Machine Learning im SEA

Copyright @ maxuser

Machine Learning im SEA ist entscheidend, um tiefere Einblicke in die Leistung von SEA-Kampagnen zu erhalten und diese Erkenntnisse zu nutzen, um die wichtige Funktionen automatisch zu optimieren. Durch eine gründliche Echtzeitanalyse von Big Data können Gebote automatisch angepasst, einzigartige und leistungsstarke Werbebotschaften erstellt und Zielgruppen anhand von Faktoren wie z. B. Geräten, Content, Geo-Targeting, Tageszeit und sogar des Betriebssystems genau bestimmt und angesprochen werden.

Maschinen können Informationen schneller sammeln und verarbeiten als Menschen. Um jedoch die richtigen Erkenntnisse zu sammeln und Kampagnen entsprechend zu optimieren, müssen wir als Menschen die richtigen Strategien entwickeln. Kurz gesagt, der Einsatz von Machine Learning ohne die richtige Strategie führt zu einer Fehlleistung und am Ende zu verschwendeten Budget.

Der Druck zur bezahlten Suche, das Wachstum anzukurbeln, war nie größer. Unternehmen erwarten von ihren Online Marketing Managern, dass sie verstehen, wie sich die bezahlte Suche in den gesamten Geschäftsplan integriert. Wie beeinflusst die Attribution die Performance anderer Marketingkanäle und wie kannst  du beweisen, dass Pay-per-Click (PPC) einen direkten Einfluss auf Umsatz und Gewinn hat? Diese Fragen werden wir im folgenden Artikel weiter ausführen und klären

Was ist Machine Learning?

Machine Learning oder zu deutsch maschinelles Lernen bedeutet im Grund genommen, dass einem Computer nicht mehr genau erklärt werden muss, was zu tun ist. Computerprogramme die auf Machine Learning basieren, können mithilfe von Algorithmen eigenständig Lösungen für neue und unbekannte Probleme finden. Früher befolgten Computer Befehle, die vom Techniker oder Programmierer vorgegeben (gecodet) wurde. Stattdessen füttern wir die Computer mit Daten und animieren sie quasi dazu in diesen Daten eigenständig wiederkehrende Muster zu erkennen, ohne das ein Mensch sie vorher vorgeben bzw. programmieren muss.

Die künstliche Intelligenz ermöglicht uns, zunehmend komplexere Probleme immer schneller zu lösen. All das schwierige Zahlenwerk, wie die Datenanalyse oder Interpretation der Daten übernimmt der Computer, denn sie sind effizienter und schneller. Machine Learning im SEA nutzt Informationen aus Verlaufsdaten um z.B. Planungsempfehlungen oder Vorschläge zur Budgeteinstellung in AdWords auszusprechen. Diese können den ROI optimieren. Du sieht also auf Basis historischer Daten, wie sich Anpassungen zukünftig auswirken werden. Vor der Umstellung erlangst du Kenntisse darüber, welche Investition sich lohnt und welche nicht.

Diese Algorithmen nehmen uns Aufgaben ab, für die das durchschnittliche menschliche Hirn einfach nicht gemacht ist. So können sich Werbetreiber auf das Wesentliche konzentrieren, also darauf kreative Lösungen zu finden, um die Zielgruppe richtig anzusprechen.

Wie benutzt es Google?

Google nimmt maschinelles Lernen sehr ernst. Im Jahr 2014 kauften sie eine britische Firma namens DeepMind für 525 Millionen US-Dollar. Im Jahr 2016 verlor DeepMind 162 Millionen US-Dollar. Ein Teil dieses Verlustes war auf die Entwicklung von Googles Computerprogramm namens AlphaGo zurückzuführen. AlphaGo wurde entwickelt, um einen professionellen menschlichen Go-Spieler zu schlagen (Go ist ein strategisches Brettspiel, in dem ein Spieler Züge benutzen muss, um mehr Platz auf dem Brett zu besetzen als der andere). Im Jahr 2017 schlug AlphaGo Ke Jie 3 nil – Ke Jie war die Nummer 1 der Welt!

Warum ist das wichtig?

Ich erinnere mich an ein Computerprogramm namens Deep Blue, das 1997 Gary Kasparov im Schach schlug. Die Bedeutung kommt von der Komplexität von Go. Nach den ersten 2 Schachzügen gibt es 400 mögliche Züge, aber in Go gibt es fast 130.000! In einem direkter zuordenbaren Beispiel verwendet Google maschinelles Lernen, um die Spracherkennung zu unterstützen. Vor vier Jahren hatte Google eine Fehlerquote von 20% bei der Übersetzung von Sprache in Text. Vor zwei Jahren war dies eine Fehlerquote von 8%, und es ist jetzt eine Fehlerquote von 4,9%. Je mehr Daten es nutzt, desto besser wird es.

Was ist eine Strategie und wie wird sie erarbeitet?

Um eine effektive Strategie zu entwickeln, ist es unerlässlich zu verstehen, was eine Strategie überhaupt ist. Der Duden definiert Strategie wie folgt: “Genauer Plan des eigenen Vorgehens, der dazu dient, ein militärisches, politisches, psychologisches, wirtschaftliches o.ä. Ziel zu erreichen und in dem man diejenigen Faktoren, die in die eigene Aktion hineinspielen könnten, von vornherein einzukalkulieren versucht”. Strategie ist daher keine Taktik, sie ist größer. Strategie ist der Weg, den du gehst, um Ziele zu erreichen.

Eine Strategie kann in einen dreistufigen Prozess unterteilt werden:

Schritt 1: Die Gesamtsituation bewerten

Die Beurteilung der Gesamtsituation wird die größten Herausforderungen für dein Unternehmen sein. Hier gibt es viele unterschiedliche Methoden. Die bekannteste ist die S. W. O.T. Analyse. Sie unterstützt dich dabei Stärken, Schwächen, Chancen und Risiken deines Unternehmens aufzudecken. Das Verständnis der Gesamtsituation bietet den notwendigen Hintergrund und Kontext, um richtige Ziele zu entwickeln. Genau definierte Ziele und wichtige Leistungsindikatoren sind die Eckpfeiler einer erfolgreichen SEA-Kampagne. Jeder Werbetreibende muss ein klar definiertes Verständnis davon haben, wie Erfolg für ihn aussieht.

Schritt 2: Account Management Richtlinie entwickeln

Sobald die Bewertung abgeschlossen und ein fundiertes Verständnis der Gesamtsituation erreicht ist, ist es an der Zeit, eine Richtlinie für die Verwaltung des AdWords Kontos zu entwickeln. Dabei solltest du dir die Frage stellen, “Wie will ich AdWords in das Marketing integrieren und welche Funktion hat es?” Je nachdem ob die AdWords Kampagnen zur Traffic Steigerung, Gewinn bzw. Steigerung der Conversion dienen sollen oder nur ein Berührungspunkt ist, der zu Conversions über andere Kanäle führt, musst du die Kampagnentypen mit Bedacht wählen.

Schritt 3: Erstellen eines effektiven Aktionsplans

Der nächste Schritt im Strategieentwicklungsprozess ist die Entwicklung eines Aktionsplans, der die größten Herausforderungen eines Unternehmens bewältigen soll.

Angenommen, du verwaltest ein AdWords Konto für eine Hochschule. Hochschulen benötigen immer Studenten. Aufgrund dieser Informationen kannst du die Vermutung aufstellen, dass die primäre Herausforderung darin besteht, mehr potentielle Schüler zu finden. Daher könnte die Richtlinie sein, die bezahlte Suche als Treiber zur Leadgenerierung einzusetzen. Der Aktionsplan in diesem Beispiel würde die Strategie unterstützen, sich auf die Reichweitensteigerung und Remarketing zu konzentrieren.

Die angewandte Taktik wird nun direkt aus dem Aktionsplan resultieren. Zum Beispiel könnte die Taktik für die Reichweitensteigerung darin bestehen, Google Display Netzwerk, Facebook- und Instagram-Kampagnen einzurichten. Die Taktik für das Remarketing könnte lauten: “RLSA-Kampagne mit Fokus auf “Einkaufswagenabbrecher” (Bei Leadgenerierung wäre das, der vorzeitige Abbruch in der Anmeldestrecke) einrichten. Wir zeigen in unserem Artikel zum Erstellen einer RLSA Kampagne wie eine solche Kampagne eingerichtet und optimiert werden kann.

Werde zum PPC-Strategen

Maschinen machen die Arbeit des PPC-Profis nicht überflüssig. Hab also keine Angst, dass dir dein Job weggenommen wird. Das Aufkommen des Machine Learnings im SEA und seine Fähigkeit, wichtige Aufgaben zu automatisieren, wird jedoch die Art der Jobs verändern. Der Wert des PPC-Profis wird direkt mit seiner strategischen Fähigkeit verbunden sein. Diejenigen, die das Gesamtbild sehen, den Markt, in dem das Unternehmen tätig ist, vollständig verstehen und PPC mit dem gesamten Wachstum des gesamten digitalen Marketingprogramms einer Organisation verbinden, werden gewinnen. Maschinen können Daten analysieren, Trends erkennen und routinemäßige taktische Aufgaben viel schneller ausführen, als Menschen dies jemals können. Sie nehmen dem Menschen also die grundlegende Arbeit und liefern die grundlegenden Daten für die Entwicklung der Strategie. Denn die Daten zu interpretieren und Handlungsempfehlungen daraus abzuleiten, wird nach vor dem Menschen vorbehalten sein. Es liegt also an dir die Daten der Maschine zu interpretieren und die passende Strategie daraus abzuleiten und zu optimieren.

Im Folgenden findest du einige Tipps, die dir als PPC-Manager helfen, strategischer zu werden. So kannst du Strategien entwickeln, um den Erfolg deiner Firma zu steigern. Halte dir die Ziele des Unternehmens und die der potenziellen Kunden immer vor Augen. Dadurch wird die Fehlausrichtung reduziert und das erforderliche Verständnis bereitgestellt, um die richtigen Daten zu sammeln und sie richtig zu verwerten. Versuche auch zu verstehen was die Hindernisse zur Zielerreichung sein können. Ist es ein starker Wettbewerber, ein hoher CPC oder eine niedrige Conversion-Raten? Ein fundiertes Verständnis der Hindernisse hilft dir bei der Planung.

Planung Ressourcen & Auswahl Technologien

Du hast die Strategie und Ziele erstellt. Nun ist es wichtig, die Ressourcen zu bestimmen, die zum Erreichen der Ziele benötigt werden. Abhängig von der Größe des Kontos, der Komplexität und dem Budget musst du ermitteln, welche Ressourcen oder Technologien du benötigst.

Machine Learning im SEA und Automatisierung spielen derzeit eine große Rolle. In der Zukunft wird diese Rolle im PPC weiter ansteigen. Paid Search und bezahlte soziale Funktionalität ist komplexer als je zuvor. Die Anzahl der Plattformen und Netzwerke, die verwaltet werden müssen, wird ständig erweitert. Diese Dynamik ist eine Herausforderung für PPC-Manager, die ihre Konten effizient verwalten müssen.

Der richtige Technologie bietet die Möglichkeit, große Datensätze automatisch zu analysieren und Routineaufgaben zu automatisieren, um komplexe Probleme schnell zu lösen. Durch die Bereitstellung von Machine Learning im SEA und Automatisierung für PPC-Konten werden PPC-Manager quasi freigegeben, um sich auf die strategische Planung konzentrieren und strategische Initiativen umsetzen, die zu neuen Wachstumschancen führen.

Welche Art von Technologie sollte ich verwenden?

Die Antwort auf diese Frage lautet: “Es kommt darauf an.” Budget und Account-Größe spielen sicherlich eine große Rolle bei der Entscheidung, ob du eine Drittanbieter-Technologielösung oder kostenlose Tools, die die Werbeplattformen bieten, nutzt. Es gibt Dutzende von technologischen Lösungen auf dem Markt, die von leichtgewichtigen Berichterstellungsplattformen bis hin zu komplexen maschinellen Lern- und Automatisierungslösungen reichen.

Darüber hinaus bieten die Werbeplattformen automatisierte Bid-Management-Funktionen. Zudem bieten sie die Möglichkeit, Keywords, Anzeigengruppen und Kampagnen basierend auf speziell definierten Kriterien zu pausieren. Über Google AdWords können Skripts bereitgestellt werden, mit denen bezahlte Suchkonten in das Inventar oder CRM-System einer Organisation integriert werden können.

Berücksichtige die folgenden Punkte bei der Entscheidung, ob die Bereitstellung von Technologie sinnvoll ist:

• Können kostenlose Automatisierungstools dabei helfen, die Ziele zu erreichen und die Strategie effektiv umzusetzen?
• Bieten kostenpflichtige Tools spezielle Funktionalität die mit anderen Tools nicht möglich sind?
• Sparst du viel Zeit bei der Verwendung von Technologie?

Bessere Leistung erzeugt noch bessere Leistung. Werbetreibende, die durch künstliche Intelligenz optimierte Algorithmen für das Kampagnenmanagement verwenden, stellen fest, dass sich die Leistung kontinuierlich verbessert. Das liegt daran, dass maschinelle Lernalgorithmen tatsächlich intelligenter werden und dies auch wieder in ihre Leistung einbringen können. Es ist dieser kontinuierliche Lernaspekt, der den Vorteil eines SEM-Vermarkters ausmacht. Denn wer er weiß, wie man mit Machine Learning im SEA umgeht und damit arbeitet, kann er wettbewerbsfähig bleiben.

Der Vorteil gegenüber dem Menschen

Menschen sind komplexe Wesen, die in der Lage sind, im menschlichen Gehirn immense Datenmengen zu verarbeiten. Dennoch können wir nicht all unseren neuronalen Verbindungen widmen, um die PPC-Leistung kontinuierlich zu verbessern. Selbst wenn wir könnten, würden wir wahrscheinlich nicht wollen, also haben wir Maschinen geschaffen. Machine Learning-Algorithmen verarbeiten mehr Daten als jeder Mensch gleichzeitig und verwendet mehr Daten als je zuvor. Ein weiterer Vorteil der maschinellen Lernoptimierung gegenüber dem menschlichen Gegenüber ist, dass Maschinen niemals müde werden. Sie gehen 24 Stunden am Tag zur Arbeit und bringen fortwährend Ergebnisse nach Hause. Aus dieser Perspektive sind Maschinen eine offensichtliche Wahl für bestimmte Aspekte des Kampagnenmanagements.

4 Ansätze um Google AdWords-Kampagnen mithilfe von maschinellem Lernen verbessern?

1. Ziel-CPA – Unabhängig davon, ob Sie die AdWords-Benutzeroberfläche oder ein Optimierungsprogramm wie DoubleClick oder Marin verwenden, können Sie CPA-Gebotsalgorithmen einrichten. Mit diesen Algorithmen können Sie Zeit und Aufwand beim Verwalten Ihrer CPC-Gebote und Modifizierer für Dinge wie Gerät, Standort und Interesse sparen.

2. Anzeigenanpassungen – Wenn Sie keine Anzeigenanpassungsfunktionen verwenden, sollten Sie dies tun. Diese können verwendet werden, um große Mengen an keyword-spezifischen Creatives zu erstellen. Stelle dynamische Suchanzeigen ein. Auf diese Weise kannst du die Erstellung einer großen Anzahl von Anzeigen automatisieren und den Google-Algorithmen für maschinelles Lernen mehr Daten zur Verfügung stellen. So kannst du besser entscheiden, welches Creatives wann gesucht werden soll.

3. Ähnliche Zielgruppen (Similar Audiences) – Google verwendet maschinelles Lernen, um ähnliche Zielgruppen zu erstellen und kontinuierlich zu verbessern. Noch einmal: Je mehr Daten Google erhält, desto besser werden diese Daten. Teste doch mal deine “Ähnlich-wie-Zielgruppen”.

4. Kaufbereite Zielgruppen – Google verwendet Machine Learning im SEA, um vorherzusagen, wann seine Nutzer auf dem Markt sind und bereit sind, bestimmte Produkte zu kaufen. Es lohnt sich, die Kampagnen dazu zu testen, insbesondere im Google Displaynetzwerk.

5. Attribution – Google bietet bereits in der BETA Version das kostenlose Tool Google Attribution. Dies wird maschinelles Lernen verwenden, um Cross-Channel-Budgetanpassungen vorzuschlagen. Stelle sicher, dass du das Tool so schnell wie möglich verwendest, sobald es für dien Konto verfügbar ist.

Zeit sparen bei Anpassung von CPC Geboten

Gebots- und Budgetverwaltung ist ein Bereich der Kampagnenverwaltung, der oft mühsam ist und viel Zeit in Anspruch nimmt. Aufgrund des immer besser werdenden Algorithmus der AdWords Gebotsstrategien und AdWords-Skripts oder Verwaltungstools von Drittanbietern können einem daher die Arbeit zusätzlich erleichtern.

Das Gebots- und Budgetmanagement ist der erste Bereich, der unter dem PPC-Dach durch Machine Learning im SEA gesteuert wird. Es gibt jedoch noch andere Aufgaben, die die Maschine für den PPC-Manager erledigen kann. Machine Learning Algorithmen eignen sich auch hervorragend für standardisierte Aufgaben im SEM wie Empfehlungen für Konto-Audits, Keyword-Auswahl, Anzeigenkopie, Anzeigen-Tests, Zielgruppensegmentierung, Kampagnenstruktur und sogar das Identifizieren verpasster Möglichkeiten.

Machine Learning im SEA bietet PPC-Managern tatsächlich die Möglichkeit, einen Vorteil gegenüber der Konkurrenz zu erlangen. Es basiert jedoch ausschließlich auf unserer Fähigkeit, diese Technologien zu vertrauen und zu übernehmen.

Hürden für die Machine Learning im SEA

Marketer haben Machine Learning im SEA und Technologien für künstliche Intelligenz noch nicht in Massen eingeführt. Aber angesichts der technologischen Innovation in diesem Bereich wissen wir, dass diese Revolution jetzt im Gange ist. Google hat Algorithmen für maschinelles Lernen in den AdWords-Markt eingeführt.

Da es ein “unsichtbares” Element zum maschinellen Lernen gibt, haben Menschen Schwierigkeiten, Maschinen zu konzipieren und ihnen zu vertrauen. Online Marketing Manager müssen dem “Unsichtbaren” vertrauen. Wenn zum Beispiel eine Maschine 5 US-Dollar für eine Kampagne anbietet, wissen wir nicht wirklich warum. Wir können es im System sehen, aber das System wird nicht sprechen und erklären, warum es diese Gebotsentscheidung basierend auf 30 Millionen Datenpunkten getroffen hat. Also, Marketer müssen einfach darauf vertrauen, dass das maschinelle Lernsystem das beste Angebot für sie ausspricht.

Fazit

Maschinelle Lernalgorithmen bedeuten nicht viel, ohne dass Menschen sie herstellen, überwachen und interpretieren. Menschen und Maschinen arbeiten zusammen, um bessere Leistungsergebnisse zu erzielen. Mit diesem Verständnis müssen PPC-Manager den Verlust ihrer Arbeitsplätze nicht fürchten, wenn sie maschinelle Lerntechnologien einsetzen. In der Tat sollten sie technologische Innovationen umfassen, die nur ihre Leistung verbessern können. Dies kann zu Verbesserungen führen, auch wenn die Leistung die Erwartungen übertrifft, die Kampagnenstruktur komplex ist oder die Budgets klein sind.