance à obtenir une plus grande part d’impressions.
L’apprentissage automatique n’est pas toujours un choix actif. La correspondance des mots clés et le balisage de l’audience s’effectuent en arrière-plan et sont basés sur des données historiques.
Les audiences natives (sur le marché, d’affinité, etc.) sont basées sur l’algorithme apprenant que les personnes effectuant une action sont susceptibles d’effectuer une autre action/ont d’autres traits liés.
Lorsque vous demandez à la plate-forme publicitaire de trouver des audiences « similaires » à une liste téléchargée ou des visiteurs de site Web, vous utilisez l’audience initiale pour aider la plate-forme publicitaire à comprendre quels prospects vous trouvez utiles et ceux qui ne le sont pas.
La correspondance des mots clés et les variantes proches sont influencées par la probabilité de résultats rentables, ainsi que par le comportement des utilisateurs en temps réel.
Les algorithmes sont désormais suffisamment intelligents pour savoir si un utilisateur est bilingue et permettront à son autre langue de déclencher des publicités.
Comment optimiser pour l’apprentissage automatique de la recherche payante
Il est beaucoup plus facile d’optimiser lorsque l’on a de l’empathie pour l’apprentissage automatique de la recherche payante.
Le mécanisme le plus important est de respecter les périodes d’apprentissage et d’éviter les réinitialisations accidentelles.
Si vous avez besoin de redimensionner une campagne, par exemple, assurez-vous de prévoir un budget de deux semaines entre chaque augmentation majeure du budget.
Si vous avez besoin que votre campagne ralentisse (ou s’arrête), réduisez le budget au lieu de la mettre en pause afin de ne pas réinitialiser la période d’apprentissage.
Les mots-clés et les audiences négatifs peuvent aider les algorithmes des plates-formes publicitaires à comprendre les idées et les comportements auxquels faire correspondre le budget (et lesquels éviter).
C’est le moyen le plus puissant d’influencer l’apprentissage automatique et devrait faire partie de tous les comptes de recherche payants.
Les conversions et les valeurs de conversion sont des outils d’apprentissage automatique sous-utilisés. Ils constituent le moyen le plus simple de communiquer avec l’algorithme de recherche payante et vous permettent de voir le comportement des utilisateurs sans demander au canal publicitaire d’évaluer l’action.
Plats à emporter
L’apprentissage automatique a un impact sur presque tous les éléments de la recherche payante et comprendre comment enseigner l’algorithme est crucial pour le succès du PPC.
Davantage de ressources:
- L’année du PPC automatisé : 3 conseils de survie
- PPC Today – Lâcher prise sur ce qu’on nous a appris
- PPC 101 : Un guide complet des bases du marketing PPC
Vous avez une question sur le CPC ? Soumettez via ce formulaire ou tweetez-moi @navahf avec le hashtag #AskPPC. On se voit le mois prochain!
Image en vedette : Paulo Bobita/SearchEngineJournal
