फ्रेडरिक वलैयर्स क्यों डिजिटल विपणक अभी भी काम करेंगे और वे एआई दुनिया में क्या दिखेंगे

"मुझे लगता है कि यह पीपीसी के लिए अवसरों से भरा है, लेकिन यह पिछले 10 वर्षों से हम जो कर रहे हैं, उससे अलग है।"

फ्रेडरिक वलैयर्स क्यों डिजिटल विपणक अभी भी काम करेंगे और वे एआई दुनिया में क्या दिखेंगे
फ्रेडरिक वलैयर्स क्यों डिजिटल विपणक अभी भी काम करेंगे और वे एआई दुनिया में क्या दिखेंगे


हम सभी जानते हैं कि स्वचालन नाटकीय रूप से पीपीसी के दृष्टिकोण को बदल रहा है। अभियानों की स्थापना और अनुकूलन से लेकर हमारी भूमिकाएँ विकसित हो रही हैं। अपनी नई किताब "डिजिटल मार्केटिंग इन एन एआई वर्ल्ड", फ्रेडरिक वालैयस, पूर्व गोगलर और अभियान ऑप्टिमाइज़ेशन प्लेटफ़ॉर्म ऑप्टमीज़्र के सह-संस्थापक, चर्चा करते हैं कि पीपीसी के मूल सिद्धांतों को अब पहले से कहीं अधिक समझने के कारण, क्या सीख सकते हैं (और नहीं कर सकते) करते हैं) और कौशल और क्षमताओं विपणक की आवश्यकता होगी।

मैं किताब के बारे में बातचीत करने के लिए पिछले हफ्ते सिएटल में एसएमएक्स एडवांस में वलैयस के साथ बैठ गया। हमने एक शुरुआती ऐडवर्ड्स टीम के सदस्य और इसके सबसे बड़े विज्ञापनदाताओं में से एक के रूप में अपने समय की चर्चा की, और क्यों स्वचालन के युग में डिजिटल विपणक के रूप में हमारी विभिन्न भूमिकाओं के बारे में वह आशावादी हैं। नीचे दिए गए साक्षात्कार को सुनें या पढ़ें।

आइए इसके बारे में एक बहुत ही बुनियादी स्तर पर बात करते हैं: जब हम AI के बारे में बात करते हैं, जब हम मशीन लर्निंग के बारे में बात करते हैं और जब हम स्वचालन के बारे में बात करते हैं और क्या विपणक को वास्तव में यह समझने की आवश्यकता होती है कि इन शर्तों का क्या मतलब है जो चारों ओर फेंक दिया जाता है बहुत ज्यादा।

सुपर उच्च स्तर पर, आपको यह समझना होगा कि प्रौद्योगिकी कहाँ से आ रही है और यह कितनी तेजी से विकसित हो रही है। और मौलिक रूप से, यह समझें कि यह एक बहुत ही वास्तविक परिवर्तन है जिसका बड़ा प्रभाव पड़ने वाला है। लेकिन यह भी नहीं है क्योंकि बहुत सारे लोग सोच सकते हैं।

इसलिए यदि आप पारंपरिक मीडिया या फिल्मों को देखते हैं, तो AI इन ह्यूमनॉइड्स की तरह है जो मूल रूप से सब कुछ करते हैं, और यह वह नहीं है जहां हम हैं। PPC में, यह ज्यादातर मशीन लर्निंग है, जैसे बहुत विशिष्ट समस्याओं को लक्षित करते हुए, “अरे, अगर हम ROAS लक्ष्य रखते हैं तो हम सही बोली कैसे सेट करते हैं।” क्योंकि हमें एक CPC बोली लगानी होगी क्योंकि Google नीलामी कैसे सही काम करती है?

तो स्वचालन बहुत विशिष्ट है। लेकिन फिर भी समझ, मुझे लगता है, कुछ स्तर पर इसका इतिहास। तो AI वास्तव में Google Ads में वह नया नहीं है। इसलिए गुणवत्ता स्कोर, मेरा मतलब है, यह एक दशक से अधिक पुराना है। यह मूल मशीन लर्निंग सिस्टम था - जो किसी निश्चित कीवर्ड के लिए अनुमानित कीवर्ड और विज्ञापनों के संयोजन पर क्लिक-थ्रू दर का अनुमान लगाता है।

जिसके निर्माण में आपका हाथ था।

हां, मैं उस टीम में था। तो यह पुस्तक का एक मज़ेदार हिस्सा था - उस अंतर्दृष्टि या परिप्रेक्ष्य को उधार देना और कुछ कहानियों को बताना, जिन्हें आप जानते हैं, संस्थापकों के साथ हॉकी खेलना और सर्गेई की जाँच करना [लाओ, Google के सह-संस्थापक] और फिर अभी भी भाग्यशाली रहें उस दिन निकाल दिया नहीं करने के लिए पर्याप्त है।

Google पर अपने इतिहास और उन कहानियों के कुछ मुख्य अंशों के बारे में बात करें।

सबसे पहले जब मैं Google में शामिल हो रहा था, मैंने उन कंपनियों की एक बहुत छोटी सूची रखी थी जिन पर मैं काम करना चाहता था, और Google की तरह था और आ रहा था, लेकिन यह एक बड़ा सौदा नहीं था, फिर भी - यही कारण है कि मैं कर सकता था सर्गेई के साथ हॉकी खेलते हैं, और मैंने उसे क्रॉस-चेक किया क्योंकि मुझे नहीं पता था कि वह उस समय कौन था। फिर वह वास्तव में प्रसिद्ध हो गया।

अर्चिन का अधिग्रहण। सैन डिएगो के लिए नीचे उड़ान भरने और उस छोटी टीम से मिलने के लिए, जो अंततः Google Analytics बन गया। और वह आजकल ऑनलाइन विपणन में सबसे मूलभूत चीजों में से एक है, है ना? यदि हमारे पास ये संख्याएँ नहीं हैं तो हम क्या करेंगे?

कुछ अन्य हाइलाइट्स: तो मैंने वास्तव में विज्ञापन शुरू कर दिया था जब मैं Google पर काम कर रहा था क्योंकि मैंने प्रकाश देखा था। मैं ऐसा था, "ओह माय गॉड, लोग एक महीने में $ 30,000 डॉलर खर्च कर रहे हैं - और दिन में वापस आपको एक टियर 1 विज्ञापनदाता बनाया, जो कि सबसे बड़े की तरह था।

आप एक विज्ञापनदाता बनने में सक्षम थे, जिसने बताया कि उत्पादों का विकास कैसे हुआ।

ठीक ठीक।

क्योंकि इन उपकरणों को बनाने वाले लोगों और इन उपकरणों का उपयोग करने वाले लोगों के बीच उस तरह का अंतर है, और आपने उन कनेक्शनों को बनाने में मदद की।

सही है, और आप यहाँ भी देखते हैं। मैं SMX पर हूं, और Google से एक मुख्य वक्ता है। यह एक महान दृष्टि है जिसे वहाँ रखा जा रहा है, लेकिन उस दृष्टि के बीच एक निश्चित अंतर है और आप वहाँ कैसे पहुँचते हैं। और इसलिए Google में मेरी भूमिका कुछ इस तरह की थी। मैंने विज्ञापन देना शुरू कर दिया और एक बहुत बड़ा विज्ञापनदाता और संबद्ध विज्ञापनदाता बन गया, और मुझे नहीं पता कि मेरे कौन से कीवर्ड परिवर्तित हो रहे हैं। और अंदाज लगाइये क्या? रूपांतरण ट्रैकिंग दिन में वापस मौजूद नहीं है।

हम सभी की यह अवधारणा थी, हाँ, पीपीसी महान काम करता है, लेकिन वास्तव में, हमें अभी भी पता नहीं है कि वास्तव में क्या काम कर रहा था। हम सिर्फ उस पर पैसा फेंक रहे थे। और इसलिए, मैंने अपना छोटा रूपांतरण ट्रैकिंग सिस्टम बनाया। तब टीम ने ध्यान दिया और कहा, “यह बहुत अच्छा है। शायद सभी विज्ञापनदाताओं के पास ऐसा होना चाहिए। क्या आप उत्पाद टीम से बात कर सकते हैं? ”यह मेरे शुरुआती उत्पाद में से एक था।

तो आप पुस्तक में कहते हैं, उन कौशलों के बारे में सोचकर जो हमें करने की आवश्यकता है, कि हम में से कई को तकनीकी विवरणों को समझने की आवश्यकता नहीं है, लेकिन क्या आपको यह समझने की आवश्यकता है कि "स्मार्ट" सिस्टम क्या कर रहे हैं, और क्या नहीं कर, जो मैंने सोचा था कि वास्तव में महत्वपूर्ण था। PPC विपणक क्या कारक हैं जो इस के तकनीकी पक्ष पर मातम में नहीं हैं, उन कारकों और तरीकों के बारे में समझने की जरूरत है जो ये उपकरण और सिस्टम बेहतर निर्णय लेने में सक्षम होने के लिए काम कर रहे हैं और सुनिश्चित करें कि मशीनें क्या कर रही हैं वास्तव में क्या करना चाहिए?

और यह एक बड़ा परिसर है और मुझे लगता है। PPC विपणक में से एक बड़ी चीज को आगे बढ़ने के लिए काम करना होगा जो आपके व्यवसाय के बारे में अधिक डेटा देकर मशीन को सीखने में मदद कर रहा है। और कभी-कभी यह डरावना है, है ना? आप बहुत से व्यवसायों से बात करते हैं जो कहते हैं, "हम Google को अधिक डेटा नहीं देना चाहते क्योंकि आप इसके साथ कुछ नापाक करने जा रहे हैं।" मैंने Google पर काम किया। यह एक नापाक कंपनी नहीं है। जब से मैंने उस संबंध में छोड़ा, मुझे नहीं लगता कि यह बदल गया है। और अंततः सुरक्षा उपायों में से एक यह अभी भी एक नीलामी है, है ना? तो, आप जानते हैं, आप अतिरिक्त जानकारी देते हैं, और सभी Google वास्तव में इसके साथ करता है यह आपकी बोलियों को बढ़ाने की कोशिश करता है जब यह सोचता है कि इसके परिवर्तित होने और इसके विपरीत होने की संभावना अधिक है।

लेकिन अब, मुझे लगता है कि पीपीसी की नींव या बुनियादी बातों को समझना अभी भी महत्वपूर्ण है। मैं लोगों से बात करता हूं, और वे ट्रोस बोली का उपयोग कर रहे हैं। मैं उनसे पूछता हूं, "आप अपने रूपांतरण दर और मूल्यों के आधार पर लक्ष्य ROAS से वास्तविक CPC पर कैसे जाते हैं?" और वे गणित नहीं कर सकते। और अगर तुम नहीं कर सकते ... मैं तुम्हें मौके पर यह करने की उम्मीद नहीं है, लेकिन आप उस के माध्यम से सोचने के लिए और वास्तव में तरह की व्याख्या करने में सक्षम होना चाहिए और फिर ऐसा हो, "ठीक है, अगर यह प्रति रूपांतरण ऐतिहासिक रूपांतरण मूल्य का उपयोग कर रहा है या प्रति क्लिक, हमारे पास किस प्रकार का डेटा है जो शायद कुछ दर्शकों को सूचित करता है जो बेहतर या बुरा प्रदर्शन करते हैं, और हम इसके साथ क्या कर सकते हैं? क्या हमें एक नई ऑडियंस का निर्माण करके Google की समझ को पूरक करना चाहिए जो हमारे लिए कुछ मायने रखती है? ”

क्योंकि मशीन सीखने के मूल सिद्धांतों में से एक यह है कि यह भविष्य के बारे में भविष्यवाणियां करने के लिए ऐतिहासिक डेटा का उपयोग करता है। और इसलिए जिस तरह की बड़ी पारी आपके डेटा के बारे में नए तरीके से सोच रही है। और जिन चीजों के बारे में आप बात कर रहे हैं उनमें से एक इन एल्गोरिदम को अधिक डेटा के साथ सूचित कर रही है, और यह है कि Google के पास अंतराल हैं। इसलिए जब टीमें एक-दूसरे से बात कर रही हैं, ठीक है, हम स्मार्ट बोली-प्रक्रिया का उपयोग करना चाहते हैं - और शायद यह Google की स्मार्ट बोली-प्रक्रिया भी नहीं है, इसकी कोई स्मार्ट बोली-प्रक्रिया, यह एक तृतीय-पक्ष उपकरण है - और आप यह पता लगाते हैं, ठीक है यह डेटा है हमारे पास है, और यह हमारा लक्ष्य है। क्या इससे हमें अपना लक्ष्य हासिल करने में मदद मिल सकती है?

तो, उस प्रक्रिया के बारे में सोचने और सोचने के बारे में क्या कदम हैं, "अंतराल क्या हैं?" कोई व्यक्ति कैसे कार्यालय में वापस आता है और कहता है, "यह हमारी चुनौती है। मैं या तो अपने दम पर यह कैसे करूं या टीमों के साथ काम करूं क्योंकि मुझे अभी इस डेटा तक पहुंच नहीं है? "

राइट, और यह वास्तव में बड़ी चीजों में से एक है जिसे पीपीसी विशेषज्ञ एक भूमिका निभाने जा रहे हैं, और मुझे नहीं लगता कि यह एक सरल जवाब है, लेकिन इस तरह के कारण हमारे पास आगे बढ़ने वाली नौकरियां होंगी। इस नए प्रश्न की वजह से हमारी नौकरियों को नए सिरे से परिभाषित किया गया है। इसके साथ कई समस्याएं हैं। उनमें से एक यह है कि वास्तव में आपको यह नहीं बताया गया है कि उसके पास क्या डेटा है या वह किस डेटा का उपयोग करता है। इसलिए मैंने जो एक उदाहरण दिया वह गुणवत्ता स्कोर के लिए था। एक बिंदु पर, हमने कहा, "अरे, हमें चंद्र चक्र को देखना चाहिए और यह पता लगाना चाहिए कि क्या प्रभाव दर के माध्यम से भविष्यवाणी करता है।" और हमने पाया कि सिस्टम-वाइड, यह वास्तव में नहीं था - इसलिए हमने उपयोग नहीं करने का फैसला किया। यह एक कारक के रूप में है। अब, यदि आप टैरो कार्ड रीडर या साइकिक हैं, तो आप जानते हैं, शायद यह मायने रखता है।

मुझे पता है, जब मैंने पढ़ा कि मुझे लगा कि यह मातृत्व वार्ड भी है। इतने सारे… प्रसव पूर्णिमा पर आधारित होते हैं। कोई भी प्रसूति वार्ड नर्स कहेगी, पूर्णिमा तब होती है जब हम पूर्ण होते हैं। तो मैं सोच रहा था, ओह, यह एक महान उदाहरण है, आप जानते हैं, पूरे पर, चंद्र चक्रों ने कोई फर्क नहीं पड़ता, लेकिन ऐसी चीजें हैं।

विशिष्ट वर्टिकल और उद्योग हैं। और फिर अगर यह आपके लिए मायने रखता है, तो आपको यह पता लगाना होगा कि हम Google को इसके बारे में कैसे सूचित करते हैं। सही?

और फिर दूसरा प्रश्न जो वास्तव में कठिन है और जिसे हम एक भूमिका निभाने जा रहे हैं, वह यह है कि प्रसूति वार्ड कहता है, "हाँ, हम पूर्ण हैं।" लेकिन वास्तव में, कितना पूर्ण? क्या आप असामान्य से 25% अधिक पूर्ण हैं? और अगर आप क्षमता तक पहुँच गए हैं, तो क्या इसका मतलब है कि आप उच्चतर बोली चाहते हैं या आप कम बोली लगाना चाहते हैं?

यह एक रणनीति निर्णय बन जाता है, और यह आप के लिए संभव हो जाता है कि आप अपने डेटा को अपने मशीन लर्निंग सिस्टम में प्लग करें - और यदि आपके पास पर्याप्त डेटा नहीं है, तो भी आप उस पर कुछ सांख्यिकीय विश्लेषण कर सकते हैं। लेकिन अब आपके पास डेटा पॉइंट हैं। आप कह सकते हैं, "एक पूर्णिमा के लिए ठीक है हम अपनी बोलियों को 20% तक बढ़ाने जा रहे हैं।" और इसलिए पुराने दिनों में एक बोली बढ़ाने का मतलब था "अपनी CPC 20% बढ़ाना," अब इसका मतलब हो सकता है "अपनी वृद्धि करें" CPA लक्ष्य इतनी अधिक या आपके ROAS को किसी अन्य संख्या से कम करता है ”क्योंकि आप जानते हैं कि पिछले छोर पर आपका रूपांतरण दर स्पाइक जा रहा है। भले ही आप अधिग्रहण के लिए अधिक भुगतान करने के लिए तैयार नहीं हैं, फिर भी जोड़ा गया रूपांतरण दर उसके लिए बनाने जा रहा है। और फिर, कि बुनियादी बातों में वापस चला जाता है। यदि आप यह नहीं समझते हैं कि रूपांतरण दर और CPA लक्ष्य किस तरह परस्पर क्रिया करते हैं, तो आप सही निर्णय लेने में सक्षम नहीं होंगे।

मैं सोच रहा हूं, आप जानते हैं, नवजात फोटोग्राफर ... जो कहता है, मुझे पता है कि मैं इस समय वास्तव में व्यस्त होने जा रहा हूं। यह सुनिश्चित करने के लिए कि आप किस बारे में बात कर रहे हैं और योजना बनाना जानते हैं, यह सुनिश्चित करने के लिए कुछ संसाधन और सर्वोत्तम तरीके क्या हैं?

किताब पढ़ी। [हंसते हैं] पुस्तक में तीन खंड हैं। परिचयात्मक खंड इस तकनीक के बारे में है। और मुझे लगता है कि उस तकनीक को समझना जो इसे चला रही है, आपको खुद को स्थिति में लाने में मदद करती है, लेकिन यह सोचने में भी मदद करती है कि ओह, मैं अपने स्वयं के लाभ के लिए उस तरह की तकनीक का लाभ कैसे उठा सकता हूं?

और एक अवधारणा जो मैंने एसएमएक्स एडवांस्ड में अपनी बात में पेश की थी वह ऑटोमेशन लेयरिंग के बारे में थी, और यह बहुत बड़ी है। तो आपके पास इन-इंजन ऑटोमेशन जैसे स्मार्ट बिडिंग है, और वे कुछ चीजें वास्तव में काफी अच्छी करते हैं, लेकिन वे इसे पूरी तरह से नहीं करते हैं। तो आप अपने स्वयं के सिस्टम को किस प्रकार ऊपर से परतदार करते हैं या तो लक्ष्यों को बदल सकते हैं या जब आप देखते हैं कि कोई बाहरी कारक है जो इसे प्रभावित करता है? और मुझे लगता है कि बस कोर टेक्नोलॉजी, कोर मशीन लर्निंग को समझकर, आप इसके लिए अपने स्वयं के समाधान बनाने के लिए बेहतर स्थिति में होंगे।

और मैं डॉक्टर, पायलट और शिक्षक की भूमिकाओं के लिए आपके उपमाओं से प्यार करता था। आप जानते हैं, यह उन चीजों में से एक है जिनके बारे में हम बात करते हैं - हमारी भूमिका कैसी दिख रही है और क्या हमारे पास नौकरियां होंगी? क्या आप डॉक्टर और पायलट और शिक्षक की भूमिका के बारे में बात कर सकते हैं और वे कैसे लागू होते हैं?

मैं वास्तव में इसे सरल बनाना चाहता था और एक सादृश्य देना चाहता था जिसे लोग आसानी से समझ सकें। और इसलिए जब आप एक डॉक्टर के बारे में सोचते हैं, तो आप एक बीमारी के साथ एक डॉक्टर के पास जाते हैं, और एक डॉक्टर को पता है कि 17 अलग-अलग दवाएं हैं जो इसके लिए काम कर सकती हैं, और इनमें से कुछ दवाएं अधिक आक्रामक हैं, जिनमें अधिक गंभीर संभावित दुष्प्रभाव हैं। और इसलिए वे रोगी पर एक नज़र डालते हैं, और वे कहते हैं, "वैसे यह मुद्दा कितना गंभीर है?" और फिर वे बताते हैं कि उन्हें लगता है कि दवाओं का सही स्तर क्या है। और वे बातचीत के बारे में जानते हैं। वे अन्य स्थितियों के बारे में जानते हैं जो आपके पास हैं। तो इंटरप्ले क्या है? पीपीसी में वापस लाना, यह अच्छा है, अगर हम बोली को स्वचालित करने जा रहे हैं, तो यह केवल एक बटन नहीं है जिसे आप धक्का देते हैं। यह अब आपके बीच चुनने के लिए मिला है, मुझे इस बिंदु पर पता नहीं है, जैसे कि नौ प्रकार की स्वचालित बोली लगाना जो Google प्रदान करता है। और यदि आप लक्ष्य ROAS जैसे किसी एक विशिष्ट को चुनते हैं, तो अब वे मौसमी बोली समायोजन शुरू कर रहे हैं और रूपांतरण मूल्य नियम पेश कर रहे हैं, और इसे ट्रैक करने के तरीके भी हैं। इन सभी परस्पर क्रियाओं को समझना और सही समाधान क्या है, इस तरह के डॉक्टर हैं।

और बेडसाइड तरीके के रूप में डॉक्टर का द्वितीयक भाग। आप हमेशा अपने लक्ष्यों को हिट नहीं करने जा रहे हैं और आपके पास एक बुरा तिमाही है और यह समझने में कि ऐसा क्यों हुआ है और आप इसके बारे में क्या करेंगे और उसके बारे में अपने बॉस से बात करेंगे। यह महत्वपूर्ण है क्योंकि मशीन लर्निंग सिस्टम यह नहीं समझाता है कि यह अपने लक्ष्यों से क्यों चूक गया।

पायलट वास्तव में दो प्रकार के पायलटों में टूट जाता है। एक वाणिज्यिक पायलट है जिसका काम वहां सभी को सुरक्षित रूप से पहुंचाना है, आप जानते हैं, आमतौर पर उसके जेट्स को रास्ते से बाहर नहीं ले जाते हैं। और इसलिए यह एक महत्वपूर्ण भूमिका है। यह सुनिश्चित कर रहा है कि विमान की निगरानी कर रहे सिस्टम सही तरीके से काम कर रहे हैं और यह निर्णय ऑटो-पायलटों द्वारा सही तरीके से किया जा रहा है। औसत पायलट विमान को उड़ान से सात मिनट की तरह उड़ाता है - एक पागल छोटी सी प्रतिमा जो वहां से बाहर है। और फिर एक फाइटर पायलट है। इसलिए जैसा कि आप प्रतियोगियों को ऑटोमेशन का उपयोग करते हुए देखते हैं और आप यह पता लगाते हैं कि क्या कमियाँ हैं - इसलिए शायद यह है कि मानसिक या प्रसूति वार्ड चंद्र चक्र को नहीं देख रहा है, और आप करते हैं, अच्छी तरह से एक प्रतिस्पर्धात्मक लाभ है। इसलिए, "ओह, वे उस प्रौद्योगिकी प्लेटफ़ॉर्म का उपयोग कर रहे हैं, और यह कि उन्हें ध्यान में नहीं रखा जाता है।" तो हम इसे प्राप्त करने के लिए एक बेहतर उपकरण कैसे चुनें या अधिक जानकारी कैसे डालें?

इसलिए मुझे लगता है कि वे दो सबसे आम भूमिकाएँ हैं: डॉक्टर और पायलट जो आज पीपीसी के लोग खेलना शुरू करेंगे। तीसरा एक छोटा सा अधिक आकांक्षी है, मुझे लगता है कि ज्यादातर लोगों के लिए, लेकिन यह आपको एक मशीन कैसे सिखाता है। क्योंकि मशीन सीखने की प्रणाली केवल जादुई रूप से मौजूद नहीं है। किसी को इसका निर्माण करना है। और यह बहुत मूल्यवान कार्य है। यदि आप जानते हैं कि उस प्रणाली को कैसे बनाया जाए तो बस थोड़ा बेहतर होगा। जब मैं Google पर था, तो गुणवत्ता स्कोर, हम हर बार इसमें एक प्रतिशत सुधार करते हैं। और वह एक प्रतिशत, कौन परवाह करता है, है ना? लेकिन अगर आप उन अरबों डॉलर को देखते हैं जो वे बना रहे हैं, तो उसके ऊपर एक प्रतिशत करें, हाँ, यह गंभीर धन है। इस जगह में बहुत सारा पैसा है अगर आप मशीन लर्निंग सिस्टम का पता लगा सकते हैं जो एक और प्रतिशत से बाहर है। यह एक बड़ी बात है।

इस तरह की चीजों में से एक के बारे में हमने आखिरी दिन में बात की है या फिर यहाँ पर SMX Advanced में मशीन लर्निंग है जब यह शुरू नहीं हुआ था। और पीपीसी विपणक जो किसी भी संख्या में वर्षों से हैं, उन्हें वास्तव में मातम और नियंत्रण, नियंत्रण, नियंत्रण में प्रशिक्षित किया गया है। स्वचालन और नियंत्रण के बीच हमेशा यह तनाव रहता है।

तो आपको ऐसे लोग मिल गए हैं जिन्हें वास्तव में हाथों से प्रशिक्षित किया गया है, और आपके पास ऐसे लोग हैं जो खराब परिणाम देख रहे हैं। उन्हें जला दिया गया है। उन्हें लगता है कि यह गिनी पिग सिंड्रोम है, जहां वे Google और Microsoft विज्ञापन एल्गोरिदम को सीखने में मदद करने का खामियाजा उठा रहे हैं। एक ही समय में, और आपकी पुस्तक इसे बहुत स्पष्ट करती है और मैं पूरी तरह से इस में खरीदता हूं, इस पर कोई पीछे नहीं हटता है। केवल अधिक स्वचालन होने जा रहा है। प्रतिरोध व्यर्थ है। तो आप लोगों को कैसे मनाते हैं कि चीजें मौलिक रूप से बदल रही हैं और यदि वे उस तरीके को नहीं बदलते हैं जो वे हर दिन काम कर रहे हैं जो वे पीछे छोड़ने वाले हैं? आप इस तर्क को कैसे बनाते हैं?

वैसे मेरा मतलब है कि उस प्रश्न के बहुत सारे स्तर हैं, लेकिन मुझे लगता है कि मशीन सीखने के त्वरण के बारे में सोच रहा है। इसका एक हिस्सा तो हर 18 महीने में, मूर के नियम का कहना है कि कंप्यूटिंग शक्ति दोगुनी हो जाती है, और कृत्रिम बुद्धिमत्ता लगभग 50 से अधिक वर्षों से है। तो आज पीपीसी शुरू होने के विपरीत यह एक बड़ी बात क्यों है? और यह इसलिए है क्योंकि हम वास्तव में अब उस चरण में हैं जहां तकनीक लगभग 27 गुना दोगुनी हो जाती है और हर बार यह दोगुना हो जाता है, जैसे कि यह अंतिम चक्र में जो था उससे बेहतर है।

इसलिए अगर आज यह बहुत अच्छा नहीं है, तो आप शर्त लगाते हैं कि यह बहुत जल्द बहुत अच्छा होने वाला है। क्या यह हमेशा इंसानों से बेहतर होने वाला है? नहीं, और उस पुस्तक में एक तर्क यह है कि कुछ चीजें हैं जो वास्तव में मनुष्यों के साथ मदद कर सकती हैं।

और बहुत विशेष रूप से, यदि आप एक एजेंसी पर हैं और आप एक विशिष्ट उद्योग में काम करते हैं, तो संभवतः आपके पास इस बात के बारे में अंतर्दृष्टि है कि आपको किन कारकों को देखना चाहिए - ऐसी चीजें जो शायद मशीन लर्निंग सिस्टम के साथ प्रयोग नहीं की जानी चाहिए - और इसलिए उत्तरदायी खोज विज्ञापन वास्तव में एक अच्छा उदाहरण हैं। यह एक मशीन लर्निंग सिस्टम है जो यह बताता है कि प्रत्येक और प्रत्येक क्वेरी के लिए विज्ञापन घटकों को एक साथ कैसे रखा जाए। लेकिन यह कहना अभी भी हम मनुष्यों के लिए है कि ये ऐसी सुर्खियाँ हैं जिनका आपको परीक्षण करना है। मशीन उन नहीं लिख रही है। और इसलिए आपको वास्तव में यह सुनिश्चित करना होगा कि आप मशीन को अच्छी जानकारी देने का मौका दे रहे हैं। और मुझे लगता है कि आपने हाल ही में एक बच्चा के साथ उड़ान भरने के बारे में उदाहरण बनाया है और यह शुरुआत में एक भयानक अनुभव रहा है और फिर कभी उड़ान नहीं भरना चाहता। लेकिन तब आपको अहसास होता है, कि अरे, अगर मैं टॉडलर को सिखाऊं कि वह कितना अच्छा स्वभाव है, तो यह बहुत ही शानदार होने वाला है, और शायद वे वास्तव में मेरे बैग को ले जा रहे हैं और मददगार हैं। मशीन लर्निंग एक ही चीज है। अधिगम शब्द का हिस्सा है। इसलिए यह पहले दिन सही नहीं होगा। लेकिन यह निश्चित रूप से बेवकूफ बनने वाला नहीं है।

सही। हालाँकि, कुछ गलतियों के बारे में बात करते हैं जो लोग करते हैं। प्रशिक्षण और सीखने का यह पूरा विचार - जब आप लॉग इन करते हैं, तो आप "सीखने" संदेश देखते हैं, या आप कुछ ऐसा देखते हैं जो काम नहीं करता है। पीपीसी दुनिया के पिछले पुनरावृत्ति में, आप सोचेंगे, मुझे एक समायोजन करने और अंदर जाने की आवश्यकता है और आप दो या तीन समायोजन करेंगे। क्या अब वह काम करता है?

हाँ, मेरा मतलब है कि आपको उस बिंदु पर एक कदम वापस लेना होगा। पुस्तक में बिंदु यह है कि स्वचालन शोधकर्ताओं ने पाया है कि मनुष्य, जब वे मशीन को वह नहीं करते हैं जो यह करने के लिए अपेक्षित है, तो वे यह कहना बहुत जल्दी करते हैं, "ठीक है यह काम नहीं कर रहा है।" हम अब इसका उपयोग नहीं करने जा रहे हैं। ”यदि आपने अपनी एजेंसी में एक नए कर्मचारी को काम पर रखा है और उस कर्मचारी ने गलती की है, तो आप शायद उन्हें बैठकर समझाएंगे कि वह गलती क्यों थी और उन्हें बेहतर तरीके से सिखाने और देने की कोशिश करें उन्हें अधिक जानकारी, अधिक जानकारी और विश्वास है कि वे अगली बार बेहतर होंगे। और इसलिए मुझे लगता है कि हमें मशीन के साथ भी ऐसा ही करना है। यदि हम देखते हैं कि मशीन पर्याप्त तेजी से नहीं सीख रही है, तो हमें पीछे हटना होगा और कहना होगा, “क्या हमारे पास पर्याप्त रूपांतरण हैं जो हम ट्रैकिंग कर रहे हैं? क्या हम रूपांतरणों को सही तरीके से माप रहे हैं? ”मूल रूप से कचरे में कचरा। यदि आप इसे अपने निर्णय लेने के लिए सही डेटा नहीं दे रहे हैं तो मशीन लर्निंग सिस्टम अच्छा काम नहीं कर सकता है।

एट्रिब्यूशन मॉडल इस तरह के रूप में अच्छी तरह से खेलते हैं। यदि आप अंतिम क्लिक एट्रिब्यूशन कर रहे हैं, तो पुराने दिनों में, आप अपनी कीवर्ड सूची को देखते हैं, और आप देखते हैं, ओह इस कीवर्ड पर अंतिम क्लिक पर बहुत कम रूपांतरण हैं। एक स्वचालित प्रणाली कहेगी, कि कीवर्ड को मार डालो, इसे बोली लगाओ, इससे छुटकारा पाओ। जबकि एक मानव आप कहेंगे, ओह, वास्तव में एक बहुत ही प्रासंगिक कीवर्ड है। शायद यह फ़नल में उच्च बात करता है। आप इसे बनाए रखेंगे, लेकिन मशीन लर्निंग सिस्टम के पास वह संदर्भ नहीं है। इसलिए यदि आप अंत में एक बेहतर एट्रिब्यूशन मॉडल नहीं डाल रहे हैं, तो ठीक है, हाँ, आपका स्वचालन जो बोली करता है वह बहुत भयानक होने वाला है और वास्तव में आपके अभियान को मार देता है। लेकिन ऐसा नहीं है क्योंकि मशीन सीखना खराब है, यह इसलिए है क्योंकि आपने इसे बुरी जानकारी दी है।

खैर, इसके लिए आपको बहुत-बहुत धन्यवाद। पीपीसी विपणक के लिए ऐसे शब्द प्रस्तुत करना जो इस बात से चिंतित हों कि उनकी भूमिकाएं, उनके करियर, उनके व्यवसाय क्या दिख रहे हैं?

मुझे लगता है कि यह एक रोमांचक समय है। और अगर आप PPC से जुड़ते हैं, तो मेरा मतलब है कि यह कभी धीमी गति से चलने वाला क्षेत्र नहीं रहा है, यहां लगातार परिवर्तन होता है, और यह इनमें से सिर्फ एक है। मुझे लगता है कि यह वास्तव में अच्छा है क्योंकि अब कोई भी थकाऊ, दोहराव वाला काम करना पसंद नहीं करता है, और यह वास्तव में इन ऑटोमेशनों का ध्यान रख रहा है।

और हमें रणनीति के बारे में अधिक सोचना है। हम वास्तव में फिर से विपणक बन जाते हैं। दर्शकों के बारे में सोचें। मैसेजिंग के बारे में सोचें। मार्केटिंग के मज़ेदार सामान के बारे में सोचें। और संख्या में कमी, जो बहुत से लोगों को लगता है कि वास्तव में मजेदार है, लेकिन इससे भी अधिक मशीन द्वारा किया जाने वाला है।

और विश्लेषण वह है जिस पर हम ध्यान केंद्रित कर सकते हैं।

वास्तव में, अंतर्दृष्टि को चित्रित करना और आप उन अंतर्दृष्टि को अपने अगले अभियान में कैसे लागू करते हैं।

लेकिन एक अन्य बिंदु जो मुझे लगता है कि Google कभी-कभी मशीन बनाने में चूक जाता है, तो क्या वे सोचते हैं कि एक हजार डॉलर का प्रयोग, जो एक महान परिणाम का कारण बन सकता है, लेकिन यह एक हजार डॉलर है। Google के लिए, वह कुछ भी नहीं है। एक छोटे से व्यवसाय के लिए जो एक हज़ार डॉलर की तरह होता है जिसके दौरान वे बाड़ पर होते हैं: क्या यह मशीन इसे सीखने जा रही है या यह काम करने वाली नहीं है? यही उनके लिए असली पैसा है। और इसलिए यदि आप इस क्षेत्र के एक विशेषज्ञ हैं और आप रणनीतियों को जानते हैं, तो आपको सही जगह पता है, जो आपको सफलता का उच्चतम मौका देने के लिए सही शुरुआती बिंदु है, जो कि एक पैर है। और यह कुछ मूल्यवान है जिसे आप बेच सकते हैं। इसलिए मुझे लगता है कि यह पीपीसी के लिए अवसरों से भरा है, लेकिन यह पिछले दस सालों से हम जो कर रहे हैं, उससे अलग है।

0 Comments: