用户必须进行多次搜索才能找到他们正在寻找的内容。如今，您的受众在 Instagram 上看到您，在线搜索您，在亚马逊上查找您的产品，咨询 Twitter 以获得同行反馈等。机器可以比我们更快、更准确地追踪这些用户。此外，计算机可以进行数学计算来支持每种交互的价值。在这里，我们看到了数据驱动的归因——PPC 行业中使用的最有价值的归因模型之一。 谷歌分析 在 Google Analytics 出现之前，我们知道有一次点击，但仅此而已。现在我们已经了解了哪些关键字将用户带到了我们的目标网页以及点击后发生了什么（他们填写了表格吗？买了东西？）。这不仅仅是关于获取数据——Google Analytics 等工具让我们能够理解数字的含义。由于机器帮助我们识别以前未知的趋势和隐藏的异常情况，我们现在可以获得如此洞察力驱动的报告。 投标管理 说到所有这些信号（客户的搜索、位置、一天中的时间等），机器几乎可以立即评估任何给定搜索者的这些特征。

并同时确定数百万广告商

中谁是最相关或最合适的。这需要即时分析每个广告商的最大每次点击费用 (CPC) 和质量得分（这本身就是一种分析），并分配广告评级，同时努力实现设定的广告支出目标回报率 (ROAS)或目标每次转化成本 (CPA)。 摩尔定律 摩尔定律指出，计算能力大约每十八个月就会翻一番。这意味着自诞生以来，计算能力增加了三倍半，自 2000 年以来几乎增加了七倍，自 乌拉圭 WhatsApp 号码 上个十年开始以来增加了十三倍半。按照这个速度，人类不可能与计算机竞争。我们也不应该。 考虑到所有这些信息，很明显机器更好，对吧？没那么快。 人类能够理解并整合机器尚无法提供的社会线索、创造力和情感视角。当我们思考机器是否能够完成我们的工作时，我们忽略了很多东西。 认识到什么是重要的 书中给出的另一个例子来自滑雪胜地，其销售额与任何特定季节的降雪量相关。如果机器没有首先被教导了解降雪对于这个特定的滑雪胜地很重要，它可能会开始针对它认为重要的其他事情进行优化。

如果没有最初的人类输入

机器还能有用吗？人类有必要为初始学习阶段提供信息并引导智能朝着正确的方向发展。 有创造力的 归根结底，人类比任何机器都更清楚什么可以与其他人产生共鸣。我们有情感上的机智和理解力，可以捕捉到可能令人反感的内容，或者在广告文案中提出可能会赢得额外点击的问题。例如，PPC 分析师每天都会将创意最佳实践融入广告文案、登陆页面和号召性 乌克兰 WhatsApp 号码列表 用语按钮中。用户通常喜欢比默认的“单击此处”更具吸引力或更相关的东西。我们工作的核心是，我们必须知道如何沟通——而机器尚未掌握这一点。 设定业务目标 最大化销售额有意义吗？赚取潜在客户？对于一个企业来说什么最重要？作为分析师，我们的工作是确定客户的需求或他们的目标应该是什么，并进行初步对话。我们的工作是将这些目标转化为现实的关键绩效指标，并将我们正在努力实现的精确结果输入到我们的系统中，以便机器可以继续优化以实现正确的目标。 航行于不确定的水域 Workshop Digital PPC 团队的大多数成员都遇到过一两种情况，他们对在广告系列或帐户上尝试自动出价持乐观态度，但结果却很糟糕。