מהו המנגנון האלגוריתמי של פרסום בפיד החדשות?נוסחת פרסום זרימת מידע

פרסום הוא משחק שמוציא כסף כדי להתחרות על קניית נפח, ופרסום זרימת מידע אינו יוצא מן הכלל. הוא עדיין צריך לעמוד בשני מדדי הליבה של עלות (CPA=cpm/ctr*cvr) ונפח (נפח המרה=חשיפה* ctr*cvr). יש צורך גם לבצע אופטימיזציה של גורמי המשפך בכל הרמות.

מהו המנגנון האלגוריתמי של פרסום בפיד החדשות?

פרסום זרימת מידע הוא רק בגלל התוספת של אלגוריתמים חכמים, אנחנו צריכים ללמוד לא רק מתחרים ומשתמשים, אלא גם אלגוריתמים של מכונה, כי זה מוערך קודם, וההערכה הזו כוללת אם זה מדויק, גבוה או נמוך והבעיה של תגמול מכונה (החזר פרסום בפלטפורמה), הקשור לשאלה האם ניתן לחצות את המעגל (0-1 חשיפה להתחלה קרה וסולם בגרות מודל מעקב).

בנוסף, מכיוון שזוהי סוג של פרסום למציאת אנשים, עדכון החומרים (המיקוד הוא רק כדי לתחום את הסיקור של הקהל, יצירתיות היא המפתח למשיכתו) וספים (מצד אחד, המשתמשים מתרעננים על הפלטפורמה ללא מטרה, והפלטפורמה סף התוכן גבוה, והחיקוי של מוצרים מתחרים יוביל לחוסר משיכה של החומר) גבוה יותר משאר צורות הפרסום.

נוסחת פרסום זרימת מידע

לכן, בתגובה לערעור, הניתוח שלנו של פרסום זרימת מידע מצא שעלינו לפתור את שלוש בעיות הליבה הבאות, אשר מוסברות לפי הסדר: (מטרת הליבה היא תוצאות העזר של שתי הראשונות)

1. אלגוריתמי מכונה: התחלות קרות ודגמים

אנו יודעים שההכנסה מפרסום של הפלטפורמה היא למקסם את ערך ה-ECPM (ECPM=cpa*Pctr*Pcvr*bid). בהתחשב בגורמי בקרת תדירות שונים כמו חווית משתמש, הדירוג מבוסס על ערך ה-ECPM.בנוסחה זו הדבר היחיד שניתן לקבוע הוא העלות לרכישה של הצעת המחיר שלך (מקדם הצעת המחיר מותאם לפי האם גורמים כמו עלות ותקציב עונים על צורכי המפרסמים) הקושי טמון ב-Pctr ו-Pcvr, שהוא ההסתברות המשוערת של חשיפה להמרה.ההערכה אינה מפוברקת יש מאין, היא זקוקה להתייחסות לנתונים היסטוריים, בהינתן הסתברות מוקדמת, לאחר החשיפה האמיתית, מתקבל משוב הנתונים ומתווספים פרמטרים חדשים לפני ההתאמה.והנתונים ההיסטוריים האלה הם ההתייחסות למאפייני המשתמש שעברו המרה, חומרים, חשבונות, תעשיות וכו'.לאחר כל הערכה, נתוני המשוב האמיתיים נחשפים ולאחר מכן מותאמים הפרמטרים כדי לקבוע אם להיכנס למאגר התעבורה הבא.ככל שההערכה נמוכה יותר היא פחות חשיפה, ככל שהאומדן גבוה יותר, כך העלות גבוהה יותר, וההערכה תואמת את הנתונים בפועל. (הנתונים האמיתיים גבוהים והנפח ממשיך לגדול, והנתונים האמיתיים נמוכים כדי להפחית את גורם ההשפעה של אופטימיזציית נפח).

(1) התחלה קרה

לחשבון או תוכנית ישנים יהיו נתונים היסטוריים כאסמכתא. לגבי חשבון חדש ותוכנית חדשה, איך לאמוד ללא נתונים?לכן ישנה גם עלות ניסוי וטעייה וזמן ניסוי וטעייה עד להסתפקות ביציבות הדגם (הדגם יציב כשהמספר מגיע לתקן, ככל שהמספר גדול יותר, הדגם מדויק יותר).אנחנו צריכים להשיג נתונים אמיתיים לפני שנוכל לעשות שיקול דעת. כשהחשיפה נכשלת, יכול להיות שהמערכת חושבת שערך ה-ECPM אכן לא גבוה. אנחנו יכולים לייעל את הגורמים שעשויים להילקח בחשבון, אבל ייתכן גם ש אנחנו חושבים שזה טוב, והמערכת חושבת שזה לא טוב, צריך להשתמש בשיטות אחרות.נדרשות 1-5000 הופעות או יותר כדי לקבל המרה אחת לפחות.

על מנת להעביר את ההתחלה הקרה כמה שיותר מהר עד שהדגם יציב, הנה נוסחה,התחלה קרה = הצעה גבוהה חבילת חבילת קהל DMP תעשייתית צרה תחילה ולאחר מכן זמן תקציב חומר היסטורי רחב

הצעת מחיר גבוהה: גבוהה מהצעת המחיר הממוצעת בתעשייה, כגון 20% ומעלה, ולאחר מכן הורד את הצעת המחיר הגבוהה כדי לראות את המשוב האמיתי של הנתונים, שהוא גם פרס עבור המכונה, לשאת את ההשלכות של העלות הגבוהה הזו, אבל צריך שלב תקציב קטן וקבל משוב נתונים והתאם אותו.אם יש משוב נתונים מהצעת המחיר הגבוהה, ניתן להוריד אותו שוב, ואם עדיין יש נפח, הבדיקה מצליחה.

חבילת קהל DMP: כשאין נתונים להתייחס בפרסומת, זה כמו מכונה שמחפשת מחט בערימת שחת ולא יכולה לנסות את ההסתברות בזה אחר זה. על מנת לצמצם את העלות והזמן, הקהל המומר ( לא פרסומת הפלטפורמה) משמשת להצפנה והעלאת חבילת הזיהוי, ולתת למערכת במודל ההמון הזה, להרחיב את הבדיקה.

חבילת קהל בתעשייה: אם אין לך אפילו נתוני המרה היסטוריים, אתה יכול להשתמש בחבילת הקהל בתעשייה.הקודמים כבר עזרו לך לצאת מהמודל, וככל שהתעשייה בוגרת יותר, כך חבילת הקהל הזו מדויקת יותר. כמובן, ניתן להשתמש בו גם בפעולת Crossover מבוצעת ב-DMP כדי לקבל מודל קהל משלו.

תחילה צר, ואז רחב: אם קשה לבנות מודלים של שתי מערכות העזרה הנ"ל, כמו כמה תעשיות לא פופולריות, מומלץ להשתמש בשיטות התמצאות קונבנציונליות אחרות כדי להצר תחילה ולאחר מכן לרחבה לבדיקה. (משתמשי פרסום מסוננים מתוך קהל המיקוד המדויק, אך יש להסתכל גם על כיסוי החשיפה המשוער).

חומר היסטורי: ההערכה לא רק תשלב את מאפייני המשתמש (מודל הערעור הוא), אלא גם תלויה ביצירתיות ובדף. כאן, ניתן לשלב את ההיסטוריה עם חשבונות אחרים או חומרי תנועה פרסומיים וחומרי תנועה בתעשייה ב- עבר.העתק או למד מנקודות הליבה בחומר הרצה. (קופירייטינג, תמונות, סצנות,דמות, אביזרים, מוזיקה, משך וכו', לפרק חומר יצירתי, לפרק אותו, לפרק אותו ולהרכיב אותו מחדש. )

תקציב: זוהי הנחת היסוד שמשפיעה על הנפח, והערך המינימלי יילקח בשילוב עם החשבון, היתרה, התוכנית, הקבוצה והפרסום. (פרטים נוספים מוסברים להלן)

זמן: נכון להיום, לכל פלטפורמה יש זמן שונה להתנעה קרה, לפחות מומלץ להקפיד על 2-7 ימים.

2. מודל חישוב של פרסום פרסום זרימת מידע

1. כמות

ככל שמספר ההמרות גדול יותר, כך ממד הנתונים מספק יותר, וההערכה יכולה להיות מדויקת יותר.כעת יש לפלטפורמה 0 מספרים ישירות לתוך האלגוריתם החכם (גם הוא מבוסס על מספיק נתונים בתעשיות דומות).הדרישות של כל פלטפורמה שונות, 6, 10, 20, 50 או אפילו יותר, כלומר, התקציב של פרסומת חייב להספיק כדי להשיג יציבות דגם.אבל זה תלוי גם בעלות השינוי הזה בתעשייה שלך וביכולות התקציב שלך.אם הענף הוא כמה יואן או עשרות יואן, אז אפילו 50 המרות יעלו אלף יואן, אבל בתעשיות מסוימות, המחיר הממוצע לרכישה יכול להגיע למאות או אלפים, אתה יכול להגדיר תקציב נתוני המרה מינימלי כדי למנוע מהעלות להיות גבוה מדי. .

2. (חומר להמרת המונים)

מבחינת פירוק המודל, ניתן להבין שבדמוגרפיה שונות רואים חומרים שונים לשיטות המרה שונות, ואפילו רמת ההצעות תשפיע על המודל (מאגר התעבורה לבדיקה שונה).ככל ששיטת ההמרה מעמיקה יותר (כגון רכישה ישירה, או אפילו מחיר היחידה של הלקוח הנרכש שונה, המודל שונה, כמו 1 יואן ו-9 יואן, 49 יואן מוצרים.) כך זה קשה יותר, כמובן, זה תלוי גם בענף. (אם יש ענפים כמו צורות לימוד ורכישות פופולריות, מומלץ להשתמש באותה שיטה כדי ללמוד מנתוני התייחסות).

2. עדכון חומרי

אנו נשאב את הנתונים ההיסטוריים שלנו או בתעשייה כערך הקודם המשוער כדי שניתן יהיה למצוא את המודל בצורה חלקה.אבל לאחר שעובר על המודל, הוא חייב להתמודד עם הירידה של החומר.יתרה מכך, כפי שהוזכר לעיל, הליבה של פרסומת זרימת המידע היא החומר, והאוריינטציה רק ​​מגדירה קבוצה מכוסה, המאפשרת למערכת למצוא את המאפיינים הללו, אך בסופו של דבר, האם המשתמש פועל או לא תלוי בחומר.זה כרוך בכמות החומר, התדירות של מהדורות חדשות, נקודת המכירה, צורת הביטוי ומקור ההשראה. (מפורט למטה)

3. מטרות ליבה: עלות ונפח

האופטימיזציה של שתי הבעיות שלעיל עדיין צריכה לחזור ליעדי הליבה הסופיים שלנו: עלות (CPA=cpm/ctr*cvr) ונפח (נפח המרה=חשיפה*ctr*cvr), שצריך לפרק כמו פרסומות SEM. היא לפתור את גורמי ההשפעה של חשיפה, cpm, ctr ו-cvr ואת פעולות האופטימיזציה שניתן לבצע.

(1) חשיפה

1. גורמים חיצוניים: פעילות יומיומית של הפלטפורמה, משך זמן, טונליות המשתמש, מוצרים מתחרים (כמות, לוח זמנים, הצעה), חגים, בקרת תדירות (כגון תמונות גדולות, מספר פרסומות דומות וכו')

2. גורמים פנימיים: אוריינטציה, ערך ecpm (cpa*Pctr*Pcvr*bid), תקציב, פרק זמן, ריבוי חשבון, שטח פרסום, סוג החומר (בין אם כל הקטגוריות), מצב חיוב, מצב נפח ריצה וכו'.

(2) ctr

שטח פרסום, חומר, סגנון, פרק זמן, קהל וכו' (זה עדיין תלוי בשינויים החיצוניים של השוק וסביבת המשתמש)

(3) cvr

קהל, עמוד (הזנת המרת תוכן), רלוונטיות דף קריאייטיב וכו'.

(4) ערך cpm

הצעות מחיר משלו, תחרות בענף, הצעות מבוססות פלטפורמה

0. כלל הכניסה 1~XNUMX של מודל אלגוריתם הפרסום של זרימת המידע

כאן נחדד או נשלים עוד יותר, אילו שלבים צריך לעשות בתהליך 0-1 של פרסומת זרימת מידע?

פרסומת טובה היא להרשים את האנשים הנכונים (מיקוד, מודל קהל) בצורה הנכונה (מוצרים, חומרים, נקודות מכירה) בזמן הנכון ובתרחיש הנכון (פלטפורמה, שטח פרסום), ובמקביל, זה צריך להגדיל בעלות נמוכה.

המוצר של החברה:

רק כאשר למוצר יש יתרון בידול מונופול, למוצר יש יתרון טרנספורמציה, אחרת זה תלוי בתחרות בערוץ.רובם מנתחים את היתרונות של מוצרי החברה שלהם במקרה של תחרות מלאה בשוק, נמנעים מעוצמתם של מוצרים מתחרים, ויכולים לפגוע בנקודות הכאב של המשתמשים, כך שיוכלו לבוא לידי ביטוי בחומרי ההמשך.לאחר הבנת היתרונות של מוצרי החברה, ניתן למצוא את נקודת המכירה של חומרים הניתנים להחצנה.

(1) חברה: כולל זמן ההקמה, רקע, אופי, קנה מידה, כבוד, שירות, מקרים וממדים נוספים לניתוח, האם קיימת נקודת מכירה מוחצנת.

(2) מוצר: חילוץ נקודות שניתן להחצין מחששות המשתמשים כגון מחיר, תפקוד, רגש וסצנה.

מידע על הפלטפורמה:

(1) אלגוריתם נתונים: כולל הפעילות היומיומית של הפלטפורמה, הרגלי שימוש ומשך זמן, ממדי נתונים ושיטות התמצאות.

(2) דיוקנאות משתמש: בעיקר כדי לנתח את הטונאליות של המשתמשים בפלטפורמה, ואיזה סגנון וסגנון העתקה הם אוהבים.

מידע על המשתמש: דיוקנאות המשתמש, צרכי המשתמש, חששות המשתמש, צריכת המשתמש

(1) דיוקן משתמש: תכונות טבעיות, תכונות מכשיר, תכונות עניין, תכונות התנהגות (חיפוש,מסחר אלקטרוני, חברתי, APP, LBS)

(2) צרכי המשתמש: המוטיבציה הבסיסית ונקודות הכאב של המשתמשים להשתמש במוצר/שירות שלך

(3) מיקוד משתמש: כלומר, הסיבה לכך שהמשתמשים בוחרים בך. (מתוך מוצר והמלצות)

(4) צריכת משתמשים: יכולת צריכה, פסיכולוגיית צריכה, מושג צריכה

ניתן להשתמש במידע הנ"ל בכלי אינדקס, מפות ביקוש למילות מפתח, דוחות תעשייה, ניתוח מוצר תחרותי, משוב לראיונות סקר משתמשים, פלטפורמות הערות חברתיות בקהילה, ניתוח דיוקנאות DMP של פלטפורמת הפרסום, ראיונות מכירות בשירות לקוחות, ניתוח נתוני CRM וכו'.

מידע מוצר תחרותי: הוא מנתח בעיקר את נקודות המכירה של החצנה מהותית ומידע על מוצר החברה, ומוצא נקודות מכירה מובחנות שיכולות להימנע מיתרונותיה אך לספק את משתמשי היעד.

פילוח קהל: ליבה, יעד, קהל פוטנציאלי וכיצד למקד אותם

מיקוד ליבה: מילים (כגון מותגים, מתחרים), המרות dmp, התנהגויות (עקוב, חפש, רכישה, הורדה, LBS עצמו או מתחרים)

מיקוד: מילים (כגון מוצרים גנריים), חבילות תעשייתיות, תחומי עניין מרכזיים

אוריינטציה פוטנציאלית: מילים (כגון קהל, מילים בתעשייה), חבילות עניין משני ושלישוני

עמוד יצירתי:

(1) קבוצות שונות של אנשים יכולות להשתמש בנקודות מכירה יצירתיות שונות, כגון המותג והפעילויות העיקריות של קבוצת הליבה, נקודת מכירת המוצרים המבודדת העיקרית של קבוצת היעד, וההתמקדות העיקרית של הקבוצה הפוטנציאלית בהנחות רווחה ויצירת רצונות עניין, נקודות כאב ו הגברת חרדה וכו'.

(2) קח חינוך כדוגמה: אנשים (מורים, תלמידים, עוזרי הוראה, הורים, יחיד/רב-אדם), מכונות (אביזרים), חומרים (ספרי לימוד, קופסאות מתנה, ספרים, עטים, פתקים, מפות חשיבה), שיטות (שיטות, מיומנויות, נקודות ידע), והגורמים הקשורים בטבעת (כיתה, משפחה, קהילה) מפורקים ומשולבים.

(3) צורות ביטוי: גרפיקה (שלוש תמונות, תמונה גדולה, תמונה קטנה, רשת, זווית), וידאו (שידור בעל פה, עלילה, מצויר ביד, ppt...).

(4) רצף בדיקה: כמה כמו אחד, ואז מאחד לרבים. (בדיקת צורות חומר מרובות של נקודות מכירה, גלה את החומר בנפח הרץ והרחבה סביב החומר).

(4) מידע על העמוד: אותו עיקרון כמו החלק של דף SEM (שים לב במיוחד שתמונת הכותרת והשכבה החיצונית קשורות קשר חזק או אפילו עקביות, והתמונה היצירתית מומרת ישירות).

(5) מקור רעיונות: כלי השראה יצירתיים לפלטפורמות פרסום, קריאה ידנית, כלי סריקה משולשים, מפות ביקוש למילות מפתח וכו'.

תקציב הצעת מחיר:

1. תקציב

（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), עדיף לא להיות פחות מפי 1.5 מתקציב הצריכה בפועל. (אם הצריכה בפועל היא 10000, היא לא צריכה להיות נמוכה מ-15000).

(3) ניתן להגדיר חשבונות וקבוצות מודעות. הבדל קטן בין הגדרות התוכנית והתקציב הסופי תלוי בערך המינימלי של היתרה, החשבון, התוכנית והקבוצה, והיתרה הזמינה בפועל של הפרסומת תשמש.

(4) מדי יום יועלו פרסומות חומריות חדשות לגיבוי, ויש להפריש את התקציב למספר הדגמים היציבים שהומרו ביום פרסומת בודד לפרסומות שנמצאות ברשת במקביל. (לדוגמה, בענפים עם עלות לרכישה גבוהה יש להפריש 6 תקציבי עלות לרכישה לפרסומת 1). אם העלות לרכישה היא 100, התקציב לפרסומת בודדת צריך להיות לפחות 600. אם התקציב היומי הוא 1200, מומלץ להשיק 2-4 פרסומות בו זמנית.התבונן בנתונים של 24 השעות הראשונות, הסר מיידית פרסומות עם נתונים גרועים והפיץ פרסומות חדשות.

2. הצעת מחיר

(1) הצע הצעות לפי ענף וחיפוש או מחיר מקובל לרכישה, והגדל ב-5% על בסיס ההצעה המוצעת.

(2) אם לא ניתן להתחיל בסביבה קרה ועדיין אין נתונים, הגדל את ההצעה עד שיהיו ביצועי נתונים. (חשוף יותר מ-3000-5000 ואז התבונן והתאם)

(3) אם עדיין אין משוב נתונים, ניתן להשתמש בשילוב של מודלים של חיוב ונפח ריצה, תקציבים קטנים ויעדי המרה רדודים כדי לצבור נתוני המרה ולצפות בחומרים ובהמונים. (כגון מחיר לדקה, נפח ריצה מהיר של מחיר לקליק).

ניתוח נתונים:

אנכי: התמקדות בעלות (CPA=cpm/ctr*cvr) ונפח (נפח המרה=חשיפה*ctr*cvr) ובנוסחת המיון ECPM=cpa*Pctr*Pcvr*bid כדי לנתח אילו נתוני קישור נמוכים מהממוצע של השוק, והליבה היא הגרועה ביותר הבעיה היא במציאת הגורמים המשפיעים שניתן לייעל בקישור הזה.

אופקי: פלטפורמה, חשבון, עסק, תוכנית, קבוצה ופרסום מהמכלול לחלק כדי לגלות את מימד ההבדל הליבה שמשפיע על היעד, ולבצע אופטימיזציה סביב ממד זה.