האם כדאי לסמוך על הצעות מחיר חכמות? היכן שהאלגוריתמים מנצחים את בני האדם

סמוך על הצעות מחיר חכמות ברשתות native רק כשיש לך מספיק אותות המרה כדי שהאלגוריתם ילמד מהם, מעקב postback נקי, ותקרת עלות מוגדרת. מתחת לזה, שליטה ידנית בהצעות המחיר כמעט תמיד עולה עליה. התשובה הכנה היא מותנית, לא כן או לא, והתנאי הוא נפח נתונים, לא אמונה בספק.

מה המשמעות האמיתית של "הצעות מחיר חכמות" ברשתות native#

Taboola, Outbrain (התמזגה כעת ל-Teads) ו-MGID כולן מוכרות גרסה כלשהי של הצעות מחיר אוטומטיות ואלגוריתמיות: אתה מגדיר יעד עלות להמרה (CPA) או יעד מבוסס ערך, מוסר שליטה על התקציב היומי, והמודל של הפלטפורמה מזיז הוצאות על פני מיקומים, מכשירים וקהלים כדי לרדוף אחרי היעד. זה לא אותו מוצר כמו Smart Bidding של Google, למרות ששפת השיווק שואלת ממנו. לרשתות native יש נפח המרות דליל יותר לכל קמפיין מאשר לחיפוש, והמודלים שלהן נשענים יותר על אותות ברמת העמוד וברמת המיקום מאשר על כוונת מילות מפתח, כי אין מילות מפתח.

ההבטחה זהה בכל מקום: האלגוריתם רואה אותות גרעיניים יותר (מכשיר, שעה ביום, תחום מפרסם, שילוב קריאייטיב-מיקום) מאשר אדם שמתאים הצעות מחיר לפי אזור גיאוגרפי ומכשיר פעם ביום. כשזה עובד, זה עובד היטב. כשאין מספיק נתונים, זה פשוט מוציא את התקציב שלך בביטחון בכיוון הלא נכון.

סף הנפח שבאמת חשוב#

כל מערכת הצעות מחיר אוטומטית זקוקה למספיק אירועי המרה, המגיעים עם אחזור נמוך מספיק, כדי לייחס ביצועים נכון. מתרגלים המנהלים קמפיינים native בהיקף גדול מסכימים בדרך כלל על דפוס גס: אם קמפיין מייצר רק קומץ המרות בשבוע, למציע האוטומטי אין כמעט מה ללמוד ולעתים קרובות הוא פשוט ירדוף אחרי הקליקים הזולים ביותר, לא הטובים ביותר. ברגע שהנפח מטפס לעשרות המרות שבועיות עם מעקב יציב, האלגוריתם מתחיל למצוא דפוסים שמציע ידני היה מפספס, במיוחד על פני מיקומי מפרסמים ארוכי זנב שהם רבים מכדי להציע עליהם ידנית.

זו היוריסטיקה, לא כלל שפורסם על ידי הרשת, והיא משתנה לפי אנכי. משפך לידים B2B בעל ערך גבוה עם מחזור מכירות של שבועיים לעולם לא יגיע ל"נפח גבוה" כמו שהצעה לרכישה אימפולסיבית במסחר אלקטרוני מגיעה. חוסר התאמה זה הוא הסיבה הבודדת הגדולה ביותר לכך שהצעות מחיר חכמות מואשמות בביצועים נמוכים כאשר הבעיה האמיתית היא הרעבה באותות.

מדוע איכות ה-postback קובעת את התוצאה יותר מהאלגוריתם#

מציע אוטומטי טוב רק כמו אירוע ההמרה שהוא מקבל. אם ה-postback server-to-server שלך נשלח בעיכוב של שעתיים, או נשלח פעמיים ברענונים, או לא מעביר ערך להצעות מחיר מבוססות הכנסות, האלגוריתם עושה אופטימיזציה על רעש. זה החלק שקוני מדיה מדלגים עליו כשהם שופטים הצעות מחיר חכמות, ובדרך כלל זו הנקודה האמיתית של הכשל.

לפני שאתה מעביר שליטה על הצעות המחיר לאלגוריתם של כל רשת, ודא:

• Postbacks נשלחים תוך דקות מאירוע ההמרה האמיתי, לא שעות אחר כך.
• כל אירוע המרה נשלח רק פעם אחת לכל click ID (שליחות כפולות מאמנות בשקט את המודל על נפח מנופח).
• אם אתה מציע על בסיס ערך ולא על CPA קבוע, הערך המוחזר משקף ערך הזמנה אמיתי או LTV, לא מציין מיקום.
• הכלי למעקב שלך ו-click ID של הרשת תואמים בצורה נקייה לאורך כל שרשרת ההפניות, כך ששום דבר לא הולך לאיבוד בהקפצה.

תטעה בזה, ושום כמות של "לתת לאלגוריתם ללמוד" לא תתקן את זה, כי נתוני הקלט שבורים.

מתי הצעות מחיר ידניות עדיין מנצחות#

שליטה ידנית גוברת על הצעות מחיר אוטומטיות בסט מסוים וחוזר של מצבים:

• הצעות חדשות ואנכיים חדשים. אין היסטוריית המרות להזין את המודל, אז אתה משלם לו לנחש במהלך הקטע הראשון של הקמפיין, ללא קשר למה שהדשבורד מראה.
• נתונים דלילים ופתאומיים. דפוסי המרות של סופי שבוע בלבד, הצעות עונתיות, או כל דבר עם פחות מזרם יציב של המרות יומיות מבלבל מערכות אוטומטיות שמצפות לאות יציב.
• אנכיים רגישים לתאימות. אם אתה צריך להגביל הוצאות על מיקומים ספציפיים או לא לכלול קטגוריות מפרסמים מסיבות משפטיות, כללים ידניים ניתנים לביקורת יותר מאשר אופטימייזר קופסה שחורה.
• בדיקה מוקדמת של זווית חדשה. כשאתה עדיין מחליט אם 'הוק' עובד בכלל, אתה רוצה נראות ישירה של סיבה ותוצאה על שינויים בהצעות מחיר, לא אלגוריתם שמחליק את הרעש בשבילך.

הדפוס שרוב הקונים המנוסים מתיישבים עליו הוא רציף, לא או/או: הפעל קמפיינים חדשים ידנית עד שנפח ההמרות והמעקב מוכחים כנקיים, ואז העבר את שליטת ההצעות לאלגוריתם עם תקרת CPA קשיחה.

האם התשובה משתנה לפי רשת?#

לא באופן יסודי, אבל המכניקה הפרקטית שונה מספיק כדי להיות רלוונטית. הצעות מחיר אוטומטיות של Taboola נשענות על היקף מלאי המפרסמים שלה, ולכן היא נוטה להזדקק לפיזור רחב יותר של מיקומים לפני שהמודל שלה מתייצב. MGID ו-Revcontent מנהלות מלאים קטנים יותר שבהם קמפיין יכול להרוות את המיקומים הזמינים מהר יותר, מה שלפעמים אומר שהאלגוריתם מגיע לקריאה יציבה מוקדם יותר, אך ורק כי יש פחות שטח פנים לחקור. שום דבר מזה לא משנה את הכלל הבסיסי: בדוק את התיעוד העדכני שלך עבור בקרות הצעות מחיר ספציפיות של כל רשת ודרישות נתונים מינימליות לפני שאתה מניח שהתנהגות עוברת מפלטפורמה אחת לאחרת, מכיוון שפרטי מוצר אלה משתנים ללא הודעה מוקדמת.

הקבוע הגדול יותר בכל רשת הוא שהצעות מחיר אוטומטיות הן אופטימיזציה בצד הביקוש על גבי מכרז שאתה לא רואה במלואו. זה לא יכול לפצות על הצעה עם שיעור המרה חלש באמת, וזה ימשיך בשמחה להוציא בתקרה שלך גם כשהזווית הבסיסית בינונית, כי "הוצאה יעילה לעבר CPA בינוני" היא עדיין יעד שהיא יכולה להשיג.

דרך בטוחה יותר לבדוק את המעבר#

במקום להעביר קמפיין להצעות מחיר אוטומטיות ולצפות בהוצאות במשך שבוע, הגבל תחילה את רדיוס הפיצוץ. הגדר CPA מקסימלי שהאלגוריתם לא יכול לחרוג ממנו, הפעל אותו על חלק מהתקציב לצד קבוצת בקרה ידנית, והשווה עלות להמרה לאורך שבוע שלם, לא יום, מכיוון שדפוסי תנועת native משתנים לפי יום בשבוע. אם הצד האוטומטי מנצח או משתווה לצד הידני בתוך תקרת ה-CPA שלך, הרחב אותו. אם הוא חורג מהתקרה שוב ושוב, כנראה שיש לך בעיית מעקב, לא בעיית אלגוריתם, וכדאי לחזור להגדרת ה-postback לפני שתנסה שוב.

אות אחד שלא מנוצל כאן: אריכות ימים של מודעה. אם קריאייטיב של מתחרה באותה רשת רץ במשך שבועות באנכי שלך, זו עדות עצמאית ששילוב הזווית וההצעה עובר את רף האופטימיזציה של הרשת עצמה, מה שנותן לך יותר ביטחון לתת להצעות מחיר אוטומטיות לרוץ על הקריאייטיב הספציפי הזה במקום על אחד חדש לגמרי.

כיצד OpenAdLibrary משתלבת בהחלטה#

לפני שאתה סומך על אלגוריתם שימצא את השילוב המנצח שלך, כדאי לראות מה כבר שורד בלחץ ההצעות של הרשת עצמה. האינדקס של OpenAdLibrary עוקב אחר אורך חיי קריאייטיב, מפרסם ואנכי על פני קמפיינים חיים ב-Taboola, Outbrain/Teads, MGID ורשתות native אחרות, כך שאתה יכול לבדוק אם זווית שאתה עומד למסור להצעות מחיר חכמות כבר הוכיחה את עצמה כעמידה עבור מישהו אחר באותה רשת, וזה אות מהיר יותר מאשר לחכות שבוע לבדיקה האוטומטית שלך.

מה לבדוק לפני שאתה מעביר את המתג#

רשימת טרום-טיסה קצרה תופסת את רוב מצבי הכשל לעיל לפני שהם עולים לך שבוע של הוצאות לא מכוונות:

1. אשר שאחזור ה-postback נמדד בדקות, לא בשעות.
2. אשר שכל click ID מפעיל אירוע המרה פעם אחת בלבד.
3. אשר שיש לך מספיק נפח המרות בחלון מתגלגל כדי לתת למודל משהו אמיתי לעבוד איתו, לא קומץ אירועים מבודדים.
4. הגדר תקרת CPA קשיחה שהאלגוריתם לא יכול לחרוג ממנה, ובדוק אותה מדי יום בשבוע הראשון במקום להניח שהיא נשמרת.
5. שמור קבוצת בקרה ידנית על חלק מהתקציב כדי שיהיה לך השוואה ישירה, לא רק לפני-אחרי שיכול להיות מוסבר על ידי עונתיות.

שורה תחתונה#

הצעות מחיר חכמות ברשתות native הן כלי שמתגמל נפח ונתונים נקיים ומעניש את כל השאר. שפוט אותן לפי האם לקמפיין שלך יש מספיק המרות ומעקב מהיר מספיק כדי ללמד אותו משהו, לא לפי טקסט השיווק של הרשת. בדוק אותן עם תקרת CPA, על חלק מההוצאות, מול בקרה ידנית, ותן למספרים לאורך שבוע שלם (לא יום) להכריע.