品​牌​成長​新​引擎：​Google AI ​驅動​數據​與​媒體​投放​策略

科技革​新​促成​消費者​行為​不斷​改變，​也​提供​品牌​更多​用​戶訊號​及​購買​意向。​隨著​ A​I 時代​來臨，​行銷​人​們​亦​不斷​深究​如何​透過​ AI ​工具有效​判​讀數​以億計​的​用戶​資訊、​理解​消費者​變化​趨勢，​以及​探索​高價值​潛​在​客戶，​進而​推動​業務​增長。

Google AI x ​媒體​投放，​行銷​人​從守株待​兔到​主動​出擊、​搶佔​先機

在​今年度​ Google Marketing Live Taipei ​商業​盛會​中，​Google ​大​中華區​成效​產品​專家​ Alan Poon​ 談​及​ AI ​策略，​提醒​行銷人​們​應​將​重點放​在​企業，​而​非​ AI ​工​具​本身。​「Put Google AI ​to wor​k for ​you ​這​句​話​中，​最​重要​的​其實​是​『YO​U』。​」​比起​單純​制定​ AI ​策略，​行銷​人們​更​應該​要​「讓​ AI ​執行​你​（​企業）​的​策略」​——​Google AI 便​是​為​此​目的​而存在。

為了​幫助​行銷人​解決​行銷​難題，​Google ​在​ 2​02​4​ 年​推出​了​一​系列 A​I ​賦能​的​媒體​投放​功能。​以​搜尋​廣告（Search Ads）​為​例，​Google AI ​能​幫助​行銷人​掌握用​戶​分享​的​資訊、​協助​深入​分析​其​搜​尋​背後​的​意涵。​一​轉​過​往​商家​只​能​站​在​被動​角度​等​待​消費者​搜尋，​有​了​ Google ​AI，​商家​能​更​精準地​根據​用戶​的​習慣​及​喜好​主動​提供​個性化​推薦，​以​提升​廣告​成效。

最​高成效​廣告​（Performance Max）​則​透過​全​自動​的​ A​I ​功​能​不斷​學習、​適應​消費者​行為​的​變化，​幫助​企業​在​各​管道​接觸​潛​在​消費者，​成為​企業​專屬​的​ AI。​根據​ Google ​的​調查​數據，​使用​全 ​AI ​自動化​的​最​高成效​廣告​並​搭配​搜尋​廣告，​可以​讓​企業​的​轉換率​平均​提升​ 2​7%。

根據​ Google ​的​調查​數據，​使用​全 ​AI ​自動化​的​最​高成效​廣告​並​搭配​搜尋​廣告，​可以​讓​企業​的​轉換率​平均​提升​ 2​7%。

此外，​為了​協助​企業​解決​在​廣告​投放​中難​以​精準觸​及​多​種​客群​的​挑戰，​Google ​推出​了​客戶​生命​周期​（User Lifetime）​解決​方案，​利於​企業​開發​新​客戶、​喚醒​沉睡​客戶、​維繫​忠誠​客戶，​甚至​是​重點​經營​高價值​客戶。​企業​可以​透過​提供​第一​方​數據，​如客​戶​名單、​網站​代碼​等，​賦予​ Google AI ​能力，​針對​上述​不​同​類型​的​客戶​投放​廣告、​出價，​並​根據​不同​目標​提供​衡量​指標。​在​未來，​企業​能夠​結合​不同​廣告​投放​策略​使用​客戶​生命​週期​方案，​讓​ AI 輕鬆​辨別​價值​及​階段​各​異​的​客群，​以​此​客​製化​廣告​素材、​提供​專屬​優惠，​進而​達到​「大型​客製化」​的​效果。

最後，​Google ​宣布​今年​將​在​最​高成效​廣告​和​標準​購物​廣告​活動​中​推出​「利潤​最佳化」​功能。​企業​將​能夠​在​ Google Merchant Center ​設定​產品​價格​時​一​併​提供​產品​成本​數據，​進而​在​同一​廣告​中​活動​開啟利潤​最佳化​功能，​輕鬆​優化​銷​售額​及​利潤。​Google ​的​模擬​測試​結果​顯示，​利潤​最​大化​功能​將​可​為​商家​的​廣告​活動​總獲利​平均​提升​高達​ 1​5%。

Google ​大​中華區​成效​產品​專家​ Alan Poon​ 以​三​大​重點，​說明​如何​讓​ Google AI ​成為​企業​的​專屬​ A​I 。

收集 x ​運用​ x ​保護，​解鎖​ Google AI ​資訊​潛能，​為​成效​衡量​效力

有​了​好​的​ A​I ​工具，​行銷人​也​需要​學會​給​予​明確​的​指令。​在​數​位​廣告​領域​中，​第一​方​資料​就是​給 A​I ​的​明確​指令。​然而，​Google ​大​中華區​ 衡量​分析​專家​ James Lei ​注意到，​真正​能​有效​應用​這些​資料​的​品牌​仍然​有限。​從​過​往​經驗​出發，​James ​整理​了​行銷人​在​使用​廣告​產品​時​常​面臨​的​三項​挑戰​及​解決​方案：

挑戰一：​不知​道​該​收集哪些​資料

品​牌​一​項​重視​資料​收集，​但​並​不​總​是​清楚該​在​ Google Ads ​上​收集哪些​資料。​為此，​Google Ads ​介面​中​推出​新​的​建議​功​能​——​ AI Essential，​給​予行銷人​即時​的​建議​和​明確​的​策略​調整​方案。​從​網站​和​ App​ ​收集​的​第一​方​資料，​到​調整​廣告出價​策略，​AI Essential ​的​建議​能夠​讓​企業​更​有效​地​達成​行銷​和​商業​目標。​James ​提醒​企業，​無論​是​自行​操作​還是​委外​進行​廣告​投放，​定期​檢查​和​調整​資料​收集​的​完整性，​將​能​為​ AI ​建構​充分​的​應用​資料​基礎。

Google Ads ​介面​中​推出​新​的​建議​功​能​——​ AI Essential，​將​提供​行銷人​即時​的​建議​和​明確​的​策略​調整​方案

挑戰二：​不知道​如何​運用​這些​資料

行銷人​常​遇到​的​第二​個​困難，​是​如何​在​大量​資料​中​將​商業​需求​轉化​為​ AI ​能夠​理解​的​指令。​其實，​行銷​人​可以​從​資料​中選出關​鍵用​戶群體​進行​有效​分類，​例如​將​客戶區​分為​新、​舊、​流失，​及​高價值，​接著​將​名單​上​傳​至​ Google Ads ​進行​比對，​結合​ A​I ​在​廣大​用​戶​中找到​相似​客群，​以​實現​更​精準​的​廣告​投放。​此外，​Google Ads ​後​台​也​能​做到​匯​總標籤​及​其​表現，​幫助​品牌​發現​新​的​受眾​及​提高​廣告​效果。

而​面對​難以​高效​上​傳​及​比對​大量​資料​的​挑戰，​Google ​推出​了​ Google Ads Data Manager，​幫助​品牌​在​多​種​ CR​M ​及​ C​DP​（​包括​ Google Clou​d ​的​ BigQuery​ 平​台）​系統​中，​將​整理​好​的​標籤​自動​上​傳到​ Google Ads。​透過​介面​設定，​品牌​能夠​整合​資料​與​內部​ ETL ​系統，​讓​ Google AI 即​時​優化​廣告​成效。

Google ​大​中華區​ 衡量​分析​專家​ James Lei ​表示，​Google Ads Data Manager ​能​幫助​品牌​在​多​種​ CR​M ​及​ C​DP​（​包括​ Google Clou​d ​的​ BigQuery​ 平​台）​系統​中，​將​整理​好​的​標籤​自動​上​傳到​ Google Ads

挑戰三：​缺乏​對​資料​整合​的​信任

為了​推進​ AI ​效率，​需要​企業​提供​珍貴​的​第一​方​資料，​勢必會​引起​資訊​安全​的​顧慮。​可以​放心​的​是，​Google ​服務​的​使用​者​擁有​對​資料​的​調整​和​控制權，​且​ Google Ads​ ​收集​的​數據​也​將​受到​嚴格​的​保護。​無論​是​在​來自​網頁、​App，​或​是​透過​上​傳所​收集到​的​個人​資訊​資料，​都​將​經業界​標準 SHA25​6 ​方式​進行​雜湊​加密​後​才​提供​至​ Google。​進行​比​對​時，​比對​對象​及​檔案​的​處理​方式​等，​也​都​經​嚴密​保護。​因此，​行銷​人​可以​放心​解鎖​ Google ​AI，​令​其​為​成效​衡量​效力。

從​ measuremen​t ​的​角度，​Google ​大​中華區​ 衡量​分析​專家​ James Lei ​分享​了​ Google A​I ​如何​幫助​企業​與​行銷​的​三大​重點。

精彩​案例：​佳格​食品​ x Google ​AI，​以​資料​驅動​媒體​投放，​分眾​策略​使​成效​飛昇

佳格​食品​集團​資深​產品​經理​ Stella Chen以​「佳格​健康​ GO」​的​實際​案例，​分享​品牌​如何​透過​第一​方​會員​資料​驅動​ Google A​I 。

本​次​ Google Market Live Taipei ​商業​盛會​特邀​佳格​食品​集團​資深​產品​經理​ Stella Chen，​分享​佳格​食品​如何​運用​官方​購物​網站​「佳格​健康​ GO」​的​第一​方​會員​資料​驅動​ Google ​AI、​擴大​數據​應用​成效​的​案例。

透過​數據​來​認識線​上​消費者​的​行為​模式

Stella 認同​數據​的​重要性，​並​和​參與​者​分享​佳格​健康​ Go ​透過​數據​認識線​上​消費者​行為​模式​的​歷程：​「第一​方​資料​的​運用​對於​數​位​廣告​至​關​重要。​」​此​次​佳格​食品​嘗試​使用​ Google AI ​工具，​設立​了​三​項​欲​達成​的​商業​目標——​「找到​更多​潛力​新客」、​「喚醒​沉睡客​進行​轉換」、​「客戶​終身​價值​增長」，​同時​規劃​ Google AI ​驅動​數據​成效​的​四​個​步驟。

在​佳格​健康​ Go ​的​案例​中，​首先​為​專案​訂定​明確​的​三​個​商業​目標。

首先，​為了​奠定​ Google ​廣告​機器​學習​的​基礎，​佳格​整理​了​第一​方​顧客​的​定義​與​分群，​進而​找出​高價值​會員​輪廓。​佳格​此​次​使用​ Google ​的​ p​LTV（Predicted Life Time Value​）​模型，​根據​會員​資料​的​購買​時間、​回購​時間​與​購買​金額，​演算​並​預測出​每​位​會員​的​終身​顧客​價值。​佳格​根據​演算​結果​彙整​的​高價​值​顧​客​名單，​搭配​顧客​最後​一​次​購買​的​時間​資料，​進一步​將​名單區​分為​高價值​新客​與​高價值​沉​睡客，​同時​運用​ CRM ​會員​資料​更​新既​有​顧客​與​沉睡​顧​客​名單。

接著，​佳格​透過​ Google AI ​匹配​的​每​一​種​會員區​隔​與​分眾​策略，​比​對​足夠​的​數據​量體，​再​上​傳​至​廣告​後​台​進行​顧客生命​週期​最佳化​設定。​在​這​個​階段，​能​讓​機器​學習​同步​認知​顧​客​分群定​義​以及​最新​的​顧客​輪廓，​奠定​演算​基礎、​降低​未​知顧客​數據。

第三步，​佳格​對​廣告​活動​設定​了​清楚​的​指令。​在​找尋​更多​潛力​新客​時，​佳格​使用​最​高成效​廣告​活動，​設定​強化​轉換，​並​考量​一般​新客​與​高價值​新客​對​品牌​貢獻​能力​的​不同，​分別​為​這​兩​群​受眾​設定​不同​的​轉換​價值​加權，​提高​系統​的​出價區隔。

最後，​針對​喚醒​沉​睡客​的​需求，​佳格​則​以​關鍵字搜尋​廣告​活動​為​主要​手段，​賦予​高價值​沉睡​的​客戶​較​高​的​轉換​價值​加權。

Stella ​在​活動​中詳​細解​說​整​個​行銷​專案​的​四大​步驟，​並​強調品​牌​第一​方​資料​的​重要性。

佳格​提供​的​第一​方​分眾​名單​幫助​ AI 學習顧​客樣貌​與​價值，​加上​清楚​的​廣告​指令​設定，​讓​廣告​活動​成功​協助​實現品牌​的​三​項​商業​目標。​此​次​獲取​潛力​新客​的​效果​極佳，​不僅​在​最​重要​的​收益​指標 ROA​S ​增加​ 16%、​獲​客​成本​ CP​A ​更​減少​了​ 6​%，​而​新客購​買金額​占比​和平均​購買​金額​皆​有​顯著​成長。​喚醒​沉​睡客​的​目標​也​取得​良​好​成效，​購買​金額​佔​比​提升​了​ 7​ ​個​百分點，​新客​與​沉睡​客​整體​購買​金額​佔​比​則​共​增加​ 12​ ​個​百分點。​最後，​此​次​廣告​互動​的​顧客​終身​價值，​與​其他​ Google ​廣告​活動​相比，​增加​了​ 64%​ LT​V ​增幅，​且​顧客​與​網站​互動​的​時間​也​增長​了​ 2​3%，​顯見​此​次​ A​I 模型​試驗​的​成功。

佳格​健康​ Go ​的​案例，​說明​了​即使​是​沒有​海量​顧客​資訊​的​品牌​電商，​仍​可以​驅動​ Google ​大數據​為​品牌​運算，​挖掘​更多​高價值​顧客，​達到​「以​小博​大」​的​成效。

「任何​ AI ​模型​的​成功，​都​需要​高品質​的​數據。​」​Stella ​總結道。​Google ​的​機器​學​習​遍佈​各​廣告​格式、​受眾訊號​及​智慧​出價，​幫助​佳格​在​新、​舊客​戶​策略​上​皆​達成​更​具​規模化​的​輸出，​後續​亦​能​持續​透過​ Google Ads Data Manager​ ​定期​更​新品​牌​端​名單，​成為​不斷​優化​ Google 機器​學習​的​活水。

身為​一​個​年​資相​對​較輕，​沒有​大型​綜合​電商​數據​資本​的​品牌​電商​網站，​佳格​健康​ GO​ ​成​功​透過​第一​方​會員​資料​驅動​ Google ​AI。​品牌​的​第一​方​資料​使​ Google AI ​能夠​有效​判讀​不​同​型​態​會員​的​行為​輪廓​價值，​並​讓​ Google Machine Learning​ 訊號​更​加​精準。​此​次​佳格​的​成功​案​例​足見​資料​及​媒體​策略​結合​ A​I ​的​重要​性。​在​品牌​電商​沒有​海量​顧客​資訊​的​情況​下，​仍​可以​驅動​ Google ​大數據​為​品牌​運算，​挖掘​更多​高價值​顧客，​達到​「以​小博​大」​的​成效。