שיפור ROAS באמצעות אופטימיזציית הצעות מבוססת בינה מלאכותית
בעלת חנות מוצרי בית מנהלת בעצמה את חשבון גוגל אדס שלה, בודקת אותו כמעט כל בוקר לפני פתיחת החנות, מעלה מעט הצעות מחיר על מוצרים שנמכרו טוב אתמול ומורידה על אלה שלא. בחודשים מסוימים ההחזר על ההוצאה הפרסומית נראה בריא. בחודשים אחרים לא, והיא אף פעם לא ממש יודעת אם זה השוק, העונה, או ההחלטות שלה על הצעות מחיר מלפני שלושה שבועות שסוף סוף השיגו אותה.
למה ניהול הצעות מחיר ידני נשבר בכל היקף אמיתי
אדם שמתאם הצעות מחיר פעם ביום מגיב לנתונים של אתמול עם ניחוש של היום, בעוד שהמכרז הפרסומי עצמו רץ אלפי פעמים בשעה, מושפע מגורמים שבן אדם לא יכול לעקוב אחריהם באופן סביר: שעה ביום, מכשיר, כוונת מונח החיפוש הספציפי, מיקום הקונה, ואפילו איך המתחרים בדיוק מציעים באותו רגע. הצעת מחיר ידנית היא מספר סטטי בודד שיושב בסביבה שמשתנה ללא הרף סביבו.
זו לא בעיה של מיומנות. אפילו משווק מנוסה לא יכול לתמחר ידנית הצעת מחיר שונה עבור קונה בנייד שמחפש בשעה 23:00 מול קונה בדסקטופ שמחפש בהפסקת צהריים, לא כי הוא לא מבין שההבדל חשוב, אלא כי אין דרך מעשית לפעול לפי כל כך הרבה מיקרו-החלטות ביד.
מה אופטימיזציית הצעות מחיר מבוססת בינה מלאכותית באמת עושה
אסטרטגיות הצעות אוטומטיות כמו Target ROAS או Target CPA משתמשות בנתונים של פלטפורמת הפרסום עצמה, היסטוריית המרות, מכשיר, זמן, מיקום, אותות קהל, כדי לקבוע הצעת מחיר שונה לכל מכרז בודד בזמן אמת, בשאיפה ליעד שהמפרסם קבע ולא למספר קבוע שהמפרסם ניחש. בפועל זה לרוב אומר הצעה אגרסיבית יותר לחיפוש שהיסטורית ממיר טוב, ונסיגה חדה עבור כאלה שממירים לעתים רחוקות, התאמות שאף בן אדם לא באמת יכול היה לבצע ממכרז למכרז.
היתרון מתבטא בביצועים עקביים יותר ולא בקפיצה דרמטית בודדת: פחות קליקים מבוזבזים על חיפושים שלעולם לא היו ממירים, ויותר תקציב מופנה לרגעים שהאלגוריתם למד שבאמת מובילים למכירות.
מה צריך להיות נכון לפני שזה עובד
הצעות מחיר אוטומטיות טובות בדיוק כמו נתוני ההמרות שמזינים אותן, ומשמעות הדבר שמעקב המרות מדויק חייב להתקיים לפני ההפעלה, לא כמחשבה מאוחרת. אם תג ההמרה לא נורה נכון באישור הרכישה בחנות, או אם איסוף עצמי בחנות לא נעקב בכלל, האלגוריתם מבצע אופטימיזציה לפי תמונה חלקית של מה שבאמת נחשב מכירה.
זה גם דורש נפח סביר של המרות עבר ללמוד מהן. חשבון חדש לגמרי עם היסטוריית רכישות זעומה נותן לאלגוריתם מעט מאוד חומר לעבוד איתו, וציפייה לתוצאות חזקות כבר מהיום הראשון בדרך כלל מכינה אכזבה ולא מבחן הוגן.
איפה עסקים טועים עם זה
הטעות הנפוצה ביותר היא לעבור להצעות מחיר אוטומטיות ולבדוק תוצאות אחרי יומיים, לפני שהיה לאלגוריתם מספיק נתונים או זמן ללמוד באמת את הדפוסים של החשבון; רוב הפלטפורמות צריכות לפחות שבועיים ומספר משמעותי של המרות לפני שהביצועים מתייצבים. טעות שנייה היא לקבוע יעד ROAS לא ריאלי על בסיס תקווה ולא על בסיס המספרים ההיסטוריים האמיתיים של החשבון, מה שגורם לקמפיין לרעוב מחשיפות או לשרוף תקציב במרדף אחר יעד שהחשבון מעולם לא הגיע אליו בפועל.
טעות שלישית היא להתייחס להצעות מחיר אוטומטיות כאל תהליך עצמאי לגמרי. הוא עדיין דורש שבן אדם יבדוק מדי פעם: יעקוב אחר בזבוז על מונחי חיפוש חדשים שהאלגוריתם עוד לא למד לסנן, ויתאים את היעד כשהמרווח או המטרות של העסק באמת משתנים, משהו שהאלגוריתם אין לו שום דרך לדעת בעצמו.
מה באמת משתפר ומה לא
אופטימיזציית הצעות מחיר בבינה מלאכותית לא מתקנת רישום מוצר חלש, דף נחיתה מבלבל, או מחיר שאובייקטיבית לא תחרותי. מה שהיא כן מסירה הוא הניחוש והעיכוב של תיאום הצעות מחיר ידני פעם ביום, ומחליפה אותם בהחלטות שמתקבלות ברגע שהמכרז עצמו קורה, על בסיס יותר אותות ממה שבן אדם יכול לעקוב אחריהם ביד.