אם הייתם שואלים מנהלי דיגיטל או שיווק מה הן הבאזז-וורדס האקטואליות בעולם הפרסום הדיגיטלי, התשובה הייתה כוללת ווריאציה כלשהי של Marketing Automation,Machine Learning ופרסום פרוגרמטי (RTB). שלושתם מייצגים סט נרחב של יכולות ותהליכים שכדאי להכיר. אבל הפעם, בלי סיסמאות, הכי פרקטי שיש, אם אתם רוצים להבין איך הופכים את הקמפיין החכם בגוגל ליעיל יותר – הכתבה הזו בדיוק בשבילכם.
ראשית – למה חברה כמו גוגל מפתחת ומרעיפה את כל הטכנולוגיה היקרה הזו על מפרסמים ועוד בחינם? למעלה מ – 80% מהכנסות החברה מקורם במוצרי פרסום ובמבנה השוק הנוכחי, יותר מאי פעם, ברור לגוגל שאפקטיביות זה שם המשחק וככל שהיא תעניק למפרסמים כלים טובים יותר למדידה ושיפור כך תהנה מיתרון יחסי (על פני הפלטפורמות המתחרות). וכך עושה ענקית הפרסום בקשת רחבה של מוצרים, החל מחשבון ה – Google Analytics שהיא מציעה לכל דורש עם גרסה נרחבת בחינם וכלה בפתרונות מדיה שונים שמאפשרים לייעל את ההשקעה ולהשיג תוצאות טובות יותר.
וודאי נתקלתם במונח Machine learning, עשויים להיות לו הקשרים שונים וגוגל היא דוגמא מעולה לחברה שמפתחת יכולות Machine learning בקצב מסחרר וחשוב לא פחות – מטמיעה אותן במגוון המוצרים שהיא מציעה למשתמשים ומפרסמים. את הצד של היוזר אתם וודאי מכירים היטב, משתמשים נהנים מהיכולות האלו כאשר הם מתחילים להקליד חיפוש במנוע של גוגל ובאורך פלא גוגל מצליחה לנחש את כוונתם ולהשלים עבורם את השאילתה, כאשר התוצאות מותאמות מאי פעם לאופי החיפוש וכוונת המחפש, הצעות לתכנים מומלצים ביוטיוב ועוד… הצד של המפרסם מסובך יותר ויש בו מגוון אפשרויות בהן נשמח לעשות סדר.
אם השתמשתם פעם ב-Similar audiences , הרמתם קמפיין חכם ברשת הדיספליי, אתם מקדמים הורדת אפליקציה ב- Universal App Campaign, או שאולי משתמשים ב- Smart Bidding, נכנסתם למעגל של ה- Machine learning שעובד בלי הפסקה מאחורי הקלעים וגורם לכל שעת עבודה שלנו להיות פרודוקטיבית יותר. על Smart Bidding שמענו עוד בשנת 2016, כאשר גוגל יצאה בהכרזה מרגשת, לפיה עתידה להשיק פיתרון חדש בעולם האוטומציה בדמות Smart bidding.
Smart Bidding היא גישה סטטיסטית המתבסס על יכולות Machine learning ובכך מסייעת למפרסמים בביצוע אופטימיזציה בזמן אמת, לפי מספר רב של משתנים, כאשר מטרת העל היא להתאים באופן אופטימאלי את ה – Bid היעיל ביותר לכל מכרז (חיפוש). אבל בשביל שהקסם הזה יקרה ויעבוד, המערכת זקוקה להגדרה מתאימה של מטרת הקמפיין, יעדי העלויות ויכולת טכנית לקבל היזון חוזר בנוגע לפעולות שהיוזר ביצע בנכס אליו מפנים.
כך למעשה גוגל מנסה לעזור למפרסמים להציע באופן אוטומטי את הסכום הנכון במעמד ה – “מכירה הפומבית” (Auction) בהתאם למדדים והיעדים שלהם. למה שניעזר בגוגל? כי אנחנו יכולים. במבט לאחור, לפני עשור אולי לא הייתה לזה הצדקה, היקף המידע שניתן היה לאסוף והכלים בעזרתם ניתן היה לקבל החלטות לגבי הקצאת תקציב או גובה ה – BID היו דלים יותר, באופן שאפשר למנהל קמפיינים מוכשר להוציא את המקסימום מחשבון פרסום בגודל בינוני בניהול ביד ידני. כיום, היקף ה – DATA לצד חשיבות ה – Real Time מייצרים יתרון מהותי לכלים אוטומטיים.
רגע לפני שאתם מפטרים את מנהל הקמפיינים ומחליטים ללחוץ על הכפתור בתקווה שהכל יעבוד – נסייג שיישום של Smart Bidding בחשבון ה- AdWords אינו בהכרח פשוט כפי שרבים חושבים ובכדי שתוכלו לעשות בו שימוש יעיל חשוב להבין את האופן שבו ה- Machine learning מתרגם נתונים לאסטרטגיית בידים ולהכין את השטח. תפקיד מנהל הקמפיינים עובר גם הוא שינוי ממי שאחראי למגוון שינויים קטנים שמטייבים את הפעילות למי שאחראי לנווט את הכלים האוטומטיים.
הדבר החשוב ביותר שעלינו להבין הוא שה- Machine learning משתמש בנתונים היסטוריים על מנת לבנות מודל חיזוי עתידי, ולכן ככל שה – DATA שנזין למערכת תהיה איכותית ומהימנה יותר, כך מודל החיזוי יהיה מדויק יותר – וכאן אנחנו נכנסים לעבודה.
מדידת הצלחה בקמפיין
רגע אחד לפני שנכנסים לפרקטיקה תחילה עלינו להחליט כיצד אנחנו מודדים הצלחה בקמפיין. על מנת שעבודת החיזוי תהיה כמה שיותר מדויקת עלינו להזין אליה דאטה איכותית ומכוונת מטרה. אז אם עד עכשיו אתם לא יודעים כיצד אתם מגדירים קמפיין כמוצלח, זה ללא ספק השלב הראשון.
המעבר ה”רך” והראשוני מביד ידני (Max CPC) לשימוש בביד חכם מתחיל במדרגה שנקראת ECPC. ההבדל המהותי בין השניים הוא שב- Max CPC אנחנו למעשה נכנסים לכל “מכירה פומבית” שמתבצעת על מילות המפתח שלנו, והמערכת לא לוקחת בחשבון את התנהגות היוזר שהכניס אותנו למכירה הפומבית. לעומת זאת, כאשר משתמשים ב- ECPC המערכת יכולה להחליט שהיא לא לוקחת חלק ב”מכירה הפומבית” במידה והיא חוזה שליוזר בצד השני אין סיכוי להמיר בסוף הפעולה – וכך היא חוסכת לנו כסף. אבל איך המערכת יודעת לאיזה Auction להיכנס ולאיזה לא? כאן נכנס ה- Machine learning. המערכת למעשה כל הזמן מסתכלת על העבר ומשליכה על העתיד. ניתן לייחס את Day 0 ליום בו עברנו מביד ידני ל- ECPC. בשלב זה המערכת מתחילה להסתכל לאחור על חלון ההמרות, ובהתבסס על ההמרות שהתבצעו בחלון זה (האיקסים שבתמונה) מייצרת Cookie profile. כעת, ב- Auction הבא נעשה שימוש בפרופיל שיצרנו, ובמידה והפרופיל שהכניס אותנו ל- Auction רחוק מה- Cookie profile שלנו, המערכת לא תכניס אותנו ל- Auction. כמה פשוט ככה מתוחכם.
עולים שלב ל- tCPA
המערכת התחילה לצבור המרות, וכאשר היא הגיעה לבין 15 ל- 30 המרות במסגרת חלון ההמרות שהגדרנו – זהו הסימן שלנו לעבור שלב אחד קדימה. נשאלת השאלה באיזה רמה להסתכל על כמות ההמרות ? אז כזכור שככל שהדאטה שנזין למערכת תהיה יותר איכותית ומדויקת המערכת תבצע עבודה טובה יותר בתהליך החיזוי. לכן, נרצה להגיע ל-15 עד 30 המרות ברמת הלמידה האיכותית ביותר, שהיא רמת ה- Adgroup. (יש המסתפקים גם ברמת הקמפיין). אבל רגע לפני שמגיע אלינו מבול של המרות, עלינו להגדיר למערכת ערך להמרה. בנקודה זו חייבים להיות פיירים עם המערכת. מה הכוונה? נניח שבהסתכלות לאחור אנחנו יכולים לזהות עלות ממוצעת של 20$ להמרה. כעת, שהגענו לשלב שאנו יכולים לעבור ל- tCPA, אנחנו לא יכולים להגדיר למערכת יעד עלות להמרה של 5$ כיוון שכל המרה שהתבצעה בעבר ועלתה לנו מעל 5$ לא תיכלל בדאטה ליצירת ה- Cookie profile שלנו, וכך למעשה מזינים למערכת דאטה לא איכותית.
*** חשוב! זו הטעות מספר אחת אצל מרבית המפרסמים, וזו בהחלט לא הדרך ליצור המרות זולות.
בהדרגה.
מתחילים עם ערך העלות להמרה הממוצע מחלון ההמרות האחרון. בכל מקרה, סביר להניח שערך זה יהיה בסדר ל”כיס” שלנו, כיוון שיהיה פלוס מינוס אותו הערך עבור המרה ששילמנו עד כה. כעת, נותנים למערכת זמן ללמוד ובהדרגה מתחילים לרדת בערך להמרה. בכל שבוע יורדים בין 10% ל-20% מהערך להמרה, ובמהלך השבוע נותנים למערכת זמן ללמוד ולא נוגעים בנתונים. ככה ממשיכים כ- 6 שבועות.
* חשוב! סבלנות סבלנות סבלנות, הירידה בעלות להמרה לא תתרחש לאחר שבוע, וגם לא לאחר שבועיים, אל לנו לנסות לנתח את המערכת בשבועות הראשוניים, לתת למערכת צ’אנס של לפחות 6 שבועות וכאשר נעבור את שלב הלמידה- זה ישתלם.
ומה קורה אחרי 6 שבועות?
העלות להמרה יורדת ומגיעה לערך ה- tCPA הרצוי לנו, ובד בבד כמות ההמרות הולכת וגדלה מכיוון שהמערכת מכניסה אותנו לפחות Auctions, ובוחרת לנו את ה- Auctions הנכונות עבורנו. זוהי למעשה השקעה נכונה יותר של התקציב שלנו, שלא מתבזבז על “מכירות פומביות” ללא סיכוי להמרה.
ROAS זוהי שיטת ה- Smart biding העוצמתית ביותר, וכמו שהיא עוצמתית ויכולה לתת לנו תוצאות יוצאות מן הכלל, ככה היא גם אגרסיבית וצריך לעבוד איתה נכון. בשיטה זו אנחנו מבקשים מהמערכת לעשות לנו אופטימיזציה לפי החזר על השקעה. בשלב זה המערכת תחליט האם להכניס אותנו למכרזים לא רק על פי האם היוזר בצד השני ימיר או לא, אלא לצורך העניין האם היוזר יקנה את המשקפיים שיש לי בחנות ב- 5$, או לחלופין את הג’קט שאני מוכר ב-500$ – וכאן הדאטה של המערכת כבר הרבה יותר משמעותית. על מנת לבצע את המעבר מ- tCPA ל- ROAS אנחנו צריכים שבמסגרת חלון ההמרות שלנו יהיו לנו בין 50-80 המרות (כל המרבה הרי זה משובח), כדי לוודא שהמערכת באמת מבצעת אופטימיזציה כראוי.
כמו תמיד, גם כאן קריטי לפני הכל להגדיר בבהירות מהן המטרות של הפעילות, כיצד מודדים הצלחה ומהם יעדי העלות/יעילות אליהם רוצים להגיע. במהלכים מוצלחים אתם תגלו מהר מאוד שהמכונה יודעת לעשות את העבודה שמכונה יודעת לעשות, היתר עליכם. להתוות לקמפיינים או פעילויות שוטפות אסטרטגיה מתאימה, מתוך הסתכלות הוליסטית על נכסי המותג ונקודות המגע האופטימאליות עם הצרכן – זה עולם ומלואו ועוד רחוק היום בו המכונה תדע לקחת אותו מכם.
