AI-mainonnan ostaminen (agentit)

AI-mainonnan ostaminen on AI-agenttien tai algoritmien käyttöä mainoskampanjapäätösten, tarjouksien säätöjen, budjettisiirtojen kampanjoiden välillä, luovan materiaalin valinnan ja heikosti suoriutuvien mainosten pysäyttämisen automatisointiin, tyypillisesti ihmisen asettaessa tavoitteet ja suojarajat sen sijaan, että hyväksyisi jokaisen yksittäisen muutoksen. Se vaihtelee kapeasta automaatiosta (algoritmi, joka säätää vain tarjouksia) laajempiin agenttipohjaisiin järjestelmiin, jotka voivat jakaa budjetin uudelleen ja käynnistää uusia mainosvaihteluita itsenäisesti.

Missä se sijaitsee täysin manuaalisen ja täysin automaattisen välillä#

Useimmat natiivi- ja sosiaalisen median mainosalustat sisältävät jo jonkin muodon Älykkäästä tarjousasetuksesta (Automatisoitu tarjousasetus), jossa alustan oma algoritmi asettaa tarjoukset kohti kustannus- tai tuottotavoitetta ilman, että ihminen säätää jokaista huutokauppaa. AI-mainonnan ostaminen laajentaa tätä ideaa pidemmälle pinossa: tarjouksen automatisointia lisäksi agentti voi myös päättää, mitä luovaa materiaalia skaalata, milloin pysäyttää heikosti suoriutuvan mainosryhmän ja kuinka jakaa budjetti Tarjontapuolen alustan ja muutaman natiiviverkoston välillä kerralla.

Rehellinen käytännön vaihteluväli on enimmäkseen automatisoitu (agentti ehdottaa muutoksia, ihminen hyväksyy ne) täysin autonomiseen (agentti toimii suoraan suojarajojen sisällä). Useimmat vakavat toiminnot pitävät edelleen ihmisen kykyisenä ohittamaan tai estämään automatisoitua toimintoa, erityisesti kaikessa, mikä koskee todellisia menoja, koska algoritmi, joka jahtaa lyhyen aikavälin mittaria, voi tehdä päätöksen, jonka ihmiskäyttäjä hylkäisi välittömästi.

Missä se todella on hyvä#

AI-mainonnan ostaminen ylittää yleensä manuaalisen hallinnan kuvioiden tunnistamisessa monien samanaikaisten muuttujien yli: huomaa, että tarjousta on säätävä kymmenissä mainosryhmissä ennen kuin ihminen ehtisi tarkistaa jokaisen, havaitsee Luovan materiaalin väsymisen kuvion varhain tai siirtää budjettia kohti sitä kampanjaa, joka tällä hetkellä saavuttaa ROAS (Mainonnan tuotto) -tavoitteet nopeimmin. Kun kampanjat siirtyvät testauksesta Skaalaukseen (Mainonnan ostaminen), samanaikaisten vipuvaikutusten määrä kasvaa nopeasti, ja juuri tässä automaatio ansaitsee paikkansa. Se on heikompi harkintapäätöksissä, jotka tarvitsevat ulkoista kontekstia: kilpailijan uusi tarjous, kausivaihtelu, jota data ei ole vielä havainnut, tai bränditurvallisuuspäätös, jota sääntö ei voi täysin kattaa.

Suojaraja, jolla on enemmän merkitystä kuin ihmiset odottavat#

Yleisin epäonnistumistapa, jonka ostajat, jotka ovat automatisoineet enemmän kuin olisi pitänyt, raportoivat, on agentti, joka taistelee ihmisen manuaalista pysäytystä tai estoa vastaan, käynnistää uudelleen jotain, minkä henkilö tarkoituksella sammutti, koska algoritmi näki edelleen hyvän luvun jossain ylävirrassa. Jokainen vakava AI-mainonnan ostamisen asennus tarvitsee selkeän säännön, että ihmisen pysäytys voittaa aina automaation, ei koskaan päinvastoin.

Miten OpenAdLibrary sopii tähän#

Tämä on juuri se tila, jota Ad Optimizer on rakennettu: sääntöpohjainen automaatio Taboolan, Outbrainin ja muiden natiiviverkostojen yli, plus AI-avustaja, joka ehdottaa muutoksia todellisen suorituskykydatan perusteella sen sijaan, että toimisi mustana laatikona, ja se noudattaa suunnittelussaan yllä olevaa suojarajaa, manuaalinen pysäytys tai esto ohittaa aina automatisoitu säännön.

Mihin tämä on menossa#

Odotettavissa on, että automaatio siirtyy edelleen yksittäisestä vipuvaikutuksesta (vain tarjous) kohti useampaa vipuvaikutusta (tarjous, budjetti, luova materiaali, pysäytys), kun useammat verkostot tarjoavat tarvittavat API:t toimia kaikilla neljällä. Mainonnan ostamisen taito, jolla on eniten merkitystä, muuttuu myös, vähemmän aikaa yksittäisten tarjouksien hienosäätöihin, enemmän aikaa oikeiden tavoitteiden ja suojarajojen määrittelyyn järjestelmän toimimiseksi.