Tenetur itaque dolorum mollitia facere reprehenderit praesentium ullam. Accusantium id et illo ut eum. Dolore rerum qui sit eveniet ut nesciunt quam. Molestias fugiat omnis laborum quam.

Vorige week hebben we bij de Consumer Electronics Show gekeken naar de moderne consument die over uitgebreide mogelijkheden beschikt. Deze consument is nieuwsgieriger, veeleisender en ongeduldiger dan ooit tevoren en verwacht overal ondersteunende functionaliteit, zoals met hun eigen smartphone kunnen inchecken bij hun eigen hotelkamer.


Het is essentieel dat bedrijven aan deze stijgende consumentenverwachtingen kunnen voldoen. In de komende twee weken bespreken we enkele van onze favoriete AdWords-producten en laten we zien hoe merken dankzij machine learning aan deze verwachtingen kunnen voldoen en tegelijkertijd tijd kunnen besparen en de prestaties kunnen verbeteren.

Machine learning toepassen in AdWords

Onder campagnebeheer vallen allerlei tijdrovende taken. In plaats van handmatig duizenden zoekwoorden toe te voegen of advertentiekoppen te testen om te zien welke het beste werken, kunt u het machine learning-platform van Google trainen om dit voor u te doen.
Misschien heeft u recent nieuwe producten toegevoegd aan uw voorraad of meer content toegevoegd aan uw website. Dynamische zoekadvertenties registreren dit en vullen lege plekken in de zoekwoorddekking automatisch op zodat u mensen kunt bereiken die naar deze nieuwe producten en services zoeken.
Als u relevante advertenties wilt weergeven die overal op de miljoenen sites in het Google Display Netwerk passen, kunt u meer bestanden voor advertentiemateriaal uploaden naar uw Slimme display-campagne en automatisch relevante advertenties weergeven aan de juiste mensen. Dit alles wordt mogelijk gemaakt door machine learning.

Een nieuwe ontwikkeling voor apps

We weten dat de concurrentie groot is voor app-ontwikkelaars en -marketeers: het aantal ontwikkelaars met meer dan een miljoen installaties per maand is met 35% gestegen ten opzichte van het voorgaande jaar.1 Er zijn meer apps en functies dan ooit die om aandacht (en het geld) van uw gebruikers concurreren. Ook op dit vlak kan machine learning u ondersteunen.
Dankzij Universele app-campagnes (UAC) kunnen merken zoals Rappi, een bezorgservice in Latijns-Amerika, hun meest waardevolle gebruikers met één campagne bereiken via Google Play, Google Zoeken, het Display Netwerk en YouTube.
De marketeers van Rappi uploadden alle bestanden voor advertentiemateriaal die ze hadden. Daardoor kon het machine learning-platform van Google elk bestand rouleren, inzicht krijgen in welke bestanden het best presteren in elk kanaal en vervolgens advertenties weergeven die de grootste kans hebben om gebruikers aan te trekken. Al na één maand vertienvoudigden de conversiepercentages van Rappi en kon het merk uitbreiden naar Brazilië, Mexico en Argentinië.
AutoGravity, een aanbieder van autoleningen en -leasing, wist in slechts vijf weken tienduizenden autokopers te bereiken en de gebruikersbetrokkenheid met 120% te verhogen. Het merk is van plan 200% meer te investeren in UAC om meer van hun meest waardevolle gebruikers te bereiken: mensen voor wie de kans groot is dat hun kredietaanvraag wordt goedgekeurd.
Hoe slagen UAC’s erin deze typen waardevolle gebruikers te bereiken? Het machine learning-platform van Google gebruikt insights van Google Zoeken en Google Play, webgegevens en andere signalen in combinatie met informatie over uw app. Deze gegevens worden geanalyseerd in elk kanaal waarin AdWords uw advertenties weergeeft en worden in realtime geüpdatet. Op die manier kan AdWords snel trending zoekwoorden rond actuele gebeurtenissen en feestdagen oppikken en ervoor zorgen dat uw advertenties aan de juiste gebruikers worden weergegeven.
AdWords kijkt vervolgens naar mensen die de door u geselecteerde actie hebben uitgevoerd (zoals goedkeuring voor krediet ontvangen) en mensen die dat niet hebben gedaan, plus gebruikerssignalen die uniek zijn voor elke veiling. Apparaattype, besturingssysteem, netwerk, geïnstalleerde apps en andere signalen vormen samen patronen waarmee waardevolle gebruikers kunnen worden geïdentificeerd. Deze patronen worden gebruikt om toekomstige veilingen te voorspellen en te bepalen waar en hoe moet worden geboden en welke advertenties moeten worden weergegeven (en aan wie).
Merken kunnen met behulp van machine learning niet alleen op grote schaal betere prestaties genereren, maar kunnen ook hun meest waardevolle bedrijfsmiddel vrijmaken: tijd. 
Paul Teresi, Growth Manager bij de reis-app Skyscanner, zegt dat UAC’s hem veel tijd besparen. “Ik kan me nu echt verdiepen in onze gebruikers en statistieken, en kan mogelijkheden voor groei en uitbreiding ontdekken.

Volg onze nieuwe cursus voor meer informatie over hoe u met universele app-campagnes uw meest waardevolle gebruikers kunt bereiken.

Volgende week sluiten we dit onderwerp af met een blik op hoe machine learning wordt toegepast om biedingen te optimaliseren, met onder andere een interessante casestudy van het in-house mediateam van Google.

Geplaatst door Maura Moss. 

1 Interne gegevens van Google, mei 2017