Facebooktwitterredditpinterestlinkedinmailby feather

Gemiddelde leestijd 15 minuten

Bijna iedere online marketeer die ik tegenkom heeft het wel over machine learning.

Niet zo gek natuurlijk, aangezien de mogelijkheden enorm zijn.

Vooral in Google Ads staan er veel machine learning tools tot je beschikking.

Denk aan de slimme biedingsstrategieën, aanbevelingen & meldingen.

In Google Analytics zijn er minder machine learning tools aanwezig, eerlijk is eerlijk.

Toch is het handig/praktisch om de machine learning tools die je hebt te gebruiken.

Daarnaast verwacht ik dat je vanaf 2020 veel meer machine learning tools tot je beschikking gaat krijgen.

Helaas is niet voor iedere website iedere machine learning tool de ideale oplossing.

Je hebt namelijk vaak behoorlijk wat data nodig om waarde te halen uit je machine learning tool.

Machine learning tools hebben bezoek & conversie volume nodig om van waarde te kunnen zijn.

Vaak heb je een minimaal aantal conversies nodig om de tool te kunnen gebruiken.

Een slimme biedingsstrategie op basis van conversies werkt pas echt goed vanaf honderden maandelijkse conversies.

Daarnaast dien je te weten hoe een machine learning tool werkt.

Wat zijn de voor – en nadelen van een machine learning tool?

Hoe dien je het toe te passen?

Ik bespreek in deze blog 3 typen machine learning tools die praktisch zijn om te gebruiken.

Van machine learning tools die iedereen kan gebruiken t/m optimalisatie tools waarbij je enig conversie volume nodig hebt.

 

Oplossing 1. Meldingen


In Google Ads & Analytics ontvang je meldingen.

Deze meldingen gaan over goed/slecht presterende marketingonderdelen zoals marketingkanalen, landingspagina’s en gebeurtenissen.

In Google Analytics vind je deze helemaal rechts bovenin.

Als je klikt op de knop Insights.

Wat heb je aan deze insights?

Deze attenderen je op zaken die beter kunnen zoals:

1.  Daling van je actieve gebruikers;

2. Slecht presterende marketingcampagnes;

3. Slecht presterende landingspagina’s.



In Google Ads heet deze tool aanbevelingen

Deze werkt eigenlijk nagenoeg hetzelfde, maar is gericht op je Google Ads resultaten.

Welke aanbevelingen mag je hierin verwachten?

1. Dubbele zoekwoorden in je campagnes
2. Zoekwoorden die ontbreken in je campagnes
3. Adviezen voor bijv. je biedingen per apparaat

Aanvullende tip 1:

Ga er nooit vanuit dat je meldingen kloppen.

Google kan wel zeggen dat je zoekwoord X dient toe te voegen in je campagne.

Maar Google heeft natuurlijk andere doelstellingen dan jij als adverteerder/website.

Controleer altijd of er al gebruikers hebben geklikt op zoekwoord X en wat dit heeft opgeleverd?

Of kijk naar de SEO-resultaten voor het aanbevolen zoekwoord.

Aanvullende tip 2:

Dubbele zoekwoorden kun je direct ontdubbelen.

Maar adviezen voor bod aanpassingen per apparaat dien je te controleren.

Want hoe betrouwbaar is de aanbeveling gericht op je bod aanpassingen?

Is deze aanbeveling op basis van klikken & CPC of ook je conversie?

Google Ads is heel goed in het monitoren van je klikken i.c.m. kosten, maar helaas veel minder goed in het monitoren van je conversie.

Google Ads is namelijk een campagne systeem en geen analyse systeem zoals Google Analytics.

Controleer altijd in Google Analytics wat je CPC is vs. conversie per apparaat.

Twijfel je over het juiste bod per apparaat?

Test de aanbevelingen van Google Ads altijd met een experiment.

Dan weet je ook zeker of een bod aanpassing een positief resultaat oplevert!
 

Oplossing 2. Vragen & antwoorden


Naast meldingen kan Google Analytics je antwoord geven op je belangrijkste vragen.

Dit gaat je veel tijd besparen in je zoektocht naar de belangrijkste informatie over je website resultaten.

Reken maar uit hoeveel uur je nu kwijt bent aan het opzoeken van informatie in de honderden Google Analytics rapporten.   

De antwoord & vragen tool is een uitstekend voorbeeld van machine learning waarmee je uren tijd per maand gaat besparen.

Google Analytics kan op basis van de door jou gebruikte statistieken & dimensies antwoord geven op jouw belangrijkste vragen.

Waar vind je deze vragen & antwoorden?

Als je klikt op Insights en naar beneden scrollt.

Dan zie je Insights on Demand staan. 

Nu alleen nog in het Engels.

Pas je taalinstellingen aan naar het Engels om deze tool te gebruiken.

Op welke type vragen krijg je een antwoord?

1. Zijn de behaalde doelen gestegen of gedaald in het afgelopen kwartaal?
2. Welke marketingkanalen hebben de meeste impact op de online omzet?
3. Welke landingspagina’s hebben de meeste impact gehad op de online omzet?



Aanvullende tip:

Bepaal vóóraf op welke vragen je een antwoord wilt.

Bespaar zo maandelijks uren tijd bij het opzoeken van de antwoorden!
 

Oplossing 3. Marketing optimalisaties


Naast meldingen en je belangrijkste vragen wil je machine learning natuurlijk gebruiken om je marketing resultaten te verbeteren.

Dit is zeker een verstandige keuze, aangezien deze tools beter kunnen rekenen dan jij en ik.

De waarheid is hard, maar zo is het nou eenmaal.

Gelukkig helpen ze ons om beter beslissingen te nemen bij onze online marketingcampagnes.

In welke situaties dien je deze machine learning tools te gebruiken?

1. Bij je Google Ads biedingen. 

Biedingentools beschikken over talloze signalen om je biedingen te optimaliseren.

Met biedingentools bedoel ik zowel slimme biedingsstrategieën als biedregels om je biedingen te optimaliseren.

Zij optimaliseren jouw biedingen op basis van signalen zoals klikaandeel, vertoningsaandeel, conversies, uitgesplitst per apparaat.

In biedingenoptimalisatie zijn ze gewoon beter dan jij en ik.

Maak gebruik van zo’n slimme biedingstool!

2. Beoordeling bezoekkwaliteit marketingcampagnes

Met de machine learning statistiek sessiekwaliteit kun je de kwaliteit van je bezoeken monitoren. Deze sessiekwaliteit is beschikbaar voor E-commerce sites met minimaal 1000 transacties per maand.

Google geeft namelijk met sessiekwaliteit aan iedere bezoek een score van 0-100 op basis van bounces, bekeken pagina’s per bezoek en de actieve tijd op de site.

Hoe hoger je scoort, hoe beter je bezoekkwaliteit is. 

Wat is nu de praktische toepasbaarheid van de sessiekwaliteit?

Je kunt zo bepalen hoeveel gebruikers met een goede bezoekkwaliteit afkomstig zijn van je belangrijkste marketingkanalen.

Aanvullende tip: Google geeft standaard op basis van één bezoek je sessiekwaliteitsscore.

Ik kijk zelf liever naar de sessiekwaliteit op basis van alle bezoeken. Dan krijg je namelijk een betrouwbaarder beeld van de sessiekwaliteit op de langere termijn.

Hoe krijg je dit voor elkaar? Je kiest de basissegmenten voor je belangrijkste marketingkanalen.

Onderstaande weergave is een voorbeeld van de sessiekwaliteit op basis van alle bezoeken:

De gemiddelde sessiekwaliteit is 8. Nu kun je een onderbouwde afweging maken welke kanalen voornamelijk goede of juist minder goede kwaliteit bezoeken naar je website leiden.

3. Beoordeling conversiekans marketingcampagnes

Naast bezoekkwaliteit wil je natuurlijk ook de conversiekans bepalen voor je belangrijkste marketingkanalen.

Welke kans is er dat je marketingkanalen voor conversies zorgen?

Met de machine learning statistiek conversiekans kun je dit bepalen.

Google geeft ook met de conversiekans een score van 0-100 voor ieder bezoek.

E-commerce sites met minimaal 1000 transacties per maand kunnen de conversiekans bepalen.

Hoe hoger je score, hoe hoger de kans op een conversie.

Aanvullende tip: maak groepjes van je conversiescore om de werkelijke waarde van je marketingkanalen te bepalen:

 

Wat kun je hier nu mee? Je kunt de gebruikers voor de conversiekans groepjes toepassen op je belangrijkste marketingkanalen.

Deze informatie kun je gebruiken bij de succesbepaling van je marketingkanalen.

Hoeveel gebruikers vanuit je Google Ads campagnes hebben een conversiekans van 41 of hoger?

Is dit hoger of lager dan het aantal gebruikers met een conversiekans van 40 of lager?

Oftewel: Welk % van je Google Ads klikken hebben een goede kans om een conversie op te leveren?

4. Conversie attributie marketingkanalen

Sessiekwaliteit & conversiekans zijn zeer bruikbare machine learning tools.

Er zit aan beide echter één belangrijk nadeel: de conversie attributie van de marketingkanalen is hierin niet meegenomen.

Mijn advies is om conversie attributie wel toe te passen op je belangrijkste marketingkanalen.

Niet met de attributie modellen binnen de multi-channel trechters, maar met jouw attributie project. Waarom?

Je kunt met jouw attributie project conversie attributie gebruiken op basis van machine learning. Google Analytics noemt dit een datadriven attributiemodel.

Dit Data-Driven model is beschikbaar voor E-commerce sites met minimaal 1000 transacties per maand.

Deze geeft aan iedere klik een waarde mee op basis van talloze signalen.

Dit attributiemodel houdt rekening met de impact van iedere klik op je conversies. Daar kan geen eigen attributiemodel tegenop denk ik persoonlijk.

Dat is best indrukwekkend om te zien, want de conversie attributie berekeningen hoef je nu niet meer zelf te doen. Dat doet het datadriven model voor jou.

Aanvullende tip: vergelijk jouw datadrivenmodel met de last-click berekening die je nu gebruikt.

Dan zie je namelijk de verschillen tussen een conversieberekening op basis van machine learning vs. wat je nu gebruikt:

De verschillen in bovenstaand voorbeeld voor de betaalde kanalen is niet supergroot, maar dat kan natuurlijk in jouw situatie weer heel anders zijn.

Gebruik deze machine learning conversie attributie om het werkelijke succes van je betaalde kanalen te bepalen!

Afsluitende tip


Machine learning is een krachtig wapen om je marketingresultaten eenvoudig te monitoren. Maak hier gebruik van!

Helaas is alleen niet iedere machine learning tool voor jou geschikt.

Niet iedereen kan sessiekwaliteit, conversiekans of een datadriven attributiemodel gebruiken.

Daar heb je duizenden maandelijkse bestellingen voor nodig.

Maar dat betekent natuurlijk niet dat je helemaal geen machine learning tools kunt gebruiken.

Bepaal dus vóóraf welke machine learning tool op jouw situatie van toepassing is.

Hoe je deze dient te gebruiken om er het optimale resultaat uit te halen.

Kortom: weet wat je aan het optimaliseren bent!

Ik ben natuurlijk benieuwd naar jouw ervaringen met machine learning tools. 

Welke typen machine learning tools gebruik jij? Wat zijn je positieve en/of negatieve ervaringen hiermee?

We kunnen ten slotte allemaal leren van elkaar!

Over Gerard Rathenau

Ik ben Gerard Rathenau en Digital Analist. Ik ben de oprichter van deze blog over Google Analytics. Begonnen bij PauwR online marketing als AdWords adviseur heb ik mijzelf ontwikkeld tot Digital Analist. Gericht op onderbouwde adviezen voor duurzame conversie optimalisatie. En workshops (1,5 dag) om (online) marketeers op weg te helpen inzichten uit Google Analytics te halen. Daarnaast ben ik schrijver van het 1ste Nederlandstalige handboek over Google Analytics. (2014) Sinds 2015 deel ik wekelijks mijn kennis over Google Analytics aan > 500 abonnees. Daarnaast schrijf ik 1x per maand een diepgaande blog op Digital Analisten. Vooral gericht op het halen van inzichten uit Google Analytics.

Facebooktwitterredditpinterestlinkedinmailby feather
Er zijn nog geen reacties.

Geef een reactie

Je kunt deze HTML tags en attributen gebruiken: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.