目前有 186 位成員在線上
目前有 186 位成員在線上
Google官方佈告欄
star_border

機器學習技術上陣,廣告和分析服務創新技術再升級

機器學習技術上陣,廣告和分析服務創新技術再升級

 

正在舊金山這座城市逐漸甦醒之際,我的團隊和我正做好萬全準備,等著迎接上千名來自世界各地的行銷人員蒞臨 Google Marketing Next。在這場年度盛會中,我們將發表廣告、分析服務和 DoubleClick 的最新創新服務。

 

今日發表會的一大主題是機器學習技術,這個關鍵技術能夠協助行銷人員即時分析無數信號,並在適當時機向消費者展示更實用的廣告。 現今的消費者歷程不僅跨及多個裝置與管道,更涵蓋數位與現實世界,因此在評估這些複雜歷程的作業中,機器學習技術也扮演著關鍵角色。

 

蓬勃發展的機器學習技術在當前行銷界日趨重要,且將持續影響我們未來如何打造成功廣告。

 

以下提前公開幾項我即將發表的重要產品,但發表會中還有更多精彩內容,我已經迫不及待想與各位分享了!活動時間是太平洋時間早上 9 點/美東時間中午 12 點,請千萬不要錯過。

 

 

迎接 Google 歸因分析,告別最終點擊

 

「我的行銷策略是否奏效?」是行銷人員長久以來的疑問,而今天我們要介紹的新產品 Google 歸因分析,將能解答這個問題。Google 歸因分析是業界首創技術,行銷人員有史以來第一次能夠透過單一介面集中評估自己的行銷工作在各種裝置及管道中的表現,而且完全免費。

 

以當前複雜的消費歷程來說,同一位消費者可能透過多媒體、影片、搜尋、社交媒體及您的網站或應用程式,與貴商家互動十幾次,但這些互動發生在多部裝置上,讓評估工作難上加難。

 

長久以來,行銷人員都在嘗試如何歸納行銷成效,但現行的解決方案就是做不到。大多數的歸因工具都有以下限制:

  • 難以設定
  • 消費者改用不同裝置時,就無法繼續追蹤消費者歷程
  • 未與廣告工具進行整合,使行銷人員難以採取行動

 

受限於上述因素,許多行銷人員只好改用最終點擊歸因分析,因而錯失評估多數行銷接觸點影響力的機會。Google 歸因分析能協助您全面瞭解所有行銷工作交互作用的效果,並提供必要的深入分析數據,協助您改善成效。

 

原理如下:

 zh-TW_AdWords_739877_GMN Attribution Diagram.jpg

 

 Google 歸因分析與 AdWords、Google Analytics (分析) 和 DoubleClick Search 整合,可以將所有行銷管道的資料歸納一處,並彙整為一份完整的成效圖表。

 

Google 歸因分析也能讓您輕鬆改用以數據為準歸屬功能。以數據為準歸屬功能會運用機器學習技術來判斷消費者歷程中每一步的功勞,從消費者開始研究產品時初次與您的品牌互動,一路到完成購物前的最終點擊都能全程追蹤。這項功能會分析您帳戶的不重複轉換模式,並比較成功完成轉換的使用者與未完成轉換的使用者,取得更精確的業務分析結果

 

最後,您還可以利用與 AdWords 和 DoubleClick Search 等廣告工具整合的 Google 歸因分析,迅速採取行動並將廣告最佳化。可採取的行動會立即顯示在報表中,方便您更新出價或調整各個管道的預算。

Screen Shot 2017-06-06 at 2.15.31 PM.png

 

 

「由於今日的消費者經常使用多個裝置,為了全面掌握客戶的消費歷程,並取得最實用的資料來幫助我們做出明智的決策,跨管道評估和歸因分析是 HelloFresh 不可或缺的關鍵技術。」

-          付費搜尋與多媒體部門主管 Karl Villanueva

 

 

 

 

Google 歸因分析目前仍在測試階段,接下來幾個月將陸續開放更多廣告客戶使用。

 

本地行動創新服務,吸引更多消費者上門光顧

 

行動裝置打破了數位與現實世界之間的界線。雖然絕大多數的購物行為都是在實體商店完成,但使用者越來越常事先使用智慧型手機研究購物情報,特別是在 Google 和 Google 地圖上。

 

以圖表方式呈現統計資料:Screen Shot 2017-06-06 at 2.13.16 PM.png

 

 

 為了幫助消費者選出購物地點,行銷人員可以使用「宣傳地點」和本地庫存廣告等創新技術,顯示優惠資訊和附近商店內的庫存商品。除此之外,現在還可以在 YouTube 影片廣告中加入地點額外資訊,協助消費者輕鬆找到商店。

 

 

我們之前在 2014 年推出了親臨門市指標,協助行銷人員深入分析由網路促成並在實體店中完成購物的消費者歷程。短短不到三年,全球廣告客戶使用 AdWords 追蹤到的親臨門市次數已超過 50 億次。

 

只有 Google 具備進階機器學習和比對技術,能為您準確評估大規模的實體店造訪次數,並使用這些深入分析數據改善本地廣告體驗品質。Google 最近一次的深度學習模式技術升級,讓我們得以訓練規模更大的資料集,在更具挑戰性的情境中評估到更多實體店造訪次數,且對評估結果更有把握。無論是在多樓層購物商場,或是日本東京及巴西聖保羅這類人口和商家均密集的城市中,我們都能確實追蹤發生的實體店造訪次數。

 

親臨門市指標已在搜尋、購物和多媒體廣告活動中提供,也即將應用於 YouTube TrueView 廣告活動,協助您評估影片廣告為商家吸引來店人潮的效果。

 

不過,親臨門市指標只是我們解決方案的一部分,我們還需要知道線上廣告為商家帶來多少銷售額,自家的線上廣告究竟能不能創造營收。在接下來幾個月內,我們將推出裝置和廣告活動層級的商店銷售指標,協助您評估由搜尋廣告和購物廣告帶來的實體商店收益和造訪次數。

 

如果您在銷售點收集自家會員的電子郵件資訊,也可以自行或透過第三方資料合作夥伴的服務,將店內交易直接匯入 AdWords。即使您商家的會員方案規模不大,也能利用 Google 的第三方合作夥伴服務評估實體店造訪情形,這項服務可以擷取美國境內約 70% 的信用卡和金融卡交易,而且完全不需費時設定或花錢整合就能直接使用。除此之外,您也不必分享任何客戶資訊。一旦您選擇使用這項服務後,我們就會自動在 AdWords 中提供商店銷售報表資料。

 

不論是親臨門市或商店銷售解決方案,我們都會以保護隱私權的安全方式,將交易與 Google 廣告進行比對,並只傳回經過匿名處理的實體店銷售彙總報表資料,徹底保護您的客戶資料安全。

 

 Screen Shot 2017-06-06 at 2.15.43 PM.png

 

 

 

 

Virgin Holidays 發現,當他們將商店銷售指標列入考量時,搜尋廣告活動所產生的收益會是僅評估線上 KPI 時的兩倍。而客戶在點擊搜尋廣告後到實體店內消費的金額,會比線上轉換所帶來的利潤多出三倍。成效行銷和技術部門經理 James Libor 表示,「商店銷售指標讓我們更確切地掌握數位投資對實體店收益的影響,特別是透過行動裝置。而我們所看到的成效,也讓我們願意投資更多費用在搜尋廣告,進一步掌握這個消費歷程重要階段的商機。

 

 

機器學習技術為搜尋廣告提供更強大的目標對象洞察

 

使用者上網搜尋時,通常已有購買的意願。因此,我們在搜尋廣告中加入了市場目標對象選項,以便您觸及準備要購買您產品/服務的使用者。舉例來說,如果您是汽車經銷商,即可指定搜尋過「最省油的越野車」和「車內空間寬敞的越野車」的使用者,藉此擴大觸及範圍。市場目標對象選項會使用機器學習技術的能力,進一步瞭解購買意願。透過分析數百萬個網站上的數兆筆搜尋查詢和搜尋活動,系統會進一步找出使用者即將完成購物的時機,並自動顯示符合他們需求及興趣的廣告。

 

這是行銷人員的重要時刻;行動裝置、數據資料和機器學習相互合作,將為行銷人員帶來全新商機。我很高興自己能躬逢其盛,並與您一同並肩努力。

 

歡迎在太平洋時間早上 9 點/美東時間中午 12 點,準時參加 Google Marketing Next 發表會,瞭解我們預計為廣告、平台和分析服務發表的所有創新技術。

 

作者:廣告暨商務部門資深副總裁 Sridhar Ramaswamy

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0
簡介 Maxwell Hsu

來自台灣。 Google 官方社群管理員