Kaikki mitä sinun tarvitsee tietää tekoälystä ja sen vaikutuksista PPC-, natiivi- ja näyttömainontaan

Tekoäly

Tänä vuonna otin pari kunnianhimoista tehtävää. Yksi oli osa ammatillista kehitystani oppiakseni kaiken mitä voisin tekoälystä (AI) ja markkinoinnista, ja toinen keskittyi vuotuiseen natiivimainosteknologian tutkimukseen, samanlainen kuin mitä täällä esiteltiin viime vuonna - vuoden 2017 Native Advertising Technology Landscape.

En tiennyt tuolloin, mutta myöhemmästä tekoälytutkimuksesta tuli koko e-kirja,Kaikki mitä sinun tarvitsee tietää markkinointianalytiikasta ja tekoälystä. ” Se on kirjaimellisesti kaikki mitä sinun tarvitsee tietää markkinoinnista ja tekoälystä tänään ja sen vaikutuksista analytiikkaan, ansaittuihin, omistettuihin ja maksettuihin medioihin. Tämän seurauksena haluaisin jakaa kaiken tämän viimeaikaisen tutkimuksen tekemäni oppimisen kaksiosaisessa sarjassa.

Ensimmäisessä osassa keskitytään tekoälyn vaikutuksiin maksettuun mediaan, mukaan lukien PPC, näyttö ja natiivimainonta. Se sovitetaan toiseen artikkeliin, joka keskittyy yksinomaan natiivimainontatekniikan maisemaan tänä vuonna. Se on kasvanut 48% viime vuodesta.

Ennen kuin voimme aloittaa tekoälyn vaikutuksen maksettuun mediaan, on ensin tarkasteltava sen vaikutusta analytiikkaan. Tällä on kenties suorinta vaikutusta maksettuihin tiedotusvälineisiin.

Tekoäly ja analytiikka

Suurin osa meistä on tottunut käyttämään yhtä kolmesta suurimmasta analyysialustasta. He pysyvät nimettöminä. Nämä alustat omistavat myös joitain maailman suurimmista verkkomainontamarkkinoista. Heillä ei ole paljon kannustimia auttaa meitä käyttämään vähemmän ja saavuttamaan enemmän.

Tämän seurauksena ne keskittyvät vain yhden asteen tietoihin verkkosivuiltamme. Tältä näyttää:

Yksi erotusaste

Suurin osa meistä on tottunut tarkastelemaan analyysiamme tässä attribuutiomallissa. Tämä malli edustaa kuitenkin vain 20% ajankohtaisen vaikutuspiirimme verkossa saatavista tiedoista. Jos haluamme tarkastella muita 80%, mallin on keskityttävä tietoihin kolmen asteen päässä verkkosivustoistamme. Tältä näyttää:

Kolme erotusastetta

Tekoälyn avulla monien erilaisten jäsenneltyjen ja jäsentämättömien tietovirtojen hakeminen analyysillä voi nähdä lähes 100% verkkosivuston ajankohtaisesta vaikutuspiiristä verkossa, mikä avaa 80%, jota emme näe yhdellä kolmesta suuresta analyysialustasta. Se vastaa Internetin katselua näin:

3D-näkymä Internetistä

Päinvastoin kuin tämä näkemys, jonka kolme suurta antaa meille:

Yksiulotteinen näkymä Internetistä

Tämän näkemyksen omistamisella on erittäin merkittävä vaikutus ansaittuihin, omistamiin ja maksettuihin medioihin, ja tutkin kutakin ja niiden alaluokkia uudessa e-kirjassa. Tässä artikkelissa tarkastellaan kuitenkin sen vaikutusta erityisesti maksettuihin tiedotusvälineisiin.

Tekoäly ja näyttömainonta

Lausekkeet "ohjelmallinen" ja "reaaliaikainen hintatarjous" (RTB) ovat olleet viime vuosina suosittuja näytöissä ja niiden ympäristössä ja yleensä maksullisessa mediassa. Toisinaan näistä lauseista keskustellaan tekoälyn, koneoppimisen ja luonnollisen kielenkäsittelyn rinnalla. Vaikka sekä ohjelmallisilla että RTB-järjestelmillä on tekoälyn sävy, ne edustavat todellakin siltatekniikkaa, joka siirtää näyttömainonnan nykyisestä keskinkertaisen läpinäkyvyydestään täysin määriteltyyn ja läpinäkyvään tulevaisuuteen.

Kahdella tekniikalla on suurin vaikutus tähän siirtymään - tekoäly ja lohkoketju. Näyttötila kamppailee sekä läpinäkyvyyden että attribuution kanssa. Siellä on monia kolmansia osapuolia, jotka työntävät kätensä karkkikulhoon ja nappaavat pennejä kullan arvokkaan budjetin aikana. Lisää tähän roskapostirobottien ahtautuminen, joka tekee napsautuspetoksia, ja sinulla on järjestelmä täynnä ongelmia.

Keskimäärin näyttömainonnalla on 0.05% napsautussuhde. Näistä napsautuksista vain 30-40% niistä ei pomppi heti. Tämän kanavan tehottomuus on hämmästyttävää. Ensimmäinen näyttömainos oli peräisin AT&T: ltä vuonna 1994 ja sen napsautussuhde oli 44%. Vuoteen 1998 mennessä napsautussuhteet laskivat dramaattisesti - lähempänä mitä näemme tänään.

Hyvä uutinen on, että tekniikka auttaa korjaamaan nämä ongelmat tehottomuudella. Tekoälyyn perustuvassa analyysiympäristössä, jossa attribuutiot ovat kolme astetta pois verkkosivustolta, tuotemerkit voivat paitsi nähdä tehokkaimmat näyttökanavat, jotka ohjaavat liikennettä heille, myös kaikki kanavat, jotka ohjaavat liikennettä tehokkaasti kaikkiin järkeviin verkkosivustoihin heidän teollisuudellaan ja sen ympäristössä.

Tekoälyyn perustuvan analyysin avulla tuotemerkit tietävät tarkalleen, missä heidän on kaksinkertaistettava ja mihin heidän on käytettävä budjettia. Tällainen näkemystaso auttaa kaksinkertaistamaan ja jopa kolminkertaistamaan napsautussuhteet ja napsautuksen jälkeisen yleisen suorituskyvyn näyttömainonnassa.

Tekoäly ja napsautuskohtainen maksu

Tekoälyyn perustuvat analyysiratkaisut voivat tuoda esiin brändin vaikuttavimmat avainsanailmaukset käyttämällä monia erilaisia ​​strukturoimattomia tietolähteitä. PPC ei ole vain mainonta Googlessa. Se tunnistaa aukot ja määrittelee uudet avainsanat, hintatarjouksen muokkaukset ja mainosryhmät. Se auttaa markkinoijia hallitsemaan budjettiaan tehokkaammin.

Avainsanailmausten, mainosryhmien, kohdistamisen jne. Mahdolliset yhdistelmät ovat tuotemerkille lähes rajattomat. Tämän ison datan analysoinnin salliminen tekoälypohjaisen analyysin avulla on tehokkain tapa varmistaa, että brändi investoi parhaisiin mahdollisiin yhdistelmiin ja permutaatioihin.

Koneoppimisen avulla optimointi paranee vain ajan myötä. Se parantaa jatkuvasti tulojen kasvattamista tai mitä tahansa tavoitteita asetetaan PPC: lle. Reaaliaikaisen luonteensa vuoksi tekoälypohjainen analytiikka, jota käytetään tilinhallintaan, on erityisen kriittinen tuotemerkeille, jotka ovat herkkiä nopeasti vaikuttaville kausiluonteisille, markkinoiden tai kuluttajien muutoksille.

Vaikka tekoäly on tehnyt useita päätteitä PPC: ssä, se ei ole vielä tasolla, jossa tilinhallinta voidaan täysin automatisoida ilman markkinoijaa ratissa. Tulevat iteraatiot, jotka on rakennettu hermoverkkojen päälle, joilla on syvä oppimiskyky, pääsevät sinne. Aivan kuten tekoäly voidaan opettaa pelaamaan peliä paremmin kuin ihminen, niin myös se pystyy pitämään PPC-kampanjan itsenäisenä päivänä.

Tekoäly ja natiivimainonta

Tekoälyllä on jo merkittävä vaikutus natiivimainontaan. Mainosteknologian puolella koneoppimisen käyttö luo sitoutumiskustannusmalleja (CPE) toisin kuin perinteinen napsautuskohtainen hinta, tuhannen näyttökerran hinta tai hankintakohtainen hinta. Tämä on ihanteellinen markkinoijille, jotka haluavat levittää suppilonsa sisältöä mittakaavassa. Sisältömarkkinoijat haluavat, että heidän sisältöön kiinnitetään.

Analyysin näkökulmasta toteutetaan myös kaikki samat hyödyt, jotka tekoäly tarjoaa näyttömainontaan - tietäen, mitkä sivustot tuottavat tehokkainta käytännöllistä liikennettä jopa kolmen asteen päässä. Nämä tiedot mahdollistavat budjettien siirtämisen vain toimiville sivustoille ja sallivat tuotemerkkien vetää budjettia takaisin sivustoilta, jotka eivät. Tämän näkyvyyden taso auttaa markkinoijoita välttämään melkein kaiken tuhlauksen, petokset ja väärinkäytökset, jotka liittyvät maksettuun verkkomediaan.

Se antaa myös erittäin tarkan kilpailunäkymän. Tämä on hyödyllistä muista vähemmän ilmeisistä syistä. Keräämällä luettelo kilpailijoiden luovista resursseista natiivimainonnassa niille yksiköille, jotka toimivat hyvin, voi olla merkitystä, kun tuotemerkit saavat kilpailuetua luovuudessaan. Lisäksi tekoälyyn perustuvaan analytiikkaan rakennettu sisältöäly antaa markkinoijalle tietää, mikä sisältö todennäköisesti toimii parhaiten, kun natiivimainosratkaisuja käytetään jakeluun.

Tekoäly ja sponsoroitu sisältö

Tekoälyyn perustuvat sisällön tiedustelutyökalut ovat myös ihanteellisia palkitun syndikaation ja sponsoroitujen sisältömahdollisuuksien paljastamiseen. Business Insiderin Margaret Bolandin mukaan seuraavien viiden vuoden aikana sponsoroitu sisältö on nopeimmin kasvava natiivimuoto. Sponsoroitua sisältöä pidetään pitkäaikaisena natiivimainonnana. Se on koko artikkeli tai artikkelisarja, jonka on kirjoittanut joko julkaisu tai itse tuotemerkki.

Sisältötiedot voivat auttaa markkinoijoita luomaan ihanteellisen kohdennetun luettelon julkaisuista ja / tai blogeista, jotta he voivat pyytää sponsoroitua sisältöä tai maksettua jakelua. Se tarjoaa myös ihanteellisen tavan seurata suorituskykyään ajan mittaan ilman, että tarvitsee luottaa julkaisuun tietojen tarjoamiseksi.

Tekoäly ja maksettu sosiaalinen media

Ajan myötä orgaanisen sosiaalisen median näkyvyys tuotemerkeille on vähentynyt huomattavasti. Tämä pakotti monet investoimaan lukuisiin syötteen sisäisiin maksettuihin ratkaisuihin sosiaalisilla kanavilla. Itse asiassa, 60% kaikista ohjelmallisista mainoksista natiivimainonnassa on Facebookissa vuoteen 2020 mennessä.

Maksulliset sosiaalisen median markkinoijat ymmärtävät samat edut kuin yllä olevassa ohjelmallisen natiivimainonnan osassa kuvataan. Yksi merkittävä etu, jonka se tarjoaa maksetulle sosiaalisen median markkinoinnille, on tietojen riippumattomuus. Markkinoijien ei tarvitse luottaa yksinomaan Twitter- tai Facebook-koontinäyttöihin seuratakseen suorituskykyä. Tietojen normalisointi ja vertailu kaikilla sosiaalisen median kanavilla on myös etu.

Kolmen asteen näkymän avulla markkinoijat voivat myös tunnistaa käyttäjän sijainnin ennen sosiaalisen median verkostossa käyntiä. Nämä tiedot voivat osoittautua erittäin arvokkaiksi uusien mainostamispaikkojen tunnistamiseksi tai tarinaidean saamiseksi.

Lopputulos siitä, miten tekoäly vaikuttaa maksettuihin tietovälineisiin, on yksinkertainen - parempi suorituskyky ja vähemmän kustannuksia. Jätteet, petokset ja väärinkäytöt tunnistetaan paremmin, ja meillä on parempi näkemys toimialamme Internet-kulmasta. Liity meihin uudelleen ensi viikolla, kun sukelamme syvälle koko natiivimainosteknologian maisemaan. Lisätietoja siitä, miten tekoäly vaikuttaa ansaittuihin ja omistettuihin tietovälineisiin ja niiden alaluokkiin, voit ladata viimeisin e-kirjani.

Markkinointianalytiikka ja tekoäly

Mitä mieltä olet?

Tämä sivusto käyttää Akismetiä roskapostin vähentämiseksi. Lue, miten kommenttitietosi käsitellään.