Apakah mekanisme algoritma pengiklanan suapan berita?Formula pengiklanan aliran maklumat

Pengiklanan ialah permainan yang membelanjakan wang untuk bersaing untuk membeli volum, dan pengiklanan aliran maklumat tidak terkecuali. Ia masih perlu mematuhi dua petunjuk teras kos (CPA=cpm/ctr*cvr) dan volum (volume penukaran=pendedahan* ctr*cvr). Ia juga perlu untuk mengoptimumkan faktor corong di semua peringkat.

Apakah mekanisme algoritma pengiklanan suapan berita?

Pengiklanan aliran maklumat hanya kerana penambahan algoritma pintar, kita perlu mengkaji bukan sahaja pesaing dan pengguna, tetapi juga algoritma mesin, kerana ia dianggarkan terlebih dahulu, dan anggaran ini melibatkan sama ada ia tepat, tinggi atau rendah Dan masalah ganjaran mesin (pulangan pengiklanan platform), yang berkaitan dengan sama ada anda boleh melintasi bulatan (0-1 pendedahan permulaan sejuk dan skala kematangan model susulan).

Di samping itu, kerana ia adalah satu bentuk pengiklanan untuk mencari orang, kemas kini bahan (penyasaran hanya untuk menggambarkan liputan orang ramai, kreativiti adalah kunci untuk menariknya) dan ambang (dalam satu pihak, pengguna menyegarkan platform tanpa tujuan, dan platform Ambang kandungan adalah tinggi, dan peniruan produk bersaing akan menyebabkan kekurangan daya tarikan bahan) lebih tinggi daripada bentuk pengiklanan lain.

Formula pengiklanan aliran maklumat

Oleh itu, sebagai tindak balas kepada rayuan, analisis kami terhadap pengiklanan aliran maklumat mendapati bahawa kami perlu menyelesaikan tiga masalah teras berikut, yang dijelaskan mengikut urutan: (matlamat teras ialah hasil tambahan daripada dua yang pertama)

1. Algoritma Mesin: Permulaan Sejuk dan Model

Kami tahu bahawa hasil pengiklanan platform adalah untuk memaksimumkan nilai ECPM (ECPM=cpa*Pctr*Pcvr*bid). Dengan mengambil kira pelbagai faktor kawalan frekuensi seperti pengalaman pengguna, pesanan adalah berdasarkan nilai ECPM.Dalam formula ini, satu-satunya perkara yang boleh ditentukan ialah cpa bida anda (faktor bida diselaraskan mengikut sama ada faktor seperti kos dan belanjawan memenuhi keperluan pengiklan). Kesukarannya terletak pada Pctr dan Pcvr, iaitu anggaran kebarangkalian Pendedahan kepada penukaran. Anggaran tidak direka-reka semata-mata, ia memerlukan rujukan data sejarah, diberi kebarangkalian terdahulu, selepas pendedahan sebenar, maklum balas data diperoleh dan parameter baharu ditambah dan kemudian dilaraskan.Dan data sejarah ini ialah rujukan ciri pengguna, bahan, akaun, industri, dsb.Selepas setiap anggaran, data maklum balas sebenar didedahkan, dan kemudian parameter dilaraskan untuk menentukan sama ada untuk memasuki kumpulan trafik seterusnya.Anggaran yang lebih rendah adalah kurang pendedahan, semakin tinggi anggarannya, semakin tinggi kosnya, dan anggaran itu konsisten dengan data sebenar. (Data sebenar adalah tinggi dan volum terus meningkat, dan data sebenar adalah rendah untuk mengurangkan faktor impak pengoptimuman volum).

(1) Permulaan sejuk

Akaun atau pelan lama akan mempunyai data sejarah sebagai rujukan. Untuk akaun baharu dan pelan baharu, bagaimana hendak menganggar tanpa data?Oleh itu, terdapat juga kos percubaan dan kesilapan dan masa percubaan dan ralat sehingga kestabilan model dipenuhi (bilangan model stabil, lebih banyak nombor, lebih tepat model).Kita perlu mendapatkan data sebenar sebelum kita boleh membuat pertimbangan. Apabila pendedahan gagal, mungkin sistem berpendapat bahawa nilai ECPM sememangnya tidak tinggi. Kita boleh mengoptimumkan faktor yang mungkin dipertimbangkan, tetapi mungkin juga kami fikir ia bagus, dan sistem fikir ia tidak bagus. terpaksa menggunakan kaedah lain.Ia mengambil masa 1-5000 tera atau lebih untuk mendapatkan sekurang-kurangnya 10000 penukaran.

Untuk melepasi permulaan sejuk secepat mungkin sehingga model stabil, berikut ialah formula,Permulaan sejuk = tawaran tinggi pakej industri pakej ramai DMP sempit dahulu dan kemudian masa belanjawan bahan sejarah yang luas

Bida tinggi: lebih tinggi daripada bida purata industri, seperti 20% atau lebih tinggi, dan kemudian turunkan bida tinggi untuk melihat maklum balas data sebenar, yang juga merupakan ganjaran kepada mesin, menanggung akibat daripada kos yang tinggi ini, tetapi perlu gabungkan belanjawan yang kecil dan dapatkan maklum balas data dan laraskannya.Jika terdapat maklum balas data daripada bida tinggi, ia boleh diturunkan semula, dan jika masih ada volum, ujian itu berjaya.

Pakej orang ramai DMP: Apabila tiada data untuk dirujuk dalam iklan, ia seperti mesin mencari jarum dalam timbunan jerami dan tidak dapat menguji kebarangkalian satu persatu. Untuk mengurangkan kos dan masa, orang ramai yang ditukar (bukan platform's advertisement) digunakan untuk menyulitkan dan memuat naik pakej ID, dan membiarkan sistem Dalam model ramai ini, kembangkan ujian.

Pakej khalayak industri: Jika anda tidak mempunyai data penukaran sejarah, anda boleh menggunakan pakej khalayak industri. Pendahulu telah membantu anda keluar daripada model dan semakin matang industri ini, semakin tepat pakej khalayak ini. Sudah tentu, ia juga boleh didapati dalam operasi Crossover yang dilakukan dalam DMP untuk mendapatkan model orang ramai sendiri.

Sempit dahulu, kemudian luas: Jika kedua-dua sistem bantuan di atas sukar untuk membina model, seperti beberapa industri yang tidak popular, adalah disyorkan untuk menggunakan kaedah orientasi konvensional lain untuk menyempitkan dahulu dan kemudian melebar untuk menguji. (Pengguna pengiklanan disaring daripada kumpulan sasaran yang tepat, tetapi anggaran liputan pendedahan juga perlu dilihat).

Bahan sejarah: Anggaran bukan sahaja akan menggabungkan ciri pengguna (model rayuannya), tetapi juga bergantung pada kreativiti dan halaman. Di sini, sejarah boleh digabungkan dengan akaun lain atau bahan trafik pengiklanan dan bahan trafik industri dalam lalu.Salin atau pelajari daripada mata teras dalam bahan larian. (Penulisan Salinan, gambar, adegan,Watak, prop, muzik, tempoh, dsb., pecahkan bahan kreatif, buka dan pasang semula. )

Belanjawan: Ini ialah premis yang mempengaruhi volum, dan nilai minimum akan diambil dalam kombinasi dengan akaun, baki, pelan, kumpulan dan iklan. (Butiran lain dijelaskan di bawah)

Masa: Pada masa ini, setiap platform mempunyai masa yang berbeza untuk permulaan sejuk, sekurang-kurangnya disyorkan untuk memerhatikannya selama 2-7 hari.

2. Model pengiraan penempatan iklan aliran maklumat

1. Kuantiti

Lebih banyak bilangan penukaran, lebih mencukupi dimensi data dan lebih tepat anggaran boleh dibuat.Kini platform mempunyai 0 nombor terus ke dalam algoritma pintar (juga berdasarkan data yang mencukupi dalam industri yang serupa).Keperluan setiap platform adalah berbeza, 6, 10, 20, 50 atau lebih, iaitu bajet sesuatu iklan mestilah mencukupi untuk mencapai kestabilan model.Tetapi ia juga bergantung kepada kos transformasi ini dalam industri anda sendiri dan keupayaan bajet anda sendiri.Jika industri ialah beberapa yuan atau puluhan yuan, maka 50 penukaran pun akan menelan kos seribu yuan, tetapi dalam sesetengah industri, purata CPA boleh mencecah ratusan atau ribuan, anda boleh menetapkan belanjawan data penukaran minimum untuk mengelakkan kos daripada menjadi. terlalu tinggi. .

2. (Bahan penukaran orang ramai)

Dari segi membuka model, boleh difahami bahawa demografi yang berbeza melihat bahan yang berbeza untuk kaedah penukaran yang berbeza, malah tahap bida akan mempengaruhi model (kumpulan trafik untuk ujian adalah berbeza).Kaedah penukaran yang lebih mendalam (seperti pembelian terus, malah harga unit pelanggan yang dibeli adalah berbeza, modelnya berbeza, seperti produk 1 yuan dan 9 yuan, 49 yuan.) Semakin sukar, sudah tentu, ini juga bergantung kepada industri. (Jika terdapat industri seperti borang pendidikan dan pembelian popular, adalah disyorkan untuk menggunakan kaedah yang sama untuk belajar daripada data rujukan).

2. Kemas kini bahan

Kami akan menggunakan data sejarah kami sendiri atau industri sebagai anggaran nilai terdahulu supaya model itu boleh ditemui dengan lancar.Tetapi selepas melalui model, ia pasti akan menghadapi penurunan bahan.Selain itu, seperti yang dinyatakan di atas, teras iklan aliran maklumat adalah bahan, dan orientasi hanya mentakrifkan kumpulan yang dilindungi, membolehkan sistem mencari ciri-ciri ini, tetapi pada akhirnya, sama ada pengguna bertindak atau tidak bergantung pada bahan.Ini melibatkan jumlah bahan, kekerapan keluaran baharu, titik jualan, bentuk ekspresi dan sumber inspirasi. (perincian di bawah)

3. Objektif teras: kos dan volum

Pengoptimuman dua masalah di atas masih perlu kembali kepada matlamat teras terakhir kami: kos (CPA=cpm/ctr*cvr) dan volum (volume penukaran=pendedahan*ctr*cvr), yang perlu dibongkar seperti iklan SEM. Ia adalah untuk menyelesaikan faktor pengaruh pendedahan, cpm, ctr, dan cvr dan tindakan pengoptimuman yang boleh dilakukan.

(1) Pendedahan

1. Faktor luaran: aktiviti harian platform, tempoh, nada pengguna, produk pesaing (kuantiti, jadual, bida), cuti, kawalan kekerapan (seperti gambar besar, bilangan iklan yang serupa, dsb.)

2. Faktor dalaman: orientasi, nilai ecpm (cpa*Pctr*Pcvr*bid), belanjawan, tempoh masa, berbilang akaun, ruang pengiklanan, jenis bahan (sama ada semua kategori), mod pengebilan, mod volum berjalan, dsb.

(2) ctr

Ruang pengiklanan, bahan, gaya, tempoh masa, orang ramai, dsb. (Ia masih bergantung pada perubahan luaran pasaran dan persekitaran pengguna)

(3) cvr

Orang ramai, halaman (masukan penukaran kandungan), perkaitan halaman kreatif, dsb.

(4) nilai cpm

Pembidaan sendiri, persaingan industri, pembidaan berasaskan platform

0. Peraturan kemasukan 1~XNUMX model algoritma pengiklanan aliran maklumat

Di sini kami akan memperhalusi atau menambah lagi, apakah langkah yang perlu dilakukan dalam proses 0-1 iklan aliran maklumat?

Iklan yang baik adalah untuk menarik perhatian orang yang betul (penyasaran, model ramai) dengan cara yang betul (produk, bahan, titik jualan) pada masa yang betul dan dalam senario yang betul (platform, ruang pengiklanan), dan pada masa yang sama, ia perlu dipertingkatkan dengan kos yang rendah.

产品 产品:

Hanya apabila produk mempunyai kelebihan pembezaan monopoli, produk mempunyai kelebihan transformasi, jika tidak, ia bergantung kepada persaingan saluran.Kebanyakan mereka menganalisis kelebihan produk syarikat mereka dalam kes persaingan pasaran penuh, mengelakkan kekuatan produk bersaing, dan boleh memukul titik kesakitan pengguna, supaya mereka dapat dicerminkan dalam bahan susulan.Selepas memahami kelebihan produk syarikat, anda boleh mencari titik jualan bahan yang boleh di luar.

(1) Syarikat: Termasuk masa penubuhan, latar belakang, sifat, skala, penghormatan, perkhidmatan, kes dan dimensi lain untuk menganalisis, sama ada terdapat titik jualan luaran.

(2) Produk: Ekstrak mata yang boleh diekstrak daripada kebimbangan pengguna seperti harga, fungsi, emosi dan pemandangan.

Maklumat platform:

(1) Algoritma data: termasuk aktiviti harian platform, tabiat dan tempoh penggunaan, dimensi data dan kaedah orientasi.

(2) Potret pengguna: terutamanya untuk menganalisis tonaliti pengguna platform, dan gaya dan gaya salinan yang mereka suka.

Maklumat pengguna: potret pengguna, keperluan pengguna, kebimbangan pengguna, penggunaan pengguna

(1) Potret pengguna: atribut semula jadi, atribut peranti, atribut minat, atribut tingkah laku (carian,E-dagang, sosial, APP, LBS)

(2) Keperluan pengguna: motivasi asas dan titik kesakitan pengguna untuk menggunakan produk/perkhidmatan anda

(3) Fokus pengguna: iaitu, sebab pengguna memilih anda. (daripada produk dan pengendorsan)

(4) Penggunaan pengguna: keupayaan penggunaan, psikologi penggunaan, konsep penggunaan

Maklumat di atas boleh digunakan dalam alat indeks, peta permintaan kata kunci, laporan industri, analisis produk kompetitif, maklum balas temu bual tinjauan pengguna, platform komen sosial komuniti, analisis potret DMP platform pengiklanan, temu bual jualan perkhidmatan pelanggan, analisis data CRM, dsb.

Maklumat produk yang berdaya saing: Ia terutamanya menganalisis titik jualan luaran materialnya dan maklumat produk syarikat, dan mencari titik jualan yang berbeza yang boleh mengelakkan kelebihannya tetapi memuaskan pengguna sasaran.

Pembahagian khalayak: teras, sasaran, khalayak berpotensi dan cara menyasarkan mereka

Penyasaran teras: perkataan (seperti jenama, pesaing), penukaran dmp, gelagat (ikut, cari, pembelian, muat turun, LBS sendiri atau pesaing)

Penyasaran: perkataan (seperti produk generik), pakej industri, kepentingan teras utama

Orientasi berpotensi: perkataan (seperti orang ramai, perkataan industri), pakej minat berkaitan sekunder dan tertiari

Halaman kreatif:

(1) Kumpulan orang yang berbeza boleh menggunakan titik jualan kreatif yang berbeza, seperti jenama dan aktiviti utama kumpulan teras, titik jualan produk dibezakan utama kumpulan sasaran, dan tumpuan utama kumpulan berpotensi pada diskaun kebajikan dan mewujudkan keinginan minat, titik kesakitan dan penguatan kebimbangan, dsb.

(2) Ambil pendidikan sebagai contoh: orang (guru, pelajar, pembantu pengajar, ibu bapa, bujang/berbilang orang), mesin (props), bahan (buku teks, kotak hadiah, buku, pen, nota, peta minda), kaedah (kaedah, Kemahiran, mata pengetahuan), dan faktor berkaitan yang terlibat dalam gelanggang (bilik darjah, keluarga, komuniti) dibongkar dan digabungkan.

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

(4) Urutan ujian: sebanyak satu, kemudian dari satu kepada banyak. (Ujian bentuk bahan titik jualan berbilang, ketahui bahan isipadu larian, dan lanjutkan di sekeliling bahan).

(4) Maklumat halaman: prinsip yang sama seperti bahagian halaman SEM (terutamanya ambil perhatian bahawa imej pengepala dan lapisan luar sangat berkaitan atau malah konsisten, dan imej kreatif ditukar terus).

(5) Sumber idea: alat inspirasi kreatif untuk platform pengiklanan, bacaan manual, alat merangkak tiga pihak, peta permintaan kata kunci, dsb.

Belanjawan bida:

1. Belanjawan

（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 daripada 1.5 kali ganda bajet penggunaan sebenar. (Jika penggunaan sebenar ialah 10000, ia tidak boleh lebih rendah daripada 15000).

(3) Akaun dan kumpulan iklan boleh ditetapkan. Terdapat sedikit perbezaan antara tetapan pelan dan belanjawan akhir bergantung pada nilai minimum baki, akaun, pelan dan kumpulan, dan baki sebenar iklan yang tersedia akan digunakan.

(4) Iklan bahan baharu ditambah setiap hari untuk sandaran, dan belanjawan untuk bilangan model stabil yang ditukar setiap hari harus diketepikan untuk iklan yang berada dalam talian pada masa yang sama. (Contohnya, dalam industri dengan CPA tinggi, ketepikan 6 belanjawan CPA untuk 1 iklan). Jika CPA ialah 100, belanjawan untuk satu iklan hendaklah sekurang-kurangnya 600. Jika belanjawan harian ialah 1200, adalah disyorkan untuk melancarkan 2-4 iklan pada masa yang sama.Perhatikan data 24 jam pertama, alih keluar iklan dengan data buruk dengan segera dan lancarkan semakan untuk mengemas kininya.

2. Menawar

(1) Bida mengikut industri dan carian atau CPA yang boleh diterima, dan meningkat sebanyak 5% berdasarkan tawaran yang dicadangkan.

(2) Jika ia tidak boleh dimulakan dalam persekitaran yang sejuk dan masih tiada data, tingkatkan bida sehingga terdapat prestasi data. (Pendedahan lebih daripada 3000-5000 dan kemudian amati dan laraskan)

(3) Jika masih tiada maklum balas data, gabungan model pengebilan dan volum berjalan, belanjawan kecil dan matlamat penukaran cetek boleh digunakan untuk mengumpul data penukaran dan melihat bahan serta orang ramai. (seperti cpm, volum berjalan pantas cpc).

analisis data:

Menegak: Fokus pada kos (CPA=cpm/ctr*cvr) dan volum (volume penukaran=exposure*ctr*cvr) dan formula pengisihan ECPM=cpa*Pctr*Pcvr*bid untuk menganalisis data pautan yang lebih rendah daripada purata pasaran, dan teras adalah yang paling teruk Masalahnya terletak pada mencari faktor yang mempengaruhi yang boleh dioptimumkan dalam pautan ini.

Mendatar: Platform, akaun, perniagaan, rancangan, kumpulan dan iklan daripada keseluruhan hingga bahagian untuk mengetahui dimensi perbezaan teras yang mempengaruhi sasaran dan mengoptimumkan sekitar dimensi ini.