通过人工干预来提高谷歌智能算法的学习速度和溯因推理的准确性。

谷歌需要获得足够的数据+相关算法,以满足“足够数据”的要求,谷歌建议智能广告需要14天的学习周期,有足够的预算(一般每日预算为CPA*2或以上),吸引50次转化等等。因此,常见的人工干预方法如下。

1、为了更快地达到机器学习优化的基础数据,选取漏斗上层行为如加入购物车、发起结帐等。

2、足够的广告材料,材料包括feed、feed、广告材料等

对于智能购物广告谷歌官方推荐的100个SKU以上,但实操却发现这太多了,即使在14天之后,所有SKU只有10%左右的人都能看到。建议20个以上就可以了。日用品Feed也要做好优化,Feed越完美,越合理越好。

对于页面feed,是用于动态搜索广告的,要保证页面标题、描述经过基本SEO优化。与谷歌一致的官方优化指南:用户理解,关键字相关性高,重要关键词在前面等等。

从广告素材来看,所有智能广告都需要提供优秀的素材,从而使谷歌优化。劣质广告材料,再厉害的算法也无济于事。对于智能购物广告,要提供多种大小的图片、视频、足够的广告标题、描述等等,这些都要满足谷歌官方推荐的数量,并尽量差异化,让谷歌可以测试不同种类的材料。再针对测试结果,寻找合适的材料进一步优化。

3、为提高追溯推理的准确性,人工提高广告序列的内部相关性可以加快学习速度

1)改善智能购物广告的内部相关性:对产品分组,分别建立不同的智能购物广告系列。根据产品类别划分:产品类别、价格、利润率、销路。如何选择多维度呢?基于投标策略。

2)提高展示广告的内部相关性;

如有必要对每个广告系列分别采用不同的预算,请分别制作。在智能展示广告系列中,分别为不同的产品系列或服务创建不同的广告组合。

广告群内,制作几个不同的适配性展示广告,把彼此配合良好的材料资源分成一组,每一条广告分别采用这样一组材料资源。创建一个帐户级别的展示位置排除对象。创建网站类别和内容排除对象,主题排除对象,关键词排除对象。

3)改进动态搜索广告的内部相关性:标题和描述必须准确。