除了受众定位和出价优化之外,广告商还可以如何利用机器学习来增强创意过程。
对于营销人员来说,这是一个令人着迷的时代。人工智能和机器学习的出现改变了 PPC 游戏,触及搜索营销人员日常工作的各个方面。
关于使用人工智能通过受众定位或出价优化来提高广告效果的文章已经有很多。但我们看到的另一个巨大转变是人工智能对数字营销活动创意需求的影响。
在 2000 年代初,数字广告活动主要由专为桌面构建的标准 IAB 尺寸的横幅广告组成。
在 2010 年代,移动设备的使用量猛增,并且添加了更多适合移动设备的尺寸。
然后,社交媒体和视频广告格式的引入,使创意团队的数字环境变得更加复杂,但仍然可以通过单个简报产生多种广告变体的“旧方法”进行管理。
但机器学习的新时代应该让所有广告商停下来重新思考他们的创意过程。
规则一:一对一营销
机器学习中一个经常被忽视的部分是,算法将根据其拥有的信息为特定用户提供最佳创意。
我们不再需要预先确定某人处于购买周期的哪个阶段。
但我们必须为机器学习提供所有资源,以便在任何给定时间为该用户提供最佳广告。
策略:针对特定渠道/受众设计创意
创意团队应该设计创意来实现购买旅程的每一步。
例如,提供单独的解释视频、产品优势视频、推荐视频、具有强大优惠的静态广告以及头对头比较将使算法足以解决漏斗的每个阶段。
营销人员可以使用渠道顶部的解释视频来吸引需要更熟悉您的品牌的用户。
可以在渠道中部使用特定的产品优势视频、推荐或社会证明来满足熟悉用户和尚未准备好购买的用户的需求。
最后,将为那些准备购买的人提供激励/优惠和面对面的比较。
规则 2:给机器喂食
机器学习算法需要大量输入才能完成工作。
通常,营销人员谈论的是向机器提供数据。但我们也需要为机器提供创意。这给精益创意团队或那些创意预算精益的团队带来了一个巨大的问题。
没有太多的创意。当今的广告客户需要创意来解决多个问题:
- 渠道。
- 广告格式。
- 长宽比。
- 漏斗的阶段。
- 资产类型。
- 呼吁采取行动。
以及其间的每一个变化。
策略:利用所有纵横比
为了最大限度地提高创意的“可移植性”,请创建以下内容:
- 静态广告为 1:1 和 9:16。
- 视频广告的比例为 1:1、4:5 和 16:9。
策略:改变广告格式
不仅仅是测试静态与视频。
测试每种类型的不同类型,包括:
- 品牌视频。
- 以产品为中心的视频。
- 微妙的动作。
- 文本覆盖在图像上。
- 用户生成内容。
- HTML5。
- 静止的。
- 动画。
- 和更多。
规则 3:注意注意力短暂的情况
随着时间的推移,注意力的持续时间大大缩短。
近来,我们从六秒广告中看到了最强劲的效果。
六秒!
因此,虽然我们有所有这些选择可以在正确的时间将我们的创意呈现给正确的人,但我们只有几秒钟的时间来确保我们的创意具有影响力。
策略:针对短暂注意力进行创意设计
每个人都喜欢好故事。但如今的注意力跨度促使创意团队以不同的方式思考他们的视频创意。
需要遵循的一些准则:
- 添加 6 秒广告(除了 15 秒和 30 秒之外)。
- 向前推进故事情节,在 5 秒内吸引注意力。
- 在 3 秒内突出显示您的徽标。
- 包括 5 秒内的号召性用语。
规则 4:不仅仅是测试,而是可操作的测试
机器学习的另一个巨大好处是营销人员能够快速测试和调整创意。
虽然 A/B 测试在平台内部可能具有挑战性,但算法非常适合测试微小的创意差异,例如文本覆盖、配色方案、消息变化等。
策略:将重大转变的创造性 A/B 测试正式化
在需要统计显着性来确定主要创意或格式优势的情况下,仍应使用 A/B 测试。
一些例子可能是具体的激励措施、品牌定位、视频剪辑等。
重新设计创作流程
在这个创意爆发的新纪元中,品牌需要重新审视他们的设计流程。为了适应各个渠道、广告形式、营销阶段和资产种类,创意团队必须具备更高的灵活性和扩展能力,以创造出各具特色的广告内容。
反过来,品牌应当思考如何将一个单一的产品或理念扩展为数以百计的不同资产。
媒体团队和创意团队需要紧密协作,以对市场广告进行及时调整并利用实时的市场洞察。
在这些新兴要求的指引下,进行广告设计的营销者将能够充分利用机器学习的潜力,并在行业中处于领先地位。
发表回复