De dagen van voorspelbare websessies behoren tot het verleden en zijn inmiddels vervangen door erupties van digitale activiteiten die de hele dag door op meerdere apparaten plaatsvinden. In uw biedingen moet u nu rekening houden met veel verschillende contextsignalen die de advertentieprestaties beïnvloeden, zoals het apparaat, de locatie en het tijdstip van de gebruiker. En dat is nou net waar machine learning uitkomst kan bieden.
Slim bieden met AdWords gebruikt de machine learning van Google om met drie kernmogelijkheden het juiste bod voor elke veiling te bepalen:

  • Bieden tijdens de veiling: Met Slim bieden wordt voor elke veiling een afzonderlijk bod ingesteld en niet slechts een paar keer per dag. Slim bieden met AdWords evalueert de relevante contextsignalen die aanwezig zijn in elke veiling, zoals het tijdstip, specifiek advertentiemateriaal dat wordt weergegeven of het apparaat en de browser van de gebruiker. Zo kunnen conversiemogelijkheden worden geïdentificeerd en kan er voor elke veiling een optimaal bod worden ingesteld. Slim bieden kan dus miljoenen biedingen per seconde instellen, iets wat zelfs met een heel leger aan marketeers nog niet mogelijk is.
  • Analyse van meerdere signalen: Met Slim bieden wordt duidelijk welke invloed combinaties van signalen hebben op het conversiepercentage. Een verkoper stelt bijvoorbeeld vast dat de conversiepercentages voor mobiel 20% hoger zijn dan de conversiepercentages voor desktops en stelt een bodaanpassing voor mobiel van +20% in. Hierbij wordt echter geen rekening gehouden met de tijdstippen waarop de conversiepercentages voor mobiel nog beter zijn, zoals in de ochtend wanneer mensen onderzoek doen tijdens het woon-werkverkeer. Slim bieden analyseert miljarden van dergelijke signalen om zinvolle verbanden te identificeren en biedingen te berekenen op basis van de waarschijnlijkheid dat een conversie plaatsvindt.
  • Leren op basis van zoekopdrachten: Slim bieden zorgt voor maximale prestaties van nieuwe zoekwoorden en zoekwoorden met laag volume. Het machine learningplatform van Google gebruikt prestatiegegevens van vergelijkbare veilingen in uw account voor weloverwogen biedingsbeslissingen en het verminderen van fluctuaties in prestaties, zelfs wanneer er weinig gegevens beschikbaar zijn. Stel dat u zojuist het nieuwe zoekwoord ‘goedkope vluchten naar Amsterdam’ heeft toegevoegd. Als die zoekopdracht al overeenkomt met een ander gedeelte van uw account en vergelijkbare veilingen, wordt de verzamelde informatie over die zoekopdracht toegepast door Slim bieden om het best mogelijke bod in te stellen.

Richt u op de volgende grote kans

Merken over de hele wereld gebruiken Slim bieden om groeimogelijkheden voor hun bedrijf te ontgrendelen en tijd en geld te investeren in nieuwe kansen.
Harmoney, een service voor peer-to-peer lenen in Nieuw-Zeeland, heeft samengewerkt met First Digital om het vinden van meer gekwalificeerde kandidaten te combineren met een ambitieus ROAS-doel. Hiervoor is doel-ROAS gebruikt in alle niet-merkgerelateerde campagnes in het zoeknetwerk om klanten te bereiken voor wie de kans het grootst was dat ze een persoonlijke lening zouden aanvragen en hiervoor zouden worden goedgekeurd. Met deze strategie heeft Harmoney een groei van 219% gerealiseerd voor waardevolle accounts en de kosten per acquisitie (CPA) met 37% verlaagd. Verder is belangrijk dat Slim bieden ervoor heeft gezorgd dat het team wel vijf uur per week extra kan besteden aan waardevolle taken als het testen van advertentiemateriaal en het verzamelen van informatie over hun beste klanten.

Consumenten hebben meer mogelijkheden dan ooit tevoren en verwachten van merken dat ze snelle en nuttige oplossingen bieden. Daarom is er bij toonaangevende marketeers 50% meer kans dat ze investeren in mogelijkheden zoals machine learning, die ze kunnen inzetten om optimale resultaten te behalen.[1] Merken als Rappi en AutoGravity gebruiken machine learningtechnologie al in AdWords om de meest waardevolle gebruikers te bereiken en het bedrijf te laten groeien. In het laatste deel van deze serie gaan we in op de wijze waarop machine learning wordt toegepast op bodoptimalisatie om ervoor te zorgen dat bedrijven beter inzicht krijgen in de gegevens om hen heen en zo betere resultaten op schaal kunnen behalen.


Het gaat om meer dan alleen bieden

FirstPoint is een in Zwitserland gevestigd digitaal bureau dat het zoekbudget van zijn klant wilde maximaliseren en meer conversies wilde genereren. Het bureau heeft Slim bieden getest en vervolgens handmatig bieden vervangen door Aantal conversies maximaliseren. Hierdoor heeft het bureau 2,4 keer meer conversies behaald, conversiepercentages met 12% verhoogd en de CPA met 59% verlaagd.


Ga zelf aan de slag met het testen van machine learning

U hoeft niet van de ene op de andere dag over te stappen op Slim bieden en machine learning in te zetten om het zware werk te doen. Stel een campagneconcept en -experiment in om een 50/50 split-test uit te voeren zodat u kunt zien hoe uw oude biedstrategie presteert ten opzichte van een biedstrategie op basis van de machine learning van Google. Na enige tijd stelt u wellicht vast dat u betere resultaten behaalt. Het mediateam van Google hanteert Slim bieden inmiddels als praktische tip en heeft de strategie ingeschakeld voor 98% van de in aanmerking komende campagnes.
Bekijk onze geüpdatete gids voor Slim bieden voor praktische tips waarmee u de juiste biedstrategie voor uw bedrijfsdoelen kunt bepalen.
Gepost door Maura Moss.

[1] Econsultancy en Google, marketing- en meetonderzoek, 2017

Lees het originele artikel





0