Hvordan anbefalingswidgets vælger de annoncer, du ser

En indholdsanbefalingswidget, "du vil måske også synes om"-boksen under en artikel, beslutter hvilke annoncer der skal vises via en realtime-auktion, der rangerer kvalificerede kreativer efter forventet engagementsværdi, ikke kun det højeste bud. Netværkets annonceserver kombinerer annoncørens bud med en forventet klikrate for den specifikke læser og placering, og den kombination der giver den højeste forventede indtjening for udgiveren vinder pladsen, alt sammen i den tid det tager at indlæse siden.

Her er den faktiske sekvens, og hvad der afgør, hvilken specifik annonce du ser kontra personen ved siden af dig.

Sekvensen fra anmodning til visning#

1. Du indlæser en udgivers side. Et script indlejret på siden (fra Taboola, Outbrain/Teads, MGID, Revcontent eller et andet netværk) aktiveres, når siden vises.
2. Widget'en anmoder om annoncer fra netværkets annonceserver. Denne anmodning indeholder kontekstuelle signaler: sidens emne og kategori, din enhedstype, din grove placering og ofte adfærdsmæssige signaler knyttet til en cookie eller enheds-ID, hvis du har interageret med netværket før.
3. Annonceserveren afholder en auktion blandt kvalificerede kampagner. Hver annoncør, der målretter mod den geografi, enhed og kontekst, bliver en kandidat. Dette er native annonceauktionen, og den finder sted på millisekunder.
4. Hver kandidatannonce rangeres, ikke kun efter bud, men efter bud ganget med en forventet klikrate for den specifikke bruger og kontekst. Derfor kan en lavere bydende med en meget relevant, høj-CTR-kreativ slå en højere bydende med en generisk en. Netværket optimerer for sin egen indtjening per sidevisning, hvilket belønner annoncer, folk faktisk er tilbøjelige til at klikke på.
5. De vindende annoncer vises i widget'en, typisk flere ad gangen, der udfylder anbefalingsgitteret sammen med ægte redaktionelle anbefalinger fra udgiveren.
6. Dit klik (eller mangel på samme) tilføres tilbage til systemet, hvilket forfiner den forventede CTR for den annonce, den kontekst og ofte den specifikke læser fremadrettet.

Hvad der faktisk driver rangeringen#

Kontekstuelle signaler betyder mest for førstegangs- eller loggede-ud-læsere. Uden meget adfærdsmæssig historik læner netværket sig mod kontekstuel målretning, hvor en annonces kategori matches med artiklens emne. En artikel om personlig økonomi vil med større sandsynlighed vise en finans- eller forsikringsannonce end en tilfældig boligannonce, fordi den kombination historisk set har performet bedre på tværs af netværkets hele datasæt.

Adfærdsmæssige signaler overtager, efterhånden som du opbygger en browserhistorik. Hvis netværkets cookie eller enheds-ID har set dig klikke på rejseannoncer før, bliver rejseannoncører mere konkurrencedygtige for dine impressioner specifikt, selv på en ikke-relateret artikelside. Dette er tættere på, hvordan en demand-side platform målretter mod audiences i bredere programmatisk køb.

Enhed og geografi filtrerer den kvalificerede pulje, før rangeringen overhovedet starter. En annoncør, der kun målretter mod mobile brugere i et specifikt land, kommer aldrig med i auktionen for en desktop-læser et andet sted, uanset bud.

Forventet CTR er modeldrevet og konstant opdateret. Hvert netværk kører sine egne maskinlæringsmodeller, der estimerer, hvor sandsynligt det er, at en given annonce bliver klikket på af en given læser i en given kontekst. Denne forudsigelse, ikke det rå bud, er normalt den største faktor i, hvem der vinder, hvilket er grunden til, at en velformuleret overskrift og billede kan overgå et meget større budget.

Frekvens- og friskhedsbegrænsninger påvirker, hvad der er kvalificeret. Netværk undgår generelt at vise dig den nøjagtig samme kreativ gentagne gange i et kort vindue, både for at beskytte læseroplevelsen og fordi en forældet, overvist annonces forventede CTR naturligt aftager. Dette er en del af grunden til, at annoncører roterer flere annoncekreativ-varianter inden for en kampagne.

Hvor header bidding og supply paths passer ind#

På netværk, der gen-sælger inventory gennem bredere programmatiske kanaler, kan mere end én efterspørgselskilde konkurrere om den samme widget-plads samtidigt, et setup der ligner header bidding i traditionel display. Supply-side platformen, der styrer udgiverens inventory, kan dirigere en enkelt annonceanmodning til flere potentielle købere, før widget'en vises. Dette er en af grundene til, at den native annonce forsyningskæde kan involvere flere mellemmænd end en simpel "annoncør betaler udgiver"-model antyder, og hvorfor den samme plads kan fyldes af forskellige netværks efterspørgsel afhængigt af tidspunktet.

Dette gen-salgslag er også grunden til, at det ikke altid er indlysende, hvilket netværk der faktisk serverede en annonce, du kigger på, ud fra overfladen. En widget med branding fra et netværks placering kan i praksis fyldes af efterspørgsel dirigeret ind fra en partner. Hvis du laver konkurrenceanalyse, og netværkstilknytningen betyder noget for din analyse, er det værd at læse forbi widget'ens synlige branding for at bekræfte den faktiske serveringssti, hvilket netop er den slags detaljer, en forsyningskædesporing er designet til at afdække, snarere end noget du kan se med det blotte øje fra siden alene.

Hvad dette betyder for annoncører, der prøver at vinde flere auktioner#

Da forventet CTR vejer så tungt, er der nogle praktiske håndtag, der kan flytte dine chancer for at vinde pladsen uden blot at hæve dit bud:

• Match kreativet til placeringens sandsynlige kontekst. En annoncevinkel, der læses naturligt sammen med redaktionelt indhold, snarere end at ligne en åbenlys afbrydelse, har tendens til at opnå en højere forventet CTR, fordi den ligner mere det, læseren kom til siden for.
• Kør flere kreative varianter inden for én kampagne. Da modellens forudsigelse er specifik for hvert kreativ og kontekstparring, begrænser en enkelt annonce dig til ét datapunkt. Flere varianter lader algoritmen finde ud af, hvilken der performer bedst for hvilket audiencesegment, og lader dig udfase dem, den ikke favoriserer.
• Opdater kreativet, før performance aftager. Fordi frekvens og friskhed påvirker forventet CTR, kan en annonce, der konsekvent vandt for en måned siden, stille og roligt tabe auktioner i dag blot på grund af overeksponering over for det samme audience, selv med et uændret bud.
• Målret snævert snarere end bredt. En kampagne, der er kvalificeret til hver geografi og enhed, fortynder sin egen gennemsnitlige forventede CTR ved at konkurrere i kontekster, hvor den ikke performer godt. At indsnævre kvalifikationen til hvor kreativet faktisk resonerer, øger dens vindingsrate i de kontekster, der betyder noget.
• Hold øje med, hvad der allerede overlever auktionen gentagne gange. En annonce, der stadig er live efter flere uger på et givet netværk, har per definition fortsat med at vinde nok auktioner til at retfærdiggøre annoncørens fortsatte forbrug. Det er et stærkere signal for, hvad modellen belønner, end nogen teori om algoritmen.

Hvorfor den samme artikel viser forskellige annoncer til forskellige læsere#

Hvis du og en kollega begge åbner den samme artikel på samme tid, vil I ofte se forskellige annoncer i widget'en. Det er forventet, ikke en fejl. Forskellig geografi, enhed, browserhistorik og endda det specifikke millisekund auktionen kører, kan alle flytte hvilken kandidat der vinder. Udgivere drager fordel af denne personlige tilpasning, fordi den hæver den gennemsnitlige forventede CTR på tværs af hele deres audience, hvilket er den faktiske metrik, algoritmen optimerer for.

Hvordan OpenAdLibrary hjælper#

Da algoritmen belønner kreativer med stærkt forventet engagement, er det at studere, hvad der allerede vinder den auktion gentagne gange, dvs. annoncer, der har forblevet live i uger, en af de mest direkte måder at reverse-engineere, hvad et givet netværks model belønner. OpenAdLibrary's annonceintelligens-værktøjer lader dig filtrere efter netværk, vertikal og levetid for at se, hvilke kreativer der fortsat klarer den barriere i produktion, snarere end at gætte på, hvad modellen foretrækker.

Den korte version#

En anbefalingswidgets annonceplads vindes af en realtime-auktion, der vejer bud og forventet engagement sammen, opdateret af kontekstuelle og adfærdsmæssige signaler ved hver eneste sideindlæsning. At forstå den kombination, snarere end at antage, det er en simpel højestbydende-auktion, er forskellen mellem at skrive kreativ, der blot byder godt, og kreativ, som algoritmen faktisk ønsker at vise.

Det forklarer også et mønster, der fanger mange annoncører, der er nye i kanalen: en kampagne, der performede godt den første uge og derefter stille og roligt faldt i levering, uden nogen ændring i buddet. Intet gik i stykker. Den forventede CTR, der gjorde kreativet konkurrencedygtigt, aftog simpelthen, efterhånden som mere af det kvalificerede audience allerede havde set det, og auktionen begyndte at favorisere friskere kandidater i stedet. At behandle det fald som et signal om at opdatere kreativet, snarere end et signal om, at netværket eller tilbuddet stoppede med at virke, er normalt den rigtige fortolkning.