OpenAdLibraryOpenAdLibrary
تعريف

مرحلة التعلم (خوارزميات الإعلانات)

مرحلة التعلم هي الفترة التي تلي إطلاق الحملة مباشرة أو بعد تعديل كبير فيها، عندما تكون الخوارزمية لا تزال تجمع بيانات التحويل ويكون التوصيل والتكلفة والنتائج غير مستقرة.

رسم توضيحي تحريري: مرحلة التعلم (خوارزميات الإعلانات)

مرحلة التعلم هي الفترة التي تلي إطلاق الحملة، أو بعد تعديل كبير في حملة نشطة، عندما تكون خوارزمية توصيل منصة الإعلانات لا تزال تجمع بيانات تحويل كافية لتحسين المزايدة والاستهداف بشكل موثوق. خلال هذه الفترة، تميل تكلفة كل نتيجة إلى التقلب أكثر من المعتاد، وعادةً ما يُنظر إليها على أنها مبكرة جدًا للحكم على ما إذا كانت الحملة تعمل بالفعل.

لماذا تحتاج الخوارزميات إلى نافذة تعلم من الأساس#

تتنبأ أنظمة المزايدة الذكية الحديثة بمن يُرجح أن يقوم بالتحويل وتعدل المزايدات في الوقت الفعلي بناءً على هذا التنبؤ. مباشرة بعد الإطلاق، أو بعد تغيير كبير، يكون لدى النظام بيانات قليلة أو معدومة محددة لهذا المزيج الدقيق من الإبداع والجمهور واستراتيجية المزايدة، لذلك يستكشف بشكل أوسع لبناء نموذج لما ينجح. هذا الاستكشاف بطبيعته أكثر ضوضاء وغالبًا ما يكون أقل كفاءة من التوصيل المستقر الذي يلي ذلك بمجرد أن تمتلك الخوارزمية تحويلات كافية لتكون واثقة من تنبؤاتها.

ما الذي يُعد بمثابة إعادة ضبط#

لا تقوم معظم المنصات فقط بتشغيل مرحلة تعلم جديدة عند الإطلاق. يمكن أن يؤدي تغيير استراتيجية المزايدة، أو تعديل الاستهداف بشكل كبير، أو إيقاف الحملة واستئنافها لفترة ممتدة، أو استبدال غالبية الإبداعات الإعلانية النشطة إلى إعادة تشغيل العد التنازلي. هذا هو أحد الأسباب التي تجعل استبدال إعلان منافس جديد واحد مفضلاً على التعديلات الشاملة للإبداعات: استبدال إعلان واحد مع الحفاظ على استقرار بقية الحملة يتجنب إعادة ضبط التعلم لكل شيء آخر يعمل جنبًا إلى جنب، وهو نمط يستحق المعرفة قبل أن تعلن على Taboola على أي نطاق حقيقي.

كم تستمر عادةً#

لا توجد إجابة ثابتة، وتعتمد بشكل كبير على حجم التحويلات بدلاً من الوقت التقويمي. يمكن لحملة تولد العشرات من التحويلات يوميًا تجاوز نافذة التعلم في بضعة أيام، بينما قد تبقى حملة منخفضة الحجم مع حفنة من التحويلات أسبوعيًا في حالة غير مستقرة لفترة أطول بكثير، أو قد لا تخرج منها بالكامل إذا بقي الحجم ضعيفًا جدًا. هذا جزء من السبب الذي يجعل المشترين الذين يديرون ميزانيات تسويق بالعمولة أصغر يشهدون نتائج يومية أكثر تقلبًا من الحسابات الكبيرة: إنهم ببساطة يولدون نقاط بيانات أقل يوميًا لتتعلم منها الخوارزمية.

الآثار العملية للمشترين#

الحكم على حملة جديدة أو تعديل كبير في وقت مبكر جدًا هو أحد أكثر الطرق شيوعًا التي يقتل بها مشترو الوسائط شيئًا كان سينجح. قد تستقر حملة تبدو مكلفة في أول 48 ساعة لها في تكلفة كل نتيجة مختلفة تمامًا بمجرد أن تحصل الخوارزمية على إشارة كافية، لذلك من الجدير تحديد نافذة تقييم دنيا، مرتبطة بعدد التحويلات بدلاً من الأيام المنقضية، قبل اتخاذ قرار بالإيقاف أو التوسع. ينطبق نفس الصبر على تعديلات المزايدة: تكديس عدة تعديلات جديدة في وقت واحد خلال نافذة تعلم غير مستقرة بالفعل يجعل من الصعب للغاية معرفة أي تغيير يساعد بالفعل.

تقليل عمليات إعادة الضبط غير الضرورية#

تجميع التعديلات في تغيير واحد بدلاً من عدة تغييرات صغيرة منتشرة على مدار أسبوع، واستخدام تعديلات المزايدة المجدولة بدلاً من الإيقاف اليدوي والاستئناف، وإعطاء الإعلان الفائز مساحة للاستمرار في العمل بدلاً من استبداله برد فعل، كل ذلك يقلل من عدد المرات التي تعود فيها الحملة إلى مرحلة التعلم. بالنسبة للمشترين الذين يبحثون عن كيفية بناء قائمة مراقبة للمنافسين، يفسر نفس المنطق سبب كون إعلان المنافس الذي يبقى بعد أسبوعه الأول أو الثاني، المرئي عبر منصة استخبارات الإعلانات من OpenAdLibrary، إشارة أقوى من الإعلان الذي لا يزال نشطًا في اليوم الثالث: فمن المرجح أنه تجاوز نافذة التعلم الخاصة به واستقر في أداء ثابت.

الأسئلة المتكررة

كم تستمر مرحلة التعلم عادة؟
يعتمد ذلك على حجم التحويلات، وليس على عدد أيام ثابت. يمكن للحملات عالية الحجم تجاوزها خلال أيام، بينما قد تستغرق الحملات منخفضة الحجم وقتًا أطول بكثير أو تواجه صعوبة في الخروج منها باستمرار، لأن الخوارزمية تحتاج إلى عدد كافٍ من التحويلات لبناء توقع مستقر.
ما الذي يعيد ضبط مرحلة التعلم؟
تميل التغييرات الكبيرة إلى إعادة ضبطها، بما في ذلك تعديلات استراتيجية المزايدة، والتغييرات الكبيرة في استهداف الجمهور، واستبدال معظم الإبداعات النشطة، أو إيقاف الحملة واستئنافها بعد فترة فجوة طويلة. عادةً لا تؤدي التعديلات الطفيفة إلى إعادة ضبط كاملة.
هل يجب أن أحكم على الأداء خلال مرحلة التعلم؟
من المحفوف بالمخاطر القيام بذلك. عادةً ما تكون تكلفة كل نتيجة أقل استقرارًا وأقل تمثيلًا خلال هذه الفترة، لذلك ينتظر العديد من المشترين الحد الأدنى من عدد التحويلات، بدلاً من عدد أيام ثابت، قبل اتخاذ قرار بالتوسع أو الإيقاف.
هل تنطبق مرحلة التعلم على شبكات الإعلانات الأصلية بنفس الطريقة التي تنطبق بها على منصات التواصل الاجتماعي؟
الآلية الأساسية، وهي حاجة الخوارزمية إلى البيانات لتحقيق استقرار التوصيل، شائعة عبر المنصات التي تستخدم المزايدة الآلية، بما في ذلك الشبكات الأصلية. تختلف المصطلحات الدقيقة والعتبات، لذا تحقق من الوثائق الحالية للشبكة المحددة للحصول على التفاصيل.
فريق OpenAdLibrary
كتب بواسطةفريق OpenAdLibrary
استخبارات الإعلانات وأبحاث الإعلانات الأصلية

نحن نبني OpenAdLibrary، المنصة المفتوحة للشفافية الإعلانية. كل يوم، تلتقط أنظمتنا إعلانات أصلية حية عبر Taboola وOutbrain وMGID وRevcontent وTeads وYahoo وMSN، وتحدد المعلن الحقيقي وراء كل إعلان، وتتبع النقرة إلى صفحة الهبوط الخاصة به. تقدم هذه الأدلة خلاصة ما نراه في تلك البيانات حتى تتمكن من البحث في السوق بشكل أسرع.