De toekomst van online adverteren

De toekomst van online adverteren

De afgelopen jaren hebben advertentieplatformen zoals Google Ads en Facebook Ads groots ingezet op het verbeteren van hun technologieën. Met als resultaat dat hun machine learning steeds beter wordt en minder data nodig heeft. Het gevolg voor online marketeers is dat veel werkzaamheden, zoals het instellen van biedingen en doelgroeptargeting, volledig geautomatiseerd wordt. Hoe gaat dit in de toekomst verder?

Naar verwachting zal het tempo van automatisering op dezelfde voet verder gaan, waarbij machine learning een (nog) belangrijkere rol gaat spelen. Hierop inspelen als online marketeer zal bepalend worden voor succes in de toekomst. Dit artikel legt uit wat de beperkingen zijn van machine learning en hoe je als online marketeer er het maximale uit haalt.

Hoe werkt machine learning?

Machine learning is een zelflerend systeem. Grote advertentieplatformen zoals Google Ads en Facebook Ads gebruiken het onder meer voor het volgende:

  • Het instellen van biedingen
  • Het laten zien, en het samenstellen, van de meest relevante advertentie
  • Doelgroeptargeting van campagnes

Voor al deze onderdelen kijkt machine learning naar data uit het verleden om op basis daarvan een voorspelling te doen over de toekomst. In de praktijk houdt dit bijvoorbeeld in dat de machine learning van Google Ads bij elk persoon dat zoekt een berekening voor je maakt van het verwachte conversieratio en vervolgens het bod bepaalt. Machine learning op advertentieplatformen zorgt voor betere resultaten en een flinke tijdsbesparing.

De beperkingen van machine learning

Naast alle voordelen van machine learning, zijn er aantal beperkingen die je moet kennen en moet meenemen in het besluit of en hoe je het gaat inzetten. De voornaamste beperkingen zijn als volgt:

  • Hoeveelheid data. Hoe meer data er beschikbaar zijn, hoe beter het werkt. Voor Google Ads-campagnes die draaien op een Target ROAS-biedstrategie is het belangrijk dat je voldoende transacties hebt (minimaal 30 tot 50 per maand) om goede en stabiele resultaten te krijgen.
  • Het stuur op jouw input. Machine learning bevat geen intelligentie zoals wij als mensen dat wel hebben. Het is niet zelfdenkend. Dit houdt in dat machine learning alleen stuurt op de input die we geven. Als dit niet goed is, dan is de output vaak ook niet goed.
  • Plotselinge gebeurtenissen. Machine learning is gebaat bij constantheid. Drastische veranderingen in externe factoren zoals het weer zijn variabelen waar geen rekening mee wordt gehouden.

Het volgende gedeelte van dit artikel gaat in op hoe je machine learning optimaal kunt inzetten en hoe jij het verschil maakt ten opzichte van andere online marketeers.

Online adverteren en machine learning: van doelstelling, creatie, eigen data naar resultaat.

Machine learning optimaal inzetten

Om machine learning van advertentieplatformen maximaal te benutten is het belangrijk om je volledig te richten op de input die je geeft. Naast belangrijke factoren als je website en propositie, is het binnen advertentieplatformen belangrijk dat je vooral focust op de volgende input:

  1. Doelstelling: op welke doelstelling stuur je de machine learning aan?
  2. Creatie: de teksten, afbeeldingen en videos die je beschikbaar stelt.
  3. Eigen data: het delen van eigen klantdata.

1. Doelstelling

De doelstelling van je campagne moet centraal staan in hoe je biedstrategieën en campagnes aanstuurt binnen advertentieplatformen. Focus hierbij altijd op kwaliteit in plaats van kwantiteit. Onderstaand een aantal voorbeelden van hoe je dit optimaal kunt doen:

  • B2B: koppel de waarde en kwaliteit van leads terug aan Google Ads of Facebook Ads via offline conversion imports.
  • E-commerce: corrigeer je omzet op retouren en/of importeer “marge” als conversie-actie binnen Google Ads en Facebook Ads.
  • Omnichannel: stuur niet alleen op online omzet, maar optimaliseer ook voor store visits (bezoek aan winkels).

Hoe kwalitatiever de conversie-acties zijn die je meegeeft aan machine learning, hoe beter de output is. Wil je als B2B-partij dus geen whitepaper-downloads meer van studenten? Gebruik offline conversion imports om de waarde van een lead terug te geven.

2. Creatie

Advertentieplatformen zijn nog niet zo ver dat ze advertenties volledig automatisch maken. Machine learning is wel steeds beter in het samenstellen van een advertentie, om zo de ideale boodschap te tonen op het juiste moment. Hoe beter de creatie die gebruikt wordt, hoe beter het resultaat. Daarom is het volgende van belang:

  • Tekst: combineer zoveel mogelijk relevante teksten, bekijk wat je concurrenten doen en huur een goede copywriter in waar mogelijk.
  • Afbeeldingen: probeer creatief te zijn en zeer kwalitatieve afbeeldingen aan te leveren. Als voorbeeld de afbeelding hieronder die extra opvalt doordat het product net wat gedraaid is.
  • Video’s: maak onderscheidende video’s.

Advertentievoorbeeld met Nike schoenen.

Probeer bij de creatie zoveel mogelijk te testen wat werkt en wat niet werkt. Op basis daarvan kun je de creatie blijven verbeteren en machine learning maximaal voeden met de beste video’s, visuals en teksten.

3. Eigen data

Advertentieplatformen hebben heel veel data van gebruikers. Deze data worden gebruikt om te kunnen targeten op bijvoorbeeld bepaalde interesses. Maar ze hebben jouw klantdata niet. Hoe beter advertentieplatformen jouw klanten kennen, hoe beter machine learning kan helpen in doelgroep-targeting. Het delen van klantdata wordt steeds belangrijker doordat de houdbaarheid van cookies terugloopt en in de toekomst vrijwel niet meer gebruikt kunnen worden. Het advies is om het volgende te delen met advertentieplatformen:

  • Klantlijsten: upload geautomatiseerd klantlijsten in Google Ads en Facebook Ads, gebaseerd op in ieder geval e-mailadressen en telefoonnummers.

Dit kan via de Google Ads of Facebook Ads API of met integratietools zoals Zapier. Probeer de klantdata in zoveel mogelijk relevante segmentaties aan te leveren om machine learning maximaal input te geven voor doelgroep-targeting.

De toekomst van online adverteren

De afgelopen jaren hebben we advertentieplatformen veel zien automatiseren. De verwachting is dat dit de komende jaren blijft doorgaan. Ga vooral mee in deze automatisering en profiteer van de kracht van machine learning. Maar wees je ook bewust van de beperkingen hiervan. De meest succesvolle online marketeers van de komende jaren zullen zich steeds meer focussen op hoe ze machine learning aansturen. Stuur jij het al op de juiste manier aan? Dit artikel heeft je de handvaten gegeven om dit optimaal in te zetten.

Blog