Este sitio web utiliza cookies para poder brindarte la mejor experiencia.

Aprendizaje algorítmico de Google y Facebook Ads

Dirigir las campañas publicitarias al público objetivo, es el deber de cada agencia de marketing digital y tradicional, pues las cosas han cambiado mucho desde que los marketeros tenían que pensar en campañas masivas que llegarían a todos los públicos por igual, pues hoy en día el consumidor es curioso, demandante y espera resultados inmediatos, sobre todo en navegaciones móviles, que es en donde muchas de las interacciones con la publicidad suceden.

Machine Learning sucede desde nuestras plataformas

Cada vez que hacemos una puja por anuncios, segmentamos públicos y optimizamos presupuesto, le estamos enseñando a los algoritmos de Facebook y Google qué es lo que funciona más para transmitir el mensaje indicado a nuestro público objetivo, y si bien antes nos encargábamos de hacer los cambios y optimizaciones manualmente, los creadores de las más grandes plataformas de publicidad, quieren ahorrarnos trabajo haciendo que las máquinas registren nuestros movimientos y aprendan de ellos, logrando predecir comportamientos y sugerir estrategias de inversión y comunicación.

machine learning

Ahora bien, por el momento, el aprendizaje de dichas plataformas de anuncios no se hace de manera inmediata, en los dos casos el robot requiere de aproximadamente 7 días para detectar cambios, comportamientos y patrones que pueden estar lanzando datos importantes de nuestras campañas y que podrían estar escapando de nuestra atención (idealmente y con el registro de KPI’s, detectaríamos dichos cambios a tiempo), pero ¿qué impulsa estos cambios? Esto dependerá de la plataforma.

Google see, Google do

En Google los anuncios se crean por puja, es así que se establece el valor de cierto grupo de anuncios desde el arranque de una campaña, sin embargo ya sea por cuestiones de tiempo, cambio en el target o en la estrategia, se puede modificar la puja, entonces el algoritmo de Google Ads, empieza a recopilar todos estos datos para aprender el cómo y por qué de la modificación, aprendiendo así a ofrecer optimizaciones de campaña más personalizadas y pertinentes dependiendo del performance de la misma.

Por otro lado, en Facebook el período de aprendizaje empieza cuando le hacemos modificaciones a una campaña que ya se encuentra activa; al empezar con el “learning”, los robots empiezan a tener la capacidad de determinar hacia qué público dirigir la campaña para que sea más eficiente, esto de manera automática.

machine learning

¿Afecta a mi campaña el período de aprendizaje?

Considerando que existen ciertos movimientos tales como la implementación de una nueva estrategia de puja inteligente, cambios en la puja existente y cambios en el presupuesto que impulsan el período de aprendizaje, podemos evitar relativamente, que nuestra campaña entre en modo learning, pues mientras esto sucede, el delivery y la eficiencia de una campaña se puede ir para abajo, mientras el costo por adquisición (CPA) se eleva y la tasa de conversión decrece.

Esto no significa que debamos quedarnos congelados sin optimizar nuestras campañas en busca de mejores resultados por el miedo a entrar al período de prueba, significa que tenemos en puerta una oportunidad para hacer dos cosas: aprender mejor del resultado final de nuestras campañas para aprender mejor de las mismas y evitar los cambios sobre la marcha, o sencillamente permitir que nuestras plataformas aprendan y nos tiendan la mano para obtener un resultado en común: para nosotros el éxito de una campaña, para las máquinas, aprender a interpretar la data producida.


Fuentes
www.wordstream.com
www.blog.google.com
www.bigseoagency.com