Ano ang algorithmic na mekanismo ng advertising sa feed ng balita?Formula ng advertising sa daloy ng impormasyon

Ang advertising ay isang laro na gumagastos ng pera upang makipagkumpetensya sa pagbili ng dami, at ang daloy ng impormasyon sa advertising ay walang pagbubukod. Kailangan pa rin nitong sundin ang dalawang pangunahing tagapagpahiwatig ng gastos (CPA=cpm/ctr*cvr) at volume (volume ng conversion=exposure*ctr *cvr). Kinakailangan din na i-optimize ang funnel factor sa lahat ng antas.

Ano ang algorithmic na mekanismo ng advertising sa feed ng balita?

Ang advertising sa daloy ng impormasyon ay dahil lamang sa pagdaragdag ng mga matalinong algorithm, kailangan nating pag-aralan hindi lamang ang mga kakumpitensya at gumagamit, kundi pati na rin ang mga algorithm ng makina, dahil ito ay tinatantya muna, at ang pagtatantya na ito ay nagsasangkot kung ito ay tumpak, mataas o mababa At ang problema ng machine reward (platform advertising return), na nauugnay sa kung maaari kang tumawid sa bilog (0-1 exposure cold start at follow-up model maturity scale).

Bilang karagdagan, dahil ito ay isang anyo ng advertising upang makahanap ng mga tao, ang pag-update ng mga materyales (ang pag-target ay upang ilarawan lamang ang saklaw ng karamihan, ang pagkamalikhain ay ang susi sa pag-akit nito) at mga threshold (sa isang banda, ang mga gumagamit ay nire-refresh sa ang platform para sa walang layunin, at ang platform Ang threshold ng nilalaman ay mataas, at ang imitasyon ng mga nakikipagkumpitensyang produkto ay hahantong sa kakulangan ng pagkahumaling ng materyal) ay mas mataas kaysa sa iba pang mga anyo ng advertising.

Formula ng advertising sa daloy ng impormasyon

Samakatuwid, bilang tugon sa apela, nalaman ng aming pagsusuri sa mga advertisement ng daloy ng impormasyon na kailangan naming lutasin ang sumusunod na tatlong pangunahing problema, na ipinaliwanag sa pagkakasunud-sunod: (ang pangunahing layunin ay ang mga pantulong na resulta ng unang dalawa)

1. Machine Algorithms: Cold Starts and Models

Alam namin na ang kita ng advertising ng platform ay upang i-maximize ang halaga ng ECPM (ECPM=cpa*Pctr*Pcvr*bid). Isinasaalang-alang ang iba't ibang salik sa pagkontrol sa dalas gaya ng karanasan ng user, ang ranggo ay batay sa halaga ng ECPM.Sa formula na ito, ang tanging bagay na matutukoy ay ang iyong bid cpa (ang bid factor ay isinasaayos ayon sa kung ang mga salik gaya ng gastos at badyet ay nakakatugon sa mga pangangailangan ng mga advertiser). Ang kahirapan ay nasa Pctr at Pcvr, na siyang tinantyang posibilidad ng pagkakalantad sa conversion. Ang pagtatantya ay hindi gawa-gawa sa labas ng manipis na hangin, kailangan nito ng makasaysayang sanggunian ng data, na binigyan ng naunang posibilidad, pagkatapos ng tunay na pagkakalantad, ang feedback ng data ay nakuha at ang mga bagong parameter ay idinagdag at pagkatapos ay inaayos.At ang makasaysayang data na ito ay ang sanggunian ng mga nakaraang na-convert na katangian ng user, materyales, account, industriya, atbp.Pagkatapos ng bawat pagtatantya, ang tunay na data ng feedback ay nalalantad, at pagkatapos ay isinasaayos ang mga parameter upang matukoy kung papasok sa susunod na pool ng trapiko.Ang tinantyang mababa ay mas mababa kaysa sa pagkakalantad at ang tinantyang gastos ay mas mataas, at ang pagtatantya ay pare-pareho sa aktwal na data. (Mataas ang totoong data at patuloy na tumataas ang volume, at mababa ang tunay na data upang mabawasan ang epekto na kadahilanan ng pag-optimize ng volume).

(1) Malamig na simula

Ang isang lumang account o plano ay magkakaroon ng makasaysayang data bilang isang sanggunian. Para sa isang bagong account at isang bagong plano, paano magtantya nang walang data?Samakatuwid, mayroon ding trial at error na gastos at trial at error time hanggang sa ang katatagan ng modelo ay nasiyahan (ang bilang ng mga modelo ay matatag, mas maraming numero, mas tumpak ang modelo).Kailangan nating kumuha ng totoong data bago tayo makagawa ng paghuhusga. Kapag nabigo ang pagkakalantad, maaaring isipin ng system na talagang hindi mataas ang halaga ng ECPM. Maaari nating i-optimize ang mga salik na maaaring isaalang-alang, ngunit posible rin na sa tingin namin ito ay mabuti, at ang sistema sa tingin ito ay hindi maganda. kailangang gumamit ng iba pang mga pamamaraan.Kailangan ng 1-5000 impression o higit pa para makakuha ng kahit man lang 10000 conversion.

Upang maipasa ang malamig na simula sa lalong madaling panahon hanggang sa maging matatag ang modelo, narito ang isang formula,Malamig na pagsisimula = mataas na bid DMP crowd package industry package makitid muna at pagkatapos ay malawak na makasaysayang materyal na oras ng badyet

Mataas na bid: mas mataas kaysa sa average na bid sa industriya, gaya ng 20% ​​o mas mataas, at pagkatapos ay babaan ang mataas na bid upang makita ang totoong feedback ng data, ito rin ay isang reward para sa makina, at pasanin ang mga kahihinatnan ng mataas na gastos na ito, ngunit ito kailangang isama sa maliit na badyet at ayusin pagkatapos makuha ang feedback ng data.Kung mayroong feedback ng data mula sa mataas na bid, maaari itong babaan muli, at kung may volume pa, matagumpay ang pagsubok.

DMP crowd package: Kapag walang data na ma-refer sa advertisement, para itong makina na naghahanap ng karayom ​​sa isang haystack at hindi masusubok ng isa-isa ang probabilidad. Para mabawasan ang gastos at oras, ang nag-convert na crowd ( hindi ang advertisement ng platform) ay ginagamit upang i-encrypt at i-upload ang ID package, at hayaan ang system Sa ganitong crowd model, palawakin ang pagsubok.

Industry crowd package: Kung wala kang makasaysayang data ng conversion, maaari mong gamitin ang industry crowd package. Natulungan ka na ng mga nauna sa modelo, at kung mas mature ang industriya, mas tumpak ang crowd package na ito. Siyempre, maaari din itong matagpuan sa Crossover na operasyon ay ginanap sa DMP upang makakuha ng sarili nitong modelo ng karamihan.

Makitid muna, pagkatapos ay malawak: Kung ang dalawang sistema ng tulong sa itaas ay mahirap bumuo ng mga modelo, gaya ng ilang hindi sikat na industriya, inirerekomendang gumamit ng iba pang mga kumbensyonal na pamamaraan ng oryentasyon upang paliitin muna at pagkatapos ay malawak upang subukan. (Ang mga gumagamit ng pag-advertise ay sinusuri mula sa tumpak na pag-target ng karamihan, ngunit ang tinantyang saklaw ng pagkakalantad ay kailangan ding tingnan).

Makasaysayang materyal: Ang pagtatantya ay hindi lamang pagsasama-samahin ang mga katangian ng gumagamit (ang modelo ng apela), ngunit depende rin sa pagkamalikhain at pahina. Dito, ang kasaysayan ay maaaring isama sa iba pang mga account o mga materyales sa trapiko sa advertising at mga materyales sa trapiko sa industriya sa nakaraan.Kopyahin o matuto mula sa mga pangunahing punto sa tumatakbong materyal. (Pagsulat ng kopya, mga larawan, mga eksena,Tao, props, musika, tagal, atbp., hatiin ang isang malikhaing materyal, i-disassemble ito, i-disassemble ito, at muling buuin ito. )

Badyet: Ito ang premise na nakakaapekto sa volume, at ang pinakamababang halaga ay kukunin kasama ng account, balanse, plano, grupo, at advertisement. (Ang iba pang mga detalye ay ipinaliwanag sa ibaba)

Oras: Sa kasalukuyan, ang bawat platform ay may iba't ibang oras para sa malamig na pagsisimula, hindi bababa sa inirerekomenda na obserbahan ito sa loob ng 2-7 araw.

2. Modelo ng pagkalkula ng paglalagay ng advertisement ng daloy ng impormasyon

1. Dami

Kung mas malaki ang bilang ng mga conversion, mas sapat ang dimensyon ng data, at mas tumpak ang pagtatantya.Ngayon ang platform ay may 0 na numero nang direkta sa intelligent na algorithm (batay din sa sapat na data sa mga katulad na industriya).Ang mga kinakailangan ng bawat platform ay magkakaiba, 6, 10, 20, 50 o higit pa, iyon ay, ang badyet ng isang patalastas ay dapat sapat upang makamit ang katatagan ng modelo.Ngunit depende rin ito sa halaga ng pagbabagong ito sa iyong sariling industriya at sa iyong sariling kakayahan sa badyet.Kung ang industriya ay ilang yuan o sampu-sampung yuan, kung gayon kahit na 50 conversion ay magiging isang libong yuan na badyet, ngunit sa ilang mga industriya, ang average na CPA ay maaaring umabot ng daan-daan o libo-libo, maaari kang magtakda ng isang minimum na badyet ng data ng conversion upang maiwasan ang gastos mula sa masyadong mataas..

2. (Crowd conversion material)

Sa mga tuntunin ng pag-disassemble ng modelo, mauunawaan na ang iba't ibang demograpiko ay nakakakita ng iba't ibang materyal para sa iba't ibang paraan ng conversion, at maging ang antas ng mga bid ay makakaapekto sa modelo (iba ang traffic pool para sa pagsubok).Kung mas malalim ang paraan ng conversion (tulad ng direktang pagbili, o maging ang presyo ng yunit ng biniling customer ay iba, iba ang modelo, tulad ng 1 yuan at 9 yuan, 49 yuan na mga produkto.) Mas mahirap ito, siyempre, depende rin ito sa industriya. (Kung may mga industriya tulad ng mga pormang pang-edukasyon at mga sikat na pagbili, inirerekomendang gamitin ang parehong paraan upang matuto mula sa reference na data).

2. Pag-update ng materyal

Kami ay kukuha sa aming sarili o industriya ng makasaysayang data bilang ang tinantyang naunang halaga upang ang modelo ay mahanap nang maayos.Ngunit pagkatapos na dumaan sa modelo, tiyak na haharapin nito ang pagbaba ng materyal.Bukod dito, tulad ng nabanggit sa itaas, ang core ng advertisement ng daloy ng impormasyon ay ang materyal, at ang oryentasyon ay tumutukoy lamang sa isang sakop na grupo, na nagpapahintulot sa system na mahanap ang mga katangiang ito, ngunit sa huli, kung kumilos ang user o hindi ay depende sa materyal.Kabilang dito ang dami ng materyal, ang dalas ng mga bagong release, ang selling point, ang anyo ng pagpapahayag, at ang pinagmulan ng inspirasyon. (detalye sa ibaba)

3. Mga pangunahing layunin: gastos at dami

Ang pag-optimize ng dalawang problema sa itaas ay kailangan pa ring bumalik sa aming mga panghuling pangunahing layunin: gastos (CPA=cpm/ctr*cvr) at volume (volume ng conversion=exposure*ctr*cvr), na kailangang i-disassemble tulad ng mga SEM advertisement. ay upang malutas ang mga kadahilanan ng impluwensya ng pagkakalantad, cpm, ctr, at cvr at ang mga pagkilos sa pag-optimize na maaaring maisagawa.

(1) Exposure

1. Panlabas na mga kadahilanan: pang-araw-araw na aktibidad ng platform, tagal, tonality ng user, mga nakikipagkumpitensyang produkto (dami, iskedyul, bid), holiday, kontrol sa dalas (tulad ng malalaking larawan, ang bilang ng mga katulad na ad, atbp.)

2. Panloob na mga salik: oryentasyon, halaga ng ecpm (cpa*Pctr*Pcvr*bid), badyet, yugto ng panahon, maraming account, espasyo sa pag-advertise, uri ng materyal (lahat man ng kategorya), mode ng pagsingil, mode ng dami ng pagpapatakbo, atbp.

(2) ctr

Advertising space, material, style, time period, crowd, atbp. (Depende pa rin ito sa mga panlabas na pagbabago ng market at user environment)

(3) cvr

Maraming tao, pahina (entry ng conversion ng nilalaman), kaugnayan ng pahina ng creative, atbp.

(4) halaga ng cpm

Sariling pag-bid, kumpetisyon sa industriya, pag-bid na nakabatay sa platform

0. Ang 1~XNUMX entry rule ng information flow advertising algorithm model

Dito ay higit na aayusin o dadadagdagan pa natin, anong mga hakbang ang kailangang gawin sa 0-1 na proseso ng isang advertisement ng daloy ng impormasyon?

Ang magandang advertisement ay upang mapabilib ang mga tamang tao (targeting, crowd model) sa tamang paraan (mga produkto, materyales, selling point) sa tamang oras at sa tamang senaryo (platform, advertising space), at sa parehong oras, ito kailangang sukatin sa mababang halaga.

produkto ng kumpanya:

Tanging kapag ang produkto ay may monopoly differentiation advantage, ang produkto ay may transformation advantage, kung hindi, depende ito sa kumpetisyon ng channel.Karamihan sa kanila ay pinag-aaralan ang mga pakinabang ng mga produkto ng kanilang kumpanya sa kaso ng ganap na kompetisyon sa merkado, iniiwasan ang lakas ng mga nakikipagkumpitensyang produkto, at maaaring matamaan ang mga punto ng sakit ng mga gumagamit, upang sila ay maipakita sa mga follow-up na materyales.Matapos maunawaan ang mga pakinabang ng mga produkto ng kumpanya, mahahanap mo ang punto ng pagbebenta ng mga materyales na maaaring i-externalized.

(1) Kumpanya: Kabilang ang oras ng pagkakatatag, background, kalikasan, sukat, karangalan, serbisyo, mga kaso at iba pang mga sukat upang pag-aralan, kung mayroong isang externalized selling point.

(2) Produkto: I-extract ang mga puntos na maaaring i-externalize mula sa mga alalahanin ng user gaya ng presyo, function, emosyon, at eksena.

Impormasyon sa platform:

(1) Algoritmo ng data: kabilang ang mga pang-araw-araw na aktibidad ng platform, mga gawi at tagal ng paggamit, mga sukat ng data, at mga pamamaraan ng oryentasyon.

(2) Mga larawan ng gumagamit: pangunahin upang pag-aralan ang tonality ng mga gumagamit ng platform, at kung aling istilo at istilo ng kopya ang gusto nila.

Impormasyon ng gumagamit: mga larawan ng gumagamit, mga pangangailangan ng gumagamit, mga alalahanin ng gumagamit, pagkonsumo ng gumagamit

(1) Larawan ng user: mga natural na katangian, mga katangian ng device, mga katangian ng interes, mga katangian ng pag-uugali (paghahanap,E-commerce, panlipunan, APP, LBS)

(2) Pangangailangan ng user: ang pinagbabatayan na motibasyon at sakit ng mga user na gamitin ang iyong produkto/serbisyo

(3) Pokus ng gumagamit: iyon ay, ang dahilan kung bakit ka pipiliin ng mga user. (mula sa produkto at pag-endorso)

(4) Pagkonsumo ng gumagamit: kakayahan sa pagkonsumo, sikolohiya ng pagkonsumo, konsepto ng pagkonsumo

Maaaring gamitin ang impormasyon sa itaas sa mga tool sa index, mga mapa ng pangangailangan ng keyword, mga ulat sa industriya, mapagkumpitensyang pagsusuri ng produkto, feedback sa panayam sa survey ng user, mga platform ng social na komento sa komunidad, pagtatasa ng portrait ng DMP platform ng advertising, mga panayam sa pagbebenta ng serbisyo sa customer, pagsusuri ng data ng CRM, atbp.

Impormasyon sa mapagkumpitensyang produkto: Pangunahing sinusuri nito ang mga punto ng pagbebenta ng materyal na externalization at impormasyon ng produkto ng kumpanya, at nakakahanap ng magkakaibang mga punto ng pagbebenta na maaaring makaiwas sa mga pakinabang nito ngunit nagbibigay-kasiyahan sa mga target na user.

Pagse-segment ng crowd: core, target, potensyal na audience at kung paano i-target ang mga ito

Pangunahing pagta-target: mga salita (gaya ng mga tatak, kakumpitensya), mga conversion ng dmp, pag-uugali (sundin, paghahanap, pagbili, pag-download, LBS mismo o mga kakumpitensya)

Pag-target: mga salita (tulad ng mga generic na produkto), mga pakete ng industriya, pangunahing mga pangunahing interes

Potensyal na oryentasyon: mga salita (tulad ng karamihan ng tao, mga salita sa industriya), pangalawa at tertiary na nauugnay na mga pakete ng interes

Malikhaing pahina:

(1) Ang iba't ibang grupo ng mga tao ay maaaring magpatibay ng iba't ibang malikhaing punto sa pagbebenta, tulad ng pangunahing tatak at aktibidad ng pangunahing grupo, ang pangunahing pinag-iba na punto ng pagbebenta ng produkto ng target na grupo, at ang pangunahing pokus ng potensyal na grupo sa mga diskwento sa kapakanan at paglikha ng mga hangarin sa interes, mga punto ng sakit at pagpapalakas ng pagkabalisa, atbp.

(2) Kunin ang edukasyon bilang halimbawa: mga tao (guro, mag-aaral, katulong sa pagtuturo, magulang, single/multi-person), makina (props), materyales (mga aklat-aralin, mga kahon ng regalo, aklat, panulat, tala, mapa ng isip), mga pamamaraan (mga pamamaraan, Kasanayan, mga punto ng kaalaman), at ang mga kaugnay na salik na kasangkot sa ring (silid-aralan, pamilya, komunidad) ay binubuwag at pinagsama-sama.

(3) Mga anyo ng pagpapahayag: graphic (tatlong larawan, malaking larawan, maliit na larawan, grid, anggulo), video (oral broadcast, plot, hand-painted, ppt...).

(4) Test sequence: kasing dami ng isa, pagkatapos ay mula sa isa hanggang sa marami. (Pagsubok sa mga form ng maraming materyal na punto ng pagbebenta, alamin ang dami ng tumatakbong materyal, at i-extend sa paligid ng materyal).

(4) Impormasyon ng pahina: ang parehong prinsipyo tulad ng bahagi ng pahina ng SEM (lalo na tandaan na ang imahe ng header at ang panlabas na layer ay lubos na nauugnay o kahit na pare-pareho, at ang creative na imahe ay direktang na-convert).

(5) Mga mapagkukunan ng mga ideya: malikhaing mga tool sa inspirasyon para sa mga platform ng advertising, manu-manong pagbabasa, tripartite na mga tool sa pag-crawl, mga mapa ng demand ng keyword, atbp.

Badyet sa bid:

1. Badyet

（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), pinakamahusay na hindi bababa sa 1.5 beses ang aktwal na badyet sa pagkonsumo. (Kung ang aktwal na pagkonsumo ay 10000, hindi ito dapat mas mababa sa 15000).

(3) Maaaring itakda ang mga account at ad group. May maliit na pagkakaiba sa pagitan ng mga setting ng plano at ang panghuling badyet ay depende sa pinakamababang halaga ng balanse, account, plano, at grupo, at ang aktwal na magagamit na balanse ng advertisement ay kukunin.

(4) Ang mga bagong materyal na advertisement ay idinaragdag araw-araw para sa backup, at ang badyet para sa bilang ng mga stable na modelong na-convert bawat araw ay dapat na itabi para sa mga advertisement na online nang sabay. (Halimbawa, sa mga industriyang may mataas na CPA, magtabi ng 6 na badyet ng CPA para sa 1 advertisement). Kung ang CPA ay 100, ang badyet para sa isang advertisement ay dapat na hindi bababa sa 600. Kung ang pang-araw-araw na badyet ay 1200, inirerekumenda na ilunsad 2-4 na patalastas sa parehong oras.Obserbahan ang data sa unang 24 na oras, agad na alisin ang mga ad na may masamang data, at maglunsad ng mga bago.

2. Pag-bid

(1) Mag-bid ayon sa industriya at paghahanap o katanggap-tanggap na CPA, at tumaas ng 5% batay sa iminungkahing bid.

(2) Kung hindi posible na magsimula sa isang malamig na kapaligiran at wala pa ring data, taasan ang bid hanggang sa magkaroon ng data performance. (Paglalantad ng higit sa 3000-5000 at pagkatapos ay obserbahan at ayusin)

(3) Kung wala pa ring feedback ng data, maaaring gamitin ang kumbinasyon ng mga modelo ng pagsingil at dami, maliliit na badyet, at mababaw na layunin ng conversion para makaipon ng data ng conversion at tingnan ang mga materyales at pulutong. (gaya ng cpm, cpc fast running volume).

pagsusuri sa datos:

Vertical: Tumutok sa gastos (CPA=cpm/ctr*cvr) at volume (volume ng conversion=exposure*ctr*cvr) at formula sa pag-uuri na ECPM=cpa*Pctr*Pcvr*bid upang suriin kung aling data ng link ang mas mababa kaysa sa average ng market, at ang core ay ang pinakamasama Ang problema ay nasa paghahanap ng mga nakakaimpluwensyang salik na maaaring i-optimize sa link na ito.

Pahalang: Platform, account, negosyo, plano, pangkat, at advertisement mula sa kabuuan hanggang sa bahagi upang malaman ang pangunahing dimensyon ng pagkakaiba na nakakaapekto sa target, at mag-optimize sa paligid ng dimensyong ito.