Технология ИИ в КПП

Искусственный интеллект (AI) существует уже давно, так почему же мы только сейчас изучаем его приложения для PPC? Обозреватель Фредерик Валлайс объясняет технологию, ее эволюцию в последние годы, и что дальше для ИИ в платных поискахЯ считаю, что искусственный интеллект (ИИ) станет ключевым фактором изменения КПП в 2018 году, поскольку он приведет к большей и лучшей разведке КПП. До сих пор я обсуждал роли, которые люди будут играть, когда управление КПП становится почти полностью автоматизированным, и шесть агентств по стратегиям могут взять на себя ответственность за будущее. В этом заключительном посте о состоянии ИИ в КПП я расскажу о технологии ИИ.

Почему AI занимал годы, чтобы иметь значение для PPC

AI существует с 1956 года, и КПП существует с конца 1990-х годов. Так почему же до сих пор роль ИИ в платных поисковых процессах стала такой горячей темой в нашей отрасли? Это потому, что мы недавно попали в точку перегиба, где из-за экспоненциального характера технологических достижений мы теперь видим улучшения, которые раньше выполнялись годами. Что стимулирует это экспоненциальный рост, объясненный Законом Мура, принцип, что вычислительная мощность удваивается примерно каждые 18 месяцев. Результат экспоненциального роста трудно понять людям, поэтому позвольте мне привести пример, который не связан с вычислительными скоростями, поскольку они могут быть слишком концептуальными. Вместо этого давайте применим это удвоение скорости к автомобилям, где мы сможем более легко понять, как это влияет на расстояния, которые мы путешествуем, и как быстро мы куда-то попадаем. Представьте себе, что первый автомобиль, изобретенный Карлом Бенцем в 1885 году с максимальной скоростью около 10 миль / ч, удваивал скорость каждые 18 месяцев. В 1885 году мы могли проехать этот автомобиль через типичный город через час. После 27-кратного удвоения его скорости (столько же раз, когда микрочип удвоил свою скорость с момента его создания), мы могли бы отправиться на солнце примерно через 4 минуты. И менее чем через 18 месяцев потребуется около 2 часов, чтобы отправиться в Нептун, самую дальнюю планету в нашей солнечной системе. (Voyager 2 совершил ту же поездку примерно через 12 лет). Поскольку скорость вычислений уже удвоилась в 27 раз, каждое дополнительное удвоение приводит к новым возможностям, которые выходят за рамки воображения.

Что означает экспоненциальный рост для PPC

Итак, если мы достигли точки автоматизации КПП сегодня, когда люди и компьютеры примерно одинаково хороши, считают, что темпы технологического совершенствования позволяют машинам оставлять людей в пыли в этом году. Вот почему стоит подумать о тех ролях, которые люди будут играть в будущем PPC. И так же, как первый автомобиль не подходит для полета на Нептун, инструменты, которые вы использовали для управления AdWords несколько лет назад, уже не могут быть теми, которые имеют смысл для управления AdWords сегодня. Итак, давайте посмотрим, что ИИ делает с инструментами PPC.

Технологии, управляющие интеллектом PPC

Так же, как вы хотите знать, на что способны ваши сотрудники, опросив их перед их наймом, вы должны понимать возможности технологии (и ограничения), прежде чем добавлять ее в свой инструментарий. Итак, посмотрим, как работает искусственный интеллект в КПП.

Учет PPC с помощью запрограммированных правил До появления ИИ в качестве исследовательской области в 1956 году вы могли бы заставить машину выглядеть «умной», программируя ее для предоставления конкретных ответов на большое количество сценариев. Но эта форма ИИ очень ограничена, поскольку она не может иметь дело с краевыми случаями, которых в реальном мире всегда много. В PPC это будет сродни использованию автоматических правил для написания правил для каждого возможного сценария, с которым может столкнуться учетная запись. Правила хороши для освещения большинства случаев использования, но реальный мир беспорядочен, и писать правила для каждого сценария просто невозможно.

Учет PPC через символические представления В период с 1950-х по 1980-е годы ИИ превратился в использование символических систем, чтобы иметь возможность использовать эвристические ярлыки, как люди. Сформулировав проблемы в удобочитаемой форме, считалось, что машины могут делать логические выводы. Вот проблема PPC: вы добавляете новое ключевое слово, но вы не знаете правильную ставку, потому что для нее нет исторических данных. Обучая машинным концепциям, таким как кампании и ключевые слова, и как они соотносятся друг с другом, мы предоставляем ему те же самые эвристики, которые мы используем, чтобы сделать разумные догадки. Таким образом, система теперь может автоматизировать управление ставками и может установить аналогичную ставку для других ключевых слов в кампании, поскольку она знает, что в кампаниях обычно есть ключевые слова, которые имеют что-то общее.

Учет PPC посредством методов статистического обучения Тип ИИ, который сегодня несет большой успех в КПП, основан на статистике и машинной подготовке, чтобы классифицировать вещи. Показатель качества (QS) - отличный пример; Google смотрит на поведение исторических кликов у пользователей и использует машинное обучение для поиска корреляций, которые помогают прогнозировать вероятность клика или конверсии. Имея оценку того, насколько вероятно, что каждый поиск будет преобразован в конверсию, автоматические товары для проведения торгов, такие как предлагаемые внутри AdWords, могут «задуматься» по многим другим параметрам (например, геолокации, часам дня, устройству или аудитории), которые может повлиять на вероятность конверсии, чем может быть человек. Благодаря значительно увеличенной вычислительной мощности, доступной сегодня, эти системы также могут рассматривать взаимодействия между измерениями без «перегруженности» комбинаторной природой проблемы.

Что будет дальше для искусственного интеллекта

Системы AI, которые сегодня пользуются большим вниманием, например AlphaGo Zero, больше не зависят от структурированных данных и могут стать «умными», не будучи «ограниченными ограничениями человеческого знания», как объяснил генеральный директор DeepMind Демис Хассавис. Команда создала алгоритм AlphaZero, используя обучение подкрепления, чтобы научиться выигрывать другие игры, помимо AlphaGo. Они утверждали, что к концу 2017 года этот алгоритм научился лучшим людям в других играх, таких как шахматы и сёги менее чем за один день - огромный скачок вперед в искусственном интеллекте. Усиление обучения использует огромные вычислительные мощности для запуска множества симуляций, пока не начнет распознавать действия, которые приводят к желаемым результатам. Это может быть применено к играм, потому что есть явный результат «выигрыша» или «проигрыша». Когда Google выясняет, что значит выиграть или проиграть в игре в AdWords, я уверен, мы увидим огромное ускорение в улучшении их средств автоматизации.

Создайте свой собственный интеллект PPC

Для автоматизации работы с PPC существует множество инструментов, и несколько сторонних поставщиков начинают использовать AI и ML для предоставления более сильных рекомендаций. Но также есть множество бесплатных инструментов из AdWords, которые становятся лучше с каждым днем ​​благодаря достижениям в области ИИ, таким как стратегии ставок на портфолио, персонализированные аудитории, оптимизированная ротация объявлений и т. Д. Для тех, кто хочет инвестировать в подключение своих бизнес-данных к AdWords и AI, я являюсь большим поклонником решений для прототипирования с помощью скриптов AdWords, поскольку они обеспечивают большую настраиваемость, не требуя большого количества инженерных ресурсов. К сожалению, простые сценарии, которые вы пишете, попадают в самую слабую категорию ИИ, где информация PPC достигается с помощью жестко закодированных правил. Но когда вы получаете немного больше возможностей в своих возможностях создания сценариев, вы можете использовать Google Cloud Machine Learning Engine, чтобы начать совершенствовать свои собственные автоматики с помощью современных методов машинного обучения. Преимущество такого решения заключается в том, что вам не нужно изучать многие типы различных моделей. Но это также является недостатком, потому что вы не получите полного контроля над тем, как вы устанавливаете критерии и пороговые значения для получения результатов, которые можно использовать. Наша команда в Optmyzr попробовала несколько готовых систем, но в итоге решила, что нам нужно больше энергии, поэтому мы создаем собственный AI.

Заключение

Я считаю, что есть три столпа для того, чтобы быть успешным маркетологом PPC в мире, где ИИ берет верх, и теперь я затронул каждый столп в моих недавних сообщениях:

Будьте готовы к новым ролям, которые будут играть люди.

У вас есть план для вашего бизнеса и, в первую очередь, сосредоточиться на том, чтобы лучше всего использовать AI.

Понимайте технологию, чтобы быстрее находить возможности.

В ближайшие месяцы я поделюсь собственным опытом работы с AI, поэтому рекламодатели, готовые принять решительные решения, будут лучше понимать, что связано с созданием успешных компаний, которые используют новейшие достижения в области технологий, вычислений и статистики. Мнения, выраженные в этой статье, принадлежат авторам гостевых изданий, а не обязательно поисковым системам. Здесь перечислены авторы работ.