Machine Learning會唔會令Performance Marketer冇工做？

開始之前，一啲context會幫你明白我點解有呢個問題。我career入面花咗significant時間喺performance marketing。我仲記得我啱入行嗰陣，Google Adwords同而家完全唔同。例如，以前有一條rule話如果你嘅keyword click-through rate低過0.5%，你嘅keyword就會變成「inactive」，要recover一個inactive keyword就extremely difficult（或者impossible）。

Facebook同一年成立，所以嗰陣仲未有Facebook advertising :D

快進到2022年，machine learning係Google同Meta advertising platforms（同其他好似Amazon嘅platform）嘅核心。兩間公司都advocate account setup simplification（畀machine更多data去work with）、diverse set嘅creatives（formats同concepts兩方面）、同當然site tagging/conversion API畀machine佢需要嘅outcome signal（即conversion）。

以前嗰啲要set up granular search campaign structure或display campaign structure去customize each audience segment配relevant creatives嘅日子已經過去。而家我哋被建議set up just one campaign（喺Performance Max for Google嘅case），machine會自動搵到啱嘅inventory source（search、youtube、Gmail等）同serve最好嘅creatives畀audience（via responsive ad format）。Bid optimization會透過每個platform offer嘅off-the-shelf bid strategies自動進行。Campaigns之間嘅budget optimization亦可以semi-automatically進行。

咁我哋成日做啲咩？:D run excel reports? :P

Machine learning只係一個tool

係，佢係一個potent tool但歸根結底係一個tool。呢個代表machine唔知咩嘢對你嘅business好。（停一停諗下。）

Machine喺達到你set嘅outcome（conversion或ROI）at the right efficiency level方面incredible。但佢唔知達到嗰個goal係唔係suit你嘅business。

佢唔知你應唔應該run Google Ads或Meta ads，或者根本應唔應該做advertising。

Machine有好多嘢唔知。

• 佢唔知你嘅brands或你嘅potential customers。
• 佢唔知點解你嘅potential customers揀你嘅brand而唔係競爭對手。
  • 冇大量training data佢做唔到engaging嘅messaging或landing page experiences畀你嘅potential customers。
• 佢唔知做advertising有冇帶嚟incremental revenue畀你嘅business。
  • Incremental revenue係如果你唔做ads就唔會有嘅revenue。
  • Machine可能知道single channel嘅incremental revenue或conversion但唔係你business嘅overall level。

Walled gardens limit咗machine。

佢可以喺Google ecosystem、Meta ecosystem、Amazon嘅或Tiktok嘅入面做incredible嘅optimization⋯⋯但唔係across佢哋。呢個fact短期內唔太可能改變，鑑於consumer privacy嘅focus。

呢個代表human決定喺邊度run ads同喺每個walled garden入面花幾多錢。

未來3-5年

所以至少目前，我唔擔心我嘅工作會被machine replace，唔會喺未來3-5年。但我應該concern點樣continue提供更多value畀business。例如，我應該繼續worry/學更多關於：

• 了解brand同佢嘅potential customers。

• 了解公司有或者可能冇嘅power。

• 做advertising到底make唔make sense？

• 如果需要advertising，我哋點樣evaluate advertising對business嘅incremental business impact？關鍵字係incremental。

  • 對business嘅impact可以喺短期（三個月內）或長期（幾年），所以我哋需要唔同嘅measurement solutions。

• 點樣set up machine for success做performance marketing？

  • 鑑於全球唔同嘅privacy laws同regulations，咩framework可以確保我哋respect user privacy、follow the law、同畀到machine需要嘅signals去succeed？
    • 以前performance marketers just collect as much data as possible然後send返去ad platform嘅日子已經過去。
    • 而家我哋需要purposeful地了解點解certain data係重要或者allowed被收集/使用。同埋點樣以正確嘅方式send返去machine。
  • Creative messaging同overall user experience：formats、concepts、imagery、representation等嘅diversity似乎係好多platforms advocate嘅message。

• 點樣set up machine for success做其他non-advertising activities。

你點諗？你有冇見到machine learning改變你day-to-day嘅performance marketing工作，如果有，你double down咗邊啲skills嚟stay ahead？

祝好，

Chandler