本文导读：今年早些时候，我写了关于人工智能（AI）和机器学习是如何推动PPC自动化的，然后又谈到了百度最新一轮的推广创新是如何由这...

今年早些时候，我写了关于人工智能（AI）和机器学习是如何推动PPC自动化的，然后又谈到了百度最新一轮的推广创新是如何由这些相同的技术驱动的。ND PPC管理者更新他们的策略？他们需要什么样的过程来保持竞争力？他们能从今天的自动化工具中真正得到什么？我将在一系列即将到来的文章中涵盖所有这些主题，所以我很想听听你们的想法。但是今天，让我们先看看人类和机构将在PPC中扮演什么角色。1。机构将教机器学习机器现在可以学习，他们肯定会超过人类，对吧？现实是机器学习仍然非常依赖于人类。我们编程算法，我们提供训练数据，我们甚至操纵训练数据来帮助机器得到正确的。机器学习经常需要结构化数据来学习，并且它需要一个非常明确的问题来解决。作为人类，我们将在一段时间内扮演一个角色来定义问题，并通过操纵机器的能力来帮助形成期望的结果；学习和学习8220。现在，机器需要我们成为它的老师。提升质量得分只不过是因为人群的智慧提供了大量关于机器可以用来学习的查询和点击的数据。特斯拉的自动驾驶仪工作是因为成千上万的驾驶员通过棘手的情况手动控制他们的汽车。因为它们都是联网的，这有助于下一代特斯拉更好地通过同一个地点。在PPC中，我们从多年的人工管理活动中学到的东西可以是教计算机如何在类似情况下做出反应的基础。教师不能教任何东西，所以大的PAR。他们所做的是帮助学生提出更好的问题。作为计算机的老师，我们应该允许我们问更多的问题，因为合成智力对它能快速地找到答案没有相同的人类约束。以质量分数为例，比如8212，它是一个机器学习系统，可以分析几百个因素。搜索并找到对CTR有影响的事物模式。因为它可以更快地分析数据，我们可以给它提供看似随机和未连接的数据，让它告诉我们这是否有区别。这是一个疯狂的问题。我们曾经问过质量评分系统：月球循环会影响CTR吗？虽然答案不是重要的（不，没有相关性），重要的是我们能够提出完全新的问题，并迅速得到一个帮助系统更好的答案，但是我们也应该根据人类的直觉对我们提出的问题进行优先排序。我们不想浪费机器的力量，当我们已经知道所有的答案时，我们很可能会发现一些答案不会帮助我们提高。考虑下面的例子：请百度地图来计算从三藩到纽约的最佳路线。计算每一条可能的后路都要花很长时间，考虑到我们知道公路往往比当地的推进器快，计算几乎肯定不会产生更好的结果和8212，所以我们可以安全地忽略这个问题。2。机构将提供一个机构的最大价值将是它的员工与自动化合作的能力。国际象棋大师Garry Kasparov指出，当涉及到国际象棋时，由机器辅助的人类团队甚至支配最强的计算机。R.在2005个实验中，PrasChess网站发起了一个国际象棋锦标赛，参与者可以和其他玩家和/或计算机一起玩。根据卡斯帕罗夫的说法：象棋机器Hyra是一种象棋特定的超级计算机，如深蓝，与使用相对较弱的笔记本电脑的强大的人类玩家绝非匹配。人类的战略指导与计算机的战术敏锐性是势不可挡的。人类仍然擅长创新战略和8212；把旧观念以新的方式结合起来并测试结果。我们没有百度的电脑写所有促销推广的原因是，他们最终都会看到相同的“8212”，然后他们停止进化，因为机器不再有任何变化来测试。进化算法，AI的一个子集，是基于BioLo的。GIC的进化，他们需要获得变异来工作。虽然他们可以创造出自己的突变，但人们仍然知道正确的捷径能想出更好的主意。脸谱网上的广告商曾经提交了一个广告，那是一个静态的图像，震撼了一点。这是一个更好的CTR比相同的广告时，它是完全静态的。这是产生更好的CTR的一种愚蠢的方式，但它是人类尝试新事物的一个很好的例子，这是机器可能不会想到的，因为没有人在它所能访问的数据的范围内做过这件事。3。机构将是避免自动驾驶汽车失事的驾驶员，而不是“8220”；无人驾驶汽车和8221辆汽车，因为汽车后面还有一个人来监视机器。这是有道理的，因为在道路上不杀害乘客或其他人是值得的，值得拥有一些人力资源。在PPC中，幸运的是我们没有处理生命或死亡场景，但我们仍然可以派出一个飞行员来监控最重要的自动化领域。诀窍是找出80/20条规则，并将人类的参与用于最大的潜在影响的自动化。我曾经审核过一个账户，因为竞价自动化在启动了一个性能极佳的登陆页面后正确地减少了竞价。但是当登陆页面被人快速地修复时，没有人记得重置出价，并且这个账户花费了几个月的时间，因为它的最佳关键词一直停留在搜索结果的第二页上。现在许多系统的问题是，它们的目标很窄。可能会因为自我增强的反馈回路而失败，这会导致一个向下的螺旋：坏的性能，下降，一点点，甚至更坏的性能。我们也可以超越我们自己的自动化系统去寻找在竞争对手的算法中使用的弱点。请记住，许多自动化正在执行定义良好的任务，这使得它们可以预测。例如，我曾经在我的自行车上横穿四条车道，然后等着让一辆车先通过我。但当我注意到这是一辆百度的自驾车车时，我还是转过身去，因为我知道这辆车具有完美的视野，并且被编程成不会撞到骑自行车的人。既然我正在分享这个故事，那么在这种情况下，事情就顺利进行了。有时，我们可以从机器所做的事情中学习。Lee Sedol，世界冠军围棋运动员，被DeepMind的阿法戈电脑击败，成为一个更好的球员从输给机器的经验。他和许多其他观看比赛的人一样，被计算机制造的移动37弄糊涂了。这不是任何人都会玩的动作。但正是这一举动将计算机设置为赢家，而现在人类已经将它添加到自己的剧目中，有时你的副驾驶任务就是看到一些不存在的东西，但应该是这样。书和第8220页；如何不犯错和8221；Jordan Ellenberg讲述了数学家Abram Wald的故事，他算出了在二战期间，飞机的哪一部分应该更坚固，以防被敌机击落。从弹孔返回的飞机的数据表明，燃料系统中的子弹孔比发动机多。科学家得出结论，他们应该重新执行燃料系统。但沃尔德辩称，在引擎中被击中的飞机可能坠毁，而且从未返回，这扭曲了数据。让我们把它变成一个PPC例子。当你看一个转化为什么，因为你想做更多的转换，也许你也应该问什么不导致转换，少做这件事。例如，高运费可能会降低你的转换率，但是如果你问错了问题，你不会发现这一点。4。当计算机将在PPC管理的每一部分工作时，中介机构都会有移情机，他们仍然不会有与你的客户有相同的人际关系。了解客户的业务的细微差别（这将帮助你想出新的想法来测试），了解他们对PPC的恐惧，了解他们与最后一个客户经理的挫折等等。所有这些都将有助于你与他们的关系更为有效。他们根本不能像沃森那样阅读现有的研究，所以IBM的超级计算机可以是一个出色的诊断师。但是沃森可能无法解释病人的情况，而且当分享潜在的毁灭性消息时，他肯定不会有同情心。当医生有超级计算机帮助他们的时候，仍然有一个地方。作为PPC专家，我们的大部分角色将是知道哪一个专家自动测试在一个帐户中。对于投标管理，有一个压倒性的选项数量，从百度的免费组合投标策略，以暴发投标管理公司收取数千美元的承诺略好的结果。知道什么是可用的，什么是值得测试的，如何计算权衡肯定是价值机构的很大一部分提供。结论自动化正在接管许多人类历史上在PPC中完成的任务；但是随着这一转变的继续，将会有大量新的OPO。PPC专家和代理为客户提供价值。下一次，我将涵盖新的策略和过程，这将有助于弥合人类和人工智能PPC机器之间的鸿沟。本文中所表达的观点是客座作者的，而不一定是海的。RCH发动机着陆。这里列出了作者的作者。

本文标题：当自动化接管时，PPC机构将扮演这4个角色。

本文链接：https://www.sem4.com/feiyong/663.html