3 passaggi per una strategia di offerta per gli annunci più intelligente grazie al machine learning

Sofia Rodriguez
/ Maggio 2019 / Pubblicità Programmatica

Buone notizie per i professionisti del marketing: tutti i nuovi strumenti per mettersi in contatto con i consumatori online offrono ancora più opportunità per raggiungerli.

Tuttavia, se per la tua pubblicità online utilizzi l'offerta manuale, sfruttare questi nuovi touchpoint può essere molto complicato. Dovresti adeguare le offerte all'insieme unico di indicatori dei singoli clienti, ad esempio l'orario in cui sono online, il dispositivo e il browser utilizzati, la lingua e così via.

Per un essere umano, è un obiettivo difficilissimo da raggiungere, se non impossibile. Ecco perché molti professionisti del marketing si stanno rivolgendo agli strumenti per le offerte automatiche, ad esempio Smart Bidding di Google Ads. Questi strumenti utilizzano il machine learning per analizzare rapidamente milioni di indicatori e impostare in modo proattivo aggiustamenti a livello di asta in tempo reale.

Sebbene sia molto potente, questa tecnologia ha comunque bisogno di input adeguati. In altre parole, l'essere umano è il cervello dietro la macchina. Smart Bidding è "intelligente", ma può diventarlo ancora di più se metti al suo servizio le strategie giuste.

Esaminiamo i tre passaggi per sfruttare al massimo gli strumenti per le offerte automatiche.

Tre passaggi per sfruttare al massimo gli strumenti per le offerte automatiche

Tre passaggi per una strategia di offerta per gli annunci più intelligente grazie al machine learning

Passaggio 1. Scegli la giusta strategia di offerta

Imposta il monitoraggio delle conversioni, quindi pensa agli obiettivi che vuoi raggiungere: un aumento delle conversioni, una riduzione del costo per acquisizione (CPA), un ritorno sulla spesa pubblicitaria (ROAS) specifico o altro? Una volta definito l'obiettivo, scegli la strategia di offerta giusta per raggiungerlo. Puoi scegliere tra numerose strategie Smart Bidding. Massimizza le conversioni, ad esempio, ti consente di ottenere il maggior numero possibile di conversioni entro un determinato budget. Ma esaminiamo in che modo due aziende hanno utilizzato strategie diverse.

Se non hai vincoli di budget, potresti valutare la strategia basata su CPA target. Skechers, ad esempio, doveva far fronte a un mercato delle calzature spagnolo sempre più competitivo e aveva bisogno non solo di incrementare le vendite, ma anche di aumentare il riconoscimento del brand. Con la strategia basata su CPA target, ha potuto definire un importo di offerta che avrebbe consentito di ottenere il maggior numero di conversioni a un CPA specifico. Secondo Skechers, questo approccio ha consentito di aumentare le conversioni del 214%.

Il ritorno sulla spesa pubblicitaria target potrebbe essere l'approccio giusto se la tua campagna ha già generato un certo numero di conversioni e vuoi un ROAS specifico. L'azienda di abbigliamento svedese Happy Socks aveva bisogno di continuare la rapida crescita internazionale. Ciò significava incrementare il rendimento della sua pubblicità in ciascun mercato, senza dovervi dedicare molto tempo e impegno. Ha così utilizzato il ritorno sulla spesa pubblicitaria target per ottimizzare tutte le sue campagne sulla rete di ricerca in base a un obiettivo di ROAS, ottenendo così un aumento delle vendite senza rinunciare agli obiettivi di redditività. Happy Socks ha registrato un aumento del 30% del ROAS in oltre 20 mercati, una riduzione dei costi del 20% e, di conseguenza, un aumento del 10% delle vendite.

Passaggio 2. Attendi

Nell'ambito del machine learning, la pazienza è una virtù. Dopo aver implementato la strategia di offerte automatiche, assicurati di lasciar trascorrere un periodo di tempo adeguato prima di eseguire un'analisi del rendimento.

Gli algoritmi di Smart Bidding in genere richiedono un periodo di apprendimento di una settimana. Ma il tempo di attesa dipende in realtà dalla quantità di dati sulle conversioni disponibili, nonché dal ritardo nella conversione, ovvero il tempo che intercorre tra clic e conversione. Controlla il rapporto sulla strategia di offerta per verificare quanti giorni rimangono nel periodo di apprendimento. Durante questo periodo, non apportare troppe modifiche alla campagna.

Una volta terminato il periodo di apprendimento, lascia che la campagna venga pubblicata ancora per qualche settimana. Quindi, cerca di capire qual è il tempo di ritardo standard per le conversioni (il tempo medio necessario affinché un clic si trasformi in una conversione online). Questo dato indica quanto tempo devi attendere prima di eseguire l'analisi.

Supponiamo, ad esempio, che il tuo tempo di ritardo standard sia di tre giorni. La prima settimana della campagna potrebbe essere il periodo di apprendimento, mentre la seconda e la terza corrispondono al periodo di pubblicazione. Tre giorni dopo, puoi iniziare a eseguire l'analisi del rendimento relativa alla seconda e alla terza settimana.

Passaggio 3. Continua a ottimizzare

Non utilizzando più l'offerta manuale, avrai molto più tempo a disposizione. Utilizzalo per migliorare la tua strategia di ottimizzazione. Ad esempio, potresti modificare la creatività dell'annuncio, migliorare la tua pagina di destinazione o progettare una migliore esperienza di acquisto da dispositivo mobile sul tuo sito di vendita al dettaglio. Tutte queste ottimizzazioni consentiranno a un algoritmo per le offerte automatiche di generare risultati ancora migliori.

La scelta della giusta strategia di offerta, l'attesa per un periodo di tempo sufficiente prima di analizzare il rendimento e l'ottimizzazione continua ti consentono di automatizzare le offerte e sfruttare al massimo il machine learning.

Intel migliora il ROI di centinaia di campagne globali con un innovativo impiego degli RSLA