Automation Lab

Voordat we dieper op de materie ingaan is het goed om eerst helder te krijgen wat AI inhoudt en wat machine learning eigenlijk is. AI staat voor artificial intelligence, oftewel: kunstmatige intelligentie. AI is een concept waarin machines ‘denken als mensen’ en op die manier ondersteunen bij het uitvoeren van bepaalde taken. Binnen AI is machine learning een belangrijk onderzoeksveld; machine learning houdt zich namelijk bezig met de ontwikkeling van algoritmes en technieken, waarmee computers kunnen leren en zichzelf opleiden om taken op een goede manier uit te voeren.

Een simpel voorbeeld: Frank, Partner Development Manager bij Google, leidde de inhoudelijke sessie tijdens AutomationLab in. In zijn introductie vertelde hij dat hij even geleden een selfie maakte bij de Dom van Milaan. Na het maken van de foto keek hij op zijn smartphone, waarbij hij zag dat Google de Dom van Milaan had herkend op basis van vorm. Door het verzamelen van historische data (dus door de grote hoeveelheid selfies die bij de dom in Milaan zijn gemaakt) herkende Google de vorm van de Dom en daarmee de locatie waar de foto is gemaakt. En daar heeft geen mens tussen gezeten

Hoewel AI en machine learning al heel lang buzz woorden zijn, is het opvallend dat AI en machine learning juist in deze tijd hun toevlucht hebben genomen. Hoe zit dat eigenlijk? Frank gaf grofweg drie verklaringen waardoor AI en machine learning juist in deze tijd zo relevant zijn. Allereerst zijn er steeds meer grote datasets beschikbaar, doordat verschillende devices aan elkaar worden verbonden en de data wordt gecombineerd tot relevante datasets. Ook zijn er steeds meer goede modellen beschikbaar die op basis van data zijn gevormd. Binnen deze modellen worden ontelbaar veel factoren meegenomen die wij als mensen niet eens kunnen waarnemen. Ten slotte verdubbelt ieder jaar de ‘computerkracht’, waardoor het steeds belangrijker en relevanter wordt om te automatiseren. Daarbij signaleren machines veel meer dan mensen en kunnen machines real time inzichten automatisch vertalen naar aanpassingen die direct worden ingezet, bijvoorbeeld om campagnes succesvoller te maken.

Automatisering door AI en machine learning is misschien wel de belangrijkste factor voor bedrijven. Zo vertelden Donna en Rosie van Google dat in veel bestaande beroepen bepaalde taken eenvoudig kunnen worden overgenomen door machines. Dat kost enerzijds veel banen, maar biedt anderzijds ook veel mogelijkheden om beschikbare tijd op een andere manier nuttig te besteden.

We snappen dat dit misschien een beetje vaag klinkt. Om het wat praktischer te maken nemen we onszelf graag als voorbeeld: in ons vakgebied Online Marketing werken we veel met tools en technologieën. Een voorbeeld daarvan is Google AdWords, een tool die we gebruiken voor het opzetten van betaalde campagnes (voor onze klanten). Binnen die campagnes kunnen we biedstrategieën inzetten. Hiermee kunnen we bijvoorbeeld invloed uitoefenen op de momenten waarop onze klanten met hun advertenties aanwezig zijn en bovenaan de pagina worden getoond (op relevante momenten natuurlijk). Die biedstrategieën worden steeds slimmer; smart bidding dus. Hierbij nemen machines een deel van het menselijke werk binnen campagnes over.

Door de invloed van AI en machine learning biedt AdWords tegenwoordig ook de mogelijkheid om ‘smart bidding’ toe te passen binnen campagnes. Smart bidding houdt in dat je het op- en afbieden van relevante zoekwoorden aan een machine overlaat. Het voordeel hiervan is dat de machine oneindig veel historische data kan gebruiken voor het bereiken van optimale resultaten. Hierdoor zijn wij als Online Marketeers minder tijd kwijt aan het optimaliseren van biedingen voor betere resultaten en daarmee houden we dus meer tijd over om (op strategisch niveau) mee te denken met onze klanten.

eCPC = semi-geautomatiseerd; je geeft zelf de onder- en bovengrenzen aan voor biedingen en daarbinnen bepaalt de machine de optimale biedingen. Deze smart bidding strategie is mogelijk bij kleinere accounts (0 conversies in 30 dagen).
tCPA = compleet geautomatiseerd; waarbij alle factoren mee worden genomen (denk hierbij aan locatie, doelgroepen, tijd, device en de creative in de advertentie). Deze smart bidding strategie is mogelijk vanaf 30 conversies binnen 30 dagen en is daarmee niet voor ieder account weggelegd.
tROAS = compleet geautomatiseerd; waarbij alle factoren mee worden genomen (denk hierbij aan locatie, doelgroepen, tijd, device, creative in de advertentie). Deze smart bidding strategie is alleen mogelijk vanaf 50 conversies binnen 30 dagen. Dit geldt dus alleen voor grotere accounts.

Dat klinkt allemaal heel mooi natuurlijk, maar het inzetten van smart bidding strategieën heeft ook een keerzijde. Nadelen van smart bidding zijn wat ons betreft:

• Smart bidding strategieën hebben een behoorlijke tijd nodig om zichzelf ‘gedrag’ aan te leren om biedingen zo optimaal mogelijk in te zetten. Tijdens de sessie gaven Donna en Rosie aan dat je bij het uitvoeren van een test voor het gebruik van smart bidding strategieën zo’n tien weken moet aanhouden. Pas daarna kan je goed evalueren wat het voordeel van de strategie voor jou is geweest.
• Smart bidding is niet voor alle accounts weggelegd. De volledig geautomatiseerde smart bidding strategieën (dus tCPA en tROAS) zijn pas goed in te zetten vanaf 30 conversies in 30 dagen. Daarbij geldt wel: hoe meer conversies er worden gedaan, hoe beter de smart bidding strategie zijn werk gaat doen.
• Voor organisaties waarin de doel CPA of doel ROAS niet duidelijk is (en in de praktijk komen we dat vaak tegen), is het heel lastig om te sturen op deze twee. Hierdoor gaat het nog lastiger worden om te beoordelen of de smart bidding strategie gaat bijdragen aan het behalen van de doelstelling.
  Er bestaat een kans dat je als Online Marketeer de grip op campagnes en bijbehorende resultaten verliest, omdat je alles over laat aan machines. Vooral bij organisaties waarbij het nodig is om snel bij te schakelen door bijvoorbeeld seizoensgebonden producten en diensten, is smart bidding niet ideaal.

Wat ons betreft kunnen we smart bidding samenvatten als een veelbelovende manier om optimale resultaten te behalen met AdWords campagnes. We vinden het nu echter nog te vroeg om het hele concept te omarmen en direct in te zetten voor accounts die hiervoor in aanmerking komen. Onze verwachting is dat smart bidding strategieën in de komende tijd verder worden geoptimaliseerd. Zodra smart bidding strategieën sneller en flexibeler kunnen sturen op basis van historische data en daardoor sneller kunnen leren, wordt het nog veel interessanter!

Hebben we je geïnspireerd? Laat het ons weten! En neem gerust contact op als je wilt weten wat wij voor je kunnen betekenen.