Apa mekanisme algoritma saka iklan feed warta?Formula iklan aliran informasi

Advertising minangka game sing mbuwang dhuwit kanggo saingan tuku volume, lan iklan aliran informasi ora terkecuali. ctr*cvr). Sampeyan uga perlu kanggo ngoptimalake faktor corong ing kabeh tingkat.

Apa mekanisme algoritma saka iklan feed warta?

Iklan aliran informasi mung amarga tambahan saka algoritma cerdas, kita kudu sinau ora mung saingan lan pangguna, nanging uga algoritma mesin, amarga kira-kira pisanan, lan prakiraan iki melu apa akurat, dhuwur utawa kurang Lan masalah saka ganjaran mesin (platform iklan bali), kang gegandhengan apa sampeyan bisa nglintasi bunder (0-1 cahya wiwitan kadhemen lan tindakake-munggah model ukuran kadewasan).

Kajaba iku, amarga minangka wujud pariwara kanggo nemokake wong, nganyari materi (target mung kanggo nggambarake jangkoan wong akeh, kreativitas minangka kunci kanggo narik kawigaten) lan batesan (ing tangan siji, pangguna nyegerake). platform tanpa tujuan, lan platform Ambang isi dhuwur, lan tiruan produk saingan bakal nyebabake kekurangan daya tarik materi) luwih dhuwur tinimbang formulir iklan liyane.

Formula iklan aliran informasi

Mulane, kanggo nanggepi banding kasebut, analisis kita babagan iklan aliran informasi nemokake yen kita kudu ngrampungake telung masalah inti ing ngisor iki, sing diterangake kanthi urutan: (tujuan inti yaiku asil tambahan saka loro pisanan)

1. Algoritma mesin: wiwitan lan model kadhemen

Kita ngerti yen revenue iklan platform kanggo maksimalake nilai ECPM (ECPM=cpa*Pctr*Pcvr*bid).Ngelingi macem-macem faktor kontrol frekuensi kayata pengalaman pangguna, urutan kasebut adhedhasar nilai ECPM.Ing rumus iki, siji-sijine sing bisa ditemtokake yaiku cpa tawaran sampeyan (faktor tawaran disetel miturut apa faktor kayata biaya lan anggaran nyukupi kabutuhan pengiklan). Estimasi kasebut ora digawe saka hawa tipis, butuh referensi data historis, diwenehi kemungkinan sadurunge, sawise eksposur nyata, umpan balik data dipikolehi lan paramèter anyar ditambahake banjur diatur.Lan data historis iki minangka referensi karakteristik pangguna, bahan, akun, industri, lsp.Sawise saben estimasi, data umpan balik nyata bakal kapapar banjur paramèter disetel kanggo nemtokake manawa bakal mlebu blumbang lalu lintas sabanjure.Perkiraan sing luwih murah kurang cahya, sing luwih dhuwur perkiraan, biaya sing luwih dhuwur, lan perkiraan kasebut konsisten karo data sing nyata. (Data nyata dhuwur lan volume terus nambah, lan data nyata kurang kanggo ngurangi faktor impact optimasi volume).

(1) wiwitan kadhemen

Akun utawa rencana lawas bakal duwe data historis minangka referensi. Kanggo akun anyar lan rencana anyar, kepiye cara ngira tanpa data?Mulane, ana uga biaya nyoba lan kesalahan lan wektu nyoba lan kesalahan nganti stabilitas model puas, (jumlah model stabil, luwih akeh, luwih akurat model).Kita kudu entuk data nyata sadurunge bisa nggawe keputusan. Nalika eksposur gagal, bisa uga sistem mikir yen nilai ECPM pancen ora dhuwur. Kita bisa ngoptimalake faktor sing bisa dianggep, nanging bisa uga kita mikir iku apik, lan sistem mikir iku ora apik, kudu nggunakake cara liyane.Perlu 1-5000 tayangan utawa luwih kanggo entuk paling ora 10000 konversi.

Supaya bisa ngliwati wiwitan kadhemen kanthi cepet nganti model stabil, iki rumus,wiwitan kadhemen = dhuwur bid DMP paket akeh paket industri sempit pisanan lan banjur sudhut sajarah materi wektu budget

Tawaran dhuwur: luwih dhuwur tinimbang bid rata-rata industri, kayata 20% utawa luwih dhuwur, banjur murah bid dhuwur kanggo ndeleng umpan balik data nyata, iku uga ganjaran kanggo mesin, nanggung akibat saka biaya dhuwur iki, nanging kudu gabungke anggaran cilik, entuk umpan balik data lan atur.Yen ana umpan balik data saka tawaran dhuwur, bisa diturunake maneh, lan yen isih ana volume, tes kasebut sukses.

Paket akeh DMP: Nalika ora ana data sing bisa dirujuk ing iklan kasebut, kaya mesin sing nggoleki jarum ing tumpukan jerami lan ora bisa nguji kemungkinan siji-siji. Kanggo nyuda biaya lan wektu, wong akeh sing diowahi ( ora iklan platform) digunakake kanggo encrypt lan upload paket ID, lan supaya sistem Ing model akeh iki, nggedhekake test.

Paket akeh industri: Yen sampeyan ora duwe data konversi historis, sampeyan bisa nggunakake paket akeh industri. Para pendahulu wis mbantu sampeyan metu saka model kasebut, lan industri sing luwih diwasa, luwih akurat paket akeh iki. Mesthi, iku uga bisa ditemokaké ing Crossover operasi dileksanakake ing DMP kanggo njupuk model akeh dhewe.

Pisanan sempit, banjur amba: Yen rong sistem bantuan ing ndhuwur angel mbangun model, kayata sawetara industri sing ora populer, disaranake nggunakake cara orientasi konvensional liyane kanggo nyempitake dhisik banjur amba kanggo nyoba. (Panganggo iklan disaring metu saka wong akeh sing nargetake sing tepat, nanging perkiraan jangkoan pajanan uga kudu dideleng).

Materi historis: Estimasi ora mung bakal nggabungake karakteristik pangguna (model banding), nanging uga gumantung saka kreatifitas lan kaca. Ing kene, sejarah bisa digabung karo akun liyane utawa materi lalu lintas iklan lan bahan lalu lintas industri ing jaman kepungkur .Nyalin utawa sinau saka titik inti ing materi mlaku. (Panulis salinan, gambar, adegan,Wong, peraga, musik, durasi, lan liya-liyane, ngrusak materi kreatif, mbongkar, mbongkar, lan ngumpulake maneh. )

Anggaran: Iki minangka premis sing mengaruhi volume, lan nilai minimal bakal dijupuk ing kombinasi karo akun, imbangan, rencana, grup, lan iklan. (Rincian liyane diterangake ing ngisor iki)

Wektu: Saiki, saben platform duwe wektu sing beda kanggo wiwitan kadhemen, paling ora dianjurake kanggo mirsani 2-7 dina.

2. Model kalkulasi alur informasi penempatan iklan

1. Jumlah

Sing luwih akeh jumlah konversi, luwih akeh ukuran data sing cukup, lan perkiraan sing luwih akurat.Saiki platform kasebut duwe 0 nomer langsung menyang algoritma cerdas (uga adhedhasar data sing cukup ing industri sing padha).Syarat saben platform beda-beda, 6, 10, 20, 50 utawa luwih, yaiku, anggaran iklan kudu cukup kanggo entuk stabilitas model.Nanging uga gumantung ing biaya transformasi iki ing industri sampeyan dhewe lan kemampuan anggaran sampeyan dhewe.Yen industri sawetara yuan utawa puluhan yuan, malah 50 konversi bakal biaya sewu yuan, nanging ing sawetara industri, rata-rata CPA bisa tekan atusan utawa ewu, sampeyan bisa nyetel budget data konversi minimal kanggo nyegah biaya saka banget. dhuwur..

2. (Materi konversi akeh)

Ing babagan mbongkar model, bisa dimangerteni manawa demografi sing beda-beda ndeleng cara konversi sing beda kanggo bahan sing beda-beda, lan malah tingkat tawaran bakal mengaruhi model kasebut (blumbang lalu lintas kanggo testing beda).Cara konversi sing luwih jero (kayata tuku langsung, utawa malah tuku rega unit pelanggan sing beda, kayata 1 yuan lan 9 yuan, produk 49 yuan.) Sing luwih angel, mesthi, iki uga gumantung saka industri. (Yen ana industri kayata formulir pendidikan lan tuku populer, disaranake nggunakake cara sing padha kanggo sinau saka data referensi).

2. nganyari materi

Kita bakal nggambar data sejarah dhewe utawa industri minangka nilai sadurunge supaya model kasebut bisa ditemokake kanthi lancar.Nanging sawise liwat model, iku bound kanggo ngadhepi Kurangé populasi saka materi.Menapa malih, minangka kasebut ing ndhuwur, inti saka iklan aliran informasi punika materi, lan orientasi mung nemtokake klompok dijamin, saéngga sistem kanggo nemokake ciri iki, nanging ing pungkasan, apa pangguna tumindak utawa ora gumantung ing materi.Iki kalebu jumlah materi, frekuensi rilis anyar, titik jual, wujud ekspresi, lan sumber inspirasi. (detail ing ngisor iki)

3. Tujuan inti: biaya lan volume

Optimasi saka rong masalah ing ndhuwur isih kudu bali menyang tujuan inti pungkasan: biaya (CPA = cpm / ctr * cvr) lan volume (volume konversi = eksposur * ctr * cvr), sing kudu dibongkar kaya iklan SEM. yaiku kanggo ngatasi faktor pengaruh paparan, cpm, ctr, lan cvr lan tumindak optimasi sing bisa ditindakake.

(1) Paparan

1. Faktor eksternal: aktivitas saben dina saka platform, durasi, tonality pangguna, produk saingan (jumlah, jadwal, tawaran), preian, kontrol frekuensi (kayata gambar gedhe, jumlah iklan sing padha, lsp.)

2. Faktor internal: orientasi, nilai ecpm (cpa*Pctr*Pcvr*bid), anggaran, periode wektu, pirang-pirang akun, papan iklan, jinis materi (apa kabeh kategori), mode tagihan, mode volume mlaku, lsp.

(2) ctr

Papan pariwara, materi, gaya, periode wektu, akeh, lan liya-liyane (Isih gumantung saka owah-owahan eksternal saka pasar lan lingkungan pangguna)

(3) cvr

Akeh, kaca (entri konversi konten), relevansi kaca kreatif, lsp.

(4) nilai cpm

Penawaran dhewe, kompetisi industri, penawaran adhedhasar platform

0. Aturan entri 1 ~ XNUMX saka model algoritma iklan aliran informasi

Ing kene kita bakal luwih nyaring utawa nambah, langkah apa sing kudu ditindakake ing proses 0-1 saka iklan aliran informasi?

Iklan sing apik yaiku ngematake wong sing bener (target, model akeh) kanthi cara sing bener (produk, bahan, titik sade) ing wektu sing tepat lan ing skenario sing bener (platform, papan iklan), lan ing wektu sing padha, iku kudu diskalakake kanthi biaya sing murah.

produk perusahaan:

Mung nalika prodhuk nduweni kaluwihan diferensiasi monopoli, produk kasebut nduweni kaluwihan transformasi, yen ora gumantung ing kompetisi saluran.Umume wong-wong mau nganalisa kaluwihan produk perusahaan ing kasus kompetisi pasar lengkap, ngindhari kekuwatan produk saingan, lan bisa nandhang lara pangguna, supaya bisa dibayangke ing bahan sing diterusake.Sawise ngerti kaluwihan produk perusahaan, sampeyan bisa nemokake titik jual bahan sing bisa dieksternalisasi.

(1) Perusahaan: Kalebu wektu panyiapan, latar mburi, alam, skala, pakurmatan, layanan, kasus lan dimensi liyane kanggo nganalisa, apa ana titik jual eksternal.

(2) Produk: Ekstrak poin sing bisa dieksternalisasi saka masalah pangguna kayata rega, fungsi, emosi, lan pemandangan.

Informasi platform:

(1) Algoritma data: kalebu aktivitas saben dina saka platform, kabiasaan lan durasi panggunaan, dimensi data, lan metode orientasi.

(2) Potret pangguna: utamane kanggo nganalisa tonalitas pangguna platform, lan gaya lan gaya sing disalin sing disenengi.

Informasi pangguna: potret pangguna, kabutuhan pangguna, keprihatinan pangguna, konsumsi pangguna

(1) Potret pangguna: atribut alami, atribut piranti, atribut kapentingan, atribut prilaku (search,E-commerce, sosial, APP, LBS)

(2) Kebutuhan pangguna: motivasi sing ndasari lan titik nyeri pangguna kanggo nggunakake produk / layanan sampeyan

(3) Fokus pangguna: yaiku, alesan kenapa pangguna milih sampeyan. (saka produk lan endorsement)

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

Informasi ing ndhuwur bisa digunakake ing alat indeks, peta panjaluk tembung kunci, laporan industri, analisis produk kompetitif, umpan balik wawancara survey pangguna, platform komentar sosial komunitas, platform iklan analisis potret DMP, wawancara penjualan layanan pelanggan, analisis data CRM, lsp.

Informasi produk sing kompetitif: Utamane nganalisa titik jual eksternalisasi materi lan informasi produk perusahaan, lan nemokake titik jual sing beda-beda sing bisa ngindhari kaluwihan nanging bisa marem pangguna target.

Segmentasi akeh: inti, target, pamirsa potensial lan cara ngarahake

Penargetan inti: tembung (kayata merek, pesaing), konversi dmp, tindak tanduk (tindakake, telusuran, tuku, download, LBS dhewe utawa pesaing)

Penargetan: tembung (kayata produk umum), paket industri, kapentingan inti utama

Orientasi potensial: tembung (kayata akeh, tembung industri), paket kapentingan sekunder lan tersier

Kaca kreatif:

(1) Klompok sing beda-beda bisa nggunakake titik jual kreatif sing beda-beda, kayata merek lan kegiatan utama klompok inti, titik jual produk sing dibedakake klompok target, lan fokus utama klompok potensial babagan diskon kesejahteraan lan nggawe kepinginan kapentingan, titik nyeri lan amplifikasi kuatir, lsp.

(2) Njupuk pendhidhikan minangka conto: wong (guru, siswa, asisten guru, wong tuwa, tunggal/multi-wong), mesin (peraga), bahan (buku pelajaran, kothak hadiah, buku, pulpen, cathetan, peta pikiran), metode. (cara, Skills, TCTerms kawruh), lan faktor sing gegandhengan melu ring (kelas, kulawarga, masyarakat) dismantled lan digabungake.

(3) Wujud ekspresi: grafik (gambar telu, gambar gedhe, gambar cilik, kothak, sudut), video (siaran lisan, plot, lukisan tangan, ppt...).

(4) Urutan tes: cacahe siji, banjur saka siji nganti akeh. (Multiple selling point material forms test, temokake materi volume mlaku, lan ngluwihi materi).

(4) Informasi kaca: prinsip sing padha karo bagean kaca SEM (utamane dicathet yen gambar header lan lapisan njaba ana hubungane banget utawa malah konsisten, lan gambar kreatif langsung diowahi).

(5) Sumber gagasan: alat inspirasi kreatif kanggo platform iklan, maca manual, alat crawling tripartit, peta permintaan tembung kunci, lsp.

Anggaran bid:

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), luwih becik ora kurang saka 1.5 kaping anggaran konsumsi nyata. (Yen konsumsi nyata 10000, mesthine ora luwih murah tinimbang 15000).

(3) Akun lan grup iklan bisa disetel. Ana prabédan sethithik antarane setelan rencana lan anggaran pungkasan gumantung saka nilai minimal saldo, akun, rencana, lan grup, lan saldo iklan sing kasedhiya nyata bakal dijupuk.

(4) Iklan materi anyar ditambahake saben dina kanggo serep, lan anggaran kanggo jumlah model stabil sing diowahi saben dina kudu disisihake kanggo iklan sing online ing wektu sing padha. (Contone, ing industri kanthi CPA dhuwur, nyisihake 6 anggaran CPA kanggo 1 iklan). Yen CPA 100, anggaran kanggo iklan siji kudu paling sethithik 600. Yen anggaran saben dina 1200, disaranake diluncurake 2-4 iklan ing wektu sing padha.Mirsani data 24 jam pisanan, mbusak pariwara kanthi data sing ora apik, lan gulungake sing anyar.

2. Tawaran

(1) Tawaran dening industri lan telusuran utawa CPA sing bisa ditampa, lan tambah 5% adhedhasar tawaran sing disaranake.

(2) Yen ora bisa diwiwiti ing lingkungan sing adhem lan isih ora ana data, tambahake tawaran nganti ana kinerja data. (Paparan luwih saka 3000-5000 banjur mirsani lan nyetel)

(3) Yen isih ora ana umpan balik data, kombinasi model tagihan lan volume mlaku, anggaran cilik, lan tujuan konversi cethek bisa digunakake kanggo nglumpukake data konversi lan ndeleng materi lan wong akeh. (kayata cpm, cpc volume mlaku cepet).

analisis data:

Vertikal: Fokus ing biaya (CPA=cpm/ctr*cvr) lan volume (volume konversi=exposure*ctr*cvr) lan rumus ngurutake ECPM=cpa*Pctr*Pcvr*bid kanggo nganalisa data link sing luwih murah tinimbang rata-rata pasar, lan inti iku paling awon Masalah dumunung ing nemokake faktor pengaruh sing bisa optimized ing link iki.

Horizontal: Platform, akun, bisnis, rencana, grup, iklan nemokake dimensi prabédan inti sing mengaruhi target saka sakabehe menyang bagean, lan ngoptimalake watara dimensi iki.