V tomto krátkom článku sa pokúsim popísať informácie o stratégii pre kampaň nazvanú hagakure. Uviedol som ju aj ako jeden z príkladov pre stratégiu vo vyhľadávaní v staršom článku. Hagakure kladie dôraz na automatizáciu a smart bidding, pričom využíva strojové učenie spoločnosti Google. O technických nastaveniach a požiadavkách je toho na internete dosť, napríklad aj v tomto článku.
Hagakure kladie dôraz na automatizáciu a smart bidding, pričom využíva strojové učenie spoločnosti Google.
Podporuje jednoduchosť tým, že znižuje počet entít, ako sú reklamné skupiny a kampane, čo uľahčuje manipuláciu pri správe a optimalizácii.
Namiesto úzkeho cielenia využíva voľný typ zhody a automatizáciu, čím zabezpečuje oslovenie širšieho publika, ale pomocou inteligentného systému aj relevantného publika.
Inteligentná stratégia ponúkania cien, ktorá je posilnená strojovým učením, upravuje ponuky na základe správania publika v reálnom čase.
Potencionálna nevýhoda môže byť strata kontroly. Voľná zhoda kľúčových slov rozširuje dosah, a preto je dôležité sledovať vyhľadávacie dopyty.
Prikladám aj zopár čísel z reálnych kampaní. Vždy bola vylúčená značka klienta ako negatívne kľúčové slovo.
Plus jedna negatívna skúsenosť. Išlo o reklamný účet, ktorý pravdepodobne ešte nemal dostatok dát a konverzií. Kampani sa tak ani po čase nepodarilo dostať na požadovanú úroveň. Aby sa systém mal z čoho učiť, tak je dôležité mať dostatok nazbieraných dát. To je základnou podmienkou pre fungovanie strojového učenia.
Hagakure kladie dôraz na automatizáciu a smart bidding, pričom využíva strojové učenie spoločnosti Google.
Podporuje jednoduchosť tým, že znižuje počet entít, ako sú reklamné skupiny a kampane, čo uľahčuje manipuláciu pri správe a optimalizácii.
Namiesto úzkeho cielenia využíva voľný typ zhody a automatizáciu, čím zabezpečuje oslovenie širšieho publika, ale pomocou inteligentného systému aj relevantného publika.
Inteligentná stratégia ponúkania cien, ktorá je posilnená strojovým učením, upravuje ponuky na základe správania publika v reálnom čase.
Potencionálna nevýhoda môže byť strata kontroly. Voľná zhoda kľúčových slov rozširuje dosah, a preto je dôležité sledovať vyhľadávacie dopyty.
Prikladám aj zopár čísel z reálnych kampaní. Vždy bola vylúčená značka klienta ako negatívne kľúčové slovo.
- eshop s krmivom a doplnkami pre zvieratá
- podiel nákladov na obrate sa dlhodobo udržuje pod 10 %
- konverzný pomer sa pohybuje medzi 3 až 4 %
- miera prekliku je okolo 10 % (to je jeden z dôsledkov širšieho zásahu)
- eshop s pracovným oblečením
- cieľová návratnosť (tROAS) 400 % bola mierne prekročená na úrovni 593 %
- konverzný pomer 1,07 %
- tu som taktiež zaznamenal pokles miery prekliku a celkového podielu zobrazení, ale napriek tomu kampaň plnila svoj cieľ
Plus jedna negatívna skúsenosť. Išlo o reklamný účet, ktorý pravdepodobne ešte nemal dostatok dát a konverzií. Kampani sa tak ani po čase nepodarilo dostať na požadovanú úroveň. Aby sa systém mal z čoho učiť, tak je dôležité mať dostatok nazbieraných dát. To je základnou podmienkou pre fungovanie strojového učenia.
