Haber akışı reklamcılığının algoritmik mekanizması nedir?Bilgi akışı reklam formülü

Reklam, hacim satın almak için rekabet etmek için para harcayan bir oyundur ve bilgi akışı reklamcılığı da bir istisna değildir. Yine de maliyet (CPA=cpm/ctr*cvr) ve hacim (dönüşüm hacmi=maruziyet*) gibi iki temel göstergeye uyması gerekir. ctr*cvr) Huni faktörlerini her seviyede optimize etmek de gereklidir.

Haber akışı reklamcılığının algoritmik mekanizması nedir?

Bilgi akışı reklamcılığı, akıllı algoritmaların eklenmesinden kaynaklanmaktadır, yalnızca rakipleri ve kullanıcıları değil, aynı zamanda makine algoritmalarını da incelememiz gerekir, çünkü ilk önce tahmin edilir ve bu tahmin, doğru, yüksek veya düşük olup olmadığını içerir. daireyi geçip geçemeyeceğinizle ilgili olan makine ödülü (platform reklam getirisi) (0-1 maruz kalma soğuk başlatma ve takip modeli olgunluk ölçeği).

Ayrıca, insanları bulmak için bir reklam biçimi olduğu için, malzemelerin güncellenmesi (hedefleme yalnızca kalabalığın kapsamını tasvir etmektir, yaratıcılık onu çekmenin anahtarıdır) ve eşikler (bir yandan kullanıcılar yenileniyor) amaçsız platform ve platform İçerik eşiği yüksektir ve rakip ürünlerin taklidi malzemenin çekiciliğinin olmamasına yol açacaktır) diğer reklam biçimlerinden daha yüksektir.

Bilgi akışı reklam formülü

Bu nedenle, itiraza yanıt olarak, bilgi akışı reklamları analizimiz, sırayla açıklanan aşağıdaki üç temel sorunu çözmemiz gerektiğini buldu: (temel hedef, ilk ikisinin yardımcı sonuçlarıdır)

1. Makine Algoritmaları: Soğuk Başlatma ve Modeller

Platformun reklam gelirinin ECPM değerini (ECPM=cpa*Pctr*Pcvr*bid) maksimize etmek olduğunu biliyoruz.Kullanıcı deneyimi gibi çeşitli frekans kontrol faktörleri göz önünde bulundurularak sıralama ECPM değerine göre yapılır.Bu formülde belirlenebilen tek şey teklif eBM'nizdir (teklif faktörü, maliyet ve bütçe gibi faktörlerin reklam verenlerin ihtiyaçlarını karşılayıp karşılamadığına göre ayarlanır.) Zorluk, tahmini olasılık olan Pctr ve Pcvr'dedir. Tahmin, havadan üretilmemiştir, önceden bir olasılık verildiğinde geçmiş veri referansına ihtiyaç duyar, gerçek maruziyetten sonra veri geri bildirimi elde edilir ve yeni parametreler eklenir ve ardından ayarlanır.Ve bu tarihsel veriler, geçmişte dönüştürülmüş kullanıcı özelliklerinin, malzemelerin, hesapların, endüstrilerin vb. referansıdır.Her tahminden sonra, gerçek geri besleme verileri ortaya çıkar ve ardından bir sonraki trafik havuzuna girilip girilmeyeceğine karar vermek için parametreler ayarlanır.Düşük tahmin daha az maruz kalma demektir, tahmin ne kadar yüksek olursa maliyet o kadar yüksek olur ve tahmin gerçek verilerle tutarlıdır. (Gerçek veriler yüksek ve hacim artmaya devam ediyor ve hacim optimizasyonunun etki faktörünü azaltmak için gerçek veriler düşük).

(1) Soğuk çalıştırma

Eski bir hesap veya planın referans olarak geçmiş verileri olacaktır.Yeni bir hesap ve yeni bir plan için veri olmadan nasıl tahmin yapılır?Bu nedenle, modelin kararlılığı sağlanana kadar bir deneme yanılma maliyeti ve deneme yanılma süresi de vardır, (model sayısı sabittir, sayı ne kadar fazla olursa model o kadar doğru olur).Bir yargıya varmadan önce gerçek verileri elde etmemiz gerekiyor.Görüş başarısız olduğunda, sistem ECPM değerinin gerçekten yüksek olmadığını düşünüyor olabilir.Değerlendirilebilecek faktörleri optimize edebiliriz, ancak aynı zamanda olasıdır. biz bunun iyi olduğunu düşünüyoruz ve sistem bunun iyi olmadığını düşünüyor. başka yöntemler kullanmak zorundayız.En az 1 dönüşüm elde etmek için 5000-10000 veya daha fazla gösterim gerekir.

Model stabil olana kadar soğuk çalıştırmayı olabildiğince çabuk geçmek için, işte bir formül,Soğuk başlangıç ​​= yüksek teklif DMP kalabalık paket endüstri paketi önce dar, sonra geniş tarihsel malzeme bütçe süresi

Yüksek teklif: %20 veya daha yüksek gibi sektör ortalamasından daha yüksek ve ardından gerçek veri geri bildirimini görmek için yüksek teklifi düşürün, bu aynı zamanda makine için bir ödüldür, bu yüksek maliyetin sonuçlarına katlanır, ancak küçük bir bütçeyi birleştirin, veri geri bildirimini alın ve ayarlayın.Yüksek tekliften veri geri bildirimi varsa tekrar düşürülebilir ve hala hacim varsa test başarılıdır.

DMP kalabalık paketi: Reklamda atıfta bulunulacak veri olmadığında, samanlıkta iğne arayan bir makine gibidir ve olasılığı tek tek test edemez.Maliyeti ve zamanı azaltmak için dönüştürülen kalabalık ( platform reklamı değil) kimlik paketini şifrelemek ve yüklemek için kullanılır ve sistemin bu kalabalık modelde testi genişletmesine izin verin.

Endüstri kalabalık paketi: Geçmiş dönüşüm verileriniz bile yoksa endüstri kalabalık paketini kullanabilirsiniz.Öncekiler zaten modelden çıkmanıza yardımcı oldu ve endüstri ne kadar olgunsa, bu kalabalık paketi o kadar doğru olur. Tabii ki, kendi kalabalık modelini elde etmek için DMP'de gerçekleştirilen Crossover işleminde de bulunabilir.

Önce dar, sonra geniş: Bazı popüler olmayan endüstriler gibi, yukarıdaki iki yardım sisteminin model oluşturması zorsa, önce daraltmak ve ardından test etmek için geniş olmak üzere diğer geleneksel yönlendirme yöntemlerinin kullanılması önerilir. (Reklam kullanıcıları, kesin hedefleme kalabalığından elenir, ancak tahmini maruz kalma kapsamına da bakılması gerekir).

Tarihsel malzeme: Tahmin, yalnızca kullanıcının özelliklerini (itiraz modelidir) birleştirmekle kalmaz, aynı zamanda yaratıcılığa ve sayfaya da bağlıdır.Burada, geçmiş diğer hesaplarla veya geçmişteki reklam trafik malzemeleri ve endüstri trafik malzemeleriyle birleştirilebilir. .Koşu materyalindeki temel noktalardan kopyalayın veya öğrenin. (Metin Yazarlığı, resimler, sahneler,人物, sahne donanımı, müzik, süre vb. yaratıcı bir malzemeyi parçalara ayırın, parçalarına ayırın, parçalarına ayırın ve yeniden birleştirin. )

Bütçe: Bu, hacmi etkileyen öncüldür ve hesap, bakiye, plan, grup ve reklam ile birlikte minimum değer alınacaktır. (Diğer ayrıntılar aşağıda açıklanmıştır)

Süre: Şu anda, her platformun soğuk çalıştırma için farklı zamanı vardır, en azından 2-7 gün gözlemlenmesi önerilir.

2. Bilgi akışı reklam yerleşiminin hesaplama modeli

1. Miktar

Dönüşüm sayısı ne kadar fazlaysa, veri boyutu o kadar yeterli ve tahmin o kadar doğru olabilir.Artık platform, akıllı algoritmaya doğrudan 0 numaraya sahiptir (aynı zamanda benzer endüstrilerdeki yeterli verilere dayalıdır).Her platformun gereksinimleri farklıdır, 6, 10, 20, 50 veya daha fazladır, yani bir reklamın bütçesi model istikrarını sağlamak için yeterli olmalıdır.Ama aynı zamanda kendi sektörünüzdeki bu dönüşümün maliyetine ve kendi bütçe kapasitenize de bağlıdır.Sektör birkaç yuan veya onlarca yuan ise, 50 dönüşüm bile bin yuan'a mal olur, ancak bazı sektörlerde ortalama EBM yüzlerce veya binlerce kişiye ulaşabilir, maliyetin fazla olmasını önlemek için bir minimum dönüşüm veri bütçesi belirleyebilirsiniz. yüksek..

2. (Kalabalık dönüştürme malzemesi)

Modelin demonte edilmesi açısından, farklı demografik özelliklerin farklı malzemeler için farklı dönüştürme yöntemleri gördüğü ve hatta teklif düzeyinin modeli etkileyeceği (test için trafik havuzu farklıdır) anlaşılabilir.Daha derinlemesine dönüştürme yöntemleri (doğrudan satın alma veya hatta 1 yuan ve 9 yuan, 49 yuan ürün gibi farklı müşteri birim fiyatlarının satın alınması gibi) daha zor. sanayi. (Eğitim formları ve popüler satın alma gibi sektörler varsa referans verilerinden öğrenmek için aynı yöntemin kullanılması önerilir).

2. Malzeme güncellemesi

Modelin sorunsuz bir şekilde bulunabilmesi için tahmini ön değer olarak kendi veya sektör geçmiş verilerini kullanacağız.Ancak modelden geçtikten sonra, malzemenin düşüşüyle ​​​​karşı karşıya kalmaya mahkumdur.Ayrıca, yukarıda bahsedildiği gibi, bilgi akışı reklamının özü malzemedir ve yönlendirme, sistemin bu özellikleri bulmasına izin vererek yalnızca kapalı bir grubu tanımlar, ancak sonuçta, kullanıcının hareket edip etmemesi malzemeye bağlıdır.Bu, malzeme miktarını, yeni yayınların sıklığını, satış noktasını, ifade biçimini ve ilham kaynağını içerir. (detaylar aşağıda)

3. Temel hedefler: maliyet ve hacim

Yukarıdaki iki sorunun optimizasyonunun hala nihai temel hedeflerimize geri dönmesi gerekiyor: SEM reklamları gibi demonte edilmesi gereken maliyet (CPA=cpm/ctr*cvr) ve hacim (dönüşüm hacmi=pozlama*ctr*cvr). maruz kalma, cpm, ctr ve cvr etki faktörlerini ve gerçekleştirilebilecek optimizasyon eylemlerini çözmektir.

(1) Pozlama

1. Dış faktörler: platformun günlük aktiviteleri, süre, kullanıcı tonu, rakip ürünler (miktar, program, teklif), tatiller, sıklık kontrolü (büyük resimler, benzer reklamların sayısı vb.)

2. Dahili faktörler: yönlendirme, ecpm değeri (cpa*Pctr*Pcvr*teklif), bütçe, zaman aralığı, çoklu hesaplar, reklam alanı, malzeme türü (tüm kategoriler olsun), faturalandırma modu, çalışma hacmi modu vb.

(2) kt

Reklam alanı, malzeme, stil, zaman dilimi, kalabalık vb. (Hala pazarın ve kullanıcı ortamının dışsal değişikliklerine bağlıdır)

(3) özgeçmiş

Kalabalık, sayfa (içerik dönüştürme girişi), reklam öğesi sayfası alaka düzeyi vb.

(4) bpm değeri

Kendi teklif verme, sektör rekabeti, platform tabanlı teklif verme

0. Bilgi akışı reklam algoritması modelinin 1~XNUMX giriş kuralı

Burada, bir bilgi akışı reklamının 0-1 sürecinde hangi adımların yapılması gerektiğini daha da geliştireceğiz veya tamamlayacağız?

İyi bir reklam, doğru kişileri (hedefleme, kitle modeli) doğru şekilde (ürünler, malzemeler, satış noktaları) doğru zamanda ve doğru senaryoda (platform, reklam alanı) etkilemek ve aynı zamanda düşük bir maliyetle ölçeklendirilmesi gerekir.

şirketin ürünü:

Yalnızca ürün tekel farklılaştırma avantajına sahip olduğunda, ürün dönüşüm avantajına sahiptir, aksi takdirde kanal rekabetine bağlıdır.Çoğu, tam pazar rekabeti durumunda şirketlerinin ürünlerinin avantajlarını analiz eder, rakip ürünlerin gücünden kaçınır ve takip materyallerine yansıtılabilmesi için kullanıcıların acı noktalarına çarpabilir.Firma ürünlerinin avantajlarını anladıktan sonra dışsallaştırılabilecek malzemelerin satış noktalarını bulabilirsiniz.

(1) Şirket: Dışsallaştırılmış bir satış noktası olup olmadığını analiz etmek için kuruluş zamanı, arka plan, nitelik, ölçek, onur, hizmet, vakalar ve diğer boyutları içerir.

(2) Ürün: Fiyat, işlev, duygu ve sahne gibi kullanıcı endişelerinden dışsallaştırılabilen noktaları çıkarın.

Platform Bilgileri:

(1) Veri algoritması: platformun günlük aktivitelerini, kullanım alışkanlıklarını ve süresini, veri boyutlarını ve yönlendirme yöntemlerini içerir.

(2) Kullanıcı portreleri: esas olarak platform kullanıcılarının tonalitesini ve hangi kopya stilini ve stili beğendiklerini analiz etmek için.

Kullanıcı bilgileri: kullanıcı portreleri, kullanıcı ihtiyaçları, kullanıcı endişeleri, kullanıcı tüketimi

(1) Kullanıcı portresi: doğal öznitelikler, aygıt öznitelikleri, ilgi öznitelikleri, davranış öznitelikleri (arama,Elektrik tedarikçisi, sosyal, APP, LBS)

(2) Kullanıcı ihtiyaçları: Ürününüzü/hizmetinizi kullanmak için kullanıcıların temel motivasyonu ve acı noktaları

(3) Kullanıcı odaklılık: Bu, kullanıcıların sizi seçmesinin nedenidir. (ürün ve onaydan)

(4) Kullanıcı tüketimi: tüketim yeteneği, tüketim psikolojisi, tüketim kavramı

Yukarıdaki bilgiler dizin araçlarında, anahtar kelime talep haritalarında, sektör raporlarında, rekabetçi ürün analizinde, kullanıcı anketi görüşme geri bildiriminde, topluluk sosyal yorum platformlarında, reklam platformu DMP portre analizinde, müşteri hizmetleri satış görüşmelerinde, CRM veri analizinde vb. kullanılabilir.

Rekabetçi ürün bilgisi: Esas olarak maddi dışsallaştırma satış noktalarını ve şirket ürün bilgilerini analiz eder ve avantajlarından kaçınabilecek ancak hedef kullanıcıları tatmin edebilecek farklı satış noktaları bulur.

Kalabalık segmentasyonu: çekirdek, hedef, potansiyel kitle ve bunların nasıl hedefleneceği

Temel hedefleme: kelimeler (markalar, rakipler gibi), dmp dönüşümleri, davranışlar (takip etme, arama, satın alma, indirme, LBS'nin kendisi veya rakipleri)

Hedefleme: kelimeler (jenerik ürünler gibi), sektör paketleri, birincil temel ilgi alanları

Potansiyel yönelim: kelimeler (kalabalık, endüstri kelimeleri gibi), ikincil ve üçüncül ilgili ilgi paketleri

Reklam öğesi sayfası:

(1) Farklı insan grupları, çekirdek grubun ana markası ve faaliyetleri, hedef grubun ana farklılaştırılmış ürün satış noktası ve potansiyel grubun refah indirimleri ve ilgi arzuları yaratma, acı noktaları ve potansiyel grubun ana odak noktası gibi farklı yaratıcı satış noktalarını benimseyebilir. anksiyete amplifikasyonu, vb.

(2) Eğitimi örnek alın: insanlar (öğretmenler, öğrenciler, öğretim asistanları, ebeveynler, tek/çok kişi), makineler (sahne malzemeleri), malzemeler (ders kitapları, hediye kutuları, kitaplar, kalemler, notlar, zihin haritaları), yöntemler (yöntemler, Beceriler, bilgi noktaları) ve halkaya dahil olan ilgili faktörler (sınıf, aile, topluluk) sökülür ve birleştirilir.

(3) İfade biçimleri: grafik (üç resim, büyük resim, küçük resim, ızgara, açı), video (sözlü yayın, arsa, elle boyanmış, ppt...).

(4) Test sırası: bire kadar, sonra birden çoğa. (Çoklu satış noktası malzeme formları testi yapın, çalışan hacim malzemesini bulun ve malzemenin çevresini genişletin).

(4) Sayfa bilgisi: SEM sayfası bölümüyle aynı ilkedir (özellikle, başlık görüntüsü ve dış katmanın güçlü bir şekilde ilişkili ve hatta tutarlı olduğuna ve yaratıcı görüntünün doğrudan dönüştürüldüğüne dikkat edin).

(5) Fikir kaynakları: reklam platformları için yaratıcı ilham araçları, manuel okuma, üçlü tarama araçları, anahtar kelime talep haritaları vb.

Teklif bütçesi:

1. Bütçe

（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), gerçek tüketim bütçesinin 1.5 katından az olmamak en iyisidir. (Gerçek tüketim 10000 ise 15000'den düşük olmamalıdır).

(3) Hesaplar ve reklam grupları ayarlanabilir.Plan ayarları arasında çok az fark vardır ve nihai bütçe bakiye, hesap, plan ve grubun minimum değerine bağlıdır ve reklamın gerçek kullanılabilir bakiyesi alınacaktır.

(4) Yedekleme için her gün yeni malzeme reklamları eklenir ve günlük dönüştürülen kararlı model sayısı için bütçe aynı anda çevrimiçi olan reklamlar için ayrılmalıdır. (Örneğin EBM'si yüksek sektörlerde 6 reklam için 1 EBM bütçesi ayırın.) EBM 100 ise tek reklam bütçesi en az 600 olmalıdır. Günlük bütçe 1200 ise lansman yapılması önerilir. Aynı anda 2-4 reklam.İlk 24 saatin verilerini gözlemleyin, verileri bozuk olan reklamları derhal kaldırın ve yenilerini yayınlayın.

2. Teklif

(1) Sektöre ve aramaya veya kabul edilebilir EBM'ye göre teklif verin ve önerilen teklif temelinde %5 oranında artırın.

(2) Soğuk bir ortamda başlamak mümkün değilse ve hala veri yoksa, veri performansı olana kadar teklifi artırın. (3000-5000'den fazla pozlayın ve ardından gözlemleyin ve ayarlayın)

(3) Hala veri geri bildirimi yoksa, dönüşüm verilerini toplamak ve materyalleri ve kalabalıkları görüntülemek için faturalandırma ve çalıştırma hacmi modelleri, küçük bütçeler ve sığ dönüşüm hedefleri kombinasyonu kullanılabilir. (cpm, cpc hızlı çalışma hacmi gibi).

veri analizi:

Dikey: Hangi bağlantı verilerinin bağlantı verilerinin ortalamasından daha düşük olduğunu analiz etmek için maliyete (CPA=cpm/ctr*cvr) ve hacme (dönüşüm hacmi=maruziyet*ctr*cvr) ve ECPM=cpa*Pctr*Pcvr*teklif sıralama formülüne odaklanın. Pazar ve çekirdek en kötüsü Sorun, bu bağlantıda optimize edilebilecek etki faktörlerini bulmakta yatmaktadır.

Yatay: Platform, hesap, işletme, plan, grup, reklam, hedefi bütünden parçaya etkileyen temel fark boyutunu bulur ve bu boyut etrafında optimize eder.