Apa mekanisme algoritme iklan feed berita?Formula periklanan arus informasi

Periklanan adalah permainan yang menghabiskan uang untuk bersaing membeli volume, tidak terkecuali periklanan arus informasi. Iklan tetap harus mematuhi dua indikator inti biaya (BPA=cpm/ctr*cvr) dan volume (volume konversi=paparan* ctr*cvr) Penting juga untuk mengoptimalkan faktor corong di semua tingkatan.

Apa mekanisme algoritme iklan feed berita?

Iklan arus informasi hanya karena penambahan algoritma cerdas, kita perlu mempelajari tidak hanya pesaing dan pengguna, tetapi juga algoritma mesin, karena diperkirakan terlebih dahulu, dan perkiraan ini melibatkan apakah itu akurat, tinggi atau rendah. hadiah mesin (pengembalian iklan platform), yang terkait dengan apakah Anda dapat melewati lingkaran (0-1 eksposur cold start dan skala kedewasaan model tindak lanjut).

Selain itu, karena ini adalah bentuk iklan untuk mencari orang, pembaruan materi (penargetan hanya untuk menggambarkan cakupan kerumunan, kreativitas adalah kunci untuk menariknya) dan ambang batas (di satu sisi, pengguna menyegarkan di platform tanpa tujuan, dan platform Ambang konten tinggi, dan tiruan dari produk yang bersaing akan menyebabkan kurangnya daya tarik materi) lebih tinggi daripada bentuk iklan lainnya.

Formula periklanan arus informasi

Oleh karena itu, sebagai tanggapan atas seruan tersebut, analisis kami terhadap iklan arus informasi menemukan bahwa kami harus menyelesaikan tiga masalah inti berikut, yang dijelaskan secara berurutan: (tujuan inti adalah hasil tambahan dari dua yang pertama)

1. Algoritma Mesin: Mulai Dingin dan Model

Kita tahu bahwa pendapatan iklan platform adalah untuk memaksimalkan nilai ECPM (ECPM=cpa*Pctr*Pcvr*bid). Dengan mempertimbangkan berbagai faktor kontrol frekuensi seperti pengalaman pengguna, urutannya didasarkan pada nilai ECPM.Dalam rumus ini, yang bisa ditentukan hanyalah bid cpa (faktor penawaran disesuaikan dengan apakah faktor seperti biaya dan anggaran memenuhi kebutuhan pengiklan). Kesulitannya terletak pada Pctr dan Pcvr, yang merupakan perkiraan probabilitas paparan konversi.Estimasi tidak dibuat dari udara tipis, memerlukan referensi data historis, diberikan probabilitas sebelumnya, setelah paparan nyata, umpan balik data diperoleh dan parameter baru ditambahkan sebelum penyesuaian.Dan data historis ini adalah referensi dari karakteristik pengguna yang dikonversi sebelumnya, materi, akun, industri, dll.Setelah setiap estimasi, data umpan balik yang sebenarnya diperlihatkan dan kemudian parameternya disesuaikan untuk menentukan apakah akan memasuki kumpulan lalu lintas berikutnya.Estimasi yang lebih rendah adalah lebih sedikit eksposur, semakin tinggi estimasi, semakin tinggi biayanya, dan estimasi konsisten dengan data aktual. (Data nyata tinggi dan volume terus meningkat, dan data nyata rendah untuk mengurangi faktor dampak optimasi volume).

(1) Mulai dingin

Akun atau rencana lama akan memiliki data historis sebagai referensi. Untuk akun baru dan rencana baru, bagaimana cara memperkirakan tanpa data?Oleh karena itu, ada juga biaya coba-coba dan waktu coba-coba sampai stabilitas model terpenuhi, (jumlah model stabil, semakin banyak jumlahnya, semakin akurat modelnya).Kita perlu mendapatkan data nyata sebelum kita dapat membuat penilaian. Ketika eksposur gagal, mungkin sistem berpikir bahwa nilai ECPM memang tidak tinggi. Kita dapat mengoptimalkan faktor-faktor yang mungkin dipertimbangkan, tetapi juga mungkin bahwa menurut kami baik, dan sistem menganggapnya tidak baik, harus menggunakan metode lain.Dibutuhkan 1-5000 tayangan atau lebih untuk mendapatkan setidaknya 10000 konversi.

Untuk melewati cold start secepat mungkin hingga model stabil, berikut adalah rumusnya,Mulai dingin = tawaran tinggi paket industri paket kerumunan DMP menyempit terlebih dahulu dan kemudian lebar waktu anggaran material historis

Tawaran tinggi: lebih tinggi dari tawaran rata-rata industri, seperti 20% atau lebih tinggi, dan kemudian turunkan tawaran tinggi untuk melihat umpan balik data nyata, yang juga merupakan hadiah untuk mesin, menanggung konsekuensi dari biaya tinggi ini, tetapi perlu menggabungkan anggaran kecil dan mendapatkan umpan balik data dan menyesuaikannya.Jika ada data feedback dari bid yang tinggi, bisa diturunkan lagi, dan jika masih ada volume, pengujian berhasil.

Paket kerumunan DMP: Ketika tidak ada data untuk dirujuk dalam iklan, itu seperti mesin yang mencari jarum di tumpukan jerami dan tidak dapat menguji probabilitas satu per satu. Untuk mengurangi biaya dan waktu, kerumunan yang dikonversi (bukan iklan platform) digunakan untuk mengenkripsi dan mengunggah paket ID, dan membiarkan sistem Dalam model kerumunan ini, perluas pengujian.

Paket kerumunan industri: Jika Anda bahkan tidak memiliki data konversi historis, Anda dapat menggunakan paket kerumunan industri. Para pendahulu telah membantu Anda keluar dari model, dan semakin matang industrinya, semakin akurat paket kerumunan ini. Tentu saja, juga dapat ditemukan dalam operasi Crossover yang dilakukan di DMP untuk mendapatkan model kerumunannya sendiri.

Sempit dulu, lalu lebar: Jika dua sistem bantuan di atas sulit untuk membangun model, seperti beberapa industri yang tidak populer, disarankan untuk menggunakan metode orientasi konvensional lainnya untuk mempersempit dan kemudian melebar untuk diuji. (Pengguna iklan disaring dari kelompok penargetan yang tepat, tetapi perkiraan cakupan eksposur juga perlu dilihat).

Materi Historis: Estimasi tidak hanya akan menggabungkan karakteristik pengguna (model banding), tetapi juga tergantung pada kreativitas dan halaman. Di sini, histori dapat digabungkan dengan akun lain atau materi lalu lintas iklan dan materi lalu lintas industri di masa lalu.Salin atau pelajari poin-poin inti dalam materi lari. (Copywriting, gambar, adegan,karakter, alat peraga, musik, durasi, dll., memecah materi kreatif, membongkar, membongkar, dan memasang kembali. )

Anggaran: Ini adalah premis yang mempengaruhi volume, dan nilai minimum akan diambil dalam kombinasi dengan akun, saldo, rencana, grup, dan iklan. (Rincian lainnya dijelaskan di bawah)

Waktu: Saat ini, setiap platform memiliki waktu yang berbeda untuk memulai dingin, setidaknya disarankan untuk mengamatinya selama 2-7 hari.

2. Model perhitungan penempatan iklan arus informasi

1. Kuantitas

Semakin besar jumlah konversi, semakin memadai dimensi datanya, dan semakin akurat estimasinya.Sekarang platform memiliki 0 angka langsung ke dalam algoritma cerdas (juga berdasarkan data yang cukup di industri serupa).Persyaratan setiap platform berbeda, 6, 10, 20, 50 atau bahkan lebih, yaitu anggaran iklan harus cukup untuk mencapai stabilitas model.Tetapi itu juga tergantung pada biaya transformasi ini di industri Anda sendiri dan kemampuan anggaran Anda sendiri.Jika industrinya beberapa yuan atau puluhan yuan, maka bahkan 50 konversi akan menelan biaya seribu yuan, tetapi di beberapa industri, BPA rata-rata dapat mencapai ratusan atau ribuan, Anda dapat menetapkan anggaran data konversi minimum untuk mencegah biaya menjadi terlalu tinggi. .

2. (Materi konversi kerumunan)

Dalam hal membongkar model, dapat dipahami bahwa demografi yang berbeda melihat metode konversi yang berbeda untuk materi yang berbeda, dan bahkan tingkat tawaran akan memengaruhi model (kumpulan lalu lintas untuk pengujian berbeda).Metode konversi yang lebih mendalam (seperti pembelian langsung, atau bahkan pembelian harga satuan pelanggan yang berbeda, seperti produk 1 yuan dan 9 yuan, 49 yuan.) Semakin sulit, tentu saja, ini juga tergantung pada industri. (Jika ada industri seperti formulir pendidikan dan pembelian populer, disarankan untuk menggunakan metode yang sama untuk belajar dari data referensi).

2. Pembaruan materi

Kami akan menggunakan data historis kami sendiri atau industri sebagai perkiraan nilai sebelumnya sehingga model dapat ditemukan dengan lancar.Namun setelah melalui model, pasti akan menghadapi penurunan materi.Selain itu, seperti yang disebutkan di atas, inti dari iklan arus informasi adalah materi, dan orientasi hanya mendefinisikan kelompok tertutup, memungkinkan sistem untuk menemukan karakteristik ini, tetapi pada akhirnya, apakah pengguna bertindak atau tidak tergantung pada materi.Ini menyangkut jumlah materi, frekuensi rilis baru, nilai jual, bentuk ekspresi, dan sumber inspirasi. (rinci di bawah)

3. Tujuan inti: biaya dan volume

Optimalisasi dua masalah di atas masih perlu kembali ke tujuan inti akhir kami: biaya (CPA=cpm/ctr*cvr) dan volume (conversion volume=exposure*ctr*cvr), yang perlu dibongkar seperti iklan SEM. adalah untuk mengatasi faktor pengaruh exposure, cpm, ctr, dan cvr serta tindakan optimasi yang dapat dilakukan.

(1) Paparan

1. Faktor eksternal: aktivitas harian platform, durasi, nada suara pengguna, produk pesaing (kuantitas, jadwal, tawaran), hari libur, kontrol frekuensi (seperti gambar besar, jumlah iklan serupa, dll.)

2. Faktor internal: orientasi, nilai ecpm (cpa*Pctr*Pcvr*bid), anggaran, periode waktu, beberapa akun, ruang iklan, jenis material (apakah semua kategori), mode penagihan, mode volume berjalan, dll.

(2) ktr

Ruang iklan, materi, gaya, periode waktu, kerumunan, dll. (Masih tergantung pada perubahan eksternal pasar dan lingkungan pengguna)

(3) cvr

Kerumunan, halaman (entri konversi konten), relevansi halaman kreatif, dll.

(4) nilai cpm

Penawaran sendiri, persaingan industri, penawaran berbasis platform

0. Aturan masuk 1~XNUMX dari model algoritma periklanan arus informasi

Berikut ini akan kami perbaiki atau tambahan, langkah-langkah apa saja yang perlu dilakukan dalam proses 0-1 sebuah iklan arus informasi?

Iklan yang baik adalah untuk mengesankan orang yang tepat (penargetan, model kerumunan) dengan cara yang benar (produk, bahan, nilai jual) pada waktu yang tepat dan dalam skenario yang tepat (platform, ruang iklan), dan pada saat yang sama, itu perlu ditingkatkan dengan biaya rendah.

produk perusahaan:

Hanya ketika produk memiliki keunggulan diferensiasi monopoli, produk tersebut memiliki keunggulan transformasi, selain itu tergantung pada persaingan saluran.Sebagian besar dari mereka menganalisis keunggulan produk perusahaan mereka dalam hal persaingan pasar penuh, menghindari kekuatan produk pesaing, dan dapat mengenai titik sakit pengguna, sehingga dapat tercermin dalam materi tindak lanjut.Setelah memahami keunggulan produk perusahaan, Anda dapat menemukan nilai jual bahan yang dapat dieksternalisasi.

(1) Perusahaan: Termasuk waktu pendirian, latar belakang, sifat, skala, kehormatan, layanan, kasus dan dimensi lain untuk dianalisis, apakah ada nilai jual eksternal.

(2) Produk: Ekstrak poin yang dapat dieksternalisasi dari kekhawatiran pengguna seperti harga, fungsi, emosi, dan pemandangan.

Informasi platform:

(1) Algoritme data: termasuk aktivitas harian platform, kebiasaan dan durasi penggunaan, dimensi data, dan metode orientasi.

(2) Potret pengguna: terutama untuk menganalisis nada suara pengguna platform, dan gaya dan gaya salinan mana yang mereka sukai.

Informasi pengguna: potret pengguna, kebutuhan pengguna, kekhawatiran pengguna, konsumsi pengguna

(1) Potret pengguna: atribut alami, atribut perangkat, atribut minat, atribut perilaku (pencarian,E-commerce, sosial, APLIKASI, LBS)

(2) Kebutuhan pengguna: motivasi yang mendasari dan titik kesulitan pengguna untuk menggunakan produk/layanan Anda

(3) Fokus pengguna: yaitu, alasan mengapa pengguna memilih Anda. (dari produk dan endorsement)

(4) Konsumsi pengguna: kemampuan konsumsi, psikologi konsumsi, konsep konsumsi

Informasi di atas dapat digunakan dalam alat indeks, peta permintaan kata kunci, laporan industri, analisis produk kompetitif, umpan balik wawancara survei pengguna, platform komentar sosial komunitas, analisis potret DMP platform periklanan, wawancara penjualan layanan pelanggan, analisis data CRM, dll.

Informasi produk kompetitif: Ini terutama menganalisis poin penjualan eksternalisasi materialnya dan informasi produk perusahaan, dan menemukan poin penjualan yang berbeda yang dapat menghindari keunggulannya tetapi memuaskan pengguna target.

Segmentasi kerumunan: inti, target, audiens potensial, dan cara menargetkan mereka

Penargetan inti: kata-kata (seperti merek, pesaing), konversi dmp, perilaku (ikuti, cari, beli, unduh, LBS itu sendiri atau pesaing)

Penargetan: kata-kata (seperti produk generik), paket industri, minat inti utama

Orientasi potensial: kata-kata (seperti kerumunan, kata-kata industri), paket minat terkait sekunder dan tersier

Halaman materi iklan:

(1) Kelompok orang yang berbeda dapat menggunakan nilai jual kreatif yang berbeda, seperti merek dan aktivitas utama kelompok inti, titik penjualan produk utama kelompok sasaran yang berbeda, dan fokus utama kelompok potensial pada diskon kesejahteraan dan menciptakan keinginan minat, poin nyeri, dan penguatan kecemasan, dll.

(2) Ambil contoh pendidikan: orang (guru, siswa, asisten pengajar, orang tua, satu / banyak orang), mesin (alat peraga), bahan (buku teks, kotak hadiah, buku, pena, catatan, peta pikiran), metode (metode, Keterampilan, poin pengetahuan), dan faktor terkait yang terlibat dalam lingkaran (kelas, keluarga, komunitas) dibongkar dan digabungkan.

(3) Bentuk ekspresi: grafik (tiga gambar, gambar besar, gambar kecil, kisi-kisi, sudut), video (siaran lisan, plot, lukisan tangan, ppt...).

(4) Urutan tes: sebanyak satu, kemudian dari satu ke banyak. (Tes bentuk bahan titik penjualan ganda, cari tahu bahan volume yang berjalan, dan rentangkan di sekitar bahan).

(4) Informasi halaman: prinsip yang sama dengan bagian halaman SEM (terutama perhatikan bahwa gambar header dan lapisan luar sangat terkait atau bahkan konsisten, dan gambar kreatif langsung dikonversi).

(5) Sumber ide: alat inspirasi kreatif platform periklanan, bacaan manual, alat perayapan tripartit, peta permintaan kata kunci, dll.

Anggaran tawaran:

1. Anggaran

（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), sebaiknya tidak kurang dari 1.5 kali anggaran konsumsi aktual. (Jika konsumsi sebenarnya adalah 10000, tidak boleh lebih rendah dari 15000).

(3) Akun dan grup iklan dapat diatur.Ada sedikit perbedaan antara pengaturan rencana dan anggaran akhir tergantung pada nilai minimum saldo, akun, paket, dan grup, dan saldo aktual yang tersedia dari iklan akan diambil.

(4) Iklan materi baru ditambahkan setiap hari untuk cadangan, dan anggaran untuk jumlah model stabil yang dikonversi per hari harus disisihkan untuk iklan yang online pada waktu yang sama. (Misalnya, di industri dengan BPA tinggi, sisihkan 6 anggaran BPA untuk 1 iklan). Jika BPA 100, anggaran untuk satu iklan minimal 600. Jika anggaran harian 1200, disarankan untuk meluncurkan 2-4 iklan sekaligus.Amati data selama 24 jam pertama, segera hapus iklan dengan data buruk, dan luncurkan yang baru.

2. Tawaran

(1) Tawaran menurut industri dan penelusuran atau BPA yang dapat diterima, dan naikkan sebesar 5% berdasarkan tawaran yang disarankan.

(2) Jika tidak mungkin untuk memulai di lingkungan yang dingin dan masih belum ada data, tingkatkan tawaran sampai ada kinerja data. (Paparan lebih dari 3000-5000 lalu amati dan sesuaikan)

(3) Jika masih belum ada umpan balik data, kombinasi model penagihan dan volume berjalan, anggaran kecil, dan sasaran konversi yang dangkal dapat digunakan untuk mengumpulkan data konversi dan melihat materi dan kerumunan. (seperti cpm, cpc volume berjalan cepat).

analisis data:

Vertikal: Fokus pada biaya (CPA=cpm/ctr*cvr) dan volume (volume konversi=exposure*ctr*cvr) dan rumus pengurutan ECPM=cpa*Pctr*Pcvr*bid untuk menganalisis data tautan mana yang lebih rendah dari rata-rata pasar, dan intinya adalah yang terburuk Masalahnya terletak pada menemukan faktor-faktor yang mempengaruhi yang dapat dioptimalkan di link ini.

Horizontal: Platform, akun, bisnis, rencana, grup, iklan menemukan dimensi perbedaan inti yang mempengaruhi target dari keseluruhan ke bagian, dan mengoptimalkan di sekitar dimensi ini.