SEM世界中的许多人都担心人工智能和机器学习会使他们的工作过时 – 但专栏作家Frederick Vallaeys认为，人和机器一起工作最终将为客户创造最大的价值。
今年早些时候，我写了关于人工智能（AI）和机器学习如何推动PPC自动化，然后再次讨论谷歌最新的AdWords创新浪潮是如何在很大程度上受这些技术驱动的。随着自动化的加速，代理商将如何应对和PPC经理更新他们的战略？他们需要哪些流程才能保持竞争力？他们对当今市场上的自动化工具有什么期望呢？我会在一系列即将发布的帖子中介绍所有这些主题，所以我很想听听你的想法。但是今天，让我们首先看一下人类和代理商在PPC中扮演的角色。机构将教机器学习机器可以学习，它们肯定会超越人类，对吧？现实是机器学习仍然非常依赖于人类。我们编程算法，我们提供培训数据，我们甚至操纵培训数据以帮助机器正确地进行。机器学习通常需要结构化数据来学习，并且需要一个非常明确的问题来解决。我们作为人类将在一段时间内发挥作用来定义问题并通过操纵机器如何“学习”来帮助塑造期望的结果。现在，机器需要我们成为它的老师。AdWords质量得分仅适用，因为人群的智慧提供了大量有关查询和点击的数据，机器可以使用这些数据来学习.Tesla的自动驾驶仪可以正常工作，因为成千上万的司机通过棘手的情况手动控制他们的汽车。因为它们都是联网的，这有助于下一个特斯拉更好地通过相同的位置驱动自己。在PPC中，我们从多年手动管理活动中学到的东西可以成为教授计算机如何在类似情况下做出反应的基础。教师无法教授所有内容，因此他们所做的大部分工作都是帮助学生提出更好的问题。作为计算机的教师，我们应该让自己提出更多问题，因为合成智力对于找到答案的速度没有相同的人为限制。例如，质量得分 – 它是一个可以分析的机器学习系统数百个与搜索相关的因素，并找到对点击率有重大影响的事物模式。因为它可以更快地分析数据，我们可以提供看似随机和无关的数据，让它告诉我们这是否有所不同。这是一个我们曾经问过质量得分系统的一个疯狂的问题：月球周期会影响点击率吗？虽然答案并不重要（不，没有相关性），但重要的是我们能够提出全新的问题，并迅速得到一个有助于使系统更好的答案。但我们也应该优先考虑我们的问题。基于人类的直觉问。当我们已经知道某些答案无法帮助我们改进时，我们不想通过询问所有内容来浪费机器能量。请考虑以下示例：要求Google地图计算从旧金山到纽约的最佳路线。计算每个可能的后路需要很长时间，并且考虑到我们知道高速公路往往比当地道路更快，这种计算几乎肯定不会产生更好的结果 – 所以我们可以放心地忽略这个问题。机构将提供缺乏创造力的机器。代理商的最大价值在于其员工与自动化协同工作的能力。大师Garry Kasparov指出，在国际象棋方面，由机器协助的人员团队甚至可以控制最强大的计算机。在2005年的一次实验中，Playchess.com推出了一个国际象棋锦标赛，参与者可以与其他玩家和/或计算机一起玩。根据卡斯帕罗夫的说法：国际象棋机器Hydra是深蓝色的国际象棋专用超级计算机，与使用相对较弱的笔记本电脑的强大的人类玩家无法匹敌。人类的战略指导与计算机的战术敏锐性相结合是令人难以招架的。人类仍然擅长创造性战略 – 以新的方式将旧观念结合在一起并测试结果。我们之所以没有谷歌的计算机为AdWords撰写所有广告的原因是它们最终看起来都一样 – 然后它们就会停止发展，因为机器将不再有任何变化来测试。进化算法，一个子集AI，基于生物进化，他们需要访问变体才能很好地工作。虽然他们可以创造自己的突变，但人们通常仍然知道提出更好的想法的正确捷径。在Facebook上的广告客户曾经提交过一个静态图片的广告。当完全静态时，它的点击率远远高于同一广告。这是一种产生更好的点击率的愚蠢方式，但它是人类尝试新机器的一个很好的例子，机器可能没有想到，因为没有人在它可以访问的数据领域之前做过这个。机构将是避免灾难的飞行员自驾车不是“无人驾驶”的汽车，因为仍然有一个人在车轮后面监控机器。这是有道理的，因为不会杀死乘客或在路上的其他人是有价值的，值得一些人力资源。在PPC，我们幸运的是没有处理生死场景; 但我们仍然可以设立一个试点来监控最重要的自动化领域。诀窍在于确定80/20规则并为最大的潜在影响的自动化节省人力。我曾经审核过一个完全陷入困境的帐户，因为竞标自动化在启动可执行的着陆页后正确降低了出价。虽然登陆页面很快被人类修复，但没有人记得重置出价，并且该帐户花费了数月的时间，因为其最佳关键词在搜索结果的第二页上挥之不去。今天构建的许多系统的问题在于它们由于自我强化的反馈循环可能会导致螺旋式下降而导致失败的目标可能会失败：糟糕的表现→降低一点→更糟糕的表现→降低一些→厄运！我们还可以超越我们自己的自动化做的事情找出在竞争对手算法中利用的弱点。请记住，许多自动化正在执行定义明确的任务，这使得它们可以预测。例如，我曾经不得不在我的自行车上穿过四条车道，并且要等一辆车先让我通过。但是当我注意到它是一辆谷歌的自动驾驶汽车时，无论如何我都去了转弯，因为我知道这辆车有完美的视野，并且编程时不打骑自行车。而且由于我正在分享这个故事，在那种情况下，事情进展顺利。有时，我们可以从机器的功能中学习。世界冠军的Go玩家Lee Sedol被DeepMind的AlphaGo计算机击败，从失败的机器变成了一个更好的玩家。他以及许多其他观看比赛的人都被计算机制作的第37步感到困惑。这根本不是任何人类所能发挥的举动。但是，正是这一举动为计算机赢得了胜利，现在人类已将它添加到他们自己的曲目中。有时你作为副驾驶的工作是看到那些不存在但应该存在的东西。乔丹艾伦伯格写的“怎么不错”这本书讲述了数学家阿布拉姆・沃尔德的故事，他在第二次世界大战期间弄清楚飞机的哪一部分应该更强大，以抵抗被敌机击落。来自带有弹孔的飞机的数据显示燃料系统中的弹孔比发动机更多。科学家得出结论，他们应该重新加强燃料系统。但沃尔德认为发动机撞击的飞机可能会坠毁并且永远不会返回，这会扭曲数据。让我们把它放到PPC的例子中。当你看到导致转换的原因是因为你想要做更多的事情时，也许你应该问一下什么不会导致转换，而不是那么做。例如，很高的运费可能会影响您的转换率，但如果您提出错误的问题，您就不会发现这一点。如果计算机将执行PPC管理的每个部分，他们仍然不会拥有与您的客户相同的人际关系。了解客户业务的细微差别（这将有助于您提出新的想法进行测试），了解他们对PPC的担忧，理解他们对最后一位客户经理的挫败感等等。所有这些都将有助于您与他们建立更富有成效的关系。利用人工智能的一个令人惊讶的职业是医生。他们根本无法像Watson那样阅读现有的研究，因此IBM的超级计算机可以成为一名出色的诊断师。但沃森可能无法向病人解释病情，在分享可能具有毁灭性的新闻时，它肯定不会有人类的同理心。即使他们有一台超级计算机来帮助他们，医生仍然有一席之地。作为PPC专家，我们的很大一部分角色将是知道在帐户中测试哪些专家自动化。仅对于出价管理，有大量的选择，从谷歌的免费投资组合出价策略到新兴的出价管理公司，这些公司收取数千美元以获得更好的结果。了解可用的内容，值得测试的内容以及如何计算权衡取决于机构提供的价值中的很大一部分。结论自动化正在接管人类历来在PPC中完成的许多任务; 但随着这种转变的继续，PPC专家和代理商将为他们的客户提供大量新的机会。下一次，我将介绍有助于弥合人类与人工智能PPC机器之间差距的新战略和流程。本文所表达的内容是：客座作者的那些，不一定是搜索引擎土地。工作人员作者列于此处。
关于作者
Frederick
Vallaeys Frederick（“弗雷德”）Vallaeys是Google首批500名员工之一，他花了10年时间构建AdWords并教导广告客户如何充分利用它作为Google AdWords福音传道者。
如今，他是Optmyzr的联合创始人，这是一家专注于独特数据洞察，一键式优化™，高级报告以提高帐户管理效率的AdWords工具公司，以及适用于AdWords的增强型脚本™。他通过与SalesX合作，保持最佳实践，SalesX是一家专注于将点击转化为收入的搜索营销机构。他经常在活动中发表演讲，鼓励组织更具创新性，成为更好的在线营销人员。流行故事使用此Google广告脚本自动化您的市场观众竞价比较17个顶级SEO工具和平台再营销策略可以减轻假期后浪费，这里是JavaScript如何覆盖nofollow元标记？相关主题频道：SEMPaid搜索ColumnSearch MarketingSearch营销：GeneralSEM
IndustrySEM行业：综合“
“
意见反馈