A análise preditiva é uma forma de análise avançada que usa dados novos e históricos para prever atividades futuras, comportamentos e tendências. Envolve a aplicação de técnicas de análise estatística, consultas analíticas e algoritmos automatizados de aprendizagem de máquinas para conjuntos de dados para criar modelos preditivos que colocam um valor numérico, ou pontuação, na probabilidade de um evento específico acontecer.
As aplicações de software de análise preditiva utilizam variáveis que podem ser medidas e analisadas para prever o comportamento provável de indivíduos, máquinas ou outras entidades. Por exemplo, é provável que uma companhia de seguros leve em consideração possíveis variáveis de segurança de condução, tais como idade, gênero, localização, tipo de veículo e registro de condução quando o preço e emissão de apólices de seguro automóvel.
Várias variáveis são combinadas em um modelo preditivo capaz de avaliar probabilidades futuras com um nível aceitável de confiabilidade. O software depende muito de algoritmos e metodologias avançadas, como regressões logísticas, análises de séries temporais e árvores de decisão.
A análise preditiva cresceu em destaque ao lado do surgimento de grandes sistemas de dado. À medida que as empresas acumularam conjuntos de dados maiores e mais amplos nos aglomerados Hadoop e outras grandes plataformas de dados, criando oportunidades para que eles extraissem esses dados por insights preditivos. O desenvolvimento e a comercialização de ferramentas de aprendizagem de máquinas pelos fornecedores de TI também ajudaram a expandir os recursos de análise preditiva.
Marketing, serviços financeiros e companhias de seguros foram adotantes notáveis de análises preditivas, como tem grande motor de busca e provedores de serviços on-line. A análise preditiva também é comumente usada em indústrias como cuidados de saúde, varejo e fabricação. Os aplicativos de negócios para análises preditivas incluem a segmentação de anúncios em linha, marcando transações financeiras potencialmente fraudulentas, identificando pacientes em risco de desenvolver condições médicas específicas e detectando falhas iminentes de peças em equipamentos industriais antes que elas ocorram.
O processo de análise preditiva
A análise preditiva requer um alto nível de experiência com métodos estatísticos e a capacidade de construir modelos de dados preditivos. Como resultado, é tipicamente o domínio de cientistas de dados, estatísticos e outros analistas de dados qualificados. Eles são suportados por engenheiros de dados, que ajudam a coletar dados relevantes e prepará-lo para análise, e por desenvolvedores de software e analistas de negócios, que ajudam na visualização de dados, painéis e relatórios.
Os cientistas de dados usam modelos preditivos para procurar correlações entre diferentes elementos de dados em dados de cliques de sites, registros de saúde do paciente e outros tipos de conjuntos de dados. Uma vez que os dados a serem analisados são coletados, um modelo estatístico é formulado, treinado e modificado conforme necessário para produzir resultados precisos; O modelo é então executado contra os dados selecionados para gerar previsões. Conjuntos de dados completos são analisados em algumas aplicações, mas em outros, as equipes de análise usam amostragem de dados para agilizar o processo. O modelo preditivo é validado ou revisado à medida que os dados adicionais se tornam disponíveis.
O processo de análise preditiva nem sempre é linear, e as correlações geralmente se apresentam onde os cientistas de dados não estão procurando. Por essa razão, algumas empresas estão preenchendo os cargos de cientistas de dados ao contratar pessoas que têm origens acadêmicas em física e outras disciplinas científicas difíceis e, de acordo com o método científico, estão confortáveis indo onde os dados os conduzem. Mesmo que as empresas sigam o caminho mais convencional de contratação de cientistas de dados treinados em matemática, estatística e ciência da computação, uma mente aberta na exploração de dados é um atributo chave para obter análises preditivas eficazes.
Uma vez que a modelagem preditiva produz resultados acionáveis, a equipe de análise compartilha-os com executivos de negócios, geralmente com a ajuda de painéis e relatórios que apresentam a informação e destacam as futuras oportunidades de negócios com base nas descobertas. Os modelos funcionais também podem ser incorporados em aplicativos operacionais e produtos de dados para fornecer recursos analíticos em tempo real, como um mecanismo de recomendação em um site de varejo online que aponta os clientes para determinados produtos com base em sua atividade de navegação e opções de compra.
Aplicações da análise preditiva
O marketing on-line é uma área em que a análise preditiva teve um impacto comercial significativo. Varejistas, provedores de serviços de marketing e outras organizações usam ferramentas de análise preditiva para identificar tendências no histórico de navegação de um visitante do site para personalizar propagandas. Os varejistas também usam análises de clientes para direcionar decisões mais informadas sobre os tipos de produtos que o revendedor deve armazenar.
A manutenção preditiva está emergindo como uma aplicação valiosa para os fabricantes que procuram monitorar uma peça de equipamento para sinais de que ela pode estar prestes a quebrar. À medida que a Internet das coisas (IoT) se desenvolve, os fabricantes estão conectando sensores a máquinas no chão de fábrica e a produtos mecatrônicos, como automóveis. Os dados dos sensores são usados para prever quando o trabalho de manutenção e reparo deve ser feito para evitar problemas.
O IoT também permite usos analíticos preditivos similares para o monitoramento de oleodutos e gasodutos, plataformas de perfuração, fazendas de moinhos de vento e várias outras instalações industriais IoT. As previsões meteorológicas localizadas para agricultores baseadas em parte em dados coletados de estações de dados meteorológicos equipados com sensor instalados em campos de fazenda são outras aplicações de modelagem preditiva orientadas por IoT.
Ferramentas e técnicas de análise preditiva
Uma ampla gama de ferramentas e técnicas é utilizada em modelos e análises preditivas. A IBM, a Microsoft, o SAS Institute e muitos outros fornecedores de software oferecem ferramentas de análise preditiva, incluindo software de aprendizagem de máquinas e tecnologias relacionadas que suportam aplicações de aprendizado profundo .
Além disso, o software de código aberto desempenha um papel importante no mercado de análise preditiva. O idioma de análise de código aberto R é comumente usado em aplicativos de análise preditiva, assim como as linguagens de programação Python e Scala. Várias plataformas de análise e previsão preditiva de código aberto também estão disponíveis, incluindo uma biblioteca de algoritmos incorporados no mecanismo de processamento de faísca.
As equipes de análise podem usar as edições base open source de R e outros idiomas analíticos ou pagar por versões comerciais oferecidas por fornecedores como a Microsoft. As ferramentas comerciais podem ser caras, mas elas vêm com o suporte técnico do fornecedor, enquanto os usuários de versões de código aberto puro são normalmente por conta própria quando trabalham com problemas com a tecnologia.
O Big Data Analytics é o processo de examinar grandes e variados conjuntos de dados – ou seja, dados importantes – para descobrir padrões ocultos, correlações desconhecidas, tendências do mercado, preferências dos clientes e outras informações úteis que podem ajudar as organizações a tomar decisões empresariais mais informadas.
Dirigido por sistemas e software de análise especializados, a grande análise de dados pode apontar o caminho para vários benefícios empresariais, incluindo novas oportunidades de receita, marketing mais efetivo, melhor atendimento ao cliente, melhor eficiência operacional e vantagens competitivas sobre os rivais.
As grandes aplicações de análise de dados permitem que cientistas de dados, modeladores preditivos, estatísticos e outros profissionais de análise analisem volumes crescentes de dados de transações estruturadas, além de outras formas de dados que são muitas vezes deixadas sem recursos pelos programas convencionais de Business Intelligence (BI) e analítica.
Isso abrange uma mistura de dados semi-estruturados e não estruturados – por exemplo, dados de cliques de internet, logs de servidor web, conteúdo de redes sociais, texto de e-mails de clientes e respostas de pesquisa, registros de detalhes de chamadas de telefones celulares e dados de máquina capturados por sensores conectados Para a internet das coisas.
Em larga escala, as tecnologias e técnicas de análise de dados fornecem um meio de analisar conjuntos de dados e tirar conclusões sobre eles para ajudar as organizações a tomar decisões empresariais informadas.
As consultas de BI respondem a perguntas básicas sobre operações comerciais e desempenho. A grande análise de dados é uma forma de análise avançada, que envolve aplicações complexas com elementos como modelos preditivos, algoritmos estatísticos e análises que são desenvolvidas por sistemas de análise de alto desempenho.
Emergência e crescimento de Big Data Analytics
O termo Big Data foi usado pela primeira vez para referir-se ao aumento dos volumes de dados em meados da década de 1990.
Em 2001, Doug Laney, então de Big data analytics da consultoria Meta Group Inc., expandiu a noção de dados importantes para incluir também aumentos na variedade de dados gerados pelas organizações e na velocidade em que esses dados estavam sendo criados e atualizados.
Esses três fatores – volume, velocidade e variedade – foram conhecidos como os 3Vs de dados importantes, um conceito que o Gartner popularizou após a aquisição do Meta Group e a contratação da Laney em 2005.
Separadamente, o framework de processamento distribuído da Hadoop foi lançado como um projeto de código aberto Apache em 2006, plantando as sementes para uma plataforma em cluster construída em cima do hardware de commodities e orientada para executar grandes aplicativos de dados.
Até o ano de 2011, grandes análises de dados começaram a ter uma firme participação nas organizações e no olho público, juntamente com Hadoop e várias tecnologias de dados grandes relacionadas que surgiram em torno dela.
Inicialmente, à medida que o ecossistema Hadoop tomou forma e começou a amadurecer, grandes aplicações de dados foram principalmente a província de grandes empresas de internet e comércio eletrônico , como Yahoo, Google e Facebook , além de fornecedores de serviços de análise e marketing.
Nos anos seguintes, porém, a grande análise de dados tem sido cada vez mais abraçada por varejistas, empresas de serviços financeiros, seguradoras, organizações de saúde, fabricantes, empresas de energia e outras empresas convencionais.
Principais tecnologias e ferramentas de análise de dados
Os tipos de dados não estruturados e semi-estruturados tipicamente não se encaixam bem nos data warehouses tradicionais, baseados em bancos de dados relacionais orientados para conjuntos de dados estruturados.
Além disso, os armazéns de dados podem não ser capazes de lidar com as demandas de processamento colocadas por conjuntos de dados importantes que precisam ser atualizados com freqüência – ou mesmo continuamente, como no caso de dados em tempo real sobre estoque comercial, as atividades on-line dos visitantes do site ou o desempenho de aplicações móveis.
Como resultado, muitas organizações que coletam, processam e analisam grandes dados se voltam para os bancos de dados NoSQL, além do Hadoop e suas ferramentas complementares, incluindo:
YARN : uma tecnologia de gerenciamento de cluster e uma das principais características da Hadoop de segunda geração.
MapReduce : uma estrutura de software que permite aos desenvolvedores escrever programas que processam enormes quantidades de dados não estruturados em paralelo em um cluster distribuído de processadores ou computadores autônomos.
Spark : uma estrutura de processamento paralelo de fonte aberta que permite aos usuários executar aplicativos de análise de dados em larga escala em sistemas em cluster.
HBase : um armazenamento de dados de chave / valor orientado a coluna construído para executar em cima do sistema de arquivos distribuídos Hadoop (HDFS).
Hive : um sistema de data warehouse de código aberto para consultar e analisar conjuntos de dados grandes armazenados em arquivos Hadoop.
Kafka : um sistema distribuído de mensagens de inscrição e assinatura projetado para substituir corretores de mensagens tradicionais .
Porco : uma tecnologia de fonte aberta que oferece um mecanismo de alto nível para a programação paralela de trabalhos do MapReduce a serem executados em clusters Hadoop.
Em alguns casos, os clusters Hadoop e os sistemas NoSQL estão sendo usados principalmente como almofadas de pouso e áreas de teste para dados antes de serem carregados em um data warehouse ou banco de dados analítico para análise, geralmente em uma forma resumida que é mais propício para estruturas relacionais.
Com mais frequência, no entanto, os grandes usuários de análise de dados estão adotando o conceito de um lago de dados Hadoop que serve como o repositório primário para os fluxos recebidos de dados brutos. Em tais arquiteturas, os dados podem ser analisados diretamente em um cluster Hadoop ou executados por um mecanismo de processamento como o Spark.
Como no data warehousing, o gerenciamento de dados de som é um primeiro passo crucial no grande processo de análise de dados. Os dados armazenados no sistema de arquivos distribuídos Hadoop devem ser organizados, configurados e particionados adequadamente para obter bons desempenhos em trabalhos de integração extrato, transformação e carga (ETL) e consultas analíticas.
Uma vez que os dados estão prontos, ele pode ser analisado com o software comumente usado em processos analíticos avançados. Isso inclui ferramentas para mineração de dados, que peneiram conjuntos de dados em busca de padrões e relacionamentos; Análises preditivas, que criam modelos para prever o comportamento do cliente e outros desenvolvimentos futuros; Aprendizado de máquina, que manipula algoritmos para analisar grandes conjuntos de dados; E aprendizagem profunda, um ramo mais avançado de aprendizado de máquinas.
O software de análise de mineração de texto e análise estatística também pode desempenhar um papel no grande processo de análise de dados, como pode integrar o software de BI e as ferramentas de visualização de dados.
Para aplicações ETL e analíticas, as consultas podem ser escritas em modo MapLeduce em modo batch; Linguagens de programação, como R, Python e Scala; E SQL , o idioma padrão para bancos de dados relacionais suportados pelas tecnologias SQL-on-Hadoop.
Big Data Analytics usos e desafios
Os aplicativos de Big data analytics geralmente incluem dados de sistemas internos e fontes externas, como dados meteorológicos ou dados demográficos sobre consumidores compilados por provedores de serviços de informações de terceiros. Além disso, os aplicativos de análise de streaming estão se tornando comuns em grandes ambientes de dados, já que os usuários buscam fazer análises em tempo real em dados alimentados em sistemas Hadoop através do Módulo Spark Spark Streaming ou outros mecanismos de processamento de fluxo aberto, como Flink e Storm .
Os principais sistemas de dados precoce foram principalmente implantados nas instalações, particularmente em grandes organizações que estavam colecionando, organizando e analisando enormes quantidades de dados.
Mas os fornecedores de plataformas da nuvem, como a Amazon Web Services (AWS) e a Microsoft, tornaram mais fácil a configuração e gerenciamento de clusters Hadoop na nuvem, assim como os fornecedores Hadoop, como Cloudera e Hortonworks, que oferecem suporte às suas distribuições da grande estrutura de dados.
Nas nuvens AWS e Microsoft Azure. Os usuários agora podem girar clusters na nuvem, executá-los durante o tempo que for necessário e, em seguida, levá-los offline, com preços baseados em uso que não requerem licenças de software em curso.
As possíveis armadilhas que podem tropeçar organizações em grandes iniciativas de Big Data Analytics incluem a falta de habilidades de análise interna e o alto custo de contratação de cientistas de dados experientes e engenheiros de dados para preencher as lacunas.
A quantidade de dados normalmente envolvida, e sua variedade, pode causar problemas de gerenciamento de dados em áreas que incluem qualidade de dados, consistência e governança; Também, os silos de dados podem resultar do uso de diferentes plataformas e armazenamentos de dados em uma grande arquitetura de dados.
Além disso, integrar o Hadoop, Spark e outras ferramentas de dados importantes em uma arquitetura coesa que atende às necessidades de análise de dados de uma organização é uma proposta desafiadora para muitas equipes de TI e de análise, que devem identificar a combinação certa de tecnologias e, em seguida, juntar as peças .
A principal diferença entre dados e informações é que os dados são matérias-primas que devem ser processadas e as informações são os dados processados.
Gráfico de comparação de diferença entre Dados e Informação
Base de Distinção
Dados
Informação
Definição
Os dados são números brutos ou outros achados que, por si só, são de valor limitado.
A informação é um dado que foi convertido em um contexto útil e útil.
Exemplo
Venda de ingressos em uma banda em turnê.
Relatório de vendas por região e local – nos diz qual local é mais lucrativo.
Significado
Os dados por si só não são significativos.
A informação é significativa por si só.
Etimologia
Os dados são um plural do datum, que é originalmente um substantivo latino que significa “algo dado”. Sua origem remonta ao 1600.
Sua origem data de 1300.
Dados
Os dados são a matéria-prima que deve ser processada para obter informações ou para coleta de detalhes.
São dados ou fatos não organizados que devem ser processados. Os dados são simples e devem ser processados para obter mais informações. Os dados são solitários o suficiente para obter detalhes e encontrar o significado de algo.
Os dados são a linguagem dos computadores. Os dados são inúteis a menos que sejam processados ou tenham sido feitos em algo. Os dados não têm significado quando não foram interpretados. Os dados são uma definição pouco clara de palavras confusas para formar um significado de algo. O dados vem em números, datas e números e não é processado.
Exemplos de dados
Dados do estudante sobre os formulários de admissão: quando os alunos recebem admissão em uma faculdade. Eles preenchem o formulário de admissão. Este formulário contém fatos em bruto (dados do aluno) como nome, nome do pai, endereço do aluno etc.
Dados dos cidadãos: durante o recenseamento, os dados de todos os cidadãos são coletados.
Dados do levantamento: diferentes empresas coletam dados por pesquisa para conhecer a opinião das pessoas sobre seu produto.
Dados de exames dos alunos: nos dados de exame sobre marcas obtidas de diferentes assuntos para todos os alunos é coletado.
Informação
Informações são dados processados. Os dados que podem ser úteis são conhecidos como informações.
A informação é basicamente os dados mais o significado do que os dados foram coletados. Os dados não dependem de informações, mas as informações dependem dos dados. Não pode ser gerado sem a ajuda de dados.
A informação é algo que está sendo transmitido. A informação é significativa quando os dados são reunidos e o significado é gerado. As informações não podem ser geradas sem a ajuda de dados. A informação é o significado que foi formado com a ajuda de dados e que o significado faz sentido devido aos dados que foram coletados contra a palavra.
A informação é processada e vem de forma significativa.
Exemplos de informações
Etiquetas de endereço do estudante: os dados armazenados dos alunos podem ser usados para imprimir rótulos de endereços dos alunos.
Relatório do Censo: os dados do Censo são utilizados para obter relatórios / informações sobre a população total de um país e a taxa de alfabetização, etc.
Relatórios de pesquisa e resultados: os dados da pesquisa são resumidos em relatórios / informações para apresentar ao gerenciamento da empresa.
Cartões de resultado de estudantes individuais: nos dados coletados pelo sistema de exames (marcas obtidas em cada assunto) é processado para obter o total de marcas obtidas de um aluno. Total de marcas obtidas são informações. Também é usado para preparar o cartão de resultado de um aluno.
Lista de mérito: depois de coletar os formulários de admissão dos candidatos, o mérito é calculado com base nas marcas obtidas de cada candidato. Normalmente, a porcentagem de marcas obtidas é calculada para cada candidato. Agora, todos os nomes dos candidatos são organizados em ordem decrescente por porcentagem. Isso faz uma lista de mérito. A lista de mérito é usada para decidir se um candidato receberá admissão no colégio ou não.
Diferença entre Dados e Informação
Dados é o idioma de entrada para um computador e a informação é o idioma de saída para humanos.
Os dados são fatos não processados ou meros números, mas a informação é processada dados que foi sentido.
Os dados não dependem de informações, mas as informações dependem de dados e, sem ele, as informações não podem ser processadas.
Os dados não são específicos, mas a informação é específica o suficiente para gerar significado.
Os dados são a matéria-prima coletada, mas a informação é um significado detalhado gerado a partir dos dados.
É uma pergunta razoável, e uma que ouvimos o tempo todo, especialmente dos recém-chegados à busca paga. Afinal, os novos para o PPC provavelmente estão mais interessados em saber o Quanto custa anunciar no Google Adwords, e se eles podem se dar conta disso!
Infelizmente, não há uma resposta fácil, de tamanho único. A resposta mais comum (e exasperante) é: “Depende”.
O custo do AdWords depende de várias variáveis. Nesta publicação, vou explicar como essas variáveis afetarão o seu gasto publicitário e desmistificar os conceitos que você precisará entender, a fim de definir um orçamento realista para suas campanhas publicitárias (e determinar se você deve usar o Google AdWords ).
Aqui está uma visualização de alto nível sobre o que você aprenderá com mais detalhes neste guia e terá uma visão melhor de quanto custa anunciar no Google:
O Google AdWords é baseado em um sistema de leilão que recompensa as empresas que possuem campanhas publicitárias de alta qualidade com menores custos e uma melhor colocação de anúncios.
Você pode exercer um controle estrito sobre como o seu orçamento do Google AdWords é gasto usando táticas como o agendamento de anúncios, o geotargeting e a segmentação de dispositivos.
O custo médio por clique no Google AdWords é entre R$ 1 e R$ 7 na rede de pesquisa. O CPC médio na Rede de Display é inferior a R$2,50.
As palavras-chave mais caras no AdWords e Bing Ads custam R$ 200 ou mais por clique. Estas são geralmente palavras-chave altamente competitivas em indústrias que possuem valores de vida elevados do consumidor, como dedetizadoras.
Os revendedores gigantes podem gastar até R$200 milhões por ano na pesquisa paga no Google AdWords.
A pequena empresa média que usa o Google AdWords gasta entre R$ 9.000 e R$ 10.000 por mês em suas campanhas de pesquisa pagas pelo Google. Isso é de R$ 100.000 a R$ 120.000 por ano.
Agora, vamos examinar mais detalhadamente esses pontos sobre os custos do AdWords para identificar quanto custa anunciar no Google.
Um cenário comum que muitos recém-chegados à pesquisa paga se encontram quando seu orçamento publicitário é gasto muito mais rápido do que eles anteciparam.
Compreensivelmente, isso pode ser um grande choque. Os anunciantes podem assumir que seu orçamento publicitário os durará por um mês, apenas para descobrir que eles explodiram através de seu pequeno orçamento em questão de dias. Isso pode levar a mais equívocos sobre busca paga, a saber, que é proibitivamente caro. No entanto, este não é necessariamente o caso e, na maioria das vezes, é o resultado de um mal entendido sobre o funcionamento do orçamento.
Princípios básicos de orçamentação do PPC
Você pode pensar em orçamentos publicitários da mesma maneira que você faria com relação a qualquer outro orçamento. Você começa com uma figura central que representará a maioria do seu orçamento de anúncios, e permitirá um pouco de margem de manobra no caso de as coisas mudarem ou algo der errado. Uma maneira de começar a orçar uma conta PPC é feita por campanha.
Cada campanha possui sua própria guia de configurações exclusivas no AdWords. Isso permite que você controle parâmetros específicos de cada campanha independentemente de outras campanhas em sua conta.
Cada campanha deve ter seu próprio orçamento diário. Se você estiver executando várias campanhas simultaneamente, você deve pensar sobre quais campanhas têm prioridade. Por exemplo, uma campanha que anuncia seu produto mais vendido pode ser mais importante para o seu negócio do que outra campanha promovendo conteúdo para potenciais clientes no topo do funil. Em situações como essa, você pode querer alocar um orçamento diário maior para a campanha do produto.
Se você estiver planejando um orçamento mensal de PPC, tudo o que você precisa fazer é calcular a repartição dos orçamentos diários para cada campanha e alocar seus fundos de acordo com a prioridade de cada campanha.
Como os orçamentos diários são ocupados
Digamos que você tenha um anúncio com um CPC de R$ 0,25 e que você gostaria de receber 300 cliques de anúncios por dia. Usando esses números, você pode calcular um orçamento diário estimado:
.25 x 300 = $ 75
Neste exemplo, 25 centavos é o máximo que você seria cobrado se 25 centavos é seu CPC máximo . No entanto, o valor real que você poderia carregar por clique pode mudar, dependendo das variáveis de cada leilão de anúncios individuais.
Basta lembrar que, se você definir seu CPC máximo em 25 centavos, você nunca pagará mais do que isso por um clique – mas você pode acabar pagando menos.
Soa simples o suficiente, certo? Bem, existem vários fatores que você deve considerar, que podem impactar o orçamento do PPC, o primeiro dos quais é o dia da partida.
Agendamento de Anúncios
Também conhecido como agendamento de anúncios, o dia é a prática de especificar quando você deseja que seus anúncios apareçam em potenciais clientes. Embora os seus anúncios ainda tenham que passar pelo processo de leilão de anúncios, você pode informar o Google quando desejar que seus anúncios sejam exibidos.
Isto é especialmente útil para empresas locais que desejam conduzir os clientes para uma localização física através de seus anúncios. Se você executar uma padaria que fecha às 7 da noite, por exemplo, você pode não querer que seus anúncios sejam exibidos fora do horário comercial normal. Alternativamente, você pode especificar que seus anúncios funcionam continuamente ao longo do dia, mas alocar uma parcela maior do seu orçamento diário por horas durante as quais você deseja maior visibilidade.
Geolocalização
Assim como você pode alocar mais seu orçamento em determinados momentos do dia para determinar quanto custa anunciar no Google, você também pode gastar mais do seu orçamento em certas áreas geográficas. Esta técnica é conhecida como geolocalização.
A geolocalização permite priorizar a exibição de seus anúncios para pesquisas provenientes de áreas específicas. Essas áreas podem ser tão grandes como um estado ou província, ou tão pequenas como um raio de três blocos da sua loja.
A geolocalização pode ser uma excelente maneira de capitalizar as tendências crescentes de tráfego móvel e os hábitos de compra on-the-go dos consumidores de hoje, e isso pode refletir sobre como você aloca seu orçamento diário de anúncios. Por exemplo, você pode querer que seus anúncios apareçam ao lado de pesquisas relevantes em um determinado estado, mas você também pode alocar mais orçamento para pesquisas realizadas em uma cidade específica ou mesmo em uma vizinhança.
Segmentação de dispositivos
Longos tempos são os dias em que as perspectivas foram pesquisadas exclusivamente a partir de navegadores de desktop. Hoje, os consumidores estão pesquisando na Web em vários dispositivos (muitas vezes ao mesmo tempo), o que significa que você precisa prestar atenção para onde suas ligações mais valiosas estão vindo. É aí que a segmentação por dispositivo entra em jogo.
Digamos que você deseja exibir resultados em pesquisas de desktop e móveis, mas esse tráfego móvel é mais valioso para você. Você pode especificar que uma parte do seu orçamento seja usada para área de trabalho, mas uma parcela maior será alocada para dispositivos móveis. Você pode até querer dedicar mais dinheiro ao tráfego proveniente de tipos específicos de dispositivos móveis, dependendo do que você está anunciando ou da sua cópia do anúncio.
Definir um orçamento diário e entender como ele será esgotado são os aspectos mais importantes do orçamento para o PPC, mas vale a pena estar ciente de quão avançadas as opções de segmentação podem afetar seu gasto publicitário.
Preços do Google AdWords: Quanto custa anunciar no Google e um clique?
Uma vez que você sabe o que é PPC e como a pesquisa paga funciona, faz sentido que sua próxima pergunta possa ser: “Quanto custa um clique típico?” Como mencionei anteriormente, porém, essa não é uma questão fácil de responder.
De certa forma, você pode pensar em publicidade PPC aproximadamente nas mesmas linhas que a publicidade impressa tradicional; Você esperaria gastar mais em um anúncio brilhante de página inteira em uma revista nacional do que seria para um anúncio classificado em um jornal local. No marketing digital, a distinção não está no formato do anúncio, no entanto, mas sim a intenção comercial e a concorrência pelas palavras-chave que você está oferecendo. Algumas palavras-chave são significativamente mais dispendiosas para oferecer do que outras, dependendo de quão competitivo o mercado é, e é importante perceber isso antes de lançar uma campanha PPC.
Se você tiver média em todos os diferentes tipos de negócios e palavras-chave, o CPC médio no AdWords é entre R$ 1 e R$ 2 . Isso está na rede de pesquisa. Na rede de exibição, os cliques tendem a ser mais baratos e a média é inferior a US $ 1.
O preço é certo
Como já mencionei, existem inúmeros fatores que podem ter um impacto significativo no custo de executar uma campanha de PPC, mas lembre-se: quase qualquer tipo de negócio pode fazer o AdWords trabalhar para eles!
MCC significa “My Client Center”, que é um tipo de conta do AdWords para anunciantes ou agências que estão gerenciando várias contas de clientes. O Google MCC é um hub conveniente porque as agências só precisam usar um login para ver relatórios de desempenho para campanhas do AdWords de vários clientes.
A conta da MCC Adwords (Minha Central de Clientes) permite que as agências acessem várias contas do AdWords por meio de um único login. Com todas as contas de clientes disponíveis através de um login, uma MCC permite que as agências visualizem facilmente estatísticas de desempenho em várias contas em um local centralizado.
Quando você faz login em um MCC, existem duas abas principais “Desempenho” e “Orçamento”, cada uma delas permite visualizar as métricas de desempenho ou orçamento em todas as contas ligadas ao MCC.
O uso de um MCC concede às agências o acesso a alguns recursos adicionais do AdWords, como o faturamento do Gerenciador Definido (MDS) e múltiplos relatórios do cliente.
O faturamento MDS é uma maneira simples para os usuários do MCC controlar vários orçamentos de contas de clientes em uma única fatura.
Esse recurso pode ser benéfico se um cliente tiver orçamentos flexíveis que necessitem de atualizações freqüentes devido à sazonalidade ou a um grande cliente que requer várias contas do Google AdWords.
Um dos recursos mais benéficos do uso de um MCC é a ferramenta Client Reporting.
Esta interface de relatórios fornece a capacidade de extrair relatórios em várias contas de clientes ao mesmo tempo. Isso pode ser extremamente útil ao analisar o desempenho da Agência em toda a sua equipe, ou se você deseja medir tendências entre clientes dentro de uma indústria similar.
Os gerentes de contas também podem executar contas especificamente apenas para os clientes que eles oferecem.
Por exemplo, se um gerenciador de contas estiver em 4 contas, eles podem executar com facilidade um relatório para todas as 4 de suas contas em Relatórios de clientes, em comparação com a execução do mesmo relatório 4 vezes diferentes em cada conta. Este recurso economiza um valioso tempo quando se trata de relatórios e análises.
Por que usar uma MCC AdWords para oferecer a uma agência acesso direto à sua conta do Google AdWords?
A Minha Central de Clientes atua como um pouco de salvaguarda para o cliente. Isso porque você ainda “possui” e tem acesso exclusivo aos dados da sua conta do Google AdWords, independentemente de você passar ou não para outro gerente ou agência de campanha.
Você pode simplesmente encerrar o acesso da Minha Agência de Cliente à sua conta a qualquer momento.
Como eu “linko” minha conta do AdWords para o Centro de clientes da minha agência?
O processo é bastante direto. Navegue para encontrar o seu ID de cliente (geralmente um número de 10 dígitos) no canto superior direito da sua conta do AdWords (abaixo coberto em azul):
Dê essa ID de cliente à agência que estará gerenciando ou auditando sua campanha. Uma vez que a notificação do pedido oficial vem da sua agência, você deseja navegar novamente em sua conta do Google AdWords e encontrar o ícone da engrenagem.
Selecione “Configurações da conta” no menu suspenso:
A partir daqui, navegue até “Acesso à conta” no canto superior esquerdo e pressione “Aceitar solicitação” (destacado em verde). Logo depois, clique em OK.
Assim que for feito, você terá concedido com sucesso o acesso da MCC Adwords à sua conta do Google AdWords.
Nas palavras do Google , “O AdWords Express é uma opção de publicidade para empresas que desejam começar rapidamente. É ideal para empresários que não têm muito tempo para gerenciar suas propagandas online “.
Se você está tão amarrado para o tempo, como a maioria dos proprietários de pequenas empresas, isso provavelmente parece um excelente negócio. Você pode configurar rapidamente um anúncio, escrever uma descrição de três linhas da sua empresa e deixar o Google lidar com o resto.
Quando o Google introduziu pela primeira vez o AdWords Express, um dos principais pontos de venda era que as empresas não precisavam de nenhuma experiência de marketing para ter sucesso.
A empresa parece ter recuado essa idéia, em vez disso, enfocando a rapidez com que você pode fazer funcionar sua campanha.
No entanto, isso equivale em grande parte ao mesmo. É possível fazer exatamente o que o Google promete – gaste 15 minutos configurando o AdWords Express e você terá uma campanha de publicidade online. A questão maior é, isso realmente funciona?
Se você nunca tivesse negociado ações antes, não havia pesquisado o mercado de ações e tinha pouca idéia das forças que impulsionavam o mercado, você arriscaria investir uma quantia significativa em uma nova plataforma de negociação, só porque era rápido e fácil Para configurar?
Jogar sua campanha publicitária em 15 minutos de configuração pode ser tão caro e tão frustrante quando os resultados não são o que você esperava.
Para aproveitar ao máximo sua campanha, aproveite o tempo para aprender os fundamentos. A cópia do anúncio convincente, uma oferta irresistível e uma página de destino congruente são componentes essenciais para conversões de direção ou o número de visitantes que realmente compram seu produto ou serviço.
O AdWords Express pode ser uma maneira rápida de começar, mas sua taxa de conversão nunca será tão alta como poderia ser, a menos que você entenda perfeitamente o que está fazendo – o que leva a mesma quantidade de tempo, independentemente da plataforma que você usa.
Problemas de personalização no Google Adwords Express
Uma vez que você esteja familiarizado com o funcionamento do Google AdWords e os vários fatores que podem afetar drasticamente suas conversões, você começará a perceber as limitações inerentes da plataforma do AdWords Express.
A versão completa do AdWords permite que você crie e gerencie sua própria lista de palavras-chave, ajuste seus lances para palavras-chave individuais, organize suas palavras-chave e anúncios em temas bem agrupados e crie páginas de destino personalizadas para maximizar o número de leads e vendas que você gera do seu Campanha publicitária.
O AdWords permite organizar suas palavras-chave e anúncios em temas bem agrupados.
O AdWords também oferece mais opções de segmentação, recursos de redirecionamento e vários tipos de anúncios. Todos esses fatores funcionam juntos para melhorar sua taxa de conversão, por isso é melhor manter o controle deles ao invés de permitir ao Google automatizar o processo.
Rastreamento de conversões
Um dos motivos mais convincentes para escolher o Google AdWords, em vez do AdWords Express, é a importância do acompanhamento de conversões. O AdWords fornece várias ferramentas para acompanhar as conversões, como chamadas telefônicas, envios de formulários de contato, vendas on-line e até vendas que ocorrem offline se você as importar de volta para o Google AdWords.
O AdWords oferece várias ferramentas para monitorar as conversões.
Por que isso é importante? O rastreamento de conversões permite calcular o retorno do investimento da sua campanha publicitária. O tráfego do site e as impressões de anúncios são importantes para medir, mas não são iguais às vendas.
É possível gerar centenas de visitas ao site e obter milhares de impressões de anúncios, mas não fazer uma única venda, razão pela qual é fundamental configurar o acompanhamento de conversões para sua campanha do Google AdWords.
O AdWords Express não oferece o acompanhamento de conversões. Ele informa sobre cliques de anúncios e impressões de anúncios, mas não há como determinar quantos desses cliques são convertidos em leads ou vendas. Para mim, é um disjuntor.
Migração de campanhas
É tentador para proprietários de empresas locais com limites de tempo começar uma campanha do AdWords Express, planejando passar para a versão completa do AdWords mais tarde.
No entanto, o Google não fornece uma maneira de alterar uma campanha existente do AdWords Express para uma campanha do AdWords (ou vice-versa). Você poderá criar uma nova campanha do Google AdWords a partir do zero, mas não migrar qualquer dado existente.
Ao invés de aproveitar o tempo para configurar e executar uma campanha do AdWords Express, apenas para reconstruí-la completamente usando o AdWords, parece lógico configurar a campanha que você realmente deseja desde o início.
Maximizar suas conversões com uma ou outra plataforma, em última instância, exige a mesma curva de aprendizado, e o AdWords oferece recursos de personalização e rastreamento muito mais robustos. O AdWords Express não é necessariamente um produto ruim, mas as suas limitações tornam uma escolha fraca para os empresários que desejam maximizar o ROI.
O AdWords Express é uma maneira super rápida de usar o Google AdWords sem ter conhecimento de palavras-chave.
Ele é projetado para pequenas empresas locais que querem entrar online, mas que não possuem um site ou para as empresas que só possuem um pequeno site com apenas algumas páginas. É um ponto de partida para as empresas que podem não estar prontas para o Google AdWords.
Alguns pontos principais:
A área mais pequena que você pode atingir é no nível da cidade.
As únicas coisas que você pode realmente mudar são as categorias, os textos do anúncio e o orçamento.
Google vê o Google Meu Negócio como um produto de SEO, não um produto Google Adwords, mas é anexado o AdWords Express porque muitas das empresas adequadas para o AdWords Express não possuem um site. Você pode dizer a diferença entre as listas do Google Meu Negócio e os Anúncios do Google Express porque os anúncios mostram um alfinete azul em vez de um pino vermelho.
Você segmenta apenas áreas locais e alcança usuários que estão perto de você ou que estão procurando um produto ou serviço específico
É simples – você não precisa entender as palavras-chave, pois o Google as escolhe para você
Você controla os custos e define um orçamento mensal (o Google recomendará algumas opções)
Pode ser medido a partir da sua página de lugar
Você não precisa ter um site para anunciar no Google. Você pode enviar tráfego para a sua página de local do Google ou sua página do Google+ para negócios
Os anúncios também são exibidos em telefones inteligentes
As desvantagens da chave são:
Você não pode adicionar palavras-chave negativas ou excluir palavras-chave. Isso significa que, mesmo que o algoritmo do Google possa ser, você vai fazer com que as pessoas clicem em anúncios que podem não ser relevantes para você e você não pode fazer nada sobre isso.
Você não pode controlar as opções de lances
Você não pode usar extensões locais como você pode no Google AdWords
Você não pode anunciar em sites do YouTube
Você não pode ter mais de um texto de anúncio para a mesma categoria (mas você pode adicionar outra categoria adicionando uma nova campanha e orçamento)
Você não pode enviar para mais de um URL de destino.
Você provavelmente vai pagar mais para anunciar, mas você ainda está oferecendo no mesmo sistema de leilão – é apenas que é mais automatizado.
Portanto, há o baixo nível no Google AdWords. Provavelmente não é a melhor opção para gerenciar sua campanha, mas é uma opção viável para pequenas empresas que não possuem um site, mas que efetivamente querem anunciar seus negócios on-line.
Posts pagination
Este site usa cookies para melhorar sua experiência. Ao clicar em "Aceitar e Fechar" você concorda com o uso dos cookies, termos e políticas do site.
This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.
Cookie
Duração
Descrição
cookielawinfo-checkbox-analytics
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checkbox-functional
11 months
The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checkbox-necessary
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-others
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-performance
11 months
This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy
11 months
The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.
Functional cookies help to perform certain functionalities like sharing the content of the website on social media platforms, collect feedbacks, and other third-party features.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics the number of visitors, bounce rate, traffic source, etc.
Advertisement cookies are used to provide visitors with relevant ads and marketing campaigns. These cookies track visitors across websites and collect information to provide customized ads.
