Google представила технологии машинного обучения для рекламы и аналитики

24 мая 2017 18:35 #57173 от ICT
Google на ежегодной конференции Google Marketing Next представила последние инновации в рекламе и аналитике, а также новые возможности DoubleClick. Google представила «Атрибуцию» — новый продукт, который помогает ответить на главный вопрос каждого маркетолога: «Работает ли мое продвижение?». Google Атрибуция — первый продукт, позволяющий маркетологам оценивать эффективность маркетинга по всем устройствам и каналам одновременно и без дополнительных расходов. Путь современных покупателей к покупке достаточно запутан. Чаще всего компании используют несколько способов для взаимодействия с каждым потребителем: в контекстно-медийной и поисковой сетях, с помощью видео и социальных сетей, на сайте или в приложении. При этом взаимодействие происходит на нескольких устройствах, поэтому оценить его эффективность становится сложнее. Маркетологи годами пытались наладить работу атрибуции, но существующие решения им не подходили. Это связано с тем, что давно существующие инструменты требуют сложной настройки; не способны отслеживать действия покупателей, когда те переходят на другое устройство; не интегрированы с инструментами рекламы, что усложняет процесс внесения изменений. В результате многие маркетологи все ещё используют атрибуцию по последнему клику, которая не учитывает роль большинства точек взаимодействия с пользователем. С помощью Google Атрибуции рекламодатели поймут, как работают их маркетинговые инструменты, и получат данные, которые повысят эффективность продвижения. Благодаря интеграции с AdWords, Google Analytics и DoubleClick Search можно объединить данные по всем маркетинговым каналам. В итоге рекламодатели получают комплексную оценку эффективности кампании. С помощью Google Атрибуции можно перейти на модель атрибуции на основе данных. В этой модели используется машинное обучение. Оно позволяет определять ценность каждого шага на пути к покупке: от первого взаимодействия пользователей с брендом во время поиска до последнего клика перед совершением покупки. Эта модель анализирует уникальные для аккаунта пути к конверсии, сравнивает поведение пользователей, совершивших и не совершивших действие. Полученные данные помогут составить достоверное представление о бизнесе. Google Атрибуция дает рекламодателям возможность оптимизировать свои объявления, потому что этот инструмент интегрирован с такими сервисами, как AdWords и DoubleClick Search. Результаты можно сразу же использовать для отчетов, новых ставок и перераспределения бюджета между каналами. Компания представила бета-версию Google Атрибуции, а через несколько месяцев этот инструмент будет доступен большинству маркетологов. Google располагает технологиями машинного обучения и нанесения на карту, которые позволяют собирать точные данные о посещениях магазинов и использовать их для повышения эффективности локальной рекламы. Недавно для обработки больших объемов данных в компании начали применять модели глубокого обучения. Они позволяют получать точные результаты даже при работе с огромными массивами данных и сложными сценариями. Например, можно определять, какие именно магазины посещают пользователи в крупных торговых центрах или таких густонаселенных городах, как Москва, Токио и Сан-Паулу. Данные о посещениях магазинов уже доступны для кампаний в поисковой сети и КМС, а также для торговых кампаний. Вскоре они также станут доступны и для кампаний TrueView на YouTube, а рекламодатели смогут узнавать, как видеореклама влияет на посещаемость их магазинов. Но сбор данных о посещениях магазинов — это только одна часть решения задачи. Необходимо также понимать, как онлайн-реклама влияет на уровень продаж. Другими словами, как от объявлений зависит конечная прибыль. В ближайшие месяцы компания запустит сбор данных о посещениях магазинов на уровне устройств и кампаний. Таким образом рекламодатели смогут оценить влияние поисковых и торговых объявлений не только на посещения магазинов, но и на прибыль в них. Если компания собирает адреса электронной почты для программ лояльности в точках продаж, то маркетологи самостоятельно или с помощью сторонних партнеров смогут импортировать данные о транзакциях в магазине в AdWords. Даже если у компании нет подобных программ, можно собирать данные о продажах в магазине, прибегая к услугам партнеров Google. Со стороны компании не требуется сложных настроек или дорогостоящей реализации, а также передачи личных данных покупателей. Достаточно просто включить эту функцию, и в AdWords будут автоматически приходить отчеты о продажах. Оба инструмента позволяют связывать транзакции с объявлениями Google, не нарушая конфиденциальности пользователей. Рекламодатели получают только агрегированные анонимные данные о покупках в магазинах. Потребители обращаются к поисковым системам, когда хотят что-то купить. Поэтому мы вводим таргетинг по интересам для поиска, чтобы рекламодатели могли охватить пользователей, которые интересовались их товарами и услугами. Например, автосалон может увеличить охват потребителей, настраивая рекламу на тех, кто уже искал «внедорожники с минимальным расходом бензина» и «большие внедорожники». Таргетинг по интересам использует машинное обучение, чтобы лучше понимать намерения людей совершить покупку. Этот инструмент анализирует миллиарды поисковых запросов и действия пользователей на миллионах сайтов, чтобы определить готовность пользователей к совершению покупки и показывать им релевантные объявления. Ссылка на источник


  • Сообщений: 75474

  • Пол: Не указан
  • Дата рождения: Неизвестно
  • Пожалуйста Войти или Регистрация, чтобы присоединиться к беседе.

    Похожие статьи

    ТемаРелевантностьДата
    Cisco представила технологии ИИ и машинного обучения для умных сетей21.36Четверг, 13 июня 2019
    В SAP S/4HANA добавлены технологии машинного обучения18.52Четверг, 21 сентября 2017
    X5 применила технологии машинного обучения в маркетинге18.52Понедельник, 19 ноября 2018
    IBM запустила новую линейку Linux-серверов для ускорения работы с системами ИИ, машинного обучения и «умной» аналитики18.13Среда, 14 сентября 2016
    OTC.RU интегрировала в систему поиска тендеров технологии на базе машинного обучения17.94Понедельник, 03 апреля 2017
    Технологии машинного обучения внедрены на каждом третьем крупном российском предприятии17.75Четверг, 28 ноября 2019
    Trend Micro внедрила технологии машинного обучения TippingPoint в решения для сетевой защиты17.57Понедельник, 13 февраля 2017
    Trend Micro внедрила технологии машинного обучения в систему предотвращения вторжений TippingPoint17.57Понедельник, 13 февраля 2017
    Google открыла доступ к системе машинного обучения TensorFlow17.23Вторник, 10 ноября 2015
    Google открыл доступ к системе машинного обучения TensorFlow17.23Вторник, 10 ноября 2015

    Мы в соц. сетях