AI til Microsoft Ads: sådan får du hjælpen uden at give kontrollen fra dig

De fleste, der prøver AI på deres annoncekonto, lander et af to steder: enten gør den ingenting brugbart, eller også gør den alt for meget. Forskellen ligger sjældent i modellen. Den ligger i, hvad man har givet den adgang til, og hvem der siger ja.

Hvad AI faktisk er god til i en annoncekonto

En sprogmodel er ikke en bedre budgiver end Microsofts egne algoritmer. Den skal ikke sættes til at justere bud hvert kvarter – det taber den. Den er til gengæld markant bedre end os til arbejde, der kræver at læse meget og holde mange ting i hovedet på én gang.

• Læse flere tusind søgetermer igennem og finde dem, der koster penge uden at konvertere.
• Sammenholde annoncegrupper på tværs af kampagner og se, hvor det samme søgeord konkurrerer med sig selv.
• Forklare, hvorfor en kampagne faldt i sidste uge, ved at se på impression share, budget og auktionsindsigt samtidig.
• Skrive de tyve annoncevarianter, du aldrig fik testet, i den tone I allerede bruger.
• Holde øje med, at en ændring, I lavede for tre uger siden, faktisk virkede.

Det er alt sammen opgaver, hvor flaskehalsen er tid og tålmodighed, ikke indsigt. Du ved godt, at der ligger spild i søgetermerne. Du har bare ikke lyst til at læse 4.000 rækker igennem en fredag eftermiddag.

Hvor det går galt

Problemet opstår i det øjeblik, AI’en får lov til at skrive til kontoen uden et menneske imellem. Ikke fordi den er dum, men fordi den er selvsikker. En model, der har misforstået, hvad en kampagne er til for, skriver den forkerte ændring med præcis samme rolige tone som den rigtige.

Og den fejl opdages sjældent med det samme. Et negativt søgeord, der er sat for bredt, slukker stille og roligt for trafik, der konverterede. Det ser ikke ud som en fejl i rapporten – det ser ud som en uge med færre klik.

Den farligste automatisering er ikke den, der fejler højlydt. Det er den, der fejler diskret og bliver ved i tre uger.

Godkendelse som arkitektur, ikke som indstilling

Den arbejdsgang, der holder i praksis, har et menneske som sidste led – men kun som sidste led. AI’en må gerne gøre alt forarbejdet: finde problemet, hente tallene, regne konsekvensen ud og formulere den præcise ændring. Den må bare ikke sende den.

1. 1AI’en læser kontoen og finder noget, der er værd at ændre.
2. 2Den forbereder ændringen konkret: hvilke søgeord, hvilken match type, hvilken annoncegruppe, hvad det koster i dag.
3. 3Den viser den som et forslag med en begrundelse og en advarsel, hvis den er stor.
4. 4Du fravælger det, der ikke skal med, og godkender resten.
5. 5Først dér sendes den – og bagefter læses den tilbage fra Microsoft, så »gennemført« betyder gennemført.

Det sidste punkt er vigtigere, end det lyder. En API kan svare 200 OK på noget, der ikke blev til noget. Hvis værktøjet siger »færdig« ud fra sit eget svar og ikke ud fra kontoen, har du ikke en log – du har en hensigtserklæring.

De fem opgaver, hvor det betaler sig først

Hvis du kun skal vælge nogle få steder at begynde, så er det her dem, der oftest giver noget tilbage med det samme. De har det til fælles, at resultatet kan vurderes af et menneske på under et minut.

Søgetermer uden konverteringer

Den klassiske. Du beder om de søgetermer, der har kostet mest over 30 dage uden at konvertere, grupperet efter mønster i stedet for som en liste. Svaret er typisk fire-fem kategorier frem for fyrre løse ord, og det er langt hurtigere at tage stilling til.

Kampagner, der konkurrerer med sig selv

Det samme søgeord i to annoncegrupper betyder, at du byder mod dig selv og betaler for det. Det er trivielt at finde maskinelt og kedeligt at finde i hånden, fordi det kræver at holde hele kontoens struktur i hovedet samtidig.

Budgetter, der løber tørt

En kampagne, der rammer sit dagsbudget klokken 14 hver dag, taber hele eftermiddagen. Det står i impression share tabt på budget, men ingen kigger på det tal dagligt. En AI, der har adgang til kontoen, kan nævne det, uden at nogen har spurgt.

Annoncetekster, der aldrig blev testet

De fleste annoncegrupper har tre overskrifter, fordi nogen skrev tre og aldrig kom tilbage. Femten varianter i jeres eget sprog tager to minutter at få og en halv time at gennemlæse – og gennemlæsningen er den vigtige del.

Opfølgning på det, I allerede har ændret

Den mest oversete. Ændringer bliver lavet og aldrig evalueret, fordi det kræver at huske dem tre uger senere. Et værktøj, der fører log over, hvad der blev ændret hvornår, kan selv komme tilbage og sige, om det virkede.

Sådan kommer du i gang uden at vædde kontoen

1. 1Start med at læse, ikke at skrive. Lad AI’en analysere i en uge, uden at den har lov til at ændre noget. Du opdager hurtigt, om den forstår jeres konto.
2. 2Tag den billigste optimering først: negative søgeord. Den er nem at vurdere, nem at fortryde, og den betaler sig selv.
3. 3Sæt grænser, før du får brug for dem. En øvre grænse for, hvor meget et budget må stige ad gangen, fanger de forslag, der er rigtige i princippet og for store i praksis.
4. 4Kig på ændringsloggen hver fredag i starten. Ikke for at fange fejl – for at finde ud af, hvad du egentlig vil have den til.

Spørgsmål, du bør stille en leverandør

• Hvad sker der konkret, når modellen tager fejl – og hvordan opdager jeg det?
• Hvilke ændringer kan værktøjet lave uden at spørge mig? Hvis svaret er »ingen«, hvordan er det så håndhævet?
• Læses ændringen tilbage fra platformen bagefter, eller stoler I på jeres eget API-svar?
• Kan jeg se en fuld log over, hvem der godkendte hvad hvornår – og kan jeg fortryde?
• Hvor sendes vores kontodata hen, og bruges de til at træne modeller?
• Hvad sker der med vores adgange, hvis vi stopper i morgen?

Svarene er mere afslørende end nogen demo. Et værktøj, der er bygget af folk, som har haft ansvaret for en konto, kan svare præcist på dem alle sammen uden at slå op.