Comment un responsable marketing peut-il fournir des données pertinentes à une campagne pour applications Google alimentée par le machine learning ? (Choisissez deux réponses.)

Pour qu'une campagne pour applications Google alimentée par le machine learning soit efficace, un responsable marketing doit définir clairement ses objectifs. Ces objectifs guident le système d'apprentissage automatique sur les données pertinentes à collecter, analyser et optimiser.

Analyse des bonnes réponses

Les trois options suivantes représentent des objectifs clairs qui fournissent des signaux précieux au machine learning :

• Élargissement de la base de clients : En définissant cet objectif, le responsable marketing indique au système de machine learning qu'il doit prioriser l'acquisition de nouveaux utilisateurs (installations d'applications). Le système utilisera alors des données sur les comportements, les démographies et les sources des utilisateurs les plus susceptibles d'installer l'application pour optimiser la diffusion des annonces.
• Réduction des coûts : Cet objectif signifie que la campagne doit optimiser pour l'efficacité. Le machine learning analysera les données pour trouver les utilisateurs qui sont susceptibles d'effectuer l'action désirée (installation ou événement in-app) au coût le plus bas possible. Cela permet d'optimiser le coût par installation (CPI) ou le coût par action (CPA) en identifiant les placements et les audiences les plus rentables.
• Accroissement des ventes : Lorsque l'objectif est d'accroître les ventes, le machine learning se concentre sur les conversions de valeur, telles que les achats intégrés, les abonnements ou d'autres événements générateurs de revenus. Le système exploite les données des utilisateurs ayant déjà effectué des achats pour identifier des profils similaires et maximiser le retour sur les dépenses publicitaires (ROAS).

Analyse des mauvaises options

• Augmentation de la valeur vie client (LTV) : Bien que l'augmentation de la LTV soit un objectif commercial ultime, elle est plus un résultat à long terme qu'un paramètre d'entrée direct pour le machine learning des campagnes d'applications. Les campagnes Google Ads peuvent optimiser pour la valeur des conversions (contribuant à la LTV), mais "LTV" n'est pas une mesure directe que l'on "fournit" au système.
• Augmentation des bénéfices : Similaire à la LTV, les bénéfices sont une mesure commerciale agrégée (revenus - coûts). Le machine learning de Google Ads optimise pour des actions ou des valeurs spécifiques au sein de la plateforme, qui contribuent ensuite aux bénéfices de l'entreprise, mais il ne prend pas directement en compte le "bénéfice" comme une donnée d'optimisation.