Sådan virker Google Machine Learning

Maskinlæring er et effektivt teknologisk redskab med et næsten ubegrænset potentiale. Vil du gerne vide, hvordan Google bruger det til at målrette annoncer til den enkelte bruger? Så læs med her.

Google har introduceret den såkaldte Google Machine Learning, der bygger på én af tidens mest aktuelle og omdiskuterede teknologier: maskinlæring.

Maskinlæring handler i simple vendinger om at programmere computere til at lære uden menneskelig indblanding. Ved hjælp af komplekse algoritmer, der indsamler og analyserer større datasæt, bliver computere i stand til at genkende mønstre og beregne sandsynligheden for bestemte udfald.

På samme måde fungerer Google Machine Learning. Det er i bund og grund en samling af algoritmer, der målretter annoncerne på Google til den enkelte bruger.

De avancerede algoritmer indsamler og analyserer en enorm mængde data fra brugerens tidligere søgninger. Af disse data fremgår nogle mønstre, som bruges til at opstille komplekse, underliggende regler for vedkommendes søgeresultater.

 

Google Machine Learning forudser med andre ord brugerens aktuelle og fremtidige behov på baggrund af hans eller hendes datahistorik. Forudsigelserne bruges herefter til at filtrere og sortere i søgeresultaterne på Google, så kun de mest relevante annoncer præsenteres.

Ingen “one size fits all”

Lyder det indviklet? Lad os forklare det med et eksempel.

Tre personer skriver ”godt hotel i Aarhus” i Googles søgefelt – lad os kalde dem Ole, Niels og Maria. Selvom søgeordene er de samme, har vores tre venner dog vidt forskellige behov:

  • Ole skal på en forretningsrejse med en flok kolleger og leder derfor efter et hotel med konferencelokale, gratis internetforbindelse og grupperabat.
  • Niels skal på ferie med familien og søger et billigt hotel med en børnevenlig restaurant og en nærliggende legeplads.
  • Maria skal på en romantisk weekendtur med sin kæreste og foretrækker et luksuriøst hotel placeret tæt på gode barer og restauranter.

Eftersom Ole, Niels og Maria har forskellige præferencer, har de også forskellige opfattelser af, hvad et ”godt hotel i Aarhus” er. Det skal deres søgeresultater helst afspejle. Der er ingen ”one size fits all”, når det kommer til annoncering.

Skræddersyede annoncer

Det er her, Google Machine Learning kommer ind i billedet. Takket være de nye algoritmer modtager vores tre venner nemlig forskellige annoncer på den samme søgning. Ved at finde mønstre i deres tidligere søgninger, kan Google Machine Learning ”lære”, hvilke behov og præferencer de hver især har.

Tre annonce-formater, der bruger Google Machine Learning, er:

  • Responsive Search Ads
  • Responsive Display Ads
  • Dynamic Search Ads

For at Google Machine Learning kan skræddersy annoncer efter brugerens individuelle behov, er det afgørende, at hver annonce får unikke inputs. Med det mener vi, at annoncerne skal differentiere sig fra hinanden på deres overskrifter og beskrivelser.

Dermed bliver Google i stand til at skræddersy annoncerne efter den enkelte brugers præferencer, således at Ole vises hoteller med konferencelokaler, Niels vises hoteller for børnefamilier og Maria vises hoteller placeret i hjertet af byen. Smart, ikke?

Download Google Shopping-guide

Vil du opnå succes med Google Shopping? Download guiden, hvor vi deler ud af vores ekspertviden, og du lærer alle hemmelighederne bag en succesfuld Google Shopping-annonce.

Vil du gerne høre mere om Google Machine Learning?

Hvis du gerne vil vide mere om Google Machine Learning og få gode råd til, hvordan du udnytter teknologien er du velkommen til at kontakte os.

Vi kan kontaktes på hej@web2media.dk eller via kontaktformularen nedenfor.

Kontakt mig