Apa yang Dipelajari oleh 30.000 Akun tentang Pembelajaran Mesin dan PPC

Bertahun-tahun yang lalu, tim kami membuat teknologi mesin yang dapat menyempurnakan diri yang dapat mencapai manajemen tawaran dan anggaran lebih cepat dan lebih baik daripada manusia mana pun, menggunakan lebih banyak data daripada yang dapat dipertimbangkan oleh satu orang. Teknologi ini diciptakan oleh ilmuwan roket dengan paten AI awal lainnya dan mencakup lebih dari 30 algoritma canggih. Bukan hanya otomatis, sistem berbasis aturan, yang satu ini benar-benar meningkatkan diri secara konstan, menjadikannya hal yang paling dekat yang kami miliki di industri SEM dengan kecerdasan buatan .

Kami banyak ditanya tentang teknologi pembelajaran mesin kami yang dikenal sebagai Acquisio Turing ^TM dan jenis hasil apa yang dapat diharapkan pemasar darinya, karena agensi dan pemasar muak dengan klaim dari penyedia martech. Jadi tim kami mulai menguji mesin kami.

Kami ingin memahami dengan tepat jenis hasil kampanye yang dapat diharapkan pemasar dari Acquisio Turing versus akun yang tidak menggunakan teknologi ini. Rahang akan jatuh, data akan terbang, kepala akan berputar... Anda siap untuk mengotori tangan Anda dengan beberapa data pembelajaran mesin? Ini dia!

Parameter Studi

Studi aktual mencakup total 32.858 akun antara 1 September 2015 dan 1 April 2017, beberapa di antaranya ada di Acquisio Turing dan lainnya yang tidak membandingkan hasil dari bulan 1 hingga bulan 3 dari tanggal aktivasinya

Seperti yang terlihat di Pelajaran 1 hingga 4 di bawah, kami memilih untuk melaporkan rata-rata dan median karena keuntungan yang sangat besar dapat mendominasi rata-rata, mencondongkan ekspektasi. Misalnya, jika salah satu klien kami mengalami peningkatan konversi 3000% sementara sisanya antara 50 dan 100%, rata-rata akan terseret lebih tinggi karena outlier. Median kurang rentan terhadap dampak outlier.

Untuk Pelajaran 5 dan 6, kami melihat semua akun di Acquisio Turing serta yang tidak dan membagi perbandingan berdasarkan jaringan penerbit, baik AdWords atau Bing.

Pelajaran #1: Akun Adalah Apel DAN Jeruk

Tidak semua kampanye dibuat sama. Keberhasilan kampanye tergantung pada banyak faktor. Satu kampanye dapat memiliki anggaran tinggi, kampanye lain dapat memiliki kerangka waktu yang lebih pendek, kampanye dapat menjual produk yang lebih populer, sementara kampanye lainnya memiliki sedikit persaingan. Untuk memahami apa pun dan mendapatkan data yang signifikan secara statistik, perbandingan akun hanya boleh dilakukan antara akun yang serupa.

Kami harus mengiris data dengan benar dan membandingkan apel dengan apel. Karena Acquisio Turing adalah alat manajemen tawaran dan anggaran, sangatlah penting untuk membandingkan akun dengan pengeluaran anggaran serupa saat mengukur biaya per klik, rasio klik-tayang, biaya per akuisisi, dan konversi. Untuk menentukan metrik ini, kami memfilter akun untuk pembelanjaan serupa, dalam kisaran plus atau minus 10%, sehingga tersisa 8.235* akun.

*Pencilan dihilangkan sebelum menghitung rata-rata dengan memperlakukan skor sebagai terdistribusi log-normal dan menggunakan metode Deviasi Absolut Median.

Pelajaran #2: Pengurangan Biaya Per Klik (BPK)

Orang-orang beralih ke Google untuk mencari layanan. Google mengizinkan pengiklan masuk ke hasil pencarian dan menagih mereka per prospek. Biaya per klik adalah metrik yang dibuat Google yang menentukan berapa yang akan dibayar pengiklan setiap kali seseorang mengklik iklan mereka. Pemasar bersukacita bahwa biaya kampanye iklan pencarian mereka hanya naik ketika kampanye efektif; namun, terlepas dari kualitas klik, ada biaya untuk prospek tersebut.

Untuk 8.235 akun yang sebanding, kami mengamati penurunan rata-rata 7% pada BPK antara bulan pertama dan ketiga. Median untuk grup adalah penurunan 10%, yang berarti bahwa setengah dari akun di Acquisio Turing mengalami penurunan BPK 10% atau lebih baik. Secara keseluruhan sekitar dua pertiga mengalami penurunan BPK.

Persetan dengan ya untuk BPK yang lebih rendah!!

Pelajaran #3: Peningkatan Klik

Meskipun klik bukan satu-satunya hal yang penting mengingat bahwa mereka mungkin tidak berkonversi karena berbagai alasan, kita semua menginginkan klik berkualitas – lalu lintas nyata ke halaman arahan kita dari prospek yang tertarik.

Kami melihat bahwa rata-rata jumlah klik meningkat sebesar 15% selama tiga bulan pertama. Sekali lagi, median untuk perubahan klik antara bulan pertama dan bulan ketiga adalah 8%, yang berarti bahwa setengah dari akun di Acquisio Turing mengalami peningkatan klik sebesar 8% atau lebih baik. Secara keseluruhan 59% melihat peningkatan klik.

Terima kasih pembelajaran mesin untuk menghasilkan klik! Saatnya melakukan konversi…

Pelajaran #4: Penurunan Biaya Per Akuisisi (BPA) DAN Peningkatan Konversi

BPA adalah jumlah yang dibayar pengiklan per konversi. Konversi adalah tujuan akhir dari setiap kampanye PPC dan periklanan secara umum. Namun, konversi terkadang sulit dilacak. Dari UTM hingga pengelola tag dan bahkan perangkat lunak pihak ketiga, semuanya bisa menjadi sangat cepat berantakan.

Dari 8.235 akun yang memiliki pembelanjaan anggaran dalam 10% satu sama lain, hanya 2.490* yang melacak konversi, yang berarti bahwa untuk bagian konversi dari penelitian kami, kami membandingkan hanya di bawah 2.500 akun PPC.

Dari akun yang melacak konversi, perubahan CPA median adalah penurunan sebesar 18% atau lebih baik. Itu berarti setengah atau lebih akun mengurangi biaya per akuisisi sebesar 18% atau lebih baik. Secara keseluruhan 64% kelompok mengalami penurunan BPK.

Dari akun yang melacak konversi, kami mengamati peningkatan jumlah konversi sebesar 71%…yang membuat semua tim kami menyukai:

melalui GIPHY

Namun, untuk bersikap konservatif, kita harus selalu melihat perubahan konversi rata-rata yang merupakan peningkatan konversi sebesar 22% antara bulan pertama dan bulan ketiga. Itu berarti setengah dari grup meningkatkan konversi setidaknya 22% atau lebih baik. Secara keseluruhan, 62% akun yang menggunakan pembelajaran mesin mengalami peningkatan jumlah konversi.

Sekarang itu sesuatu untuk menulis tentang rumah!

*Pencilan dihilangkan sebelum menghitung rata-rata dengan memperlakukan skor sebagai terdistribusi log-normal dan menggunakan metode Deviasi Absolut Median.

Pelajaran #5: Pencapaian Anggaran Cukup Banyak Setiap Saat

Pencapaian anggaran tidak selalu dianggap sebagai metrik utama. Baru-baru ini kami menulis posting di blog kami tentang mengapa pencapaian anggaran harus menjadi KPI:

“Jika pemasar PPC mengeluarkan anggaran lebih, itu masalah karena alasan yang jelas. Bahkan jika pengeluaran berlebihan berarti mencapai KPI penting lainnya seperti konversi, klien mungkin tidak memiliki uang ekstra; karenanya, mengalokasikan anggaran di tempat pertama. Jika pemasar PPC menghabiskan anggaran, klien akan bertanya mengapa mereka tidak mengerahkan semua sumber daya yang diberikan untuk mendapatkan hasil yang maksimal. Sementara tidak ada yang bisa secara konsisten mengukur laba atas investasi jika investasinya berbeda setiap bulan, dan oleh karena itu integritas data juga berisiko. Pada akhirnya, jika pemasar PPC tidak dapat membelanjakan anggaran secara akurat dan konsisten, klien akan ingin membelanjakan uang mereka dengan seseorang yang bisa.”

Dengan pemikiran ini, sangat penting bagi pemasar PPC untuk mencapai anggaran mereka dari bulan ke bulan. Kami ingin melihat apakah pembelajaran mesin dapat membantu mereka melakukan itu. Untuk menjawab pertanyaan pencapaian anggaran, kami membandingkan akun kami yang menggunakan teknologi pembelajaran mesin kami dengan akun yang tidak. Kami juga harus mempertimbangkan mereka yang menggunakannya untuk kampanye di AdWords dan mereka yang menjalankan kampanye Bing. Kami melihat total 32.858 akun:

• 12.651 menggunakan pembelajaran mesin di AdWords
• 11.094 tidak menggunakan pembelajaran mesin di AdWords
• 6.342 menggunakan pembelajaran mesin di Bing
• 2.771 tidak menggunakan pembelajaran mesin di Bing

Pencapaian Anggaran Rata-rata

Untuk AdWords, kami menemukan bahwa akun rata-rata 3,4 kali lebih mungkin untuk mempercepat dan membelanjakan anggaran mereka sebagaimana dimaksud daripada akun yang tidak menggunakan Acquisio Turing.

Untuk Bing, kami menemukan bahwa akun rata-rata 11 kali lebih mungkin untuk mempercepat dan menghabiskan anggaran bulanan mereka menggunakan Acquisio Turing daripada mereka yang tidak.

Jika kami membagi data berdasarkan pengeluaran anggaran, kami menemukan yang berikut:

• Akun yang menghabiskan kurang dari $500 per bulan 3,1 kali lebih mungkin untuk mencapai anggaran mereka di AdWords dan 11,3 kali lebih mungkin di Bing, daripada akun yang tidak menggunakan pembelajaran mesin.
• Akun yang menghabiskan antara $500 dan $1500 per bulan memiliki kemungkinan 2,3 kali lebih besar untuk mencapai anggaran mereka di AdWords dan 10,1 kali lebih mungkin di Bing daripada akun yang tidak menggunakan pembelajaran mesin.
• Akun yang menghabiskan lebih dari $1500 per bulan memiliki kemungkinan 5,2 kali lebih besar untuk mencapai anggaran mereka di AdWords dan 18,6 kali lebih mungkin di Bing, daripada akun yang tidak menggunakan pembelajaran mesin.

Pelajaran #6: Nilai Rata-Rata Seumur Hidup (LTV) Akun Meningkat

Jumlah waktu yang dimiliki akun di platform dapat berarti beberapa hal baik. Pertama-tama, kampanye yang berhasil lebih cenderung berlanjut daripada kampanye yang tidak berkinerja baik dan dijeda atau dihentikan. Kedua untuk agensi, reseller, atau mitra saluran, itu berarti lebih banyak uang. Bergantung pada jumlah akun yang diwakili oleh nilai umur yang lebih lama ini, nilai ini dapat memberikan pendapatan tahunan yang jauh lebih besar dalam skala besar.

Untuk menentukan apa yang terjadi pada LTV dari 32.858 akun, kami mengelompokkannya berdasarkan yang menggunakan teknologi pembelajaran mesin dan yang tidak. Kami menemukan bahwa mereka yang menggunakan teknologi pembelajaran mesin hidup satu bulan lebih lama di AdWords dan dua setengah bulan lebih lama di Bing daripada mereka yang tidak .

Pembelajaran Mesin Apa yang Dapat Mengajarkan Anda Tentang PPC

Karena teknologi pembelajaran mesin yang kami terapkan pada penelitian ini terus meningkatkan diri, secara harfiah semakin pintar setiap hari, kami berharap bahwa hasil yang disajikan di atas hanya akan menjadi lebih baik.

Ringkasan TLDR:

1. Untuk memahami apa pun dan mendapatkan data yang signifikan secara statistik, perbandingan akun hanya boleh dilakukan antara akun yang serupa.
2. Setengah dari akun yang menggunakan pembelajaran mesin mengalami penurunan BPK 10% atau lebih baik. Secara keseluruhan sekitar dua pertiga mengalami penurunan BPK.
3. Setengah dari akun yang menggunakan pembelajaran mesin mengalami peningkatan klik sebesar 8% atau lebih baik. Secara keseluruhan 59% melihat peningkatan klik.
4. Setengah atau lebih akun mengurangi biaya per akuisisi sebesar 18% atau lebih baik. Secara keseluruhan 64% kelompok mengalami penurunan BPK.
5. Dari akun yang melacak konversi, kami mengamati peningkatan jumlah konversi sebesar 71%. Secara keseluruhan 62% grup melihat peningkatan jumlah konversi.
6. Untuk AdWords, kami menemukan bahwa akun rata-rata 3 kali lebih mungkin untuk mempercepat dan membelanjakan anggarannya sebagaimana dimaksud daripada akun yang tidak menggunakan pembelajaran mesin.
7. Untuk Bing, kami menemukan bahwa akun rata-rata 11 kali lebih mungkin menghabiskan anggaran bulanan mereka menggunakan pembelajaran mesin daripada mereka yang tidak.
8. Akun yang menggunakan teknologi pembelajaran mesin hidup empat bulan lebih lama daripada yang tidak.

Dari BPK yang lebih rendah hingga tingkat konversi yang lebih tinggi, LTV yang lebih lama, dan lainnya, Acquisio Turing telah memberikan nilai luar biasa untuk akun yang dijalankannya selama dua tahun terakhir. Kami sangat bersemangat untuk berbagi kabar baik dengan pemasar seperti Anda karena semakin banyak solusi pembelajaran mesin yang mulai membentuk kehidupan kami dan sekarang kampanye SEM kami!

Kredit Gambar

Gambar Fitur: Unsplash/ Maxime Bhm

Semua tangkapan layar oleh Chandal Nolasco da Silva. Diambil Musim Panas-Musim Dingin 2017 dari Acquisio Turing Performance Report terbaru.