איך וידג'טים של המלצות תוכן בוחרים את המודעות שאתם רואים

וידג'ט המלצות תוכן, התיבה "אולי יעניין אותך גם" מתחת למאמר, מחליט אילו מודעות להציג באמצעות מכירה פומבית בזמן אמת שמדרגת קריאייטיבים זכאים לפי ערך מעורבות צפוי, ולא רק לפי ההצעה הגבוהה ביותר. שרת המודעות של הרשת משלב את הצעת המחיר של המפרסם עם שיעור קליקים צפוי עבור אותו קורא ומיקום ספציפיים, והשילוב שמייצר את ההכנסה הצפויה הגבוהה ביותר עבור המפרסם זוכה במקום, הכל בזמן שלוקח לעמוד להיטען.

להלן הרצף בפועל, ומה שקובע איזו מודעה ספציפית אתם רואים לעומת האדם שיושב לידכם.

רצף הבקשה-להצגה#

1. אתם טוענים עמוד של מפרסם. סקריפט המשובץ בעמוד (מ-Taboola, Outbrain/Teads, MGID, Revcontent, או מרשת אחרת) מופעל בזמן שהעמוד נטען.
2. הוידג'ט מבקש מודעות משרת המודעות של הרשת. הבקשה הזו נושאת אותות קונטקסטואליים: נושא וקטגוריית העמוד, סוג המכשיר שלכם, המיקום הגס שלכם, ולעיתים קרובות אותות התנהגותיים הקשורים לעוגייה או מזהה מכשיר אם כבר יצרתם אינטראקציה עם הרשת בעבר.
3. שרת המודעות מריץ מכירה פומבית בין מסעות פרסום זכאים. כל מפרסם שמכוון לאותו אזור גיאוגרפי, מכשיר וקונטקסט הופך למועמד. זו מכירת המודעות הנייטיבית, והיא מתרחשת באלפיות השנייה.
4. כל מודעה מועמדת מדורגת, לא רק לפי הצעת מחיר, אלא לפי הצעת מחיר כפול שיעור קליקים צפוי עבור אותו משתמש וקונטקסט ספציפיים. זו הסיבה שמציע עם מחיר נמוך יותר אבל עם קריאייטיב רלוונטי מאוד ושיעור קליקים גבוה יכול לנצח מציע עם מחיר גבוה יותר אבל עם קריאייטיב גנרי. הרשת ממקסמת את ההכנסה שלה לכל חשיפה, מה שמתגמל מודעות שאנשים באמת צפויים ללחוץ עליהן.
5. המודעות הזוכות מוצגות לתוך הוידג'ט, בדרך כלל כמה במקביל שממלאות את רשת ההמלצות לצד המלצות מערכתיות אמיתיות מהמפרסם.
6. הלחיצה שלכם (או היעדרה) חוזרת למערכת, ומשפרת את שיעור הקליקים הצפוי עבור אותה מודעה, אותו קונטקסט, ולעיתים קרובות עבור אותו קורא ספציפי בהמשך.

מה באמת מניע את הדירוג#

אותות קונטקסטואליים חשובים ביותר לקוראים בפעם הראשונה או מחוץ למערכת. ללא הרבה היסטוריה התנהגותית, הרשת נשענת על כוונון קונטקסטואלי, ומתאימה את קטגוריית המודעה לנושא המאמר. מאמר על פיננסים אישיים צפוי יותר להציג מודעת פיננסים או ביטוח מאשר מודעת מוצרי בית אקראית, כי הצימוד הזה היסטורית ביצע טוב יותר בכל מערך הנתונים של הרשת.

אותות התנהגותיים תופסים פיקוד ככל שאתם בונים היסטוריית גלישה. אם העוגייה או מזהה המכשיר של הרשת ראה שלחצתם על מודעות נסיעות בעבר, מפרסמי נסיעות הופכים לתחרותיים יותר עבור החשיפות שלכם ספציפית, אפילו בעמוד מאמר לא קשור. זה קרוב יותר לאיך ש-פלטפורמת צד ביקוש מכוונת לקהלים ברכישה פרוגרמטית רחבה יותר.

מכשיר ומיקום גיאוגרפי מסננים את קבוצת הזכאים עוד לפני שהדירוג מתחיל. מפרסם שמכוון רק למשתמשים בניידים במדינה ספציפית לעולם לא נכנס למכירה הפומבית עבור קורא במחשב שולחני במקום אחר, ללא קשר להצעת המחיר.

שיעור הקליקים הצפוי מונחה מודל ומתעדכן כל הזמן. כל רשת מריצה את מודלי הלמידה המכונתית שלה שמעריכים כמה סביר שמודעה נתונה תילחץ על ידי קורא נתון בקונטקסט נתון. החיזוי הזה, לא הצעת המחיר הגולמית, הוא בדרך כלל הגורם הגדול יותר במי זוכה, וזו הסיבה שכותרת ותמונה מעוצבים היטב יכולים להשיג תוצאות טובות יותר מתקציב גדול בהרבה.

מגבלות תדירות וטריות משפיעות על מה שזכאי. רשתות בדרך כלל נמנעות מלהראות לכם את אותו קריאייטיב בדיוק שוב ושוב בחלון זמן קצר, גם כדי להגן על חווית הקורא וגם כי שיעור הקליקים הצפוי של מודעה ישנה ומוצגת יתר על המידה דועך באופן טבעי. זה חלק מהסיבה שמפרסמים מסובבים מספר וריאציות של קריאייטיב למודעה בתוך מסע פרסום אחד.

איפה מכירה פומבית בכותרת ונתיבי אספקה משתלבים#

ברשתות שמוכרות מחדש מלאי דרך צינורות פרוגרמטיים רחבים יותר, יותר ממקור ביקוש אחד יכול להתחרות על אותו מקום בוידג'ט בו-זמנית, מערך דומה ל-מכירה פומבית בכותרת בפרסום מסורתי. פלטפורמת צד היצע שמנהלת את המלאי של המפרסם עשויה לנתב בקשה למודעה אחת למספר קונים פוטנציאליים לפני שהוידג'ט מוצג. זו אחת הסיבות ש-שרשרת האספקה של מודעות נייטיביות יכולה לכלול יותר מתווכים ממה שהמודל הפשוט "מפרסם משלם למפרסם" מציע, ולמה אותו מקום יכול להתמלא בביקוש מרשתות שונות בהתאם לרגע.

שכבת המלאי שנמכרת מחדש היא גם הסיבה לכך שזיהוי איזו רשת הגישה בפועל מודעה שאתם מסתכלים עליה לא תמיד ברור מהשטח. וידג'ט שממותג כמיקום של רשת אחת יכול, בפועל, להתמלא בביקוש שמנותב מבן זוג. אם אתם עושים מחקר תחרותי וייחוס הרשת חשוב לניתוח שלכם, שווה לקרוא מעבר למותג הגלוי של הוידג'ט כדי לאשר את נתיב ההגשה בפועל, וזה בדיוק סוג הפרט שמעקב שרשרת אספקה בנוי לחשוף ולא משהו שאתם יכולים להעריך בעין מהעמוד בלבד.

מה זה אומר עבור מפרסמים שמנסים לזכות ביותר מכירות פומביות#

מכיוון שלשיעור הקליקים הצפוי יש משקל כה רב, כמה מנופים מעשיים משנים את הסיכויים שלכם לזכות במקום מבלי פשוט להעלות את הצעת המחיר:

• התאימו את הקריאייטיב לקונטקסט הסביר של המיקום. זווית פרסום שקוראת באופן טבעי ליד תוכן מערכתי, במקום להיראות כהפרעה ברורה, נוטה להשיג שיעור קליקים צפוי גבוה יותר כי היא דומה יותר למה שהקורא הגיע לעמוד עבורו.
• הריצו מספר וריאציות קריאייטיביות בתוך מסע פרסום אחד. מכיוון שהחיזוי של המודל ספציפי לכל צימוד קריאייטיב וקונטקסט, מודעה בודדת מגבילה אתכם לנקודת נתון אחת. כמה וריאציות מאפשרות לאלגוריתם למצוא איזו מהן מבצעת הכי טוב עבור איזה קטע קהל, ומאפשרות לכם להוציא משימוש את אלה שהוא לא מעדיף.
• רעננו קריאייטיב לפני שהביצועים דועכים. מכיוון שתדירות וטריות משפיעות על שיעור הקליקים הצפוי, מודעה שזכתה בעקביות לפני חודש יכולה בשקט להפסיד מכירות פומביות היום פשוט מחשיפה יתרה לאותו קהל, אפילו עם הצעת מחיר ללא שינוי.
• כוונו בצורה צרה במקום רחבה. מסע פרסום שזכאי לכל אזור גיאוגרפי ומכשיר מדלל את שיעור הקליקים הצפוי הממוצע שלו על ידי תחרות בקונטקסטים שבהם הוא לא מבצע טוב. צמצום הזכאות למקומות שבהם הקריאייטיב באתר מהדהד מעלה את שיעור הזכייה שלו בקונטקסטים שחשובים.
• צפו במה שכבר שורד את המכירה הפומבית שוב ושוב. מודעה שעדיין פעילה אחרי כמה שבועות ברשת נתונה, בהגדרה, המשיכה לזכות במספיק מכירות פומביות כדי להצדיק את ההוצאה המתמשכת של המפרסם שלה. זה אות חזק יותר למה שהמודל מתגמל מכל תיאוריה על האלגוריתם.

למה אותו מאמר מציג מודעות שונות לקוראים שונים#

אם אתם ועמית טוענים את אותו מאמר באותו זמן, לעיתים קרובות תראו מודעות שונות בוידג'ט. זה צפוי, לא תקלה. אזור גיאוגרפי שונה, מכשיר, היסטוריית גלישה, ואפילו אלפית השנייה הספציפית שבה המכירה הפומבית רצה – כולם יכולים להזיז איזה מועמד זוכה. מפרסמים נהנים מההתאמה האישית הזו כי היא מעלה את שיעור הקליקים הצפוי הממוצע בכלל הקהל שלהם, וזה המדד שהאלגוריתם באמת ממקסם.

איך OpenAdLibrary עוזרת#

מכיוון שהאלגוריתם מתגמל קריאייטיבים עם מעורבות צפויה חזקה, לימוד מה שכבר זוכה במכירה הפומבית הזו שוב ושוב, כלומר מודעות שנשארו פעילות במשך שבועות, היא אחת הדרכים הישירות ביותר להנדס לאחור מה המודל של רשת נתונה מתגמל. כלי אינטליגנציית המודעות של OpenAdLibrary מאפשרים לכם לסנן לפי רשת, תחום ואריכות ימים כדי לראות אילו קריאייטיבים ממשיכים לעבור את הרף הזה בסביבת ייצור, במקום לנחש מה המודל מעדיף.

הגרסה הקצרה#

מקום המודעה בוידג'ט המלצות זוכה במכירה פומבית בזמן אמת ששוקלת הצעת מחיר ומעורבות צפויה יחד, ומתעדכנת על ידי אותות קונטקסטואליים והתנהגותיים בכל טעינת עמוד בודדת. הבנת השילוב הזה, במקום להניח שזו מכירה פומבית פשוטה של המציע הגבוה ביותר, היא ההבדל בין כתיבת קריאייטיב שפשוט מציע טוב לבין קריאייטיב שהאלגוריתם באמת רוצה להציג.

זה גם מסביר דפוס שמכשיל הרבה מפרסמים חדשים לערוץ: מסע פרסום שביצע טוב בשבוע הראשון ואז ירד בשקט במסירה, ללא שינוי בהצעת המחיר. שום דבר לא נשבר. שיעור הקליקים הצפוי שהפך את הקריאייטיב לתחרותי פשוט דעך ככל שיותר מהקהל הזכאי כבר ראה אותו, והמכירה הפומבית החלה להעדיף מועמדים טריים יותר במקום. התייחסות לירידה הזו כאות לרענון קריאייטיב, ולא כאות שהרשת או ההצעה הפסיקו לעבוד, היא בדרך כלל הקריאה הנכונה.