مکانیسم الگوریتمی تبلیغات خوراک خبری چیست؟فرمول تبلیغات جریان اطلاعات

تبلیغات یک بازی است که برای رقابت برای خرید حجم پول خرج می کند و تبلیغات جریان اطلاعات نیز از این قاعده مستثنی نیست. همچنان باید با دو شاخص اصلی هزینه (CPA=cpm/ctr*cvr) و حجم (تبدیل حجم=اکسپوژر*) مطابقت داشته باشد. ctr*cvr) همچنین بهینه سازی فاکتورهای قیف در تمام سطوح ضروری است.

مکانیسم الگوریتمی تبلیغات خوراک خبری چیست؟

تبلیغات جریان اطلاعات صرفاً به دلیل اضافه شدن الگوریتم‌های هوشمند است، نه تنها رقبا و کاربران، بلکه الگوریتم‌های ماشینی را نیز باید مطالعه کنیم، زیرا ابتدا تخمین زده می‌شود و این تخمین شامل دقیق، زیاد یا کم بودن آن است و مشکل پاداش ماشینی (بازگشت تبلیغات پلت فرم)، که به این بستگی دارد که آیا می توانید از دایره عبور کنید (مقیاس بلوغ شروع سرد و پیگیری مدل 0-1).

علاوه بر این، از آنجایی که این نوعی تبلیغات برای یافتن افراد است، به روز رسانی مطالب (هدف گذاری فقط برای مشخص کردن پوشش جمعیت است، خلاقیت کلید جذب آن است) و آستانه ها (از یک طرف، کاربران در حال تازه کردن هستند. پلتفرم بی هدف و پلتفرم آستانه محتوا بالاست و تقلید از محصولات رقیب منجر به عدم جذب مطالب می شود) نسبت به سایر اشکال تبلیغاتی بالاتر است.

فرمول تبلیغات جریان اطلاعات

بنابراین، در پاسخ به درخواست، تحلیل ما از تبلیغات جریان اطلاعات نشان داد که باید سه مشکل اصلی زیر را حل کنیم که به ترتیب توضیح داده شده است: (هدف اصلی نتایج کمکی دو مورد اول است)

1. الگوریتم های ماشین: استارت ها و مدل های سرد

ما می دانیم که درآمد تبلیغات پلت فرم به حداکثر رساندن مقدار ECPM است (ECPM=cpa*Pctr*Pcvr*bid). با در نظر گرفتن عوامل مختلف کنترل فرکانس مانند تجربه کاربر، رتبه بندی بر اساس مقدار ECPM است.در این فرمول تنها چیزی که می توان تعیین کرد cpa قیمت پیشنهادی شما است (فاکتور پیشنهاد با توجه به اینکه آیا عواملی مانند هزینه و بودجه نیازهای تبلیغ کنندگان را برآورده می کند تنظیم می شود) مشکل در Pctr و Pcvr است که احتمال تخمینی است. تخمین از روی هوا ساخته نمی شود، نیاز به ارجاع داده های تاریخی دارد، با توجه به احتمال قبلی، پس از قرار گرفتن در معرض واقعی، بازخورد داده به دست می آید و پارامترهای جدید قبل از تنظیم اضافه می شوند.و این داده‌های تاریخی مرجع ویژگی‌های کاربر تبدیل شده، مواد، حساب‌ها، صنایع و غیره است.پس از هر برآورد، داده های بازخورد واقعی در معرض دید قرار می گیرند و سپس پارامترها برای تعیین اینکه آیا باید به جمع ترافیک بعدی وارد شوند یا خیر، تنظیم می شوند.هرچه برآورد کمتر، میزان قرار گرفتن در معرض کمتر باشد، هرچه برآورد بالاتر باشد، هزینه بالاتر است و برآورد با داده های واقعی مطابقت دارد. (داده های واقعی زیاد است و حجم همچنان در حال افزایش است و داده های واقعی کم است تا ضریب تاثیر بهینه سازی حجم کاهش یابد).

(1) شروع سرد

یک حساب یا طرح قدیمی داده های تاریخی را به عنوان مرجع خواهد داشت. برای یک حساب جدید و یک طرح جدید، چگونه بدون داده تخمین بزنیم؟بنابراین، هزینه آزمون و خطا و زمان آزمون و خطا نیز وجود دارد تا زمانی که پایداری مدل برآورده شود (مدل زمانی پایدار است که عدد به استاندارد برسد، هر چه عدد بیشتر باشد، مدل دقیق تر است).قبل از اینکه بتوانیم قضاوتی کنیم باید داده های واقعی را به دست آوریم. هنگامی که نوردهی با شکست مواجه می شود، ممکن است سیستم فکر کند که مقدار ECPM واقعاً بالا نیست. ما می توانیم عواملی را که ممکن است در نظر گرفته شوند بهینه کنیم، اما این امکان نیز وجود دارد که ما فکر می کنیم خوب است و سیستم فکر می کند خوب نیست باید از روش های دیگری استفاده کرد.حداقل 1 تبدیل به 5000-10000 نمایش یا بیشتر نیاز دارد.

برای اینکه شروع سرد را در اسرع وقت تا زمانی که مدل پایدار شود سپری کنید، در اینجا یک فرمول وجود دارد:شروع سرد = بسته صنعت پکیج جمعی DMP با قیمت بالا ابتدا زمان بودجه مواد تاریخی گسترده را محدود می کند

پیشنهاد بالا: بالاتر از میانگین پیشنهادی صنعت، مانند 20٪ یا بیشتر، و سپس قیمت پیشنهادی بالا را پایین بیاورید تا بازخورد داده های واقعی را مشاهده کنید، که برای ماشین نیز پاداش است، عواقب این هزینه بالا را متحمل می شود، اما باید بودجه کمی را ترکیب کنید و بازخورد داده را دریافت کنید و آن را تنظیم کنید.اگر بازخورد داده‌ای از قیمت پیشنهادی بالا وجود داشته باشد، می‌توان دوباره آن را کاهش داد و اگر هنوز حجم وجود داشت، آزمایش موفقیت‌آمیز است.

پکیج DMP crowd: زمانی که هیچ داده ای برای رجوع در آگهی وجود ندارد، مانند ماشینی است که در انبار کاه به دنبال سوزن می گردد و نمی تواند یک به یک احتمال را امتحان کند. برای کاهش هزینه و زمان، جمعیت تبدیل شده ( نه تبلیغات پلت فرم) برای رمزگذاری و آپلود بسته ID استفاده می شود و به سیستم اجازه دهید در این مدل جمعی، آزمایش را گسترش دهد.

بسته انبوه صنعت: اگر حتی داده‌های تبدیل تاریخی ندارید، می‌توانید از بسته جمعیتی صنعت استفاده کنید. پیشینیان قبلاً به شما کمک کرده‌اند که از مدل خارج شوید، و هر چه صنعت بالغ‌تر باشد، این بسته جمعی دقیق‌تر است. البته می توان آن را در عمل کراس اوور نیز یافت که در DMP انجام می شود تا مدل crowd خودش را بدست آورد.

ابتدا باریک، سپس گسترده: اگر دو سیستم کمکی بالا برای ساختن مدل‌ها دشوار است، مانند برخی از صنایع نامطلوب، توصیه می‌شود از سایر روش‌های جهت‌گیری مرسوم برای آزمایش ابتدا باریک و سپس گسترده استفاده کنید. (کاربران تبلیغاتی از جمعیت هدف گیری دقیق بررسی می شوند، اما پوشش تخمینی قرار گرفتن در معرض نیز باید بررسی شود).

مطالب تاریخی: تخمین نه تنها ویژگی‌های کاربر را ترکیب می‌کند (مدل جذاب است)، بلکه به خلاقیت و صفحه نیز بستگی دارد. در اینجا، تاریخچه را می‌توان با سایر حساب‌ها یا مواد ترافیک تبلیغاتی و مواد ترافیک صنعت ترکیب کرد. گذشتهاز نکات اصلی در مواد در حال اجرا کپی کنید یا از آنها یاد بگیرید. (نوشتن متن، عکس ها، صحنه ها،شخصیت، وسایل، موسیقی، مدت زمان و غیره، یک ماده خلاقانه را از هم جدا کنید، آن را جدا کنید و سپس دوباره سرهم کنید. )

بودجه: این فرضی است که بر حجم تأثیر می گذارد و حداقل مقدار در ترکیب با حساب، موجودی، طرح، گروه و آگهی گرفته می شود. (سایر جزئیات در زیر توضیح داده شده است)

زمان: در حال حاضر، هر سکوی زمان متفاوتی برای شروع سرد دارد، حداقل توصیه می شود آن را برای 2-7 روز رعایت کنید.

2. مدل محاسبه جریان اطلاعات درج آگهی

1. کمیت

هرچه تعداد تبدیل‌ها بیشتر باشد، بعد داده کافی‌تر است و تخمین می‌تواند دقیق‌تر باشد.اکنون این پلتفرم 0 عدد را مستقیماً در الگوریتم هوشمند دارد (همچنین بر اساس داده های کافی در صنایع مشابه).الزامات هر پلتفرم متفاوت است، 6، 10، 20، 50 یا حتی بیشتر، یعنی بودجه یک تبلیغ باید برای رسیدن به ثبات مدل کافی باشد.اما این به هزینه این تحول در صنعت خود و توانایی های بودجه خود نیز بستگی دارد.اگر صنعت چند یوان یا ده‌ها یوان باشد، حتی 50 تبدیل هزار یوان هزینه خواهد داشت، اما در برخی صنایع، میانگین CPA می‌تواند به صدها یا هزاران برسد، می‌توانید حداقل بودجه داده‌های تبدیل را برای جلوگیری از افزایش هزینه تعیین کنید. خیلی بالا . .

2. (مواد تبدیل جمعیت)

از نظر جداسازی مدل، می توان فهمید که جمعیت شناسی های مختلف مواد مختلفی را برای روش های مختلف تبدیل می بینند و حتی سطح پیشنهادات نیز بر مدل تأثیر می گذارد (میزان ترافیک برای آزمایش متفاوت است).هرچه روش تبدیل عمیق‌تر باشد (مانند خرید مستقیم، یا حتی قیمت واحد مشتری متفاوت است، مدل متفاوت است، مانند محصولات 1 یوان و 9 یوان، 49 یوان.) دشوارتر است، البته این به صنعت هم بستگی دارد. (در صورت وجود صنایعی مانند فرم های آموزشی و خریدهای پرطرفدار، توصیه می شود از همین روش برای یادگیری از داده های مرجع استفاده کنید).

2. به روز رسانی مواد

ما از داده های تاریخی خود یا صنعت به عنوان ارزش قبلی تخمینی استفاده می کنیم تا مدل به راحتی پیدا شود.اما پس از گذراندن مدل، مطمئناً با کاهش مواد مواجه می شود.علاوه بر این، همانطور که در بالا ذکر شد، هسته تبلیغات جریان اطلاعات مواد است و جهت‌گیری فقط یک گروه تحت پوشش را تعریف می‌کند و به سیستم اجازه می‌دهد این ویژگی‌ها را پیدا کند، اما در نهایت این که کاربر عمل کند یا نه بستگی به مطالب دارد.این شامل مقدار مواد، دفعات انتشار جدید، نقطه فروش، شکل بیان و منبع الهام است. (جزئیات زیر)

3. اهداف اصلی: هزینه و حجم

بهینه سازی دو مشکل فوق هنوز باید به اهداف اصلی نهایی ما بازگردد: هزینه (CPA=cpm/ctr*cvr) و حجم (تبدیل حجم=اکسپوژر*ctr*cvr)، که باید مانند تبلیغات SEM از هم جدا شوند. حل عوامل تاثیرگذار نوردهی، cpm، ctr و cvr و اقدامات بهینه‌سازی قابل انجام است.

(1) قرار گرفتن در معرض

1. عوامل خارجی: فعالیت های روزانه پلت فرم، مدت زمان، تناژ کاربر، محصولات رقیب (تعداد، برنامه، پیشنهاد)، تعطیلات، کنترل فرکانس (مانند تصاویر بزرگ، تعداد تبلیغات مشابه و غیره)

2. عوامل داخلی: جهت گیری، ارزش ecpm (cpa*Pctr*Pcvr*bid)، بودجه، دوره زمانی، چند حساب، فضای تبلیغاتی، نوع مواد (چه همه دسته ها)، حالت صورتحساب، حالت حجم در حال اجرا و غیره.

(2) ctr

فضای تبلیغاتی، متریال، سبک، بازه زمانی، شلوغی و ... (هنوز به تغییرات بیرونی بازار و محیط کاربری بستگی دارد)

(3) cvr

جمعیت، صفحه (ورودی تبدیل محتوا)، ارتباط صفحه خلاق و غیره.

(4) مقدار cpm

مناقصه شخصی، رقابت صنعتی، مناقصه مبتنی بر پلت فرم

0. قانون ورود 1~XNUMX مدل الگوریتم تبلیغات جریان اطلاعات

در اینجا ما بیشتر اصلاح یا تکمیل خواهیم کرد، چه مراحلی باید در فرآیند 0-1 یک تبلیغ جریان اطلاعات انجام شود؟

یک تبلیغ خوب این است که افراد مناسب (هدف‌گیری، مدل جمعیت) را به روشی درست (محصولات، مواد، نقاط فروش) در زمان مناسب و در سناریوی مناسب (پلتفرم، فضای تبلیغاتی) تحت تأثیر قرار دهد و در عین حال، باید با هزینه کم مقیاس شود.

محصول شرکت:

فقط زمانی که محصول مزیت تمایز انحصاری را داشته باشد، محصول مزیت تحول را دارد، در غیر این صورت به رقابت کانال بستگی دارد.اکثر آنها در صورت رقابت کامل در بازار، مزیت های محصولات شرکت خود را تجزیه و تحلیل می کنند، از قدرت محصولات رقیب دوری می کنند و می توانند به درد کاربران ضربه بزنند تا در مطالب بعدی منعکس شود.پس از درک مزایای محصولات این شرکت، می توانید نقطه فروش موادی را که می توان آنها را خارجی کرد، پیدا کرد.

(1) شرکت: از جمله زمان تاسیس، سابقه، ماهیت، مقیاس، افتخار، خدمات، موارد و ابعاد دیگر برای تجزیه و تحلیل، آیا نقطه فروش خارجی وجود دارد یا خیر.

(2) محصول: استخراج نکاتی که می تواند از نگرانی های کاربر مانند قیمت، عملکرد، احساسات و صحنه بیرونی شود.

اطلاعات پلتفرم:

(1) الگوریتم داده: شامل فعالیت های روزانه پلت فرم، عادات استفاده و مدت زمان، ابعاد داده و روش های جهت گیری.

(2) پرتره های کاربر: عمدتا برای تجزیه و تحلیل تونالیته کاربران پلت فرم و اینکه سبک و سبک کپی را دوست دارند.

اطلاعات کاربر: پرتره های کاربر، نیازهای کاربر، نگرانی های کاربر، مصرف کاربر

(1) پرتره کاربر: ویژگی های طبیعی، ویژگی های دستگاه، ویژگی های علاقه، ویژگی های رفتار (جستجو،تجارت الکترونیکی، اجتماعی، APP، LBS)

(2) نیازهای کاربر: انگیزه اساسی و نقاط دردناک کاربران برای استفاده از محصول/خدمت شما

(3) تمرکز کاربر: یعنی دلیل انتخاب کاربران شما. (از محصول و تایید)

(4) مصرف کاربر: توانایی مصرف، روانشناسی مصرف، مفهوم مصرف

اطلاعات فوق را می توان در ابزارهای شاخص، نقشه های تقاضای کلمات کلیدی، گزارش های صنعت، تجزیه و تحلیل محصول رقابتی، بازخورد مصاحبه نظرسنجی کاربران، پلت فرم های نظرات اجتماعی جامعه، تجزیه و تحلیل پرتره DMP پلت فرم تبلیغاتی، مصاحبه های فروش خدمات مشتری، تجزیه و تحلیل داده های CRM و غیره استفاده کرد.

اطلاعات محصول رقابتی: عمدتاً نقاط فروش برون‌سازی مواد و اطلاعات محصول شرکت را تجزیه و تحلیل می‌کند و نقاط فروش متفاوتی را پیدا می‌کند که می‌تواند از مزایای آن اجتناب کند اما کاربران هدف را راضی کند.

تقسیم بندی جمعیت: هسته، هدف، مخاطبان بالقوه و نحوه هدف قرار دادن آنها

هدف گذاری اصلی: کلمات (مانند مارک ها، رقبا)، تبدیل های dmp، رفتارها (دنبال کردن، جستجو، خرید، دانلود، خود LBS یا رقبا)

هدف گذاری: کلمات (مانند محصولات عمومی)، بسته های صنعتی، علایق اصلی اولیه

جهت گیری بالقوه: کلمات (مانند جمعیت، کلمات صنعت)، بسته های علاقه مرتبط ثانویه و ثالثه

صفحه خلاقانه:

(1) گروه‌های مختلف مردم می‌توانند از نقاط فروش خلاقانه مختلفی مانند برند و فعالیت‌های اصلی گروه اصلی، نقطه اصلی فروش محصول متمایز گروه هدف، و تمرکز اصلی گروه بالقوه بر تخفیف‌های رفاهی و ایجاد تمایلات علاقه، نقاط دردناک و تقویت اضطراب و غیره

(2) آموزش را به عنوان مثال در نظر بگیرید: افراد (معلمان، دانش آموزان، دستیاران آموزشی، والدین، افراد مجرد/چند نفر)، ماشین ها (لوازم جانبی)، مواد (کتاب های درسی، جعبه های هدیه، کتاب ها، خودکارها، یادداشت ها، نقشه های ذهنی)، روش ها ( روش ها، مهارت ها، نقاط دانش) و عوامل مرتبط با حلقه (کلاس درس، خانواده، جامعه) برچیده و ترکیب می شوند.

(3) اشکال بیان: گرافیکی (سه تصویر، تصویر بزرگ، تصویر کوچک، شبکه، زاویه)، ویدئو (پخش شفاهی، طرح، نقاشی دستی، ppt...).

(4) دنباله آزمایش: به تعداد یک، سپس از یک به بسیاری. (تست فرم های مواد با نقطه فروش چندگانه، حجم مواد در حال اجرا را بیابید و در اطراف مواد گسترش دهید).

(4) اطلاعات صفحه: همان اصل قسمت صفحه SEM (به ویژه توجه داشته باشید که تصویر هدر و لایه بیرونی به شدت مرتبط یا حتی سازگار هستند و تصویر خلاق مستقیماً تبدیل می شود).

(5) منبع ایده ها: ابزارهای الهام بخش خلاق برای پلتفرم های تبلیغاتی، خواندن دستی، ابزار خزنده سه جانبه، نقشه های تقاضای کلمات کلیدی و غیره.

بودجه پیشنهادی:

1. بودجه

（1）、1.5-2倍转化目标数量预算。（如单日100转化量，cpa为100，则可设置15000-20000）。

(2)، بهتر است کمتر از 1.5 برابر بودجه مصرف واقعی نباشد. (اگر مصرف واقعی 10000 باشد نباید کمتر از 15000 باشد).

(3) حساب ها و گروه های تبلیغاتی قابل تنظیم هستند.تفاوت کمی بین تنظیمات طرح وجود دارد و بودجه نهایی به حداقل مقدار موجودی، حساب، طرح و گروه بستگی دارد و از موجودی واقعی موجود تبلیغات استفاده می شود.

(4) آگهی‌های مواد جدید هر روز برای پشتیبان‌گیری آپلود می‌شوند، و بودجه برای تعداد مدل‌های پایدار تبدیل‌شده در یک روز آگهی باید برای تبلیغاتی که همزمان آنلاین هستند، کنار گذاشته شود. (مثلاً در صنایع با CPA بالا برای 6 تبلیغ 1 بودجه CPA در نظر بگیرید) اگر CPA 100 باشد بودجه برای یک آگهی حداقل باید 600 باشد. اگر بودجه روزانه 1200 باشد پیشنهاد می شود راه اندازی شود. 2-4 تبلیغات همزمان.داده‌ها را برای 24 ساعت اول مشاهده کنید، آگهی‌های دارای داده‌های بد را فورا حذف کنید و آگهی‌های جدید منتشر کنید.

2. مناقصه

(1) پیشنهاد توسط صنعت و جستجو یا CPA قابل قبول و افزایش 5٪ ​​بر اساس پیشنهاد پیشنهادی.

(2) اگر امکان شروع در یک محیط سرد وجود ندارد و هنوز داده ای وجود ندارد، قیمت پیشنهادی را تا زمانی که عملکرد داده وجود دارد افزایش دهید. (بیش از 3000-5000 نوردهی کنید و سپس مشاهده و تنظیم کنید)

(3) اگر بازخورد داده‌ای وجود ندارد، می‌توانید ترکیبی از صورت‌حساب و حالت اجرا، بودجه کم، و اهداف تبدیل کم عمق را به منظور جمع‌آوری داده‌های تبدیل و مشاهده مطالب و جمعیت انتخاب کنید. (مانند cpm، حجم در حال اجرا سریع cpc).

تحلیل داده ها:

عمودی: تمرکز بر هزینه (CPA=cpm/ctr*cvr) و حجم (حجم تبدیل=اکسپوژر*ctr*cvr) و فرمول مرتب‌سازی ECPM=cpa*Pctr*Pcvr*bid برای تجزیه و تحلیل داده‌های پیوندی کمتر از میانگین بازار، و هسته بدترین است. مشکل در یافتن عوامل تأثیرگذار است که می توانند در این پیوند بهینه شوند.

افقی: پلتفرم، حساب کاربری، کسب و کار، طرح، گروه و تبلیغات از کل به جزء برای پیدا کردن بعد تفاوت اصلی که بر هدف تأثیر می گذارد و در اطراف این بعد بهینه سازی می شود.