4 cách kết nối dữ liệu quảng cáo của bạn với AI tạo ra PPC thông minh hơn

[theanh]

Trong kỷ nguyên đấu thầu thông minh của Google, chúng ta đã đánh giá cao sức mạnh của việc cung cấp dữ liệu vững chắc cho AI.

Nhưng dữ liệu đó có thể làm được nhiều hơn là chỉ cải thiện giá thầu.

Khi được kết nối với mô hình ngôn ngữ lớn (LLM), nó mở ra những cách hoàn toàn mới để quản lý và tối ưu hóa tài khoản PPC của bạn.

Khi AI tạo ra ngày càng được nhúng vào quy trình làm việc hàng ngày của chúng ta, thì việc khám phá các phương pháp mới nhất để kết nối nó với dữ liệu hiệu suất của bạn là điều đáng giá.

Theo cách này, nó có thể cung cấp những hiểu biết không chỉ sáng tạo mà còn có cơ sở và có thể hành động được.

Chắc chắn, bạn có thể tải lên tệp CSV theo cách thủ công hoặc dán số liệu vào từng lời nhắc, nhưng điều đó sẽ phá vỡ chính lời hứa của AI: công việc nhanh hơn, thông minh hơn và hiệu quả hơn.

Rất may, các công cụ và khuôn khổ mới đang giúp việc đưa dữ liệu PPC của bạn trực tiếp vào AI tạo ra trở nên dễ dàng hơn bao giờ hết - không còn báo cáo không liên quan hoặc xuất dữ liệu tẻ nhạt nữa.

Và khi AI có quyền truy cập vào dữ liệu phù hợp, nó sẽ ngừng đoán và bắt đầu hoạt động như một chiến lược gia.

Bài viết này phác thảo bốn cách thiết thực để kết nối dữ liệu quảng cáo của bạn với AI tạo ra và bắt đầu nhận được kết quả thực sự hữu ích dựa trên dữ liệu.

Tại sao dữ liệu của riêng bạn lại là vũ khí bí mật​

Hãy tưởng tượng điều này: Bạn hỏi ChatGPT cách cải thiện tài khoản PPC của mình.

Nó bảo bạn "điều chỉnh giá thầu", "kiểm tra nội dung sáng tạo" hoặc "loại trừ các vị trí có hiệu suất thấp".

Không tệ - chỉ mơ hồ.

Bây giờ hãy tưởng tượng cùng một cuộc trò chuyện, nhưng GPT thấy các chiến dịch thực tế của bạn.

Nó nhận thấy rằng CPA của bạn tăng đột biến vào tháng trước vì một chiến dịch mới bắt đầu chi tiêu ở Bangladesh, nơi tỷ lệ chuyển đổi của bạn gần như bằng không.

Bây giờ, LLM trở nên cụ thể hơn và có thể bảo bạn "loại trừ Bangladesh để giảm chi tiêu lãng phí và đưa CPA trở lại mức thấp.”

Nhờ dữ liệu cụ thể, nó ngừng đoán và bắt đầu hướng dẫn.

Hoặc xem xét tính theo mùa. Mọi người đều mong đợi sự gia tăng vào Thứ Sáu Đen, nhưng dữ liệu của riêng bạn có thể kể một câu chuyện rất khác.

Microsoft Hoa Kỳ Bản xem trước kỳ nghỉ bán lẻ – Tháng 6 năm 2024 cho thấy hoạt động mua sắm trong quý 4 thường bắt đầu sớm hơn nhiều so với dự kiến, đôi khi sớm nhất là vào tháng 9.

Nghiên cứu của họ phát hiện ra rằng quảng cáo Audience Network ở kênh trên cùng bắt đầu ảnh hưởng đến chuyển đổi lên đến chín ngày sau khi hiển thị.

Đến tháng 10, hơn 67% chuyển đổi trong tháng 11 và gần một nửa chuyển đổi trong tháng 12 đã được thúc đẩy bởi các lần nhấp chuột trong tháng đó.

Khi AI tạo ra phân tích dữ liệu hiệu suất lịch sử của riêng bạn, nó có thể phát hiện ra các mô hình mua hàng sớm mà nếu không bạn có thể bỏ lỡ.

Từ đó, nó có thể đề xuất các thay đổi chủ động về ngân sách, giá thầu hoặc nội dung sáng tạo để các chiến dịch của bạn phù hợp với hành vi thực tế của khách hàng, không chỉ với các giả định trong lịch.

Đây là lý do tại sao lợi thế thực sự của AI bắt đầu từ sự tích hợp, không phải là cảm hứng.

Dưới đây là những cách ít ma sát để đưa dữ liệu của bạn vào LLM.

1. Sử dụng tập lệnh Google Ads để cung cấp dữ liệu cho GPT​

Tập lệnh Google Ads luôn là mỏ vàng cho tự động hóa.

Tuy nhiên, mặc dù tập lệnh rất mạnh mẽ, nhưng chúng chỉ xử lý các tình huống mà nhà phát triển đã đề cập trong mã của họ.

Ví dụ: tập lệnh giải thích hiệu suất tài khoản phải xem xét mọi sự kết hợp có thể có của các thay đổi trong tất cả các KPI quan trọng.

Điều này có nghĩa là nhà phát triển phải xem xét hàng trăm tình huống để đóng khung phân tích trong một báo cáo bằng văn bản.

Đó là nơi mà một cách tiếp cận linh hoạt và sắc thái hơn - như những gì LLM cung cấp - có thể tạo ra sự khác biệt thực sự.

Bằng cách cung cấp dữ liệu quảng cáo cho GPT, nó có thể xây dựng câu chuyện và thực hiện công việc tốt hơn nhiều so với bất kỳ đoạn mã xác định nào do một lập trình viên tập lệnh viết.

Tôi đã thiết lập các tập lệnh hàng tuần tự động kéo các số liệu chính như lượt hiển thị, lượt chuyển đổi, ROAS và CPA trên tất cả các chiến dịch.

Dữ liệu có cấu trúc đó được chuyển thẳng vào GPT bằng lời nhắc tùy chỉnh.

Từ đó, mô hình không chỉ tóm tắt những gì đã xảy ra. Nó:

• Đánh dấu các vấn đề.
• Làm nổi bật các xu hướng.
• Đề xuất các bước tiếp theo mang tính chiến lược.

Tôi đã xuất bản các tập lệnh trên Search Engine Land cho phép các nhà quảng cáo tự động hóa các đánh giá tài khoản hàng tuần, đánh dấu các điểm bất thường và hiển thị các từ khóa kém hiệu quả.

Điểm tuyệt vời của việc sử dụng tập lệnh là nó miễn phí cài đặt và vì bạn có thể xem mã, bạn có thể sửa đổi logic.

Hoặc bạn có thể yêu cầu một LLM giúp bạn tùy chỉnh mã nếu bạn không thoải mái khi tự mình thực hiện các thay đổi.

Ví dụ, bạn có muốn đề xuất quảng cáo phù hợp với thị trường mục tiêu theo địa lý của mình không?

Tùy chỉnh lời nhắc của tập lệnh để cho LLM biết bạn đang nhắm mục tiêu đến khu vực nào và nên sử dụng ngôn ngữ nào cho các quảng cáo và từ khóa mới.

Bạn muốn có các đề xuất sáng tạo tốt hơn? Hãy cung cấp hiệu suất cấp quảng cáo thay vì chỉ dữ liệu cấp chiến dịch.

Tuy nhiên, thực tế là bạn vẫn cần cân nhắc dữ liệu nào sẽ cung cấp cho LLM gợi ý về một vấn đề và giải pháp tiếp theo của chúng tôi để đưa dữ liệu đến AI.

2. Sử dụng Giao thức ngữ cảnh mô hình của Anthropic để truy cập dữ liệu thông minh​

Nếu bạn muốn vượt ra ngoài các bản xuất có cấu trúc, Giao thức ngữ cảnh mô hình (MCP) của Anthropic chính là cái nhìn thoáng qua về tương lai AI gốc.

Hãy nghĩ về MCP như một lớp phần mềm trung gian thông minh.

Nó cho phép các mô hình AI tạo sinh yêu cầu dữ liệu mà chúng cần theo thời gian thực thay vì chờ các báo cáo tĩnh.

MCP được thiết kế để “kết nối các trợ lý AI với nhiều nguồn dữ liệu và công cụ khác nhau, cho phép các mô hình truy xuất và hành động theo thông tin thời gian thực ngoài dữ liệu đào tạo tĩnh của chúng.”

Hãy xem xét điều đó trong bối cảnh của thứ mà chúng ta đã sử dụng trong một thời gian dài: API.

Chúng cho phép các hệ thống máy tính giao tiếp theo một cách chuẩn hóa.

Đó là cách một trang web có thể giao tiếp với một trang web khác và thực hiện các tác vụ với dữ liệu cơ bản của một hệ thống khác.

Và trong khi API có thể hoạt động với AI tạo sinh, chúng dựa vào lập trình có cấu trúc, xác định.

Cũng giống như các tập lệnh, nhà phát triển phải quyết định API để gọi và khi nào.

Tuy nhiên, sức mạnh thực sự của AI tạo sinh nằm ở tính linh hoạt của nó.

Sẽ thế nào nếu nó có thể tự chọn API phù hợp tại thời điểm này?

Đó chính xác là mục đích mà mô hình MCP mới được thiết kế để hỗ trợ.

Khi bạn yêu cầu tư vấn tối ưu hóa tài khoản, MCP có thể bắt đầu bằng cách truy xuất dữ liệu hiệu suất chiến dịch cấp cao.

Nếu phát hiện chiến dịch hoạt động kém hiệu quả, MCP có thể yêu cầu báo cáo quảng cáo chi tiết hơn để phân tích các yếu tố cụ thể, chẳng hạn như tiêu đề, mục tiêu hoặc cài đặt, có thể dẫn đến kết quả kém.

Nó quyết định theo thời gian thực dữ liệu nào có liên quan và thu thập chính xác những dữ liệu cần thiết để hoàn thành nhiệm vụ trong tầm tay.

Hugging Face mô tả khả năng khám phá động này là cho phép "các tác nhân AI tự động phát hiện và sử dụng các máy chủ MCP khả dụng mà không cần tích hợp được mã hóa cứng".

Trong bản demo LinkedIn, Mike Rhodes đã giới thiệu khái niệm này trong thực tế.

Sử dụng Claude của Anthropic và trình kiểm tra Google Ads được xây dựng tùy chỉnh, AI đã yêu cầu dữ liệu hiệu suất trực tiếp theo yêu cầu.

Nó không chỉ đọc báo cáo mà còn yêu cầu những gì nó cần dựa trên cuộc trò chuyện.

Kết quả là gì?

Claude đã hành động như một chiến lược gia bằng cách:

• Xác định các chiến dịch.
• Đề xuất thay đổi ngân sách.
• Đưa ra các đề xuất tối ưu hóa mà không cần nhập dữ liệu ban đầu.

Đây là một trong những ví dụ rõ ràng nhất về quy trình làm việc giống MCP đang hình thành trong PPC.

3. Sử dụng GPT tùy chỉnh và Hành động GPT của OpenAI​

Mặc dù MCP là giao thức mở mà bất kỳ LLM nào cũng có thể sử dụng, OpenAI sử dụng biến thể riêng của mình, được gọi là Hành động GPT.

Vì họ là nhà cung cấp AI tạo ra hàng đầu, nên việc hiểu cách thức hoạt động của chúng là điều hợp lý, ngay cả khi chúng có thể không phải là giải pháp chiến thắng trong thời gian dài.

GPT tùy chỉnh của OpenAI cho phép bất kỳ ai tùy chỉnh các mô hình theo nhu cầu của riêng họ.

Tôi từ lâu đã khuyến nghị rằng mọi cơ quan nên tạo một GPT tùy chỉnh cho từng khách hàng - để nó có thể phản hồi theo cách phù hợp với nhu cầu và sở thích riêng của khách hàng đó.

Ngoài việc sử dụng các hướng dẫn tùy chỉnh và các tệp tĩnh được thêm vào kiến thức của mình, GPT tùy chỉnh cũng có thể chỉ định các hành động cho phép trợ lý tương tác trực tiếp với các nguồn dữ liệu, CRM hoặc bất kỳ thứ gì có API, như Google Quảng cáo.

Hành động GPT về cơ bản là các lệnh gọi API được gói gọn trong các hướng dẫn bằng ngôn ngữ tự nhiên.

Chúng cho phép mô hình kích hoạt các tác vụ cụ thể hoặc truy xuất dữ liệu trực tiếp trong khi trò chuyện.

Dưới đây là minh họa từ OpenAI về cách thức hoạt động của các hành động:

Vì các Hành động cho phép LLM tạo các lệnh gọi API nên chúng có thể được sử dụng để:

• Yêu cầu dữ liệu (ví dụ: cung cấp cho tôi hiệu suất chiến dịch trong 30 ngày qua).
• Thực hiện thay đổi (ví dụ: tạm dừng chiến dịch đã vượt quá ngân sách mục tiêu).

Ngày nay, hầu hết GPT mà tôi thấy chỉ kéo dữ liệu.

Nhưng chẳng mấy chốc, họ sẽ sử dụng dữ liệu để tạo ra thông tin chi tiết dẫn đến các hành động giúp nhà quảng cáo đạt được mục tiêu của họ.

Hãy hình dung thế này: GPT của bạn thấy một chiến dịch chi tiêu quá mức mà không đạt được mục tiêu ROAS.

Nó sẽ đánh dấu và đưa ra lý do bằng văn bản.

Nếu bạn chấp thuận, nó sẽ thực hiện việc giảm ngân sách hoặc tạm dừng chiến dịch.

Không cần đăng nhập vào nền tảng. Không có sự chậm trễ.

Những khả năng này đã có trong GPT tùy chỉnh.

Chúng đang được sử dụng tích cực để liên kết quy trình công việc với dữ liệu hiệu suất chiến dịch, công cụ phân tích và bảng thông tin báo cáo. Không cần quyền truy cập sớm.

Mặc dù một số tính năng nâng cao, như tác vụ theo lịch trình, vẫn đang trong giai đoạn thử nghiệm, nhưng chức năng Hành động cốt lõi đã có sẵn và sẵn sàng sử dụng ngay hôm nay.

4. Sử dụng các công cụ có AI tích hợp​

Tôi bắt đầu sự nghiệp của mình với tư cách là một lập trình viên, vì vậy tôi rất hào hứng với cả ba tùy chọn được đề cập ở trên.

Nhưng không phải ai cũng muốn tự xây dựng quy trình làm việc của mình từ đầu. Thành thật mà nói, họ không nên phải làm vậy.

Hầu hết các nhà tiếp thị thích làm việc trong các nền tảng mà họ đã biết.

Mặc dù việc thử một cái gì đó mới trong chatbot là điều thú vị, nhưng nó thường không mang lại quy mô và hiệu quả mà các nhà quảng cáo mong muốn.

Hầu hết mọi người nghĩ rằng giải pháp lý tưởng sẽ là một công cụ được tăng cường AI, chứ không phải là một sự đi vòng.

Đó là lý do tại sao AI xuất hiện bên trong các công cụ như Google Trang tính, Docs, Slack và Notion.

Nó nhanh hơn, mượt mà hơn và ít gây gián đoạn hơn so với việc chuyển đổi giữa các chatbot và bảng điều khiển riêng biệt.

Sự thay đổi tương tự cũng đang diễn ra trong PPC.

Thay vì xuất dữ liệu chiến dịch để cắm vào một công cụ AI bên ngoài, một số nhà quảng cáo đang chuyển sang các nền tảng đưa AI tạo ra trực tiếp vào quy trình làm việc.

Nói về một công cụ mà tôi quen thuộc nhất, công ty của tôi đã phát triển một giải pháp được thiết kế để thu hẹp khoảng cách giữa AI và dữ liệu tài khoản.

Trợ lý này hoạt động tương tự như MCP, thu thập bất kỳ dữ liệu có liên quan nào - trên con ruồi – và sử dụng nó để giúp các nhà quảng cáo giải đáp mọi thắc mắc của họ.

Công cụ này kết nối trực tiếp với tài khoản Google Ads của bạn, cho phép bạn đặt các câu hỏi bằng ngôn ngữ tự nhiên như:

• “Những chiến dịch nào có ROAS giảm trong tuần này qua tuần khác?”
• “Những tiêu đề nào có hiệu suất cao nhất của tôi trong 90 ngày qua?”
• “Tôi nên phân bổ lại ngân sách ở đâu trong tuần này?”

Vì công cụ này được tích hợp hoàn toàn vào nền tảng nên không cần phải xuất dữ liệu, định cấu hình API hoặc dọn dẹp bảng tính.

Bạn chỉ cần hỏi và trợ lý sẽ cung cấp câu trả lời dựa trên dữ liệu trong vài giây, ngay tại nơi bạn đang làm việc.

Loại AI tích hợp này giúp thế hệ công cụ PPC tiếp theo không chỉ thông minh hơn mà còn thực sự có khả năng mở rộng.

Sau đây là bản tóm tắt về bốn cách AI tạo ra có thể được kết nối với dữ liệu quảng cáo để tạo ra kết quả tốt hơn:

Giai đoạn tiếp theo: PPC dự đoán lên kế hoạch cho bạn​

Chúng ta hiện đang bước vào kỷ nguyên mà AI không chỉ tối ưu hóa dựa trên những gì đã xảy ra mà còn giúp định hình những gì sẽ xảy ra tiếp theo.

Những gì đang nổi lên không chỉ là tự động hóa mà còn là dự đoán.

Các công cụ AI tạo ra đang phát triển thành các công cụ chiến lược có thể:

• Dự báo xu hướng hiệu suất.
• Chuyển đổi ưu tiên ngân sách trước.
• Định hình nội dung sáng tạo dựa trên các tín hiệu dự đoán từ chính bạn dữ liệu.

Như Dario Amodei, CEO của Anthropic, đã nói trong bài luận “Những cỗ máy của ân sủng,” chúng ta đang hướng tới một thế giới mà các hệ thống AI có “khả năng trí tuệ ngang bằng hoặc vượt trội hơn những người đoạt giải Nobel trong hầu hết các lĩnh vực – bao gồm sinh học, khoa học máy tính, toán học và kỹ thuật.”

Theo thuật ngữ PPC, điều đó có nghĩa là các công cụ không chỉ phân tích hiệu suất chiến dịch mà còn dự đoán những gì có khả năng xảy ra và đề xuất những việc cần làm tiếp theo trước khi số liệu của bạn bị ảnh hưởng.

Vẫn còn sớm, nhưng các khối xây dựng đã có ở đây.

Khi các hệ thống này được kết nối với dữ liệu hiệu suất thực, chúng sẽ chuyển đổi từ trợ lý phản ứng thành nhà chiến lược chủ động.

Điểm mấu chốt: Dữ liệu của bạn chính là yếu tố tạo nên sự khác biệt của bạn​

Chúng ta đã vượt ra khỏi sự cường điệu của AI tạo sinh.

Những gì từng là khái niệm lý thuyết giờ đã trở thành hiện thực và những người thành công sẽ là những người chuyển từ ý tưởng sang thực hiện.

Ưu điểm thực sự của PPC ngày nay nằm ở mức độ hiệu quả mà dữ liệu của bạn kết nối với AI.

Việc tích hợp dữ liệu hiệu suất của bạn với AI tạo sinh không còn là tùy chọn nữa – mà là điều cần thiết để luôn dẫn đầu.

Các phương pháp tôi đã nêu ở đây cung cấp một điểm khởi đầu rõ ràng.