Hva er den algoritmiske mekanismen for nyhetsfeedannonsering?Formel for annonseringsflyt for informasjon

Reklame er et spill som bruker penger for å konkurrere om å kjøpe volum, og informasjonsflytannonsering er intet unntak. Det må fortsatt overholde de to kjerneindikatorene kostnad (CPA=cpm/ctr*cvr) og volum (konverteringsvolum=eksponering* ctr*cvr). Det er også nødvendig å optimalisere traktfaktorene på alle nivåer.

Hva er den algoritmiske mekanismen for nyhetsfeedannonsering?

Informasjonsflytannonsering er bare på grunn av tillegg av intelligente algoritmer, vi må studere ikke bare konkurrenter og brukere, men også maskinalgoritmer, fordi det estimeres først, og dette anslaget innebærer om det er nøyaktig, høyt eller lavt. Og problemet med maskinbelønning (plattformannonseringsavkastning), som er relatert til om du kan krysse sirkelen (0-1 eksponering kaldstart og oppfølgingsmodellens modenhetsskala).

I tillegg, fordi det er en form for reklame for å finne folk, oppdatering av materialer (målretting er kun for å avgrense dekningen av mengden, kreativitet er nøkkelen til å tiltrekke seg det) og terskler (på den ene siden oppdaterer brukerne på plattformen uten formål, og plattformen Innholdsterskelen er høy, og etterligning av konkurrerende produkter vil føre til manglende tiltrekning av materialet) er høyere enn andre annonseringsformer.

Formel for annonseringsflyt for informasjon

Derfor, som svar på anken, fant vår analyse av informasjonsflytannonser at vi må løse følgende tre kjerneproblemer, som er forklart i rekkefølge: (kjernemålet er hjelperesultatene til de to første)

1. Maskinalgoritmer: Kaldstarter og modeller

Vi vet at plattformens annonseinntekter er å maksimere ECPM-verdien (ECPM=cpa*Pctr*Pcvr*bid). Med tanke på ulike frekvenskontrollfaktorer som brukeropplevelse, er bestillingen basert på ECPM-verdien.I denne formelen er det eneste som kan bestemmes bud-cpa-en din (budfaktoren justeres etter om faktorer som kostnad og budsjett møter annonsørenes behov.) Vanskeligheten ligger i Pctr og Pcvr, som er estimert sannsynlighet Estimatet er ikke laget ut av løse luften, det trenger historisk datareferanse, gitt en forhåndssannsynlighet, etter den virkelige eksponeringen innhentes datatilbakemeldinger og nye parametere legges til og deretter justeres.Og disse historiske dataene er referansen til tidligere konverterte brukeregenskaper, materialer, kontoer, bransjer, etc.Etter hvert estimat blir de reelle tilbakemeldingsdataene eksponert, og deretter justeres parametrene for å bestemme om de skal gå inn i neste trafikkpool.Jo lavere estimat er mindre eksponering, jo høyere estimatet er, jo høyere er kostnaden, og estimatet er i samsvar med de faktiske dataene. (De virkelige dataene er høye og volumet fortsetter å øke, og de virkelige dataene er lave for å redusere effektfaktoren for volumoptimalisering).

(1) Kaldstart

En gammel konto eller plan vil ha historiske data som referanse. For en ny konto og en ny plan, hvordan estimere uten data?Derfor er det også en prøving og feiling kostnad og prøving og feiling tid til stabiliteten til modellen er tilfredsstilt, (antall modeller er stabilt, jo flere antall, jo mer nøyaktig modellen).Vi må innhente reelle data før vi kan gjøre en vurdering. Når eksponeringen mislykkes, kan det være at systemet tror at ECPM-verdien faktisk ikke er høy. Vi kan optimalisere faktorene som kan vurderes, men det er også mulig at vi synes det er bra, og systemet mener det ikke er bra, må bruke andre metoder.Det tar 1–5000 visninger eller mer for å få minst én konvertering.

For å passere kaldstarten så raskt som mulig til modellen er stabil, her er en formel,Kaldstart = høyt bud DMP publikumspakke industripakke smal først og deretter bred historisk materiale budsjett tid

Høyt bud: høyere enn bransjegjennomsnittsbudet, for eksempel 20 % eller høyere, og deretter senk det høye budet for å se den virkelige datatilbakemeldingen, det er også en belønning til maskinen, bære konsekvensene av denne høye kostnaden, men må kombiner et lite budsjett, få datatilbakemeldinger og juster det .Hvis det er datatilbakemelding fra det høye budet, kan det senkes igjen, og er det fortsatt volum er testen vellykket.

DMP publikumspakke: Når det ikke er data å referere til i annonsen, er det som en maskin som leter etter en nål i en høystakk og kan ikke teste sannsynligheten én etter én. For å redusere kostnadene og tiden, kan den konverterte mengden ( ikke plattformannonsen) brukes til å kryptere og laste opp ID-pakken, og la systemet I denne mengden modellen utvide testen.

Bransjemengdepakke: Hvis du ikke engang har historiske konverteringsdata, kan du bruke bransjens publikumspakke.Forgjengerne har allerede hjulpet deg ut av modellen, og jo mer moden bransjen er, jo mer nøyaktig er denne publikumspakken. Selvfølgelig kan det også finnes i Crossover-operasjon utføres i DMP for å få sin egen crowd-modell.

Smal først, så bred: Hvis de to ovennevnte hjelpesystemene er vanskelige å bygge modeller, for eksempel noen upopulære bransjer, anbefales det å bruke andre konvensjonelle orienteringsmetoder for først å smale og deretter brede for å teste. (Annonsebrukere blir skjermet ut av den nøyaktige målgruppen, men den estimerte eksponeringsdekningen må også ses på).

Historisk materiale: Estimatet vil ikke bare kombinere egenskapene til brukeren (appellmodellen er), men avhenger også av kreativiteten og siden. Her kan historien kombineres med andre kontoer eller annonsetrafikkmateriell og industritrafikkmateriell i forbi.Kopier eller lær av kjernepunktene i det løpende materialet. (Tekstforfattere, bilder, scener,karakter, rekvisitter, musikk, varighet osv., bryte opp et kreativt materiale, demontere det, demontere det og sette det sammen igjen. )

Budsjett: Dette er premisset som påvirker volumet, og minimumsverdien vil bli tatt i kombinasjon med konto, saldo, plan, gruppe og annonse. (Andre detaljer forklart nedenfor)

Tid: Foreløpig har hver plattform forskjellig tid for kaldstart, i det minste anbefales det å observere det i 2-7 dager.

2. Beregningsmodell av informasjonsflyt annonseplassering

1. Mengde

Jo større antall konverteringer, jo mer tilstrekkelig er datadimensjonen, og jo mer nøyaktig kan estimatet være.Nå har plattformen 0 tall direkte inn i den intelligente algoritmen (også basert på tilstrekkelig data i lignende bransjer).Kravene til hver plattform er forskjellige, 6, 10, 20, 50 eller enda mer, det vil si at budsjettet til en annonse må være tilstrekkelig for å oppnå modellstabilitet.Men det avhenger også av kostnadene ved denne transformasjonen i din egen bransje og dine egne budsjettmuligheter.Hvis industrien er noen få yuan eller titalls yuan, vil til og med 50 konverteringer koste tusen yuan, men i noen bransjer kan gjennomsnittlig CPA nå hundrevis eller tusenvis, du kan angi et minimum konverteringsdatabudsjett for å forhindre at kostnadene blir for store høy..

2. (Mengdekonverteringsmateriale)

Når det gjelder demontering av modellen, kan det forstås at ulik demografi ser ulike konverteringsmetoder for ulike materialer, og til og med nivået på bud vil påvirke modellen (trafikkpoolen for testing er forskjellig).Jo mer dyptgående konverteringsmetoder (som direkte kjøp, eller til og med kjøp av forskjellige kundeenhetspriser, for eksempel 1 yuan og 9 yuan, 49 yuan produkter.) Jo vanskeligere det er, avhenger selvfølgelig dette også av industri. (Hvis det er bransjer som utdanningsformer og populære kjøp, anbefales det å bruke samme metode for å lære av referansedata).

2. Materialoppdatering

Vi vil trekke på våre egne eller bransjehistoriske data som den estimerte forhåndsverdien slik at modellen kan finnes problemfritt.Men etter å ha gått gjennom modellen, er den nødt til å møte nedgangen til materialet.Dessuten, som nevnt ovenfor, er kjernen i informasjonsflytreklamen materialet, og orienteringen definerer bare en dekket gruppe, slik at systemet kan finne disse egenskapene, men til syvende og sist, om brukeren handler eller ikke avhenger av materialet.Dette involverer mengden materiale, hyppigheten av nye utgivelser, salgsargumentet, uttrykksformen og inspirasjonskilden. (detaljert nedenfor)

3. Kjernemål: kostnad og volum

Optimaliseringen av de to problemene ovenfor må fortsatt gå tilbake til våre endelige kjernemål: kostnad (CPA=cpm/ctr*cvr) og volum (konverteringsvolum=eksponering*ctr*cvr), som må demonteres som SEM-annonser. er å løse påvirkningsfaktorene eksponering, cpm, ctr og cvr og optimaliseringshandlingene som kan utføres.

(1) Eksponering

1. Eksterne faktorer: daglige aktiviteter på plattformen, varighet, brukertonalitet, konkurrerende produkter (antall, tidsplan, bud), helligdager, frekvenskontroll (som store bilder, antall lignende annonser osv.)

2. Interne faktorer: orientering, ecpm-verdi (cpa*Pctr*Pcvr*bud), budsjett, tidsperiode, flere kontoer, annonseplass, materialtype (enten alle kategorier), faktureringsmodus, løpende volummodus osv.

(2) ctr

Annonseplass, materiale, stil, tidsperiode, publikum osv. (Det avhenger fortsatt av de eksterne endringene i markedet og brukermiljøet)

(3) cvr

Mengde, side (innholdskonverteringsoppføring), kreativ siderelevans osv.

(4) cpm-verdi

Egen budgivning, bransjekonkurranse, plattformbasert budgivning

0. 1~XNUMX-inngangsregelen for annonsealgoritmemodellen for informasjonsflyt

Her vil vi ytterligere avgrense eller supplere, hvilke steg må gjøres i 0-1 prosessen til en informasjonsflyt annonse?

En god reklame er å imponere de rette personene (målretting, publikumsmodell) på riktig måte (produkter, materialer, salgsargumenter) til rett tid og i riktig scenario (plattform, annonseplass), og samtidig må skaleres til en lav kostnad.

selskapets produkt:

Bare når produktet har monopoldifferensieringsfordelen, har produktet transformasjonsfordelen, ellers avhenger det av kanalkonkurransen.De fleste av dem analyserer fordelene med selskapets produkter i tilfelle full markedskonkurranse, unngår styrken til konkurrerende produkter og kan ramme brukernes smertepunkter, slik at de kan gjenspeiles i oppfølgingsmaterialet.Etter å ha forstått fordelene med selskapets produkter, kan du finne salgsargumentet for materialer som kan eksternaliseres.

(1) Bedrift: Inkludert etableringstidspunkt, bakgrunn, natur, omfang, ære, service, saker og andre dimensjoner å analysere, om det er et eksternalisert salgsargument.

(2) Produkt: Trekk ut punkter som kan eksternaliseres fra brukerens bekymringer som pris, funksjon, følelser og scene.

Plattforminformasjon:

(1) Dataalgoritme: inkludert de daglige aktivitetene til plattformen, bruksvaner og varighet, datadimensjoner og orienteringsmetoder.

(2) Brukerportretter: hovedsakelig for å analysere tonaliteten til brukerne av plattformen, og hvilken kopistil og stil de liker.

Brukerinformasjon: brukerportrett, brukerbehov, brukerfokus, brukerforbruk

(1) Brukerportrett: naturlige attributter, enhetsattributter, interesseattributter, atferdsattributter (søk,strømleverandør, sosialt, APP, LBS)

(2) Brukerbehov: den underliggende motivasjonen og smertepunktene til brukere for å bruke produktet/tjenesten din

(3) Brukerfokus: det vil si grunnen til at brukerne velger deg. (fra produkt og påtegning)

(4) Brukerforbruk: forbruksevne, forbrukspsykologi, forbrukskonsept

Informasjonen ovenfor kan brukes i indeksverktøy, etterspørselskart for søkeord, bransjerapporter, konkurransedyktig produktanalyse, tilbakemeldinger fra brukerundersøkelser, sosiale kommentarplattformer for samfunnet, reklameplattform DMP-portrettanalyse, kundeservicesalgsintervjuer, CRM-dataanalyse, etc.

Konkurransedyktig produktinformasjon: Den analyserer hovedsakelig sine materielle salgsargumenter for eksternalisering og selskapets produktinformasjon, og finner differensierte salgsargumenter som kan unngå fordelene, men tilfredsstille målbrukerne.

Crowd-segmentering: kjerne, mål, potensiell målgruppe og hvordan målrette dem

Kjernemålretting: ord (som merker, konkurrenter), dmp-konverteringer, atferd (følg, søk, kjøp, last ned, selve LBS eller konkurrenter)

Målretting: ord (som generiske produkter), industripakker, primære kjerneinteresser

Potensiell orientering: ord (som publikum, bransjeord), sekundære og tertiære relaterte interessepakker

Kreativ side:

(1) Ulike grupper mennesker kan ta i bruk ulike kreative salgsargumenter, som kjernegruppens hovedmerke og aktiviteter, målgruppens hoveddifferensierte produktsalgspunkt, og den potensielle gruppens hovedfokus på velferdsrabatter og skape interesseønsker, smertepunkter og angstforsterkning osv.

(2) Ta utdanning som eksempel: mennesker (lærere, elever, lærerassistenter, foreldre, enslig/flerperson), maskiner (rekvisitter), materialer (lærebøker, gaveesker, bøker, penner, notater, tankekart), metoder (metoder, ferdigheter, kunnskapspoeng), og de relaterte faktorene som er involvert i ringen (klasserom, familie, fellesskap) demonteres og kombineres.

(3) Uttrykksformer: grafisk (tre bilder, stort bilde, lite bilde, rutenett, vinkel), video (muntlig kringkasting, plot, håndmalt, ppt...).

(4) Testsekvens: så mange som én, deretter fra én til mange. (Test av materialer med flere salgsargumenter, finn ut materialet i løpende volum og forleng rundt materialet).

(4) Sideinformasjon: samme prinsipp som SEM-sidedelen (merk spesielt at overskriftsbildet og det ytre laget er sterkt relaterte eller til og med konsistente, og det kreative bildet konverteres direkte).

(5) Kilder til ideer: kreative inspirasjonsverktøy for annonseplattformer, manuell lesing, treparts gjennomsøkingsverktøy, søkeordetterspørselskart, etc.

Budbudsjett:

1. Budsjett

（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), er det best å ikke være mindre enn 1.5 ganger det faktiske forbruksbudsjettet. (Hvis det faktiske forbruket er 10000, bør det ikke være lavere enn 15000).

(3) Kontoer og annonsegrupper kan angis. Det er liten forskjell mellom planinnstillinger og det endelige budsjettet avhenger av minimumsverdien av saldoen, kontoen, planen og gruppen, og den faktiske tilgjengelige saldoen for annonsen vil bli tatt.

(4) Nye materialannonser legges inn hver dag for backup, og budsjettet for antall stabile modeller konvertert per dag bør settes av til annonser som er på nett samtidig. (For eksempel, i bransjer med høy CPA, sett av 6 CPA-budsjetter for 1 annonse.) Hvis CPA er 100, bør budsjettet for en enkelt annonse være minst 600. Hvis dagsbudsjettet er 1200, anbefales det å lansere 2-4 annonser samtidig.Observer dataene for de første 24 timene, fjern annonser med dårlige data umiddelbart, og rull ut nye.

2. Bud

(1) By etter bransje og søk eller akseptabel CPA, og øk med 5 % på grunnlag av det foreslåtte budet.

(2) Hvis det ikke er mulig å starte i et kaldt miljø og det fortsatt ikke er data, øk budet til det er dataytelse. (Eksponering mer enn 3000-5000 og deretter observere og justere)

(3) Hvis det fortsatt ikke er datatilbakemelding, kan en kombinasjon av fakturerings- og løpende volummodeller, små budsjetter og overfladiske konverteringsmål brukes til å samle konverteringsdata og se materialer og folkemengder. (som cpm, cpc fast running volum).

dataanalyse:

Vertikal: Fokuser på kostnad (CPA=cpm/ctr*cvr) og volum (konverteringsvolum=eksponering*ctr*cvr) og sorteringsformel ECPM=cpa*Pctr*Pcvr*bud for å analysere hvilke koblingsdata som er lavere enn gjennomsnittet av markedet, og kjernen er den verste Problemet ligger i å finne de påvirkningsfaktorene som kan optimaliseres i denne lenken.

Horisontal: Plattform, konto, virksomhet, plan, gruppe, annonse finn ut kjerneforskjellsdimensjonen som påvirker målet fra helheten til delen, og optimer rundt denne dimensjonen.