Сегодня короткий урок о том, как работает машинное обучение… ПОДОЖДИТЕ! Не уходи!
Знаю, знаю. Изучение машинного обучения звучит так же увлекательно, как наблюдать за ростом травы.
Но поверьте мне, вы захотите придерживаться этого по двум причинам…
Во-первых, машинное обучение (ML) — это мир, в котором мы сейчас живем с маркетингом. Дальнейший успех в значительной степени требует хотя бы базового понимания того, как машины манипулируют вещами (или, что еще лучше, как вы можете манипулировать машинами!)
Во-вторых, вам не нужна докторская степень. (или даже GED), чтобы понять, как работает машинное обучение. Все, что вам нужно понять, это муравьи.
Ага, муравьи. На ползучих маленьких жуков вы не обращаете особого внимания, если только они не в вашем доме или не убегают с вашим обедом для пикника.
Вот как муравьи могут помочь вам лучше понять машинное обучение:
Оказывается, муравьи — удивительные существа. Один из способов добиться этого — использовать феромоны.
Когда муравьи путешествуют, они оставляют за собой феромоновый след. По этой тропе они рассказывают своим друзьям-муравьям, как добраться до источника пищи.
Все муравьи знают, что если они будут следовать этой линии феромонов, они доберутся до еды.
(Они настолько хардкорны в этом, что могут попасть в круг смерти, где они маршируют по кругу, пока, не в силах освободиться от следа феромонов, не умрут. Вот короткое видео этого явления.)
Для тех из вас, кто был любопытным (дьявольским?) ребенком, вы знаете, что этот след феромонов довольно легко разрушить.
Чтобы возиться с муравьями, все, что вам нужно сделать, это провести пальцем по тропе. Это стирает некоторые из этих феромонов в другом направлении.
Что смущает бедняг.
Потому что для муравьев эта линия феромонов является мерой того, куда им нужно идти. Это их связь с источником пищи, и когда эта связь прерывается, муравьи не знают, куда идти и что делать.
Машинное обучение работает очень похоже.
Проще говоря, машинное обучение прокладывает путь к конверсиям, используя все данные, которые в него вводятся.
На основе этих данных (ключевые слова, целевые страницы, ставки, аудитории, время, местоположение и т. д.) он строит модель успеха кампании.
По сути, он определяет, где находятся конверсии, а затем строит прямую линию, чтобы добраться туда эффективно и последовательно.
Но, как и в случае с муравьями, вы можете испортить машинное обучение, если нарушите эту строку.
Внесение изменений в кампанию машинного обучения эквивалентно тому, что вы проводите пальцем по следу муравьиных феромонов.
С муравьями, если нарушение их следа относительно незначительно, это не имеет большого значения. Их прямая линия может стать немного шире. Они могут немного побродить, чтобы снова найти след. Но, в конечном счете, большинство из них все же могут найти пищу.
То же самое с небольшими изменениями в кампаниях машинного обучения…. машина *должна* по-прежнему быть в состоянии найти путь к преобразованиям.
Но если изменения, которые вы вносите, слишком велики, тогда все может развалиться для муравьев и машинного обучения.
Для кампании машинного обучения это может означать внесение серьезных изменений в вашу целевую страницу или слишком большое увеличение целевой цены за действие вашей кампании или возврата затрат на рекламу.
Это эквивалентно перетаскиванию пальца размером с Андре Великана по следу, который ML проложил для конверсий. Этот сбой настолько велик, что машина сбивается с толку, а ее модель ломается.
Это может привести к тому, что ваша кампания (а в некоторых случаях даже весь аккаунт) полностью развалится.
И именно поэтому, дорогой читатель, вы должны быть крайне осторожны при внесении изменений в кампании машинного обучения!
К чести Google, на этом фронте дела идут лучше. Внесение изменений в кампании в наши дни с меньшей вероятностью приведет к полному краху, чем 6 месяцев или год назад.
Тем не менее, машинное обучение, используемое многими другими крупными технологическими игроками, по-прежнему наверстывает упущенное.
Например, недавно моя кампания по машинному обучению в Microsoft Ads развалилась из-за того, что я просто увеличил бюджет с 57 до 63 долларов в день. (Кстати, такое увеличение было рекомендовано MS Ads — спасибо Microsoft за удивительный совет — гррррр!)
Anyhoo, вот два совета, чтобы оставить вас с:
1. В общем, чем больше вы сможете держать свои большие крючки подальше от кампаний по машинному обучению, тем лучше.
Если вы хотите внести большие изменения в кампании (по крайней мере, в Google), мы рекомендуем использовать эксперименты.
Разделите каждое изменение, которое вы хотите протестировать, на отдельные эксперименты, разбитые на двухнедельные периоды (или что-то подобное).
Это предотвратит сбой алгоритма в работающей кампании… и позволит вам увидеть, что, вероятно, произойдет, если вы примените это изменение ко всей своей кампании.
2. Если вы вносите изменения, и ваша когда-то успешная кампания превращается в груду мусора, вот совет…
Лучше всего «перезагрузить» кампанию, удалив из нее машинное обучение.
Да, вернитесь к старой школе и управляйте кампанией как можно более свободной от любых влияний машинного обучения.
Верните его к точке, где вы получаете хорошие данные, результаты, приемлемую цену за конверсию и т. д. Затем, как только вы исправите ситуацию и она движется в правильном направлении, вы можете снова включить машинное обучение, чтобы зажечь новый Следите за конверсиями.
Видите, изучение машинного обучения не так уж и плохо!
На самом деле, дополнительным преимуществом этого урока является то, что если вы тусуетесь на барбекю на заднем дворе и хотите произвести впечатление на своих друзей и семью, просто расскажите им о муравьях и машинном обучении!
Вы просто можете захотеть, чтобы рядом был какой-нибудь рейд на случай, если какие-нибудь муравьи попытаются проложить феромоновый след к фруктовому салату.
