当今的营销人员和广告创意人员拥有的一个不可否认的优势是他们可以在工作中使用大量数据。从基本指标（例如展示次数和点击次数或转化率）到更有趣的数据（例如归因模型或跟踪客户在网站内从第一次点击到将商品添加到购物车的旅程）。看起来，基本上没有什么可以阻挡我们创建完美且不可抗拒的广告活动，并针对特定的目标受众。尽管如此，数字营销领域似乎仍有进步的空间。即使我们今天所拥有的完美技术也无法回答当代数字营销向我们提出的所有问题。
归因模型
想象一下在广播电台、电视、广告牌或杂志上投放广告。
您使用什么工具来衡量印象或转化率？您如何知道观看者或读者与您的广告互动了多长时间（如果有的话）？尽管有方法可以估算这些数字，但它们始终是不精确的数据。尽管我们拥有大量可用于数字形式广告的数据，但我们在评估哪个广告渠道对我们来说更有利可图方面仍然选择有限。
例如您针对浏览过您的某个产
品的用户开展了重新定位活动，但您如何知道哪些后续转化是由广告活动引起的，哪些转化本来就会发生？如果您在搜索、内容网络、Facebook 甚至电视上开展PPC 广告活动，并且客户通过所有这些方式逐渐访问了您的网站，您如何知道哪一个真正说服他们进行购买？通过长期精心设计的测试可以获得更准确的观点，但它始终只是一个估计值。不过，您不应该暂停那些似乎没有产生任何转化的广告渠道。
►例如，尽管内容网络上的广告不会经常直接转化，但它们有助于提高潜在客户对您的产品的认知。阻止他们的后果可能是对您的品牌的兴趣缓慢但稳定地下降，因为它会从目标受众的意识中消失。
流量和转化跟踪
为了使用归因模型并获取有关单个广告渠道盈利能力的信息，我们离不开单个潜在客户的详细数据和跟踪。例如，如果潜在客户在手 法国电子邮件列表 机上看到您的展示 PPC 广告，几天后在工作时的台式电脑上发现了更多产品详情，然后在家中的笔记本电脑上进行转换，那么将所有这些方法与特定的
►就目前而言，我们必须感谢我们拥有的数据，它使我们能够做出明智的（即使不是完全准确的）商业决策。
自动化、机器学习和人工智能
有人说，统计是基于不精确的数 如何将社交媒体平台整合到移动应用程序中？ 进行的精确计算。目前，使用机器学习和人工智能来管理广告活动的自动化系统也是如此。
近年来人工智能取得的进步令人惊叹，它在PPC活动管理中的实施可以使许多营销人员的工作变得更轻松，但它仍然存在弱点。自动优化系统可以非常快速、高效地处理大量统计数据，并在此基础上估计逻辑趋势。然而，人是难以预测的，他们的行为不能仅仅从逻辑的角度来判断。
这就是为什么在实践中我们仍然会
遇到自动策略，它们在一个活动中 數位數據 发挥完美作用，而在另一个活动中却效果不佳。人们的行为是基于非常复杂的情况和条件的，任何人 他们目前最大的限制是什么？ 工智能都无法考虑到这些情况和条件。
►如果您在 PPC 活动中使用自动竞价策略，请不要忘记定期检查它们。人工智能将使您的 PPC 活动管理变得更加容易，但它不会为您完成所有工作。