Werden Machine-Learning-Systeme Performance-Marketer überflüssig machen?

Bevor wir anfangen, hilft etwas Kontext dabei zu verstehen, warum ich diese Frage stelle. Ich habe in meiner Karriere viel Zeit im Performance Marketing verbracht. Ich erinnere mich noch, als ich anfing – Google Adwords war damals völlig anders als heute. Zum Beispiel gab es eine Regel: Wenn deine Klickrate für ein Keyword unter 0,5 % lag, wurde das Keyword "inaktiv", und es war extrem schwierig (oder unmöglich), ein inaktives Keyword zu reaktivieren.

Facebook wurde im selben Jahr gegründet, also gab es noch keine Facebook-Werbung. :D

Spulen wir vor zu 2022: Machine Learning steht im Mittelpunkt der Werbeplattformen von Google und Meta (und vielen anderen wie Amazon). Beide Unternehmen setzen sich für Kontovereinfachung (die der Maschine mehr Daten liefert), ein vielfältiges Set an Creatives (sowohl in Formaten als auch in Konzepten) und natürlich Site-Tagging/Conversion-API ein, um der Maschine das Ergebnissignal (auch Conversion) zu geben, das Werbetreibende interessiert.

Vorbei sind die Zeiten, in denen wir granulare Such- oder Display-Kampagnenstrukturen aufsetzen mussten, um jedes Zielgruppensegment mit relevanten Creatives anzupassen. Jetzt werden wir stattdessen beraten, nur eine einzige Kampagne aufzusetzen (im Fall von Performance Max für Google), und die Maschine findet automatisch die richtige Inventarquelle (Suche, YouTube, Gmail usw.) und spielt den besten Creative dem Publikum aus (über responsives Anzeigenformat). Bid-Optimierung erfolgt automatisch über geeignete Off-the-shelf-Bidding-Strategien, die jede Plattform bietet. Budget-Optimierung zwischen Kampagnen kann auch halbautomatisch erfolgen.

Was tun wir also den ganzen Tag? :D Excel-Reports erstellen? :P

Machine Learning ist nur ein Werkzeug

Ja, es ist ein leistungsfähiges Werkzeug, aber letztlich ein Werkzeug. Das bedeutet, die Maschine weiß nicht, was gut für dein Unternehmen ist. (Kurze Pause hier).

Die Maschine ist unglaublich darin, das Ergebnis (Conversion oder ROI), das du festgelegt hast, auf dem richtigen Effizienzniveau zu erreichen. Sie weiß jedoch nicht, ob das Erreichen dieses Ziels zu deinem Unternehmen passt.

Sie weiß nicht, ob du Google Ads oder Meta-Anzeigen schalten oder überhaupt werben solltest.

Die Maschine weiß vieles nicht.

• Sie kennt nicht deine Marken oder potenziellen Kunden.
• Sie weiß nicht, warum deine potenziellen Kunden deine Marke der Konkurrenz vorziehen.
  • Sie kann ohne eine große Menge an Trainingsdaten keine ansprechenden Botschaften oder Landing-Page-Erfahrungen für deine potenziellen Kunden erstellen.
• Sie weiß nicht, ob Werbung inkrementellen Umsatz für dein Unternehmen bringt.
  • Inkrementeller Umsatz ist Umsatz, der nicht entstehen würde, wenn du keine Werbung schaltest.
  • Möglicherweise kennt die Maschine den inkrementellen Umsatz oder die Conversion aus einem einzelnen Kanal, aber nicht auf einem übergreifenden Niveau für dein Unternehmen.

Walled Gardens limitieren die Maschine.

Sie kann innerhalb des Google-Ökosystems, des Meta-Ökosystems, Amazons oder TikToks usw. incredible gut optimieren... aber nicht über sie hinaus. Diese Tatsache wird sich angesichts des Fokus auf den Verbraucherschutz wahrscheinlich nicht schnell ändern.

Das bedeutet, der Mensch entscheidet, wo er Werbung schaltet und wie viel er innerhalb jedes Walled Garden ausgibt.

In den nächsten 3–5 Jahren

Also mache ich mir momentan zumindest keine Sorgen, dass mein Job in den nächsten 3–5 Jahren von einer Maschine übernommen wird. Aber ich sollte mir Gedanken darüber machen, wie ich dem Unternehmen weiterhin mehr Wert bieten kann. Zum Beispiel sollte ich weiterhin Folgendes lernen/entwickeln:

• Die Marke und ihre potenziellen Kunden kennen.

• Die Macht verstehen, die das Unternehmen hat oder möglicherweise nicht hat.

• Macht es überhaupt Sinn, Werbung zu schalten?

• Wenn Werbung nötig ist, wie können wir die inkrementellen Geschäftsauswirkungen der Werbung auf das Unternehmen bewerten? Das Schlüsselwort hier ist inkrementell.

  • Auswirkungen auf das Unternehmen können kurzfristig (innerhalb von drei Monaten) oder langfristig (Jahre) auftreten, daher brauchen wir unterschiedliche Messlösungen.

• Wie richtet man die Maschine für den Erfolg im Performance Marketing ein?

  • Angesichts der verschiedenen Datenschutzgesetze und -vorschriften weltweit: Was ist der Rahmen, um sicherzustellen, dass wir die Privatsphäre der Nutzer respektieren, das Gesetz befolgen und der Maschine die Signale geben, die sie für den Erfolg braucht?
    • Vorbei sind die Zeiten, in denen Performance-Marketer einfach so viele Daten wie möglich sammelten und sie dann an die Werbeplattform zurückschickten.
    • Jetzt müssen wir gezielt darüber nachdenken, warum bestimmte Daten wichtig oder erlaubt sind zu sammeln/zu nutzen. Und wie man sie auf die richtige Weise an die Maschine zurückschickt.
  • Creative-Botschaft und allgemeine Nutzererfahrung: Diversität in Formaten, Konzepten, Bildsprache, Repräsentation usw. scheint die Botschaft zu sein, die viele Plattformen befürworten.

• Wie richtet man die Maschine für den Erfolg bei anderen Nicht-Werbeaktivitäten ein?

Was denkst du? Siehst du, wie Machine Learning deine alltägliche Arbeit im Performance Marketing verändert, und wenn ja, welche Fähigkeiten baust du aus, um die Nase vorn zu behalten?

Viele Grüße,

Chandler