TopsTipGoogle今年不断传递一个信息：AI的效果取决于输入数据的质量。这一信息出现在Ads Decoded播客、数据管理器更新、标签指导、合作伙伴集成，甚至开发者内容如Ads DevCast播客中。这似乎反映了Google对广告活动的构建和优化的期望发生了更广泛的转变。
为何Google推动广告主重新思考转化策略
广告主并不是缺少数据。大多数账户都有大量数据。问题在于这些数据是如何被结构化、选择和输入投标系统的。随着Google越来越依赖AI驱动的优化，那些没有完善转化设置的广告主之间的差距变得更加明显。广告活动的表现越来越依赖于系统对成功标准的理解程度。
过去，许多广告主将转化跟踪视为一种扩展，而不是不断精炼的过程。只要平台易于跟踪某个动作，它就会被添加。如果CRM能够反馈一些数据，它就会被导入。如果出现新的转化类型，它通常会毫无阻力地加入账户。
大多数转化设置崩溃的地方
理论上，这听起来像是一个更完整的数据集。数据越多越好，不是吗？实际上，这为机器学习带来了很多噪音，难以分辨出真正重要的信息。广告活动常常针对一系列动作进行优化，但这些动作的意图、价值或时机并不一致。
一些信号质量很高，但由于销售周期的延迟，可能数量很少。另一些可能是即时的，但与实际业务结果联系松散。许多账户最终将所有这些信号混合在一起，采用单一的投标策略来衡量一切。
Google为何如此重视数据强度
当自动化对精确输入的依赖较小时，这种方法效果还不错。但当投标系统需要根据数据模式做出决策时，这就成了一个更大的问题。在最近的Ads Decoded播客集中，Google对潜在客户生成的最新指导明确了他们试图纠正的方向。重点是绘制完整的客户旅程，并识别能够为投标提供可用信号的转化点。
这意味着需要同时关注三个方面：许多广告主仍然默认选择最深层次的转化，假设优化最终销售将为每个广告活动带来最佳结果。
-=||=-收藏赞 (0)
