रिकमेंडेशन विजेट आपको कौन से विज्ञापन दिखाते हैं, यह कैसे चुनते हैं

एक कंटेंट रिकमेंडेशन विजेट, किसी लेख के नीचे "आपको यह भी पसंद आ सकता है" बॉक्स, यह तय करता है कि कौन से विज्ञापन दिखाए जाएं, और यह एक रियल-टाइम नीलामी के माध्यम से होता है जो पात्र क्रिएटिव्स को केवल सबसे ऊंची बोली के आधार पर नहीं, बल्कि पूर्वानुमानित संलग्नता मूल्य के आधार पर रैंक करती है। नेटवर्क का विज्ञापन सर्वर विज्ञापनदाता की बोली को उस विशिष्ट पाठक और प्लेसमेंट के लिए एक पूर्वानुमानित क्लिक-थ्रू रेट के साथ जोड़ता है, और जो भी संयोजन प्रकाशक के लिए उच्चतम अपेक्षित राजस्व उत्पन्न करता है, वह स्लॉट जीत जाता है - और यह सब पेज लोड होने में लगने वाले समय के भीतर होता है।

यहां वास्तविक क्रम है, और यह निर्धारित करता है कि आप बगल में बैठे व्यक्ति के मुकाबले कौन सा विशिष्ट विज्ञापन देखते हैं।

अनुरोध-से-रेंडर क्रम#

1. आप एक प्रकाशक पेज लोड करते हैं। पेज पर एम्बेडेड एक स्क्रिप्ट (Taboola, Outbrain/Teads, MGID, Revcontent, या किसी अन्य नेटवर्क से) पेज रेंडर होते ही फायर होती है।
2. विजेट नेटवर्क के विज्ञापन सर्वर से विज्ञापनों का अनुरोध करता है। यह अनुरोध कंटेक्स्चुअल सिग्नल लेकर चलता है: पेज का विषय और श्रेणी, आपके डिवाइस का प्रकार, आपका अनुमानित स्थान, और अक्सर बिहेवियरल सिग्नल जो एक कुकी या डिवाइस आईडी से जुड़े होते हैं यदि आपने पहले नेटवर्क के साथ इंटरैक्ट किया है।
3. विज्ञापन सर्वर पात्र अभियानों के बीच एक नीलामी चलाता है। उस भूगोल, डिवाइस और संदर्भ को टारगेट करने वाला हर विज्ञापनदाता एक उम्मीदवार बन जाता है। यह नेटिव विज्ञापन नीलामी है, और यह मिलीसेकंड में होती है।
4. प्रत्येक उम्मीदवार विज्ञापन को रैंक किया जाता है, न कि केवल बोली के आधार पर, बल्कि बोली को उस विशिष्ट उपयोगकर्ता और संदर्भ के लिए पूर्वानुमानित क्लिक-थ्रू रेट से गुणा करके। यही कारण है कि एक कम बोली लगाने वाला, जिसका क्रिएटिव अत्यधिक प्रासंगिक और उच्च-CTR वाला है, एक उच्च बोली लगाने वाले को हरा सकता है जिसका क्रिएटिव सामान्य है। नेटवर्क प्रति पेजव्यू अपने स्वयं के राजस्व को अनुकूलित कर रहा है, जो उन विज्ञापनों को पुरस्कृत करता है जिन पर लोग वास्तव में क्लिक करने की संभावना रखते हैं।
5. विजेता विज्ञापन विजेट में रेंडर होते हैं, आमतौर पर एक साथ कई विज्ञापन रिकमेंडेशन ग्रिड को भरते हैं, साथ ही प्रकाशक से वास्तविक संपादकीय सिफारिशें भी होती हैं।
6. आपका क्लिक (या उसकी अनुपस्थिति) सिस्टम में वापस फीड होता है, जो उस विज्ञापन, उस संदर्भ और अक्सर उस विशिष्ट पाठक के लिए भविष्य में पूर्वानुमानित CTR को परिष्कृत करता है।

वास्तव में रैंकिंग को क्या चलाता है#

कंटेक्स्चुअल सिग्नल पहली बार या लॉग-आउट पाठकों के लिए सबसे अधिक मायने रखते हैं। अधिक बिहेवियरल इतिहास के बिना, नेटवर्क कंटेक्स्चुअल टारगेटिंग पर निर्भर करता है, जो एक विज्ञापन की श्रेणी को लेख के विषय से मिलाता है। एक पर्सनल फाइनेंस लेख में एक फाइनेंस या इंश्योरेंस विज्ञापन दिखाई देने की संभावना एक यादृच्छिक होम गुड्स विज्ञापन की तुलना में अधिक होती है, क्योंकि इस जोड़ी ने ऐतिहासिक रूप से नेटवर्क के पूरे डेटासेट में बेहतर प्रदर्शन किया है।

जैसे-जैसे आप ब्राउज़िंग इतिहास बनाते हैं, बिहेवियरल सिग्नल संभाल लेते हैं। यदि नेटवर्क की कुकी या डिवाइस आईडी ने आपको पहले ट्रैवल विज्ञापनों पर क्लिक करते देखा है, तो ट्रैवल विज्ञापनदाता विशेष रूप से आपके इंप्रेशन के लिए अधिक प्रतिस्पर्धी हो जाते हैं, यहां तक कि एक असंबंधित लेख पेज पर भी। यह इसके करीब है कि एक डिमांड-साइड प्लेटफॉर्म व्यापक प्रोग्रामेटिक खरीद में दर्शकों को कैसे टारगेट करता है।

डिवाइस और भूगोल रैंकिंग शुरू होने से पहले ही पात्र पूल को फ़िल्टर कर देते हैं। एक विज्ञापनदाता जो केवल एक विशिष्ट देश में मोबाइल उपयोगकर्ताओं को टारगेट करता है, वह कहीं और के डेस्कटॉप पाठक के लिए नीलामी में कभी प्रवेश नहीं करता, भले ही बोली कुछ भी हो।

पूर्वानुमानित CTR मॉडल-संचालित है और लगातार अपडेट होता रहता है। प्रत्येक नेटवर्क अपने स्वयं के मशीन लर्निंग मॉडल चलाता है जो अनुमान लगाते हैं कि एक दिए गए विज्ञापन पर एक दिए गए पाठक द्वारा एक दिए गए संदर्भ में क्लिक करने की कितनी संभावना है। यह पूर्वानुमान, न कि कच्ची बोली, आमतौर पर बड़ा कारक होता है कि कौन जीतता है, यही कारण है कि एक अच्छी तरह से तैयार किया गया हेडलाइन और इमेज एक बहुत बड़े बजट से बेहतर प्रदर्शन कर सकता है।

फ़्रीक्वेंसी और फ्रेशनेस कैप प्रभावित करते हैं कि क्या पात्र है। नेटवर्क आम तौर पर आपको एक छोटी विंडो में बार-बार एक ही क्रिएटिव दिखाने से बचते हैं, ताकि पाठक अनुभव की रक्षा हो और क्योंकि एक बासी, अधिक दिखाए गए विज्ञापन का पूर्वानुमानित CTR स्वाभाविक रूप से कम हो जाता है। यही कारण है कि विज्ञापनदाता एक अभियान के भीतर कई विज्ञापन क्रिएटिव वेरिएंट को रोटेट करते हैं।

हेडर बिडिंग और सप्लाई पाथ कहां फिट होते हैं#

उन नेटवर्क पर जो इन्वेंट्री को व्यापक प्रोग्रामेटिक पाइपों के माध्यम से पुनर्विक्रय करते हैं, एक से अधिक डिमांड स्रोत एक ही विजेट स्लॉट के लिए एक साथ प्रतिस्पर्धा कर सकते हैं, यह सेटअप पारंपरिक डिस्प्ले में हेडर बिडिंग के समान है। प्रकाशक की इन्वेंट्री को प्रबंधित करने वाला सप्लाई-साइड प्लेटफॉर्म विजेट रेंडर होने से पहले एक ही विज्ञापन अनुरोध को कई संभावित खरीदारों तक रूट कर सकता है। यह एक कारण है कि नेटिव विज्ञापन सप्लाई चेन में एक साधारण "विज्ञापनदाता प्रकाशक को भुगतान करता है" मॉडल की तुलना में अधिक मध्यस्थ शामिल हो सकते हैं, और यह कि एक ही स्लॉट को क्षण के आधार पर अलग-अलग नेटवर्क की डिमांड से भरा जा सकता है।

यह पुनर्विक्रय-इन्वेंट्री लेयर यही कारण भी है कि जिस नेटवर्क ने वास्तव में आपके द्वारा देखे जा रहे विज्ञापन को सर्व किया है, उसकी पहचान करना हमेशा सतह से स्पष्ट नहीं होता। एक विजेट जिसे एक नेटवर्क के प्लेसमेंट के रूप में ब्रांडेड किया गया है, वह व्यवहार में, एक पार्टनर से रूट की गई डिमांड से भरा जा सकता है। यदि आप प्रतिस्पर्धी शोध कर रहे हैं और नेटवर्क एट्रिब्यूशन आपके विश्लेषण के लिए मायने रखता है, तो विजेट के दृश्यमान ब्रांडिंग से परे पढ़कर वास्तविक सर्विंग पाथ की पुष्टि करना उचित है, जो ठीक उस प्रकार का विवरण है जिसे सप्लाई-चेन ट्रेस सतह पर लाने के लिए बनाया गया है, न कि कुछ ऐसा जिसे आप केवल पेज से ही आंख से देख सकें।

इसका क्या मतलब है उन विज्ञापनदाताओं के लिए जो अधिक नीलामी जीतने की कोशिश कर रहे हैं#

चूंकि पूर्वानुमानित CTR का इतना वजन होता है, इसलिए केवल अपनी बोली बढ़ाए बिना स्लॉट जीतने की आपकी संभावनाओं को बदलने वाले कुछ व्यावहारिक लीवर हैं:

• क्रिएटिव को प्लेसमेंट के संभावित संदर्भ से मिलाएं। एक विज्ञापन एंगल जो संपादकीय सामग्री के बगल में स्वाभाविक रूप से पढ़ता है, न कि एक स्पष्ट व्यवधान की तरह दिखता है, वह आमतौर पर उच्च पूर्वानुमानित CTR अर्जित करता है क्योंकि यह उस चीज़ से अधिक मिलता-जुलता है जिसके लिए पाठक पेज पर आया था।
• एक अभियान के भीतर कई क्रिएटिव वेरिएंट चलाएं। चूंकि मॉडल का पूर्वानुमान प्रत्येक क्रिएटिव और संदर्भ जोड़ी के लिए विशिष्ट है, एक एकल विज्ञापन आपको एक डेटा पॉइंट तक सीमित कर देता है। कई वेरिएंट एल्गोरिदम को यह खोजने देते हैं कि कौन सा वेरिएंट किस दर्शक सेगमेंट के लिए सबसे अच्छा प्रदर्शन करता है, और आपको उन्हें रिटायर करने देते हैं जिन्हें यह पसंद नहीं करता।
• प्रदर्शन क्षय होने से पहले क्रिएटिव को ताज़ा करें। क्योंकि फ़्रीक्वेंसी और फ्रेशनेस पूर्वानुमानित CTR को प्रभावित करते हैं, एक विज्ञापन जो एक महीने पहले लगातार जीत रहा था, वह आज चुपचाप नीलामी हार सकता है, केवल उसी दर्शकों के लिए अत्यधिक एक्सपोजर के कारण, भले ही बोली अपरिवर्तित हो।
• व्यापक की बजाय सटीक रूप से टारगेट करें। एक अभियान जो हर भूगोल और डिवाइस के लिए पात्र है, उन संदर्भों में प्रतिस्पर्धा करके अपने स्वयं के औसत पूर्वानुमानित CTR को पतला कर देता है जहां यह अच्छा प्रदर्शन नहीं करता है। पात्रता को उन जगहों तक सीमित करना जहां क्रिएटिव वास्तव में प्रतिध्वनित होता है, उन संदर्भों में इसकी जीत दर बढ़ाता है जो मायने रखते हैं।
• ध्यान दें कि क्या पहले से ही बार-बार नीलामी में बच रहा है। एक विज्ञापन जो किसी दिए गए नेटवर्क पर कई हफ्तों के बाद भी लाइव है, परिभाषा के अनुसार, अपने विज्ञापनदाता के निरंतर खर्च को उचित ठहराने के लिए पर्याप्त नीलामी जीतता रहा है। यह एल्गोरिदम के बारे में किसी भी सिद्धांत की तुलना में एक मजबूत संकेत है कि मॉडल क्या पुरस्कृत करता है।

एक ही लेख अलग-अलग पाठकों को अलग-अलग विज्ञापन क्यों दिखाता है#

यदि आप और एक सहकर्मी एक ही समय में एक ही लेख खोलते हैं, तो आप अक्सर विजेट में अलग-अलग विज्ञापन देखेंगे। यह अपेक्षित है, कोई गड़बड़ नहीं है। अलग-अलग भूगोल, डिवाइस, ब्राउज़िंग इतिहास, और यहां तक कि वह विशिष्ट मिलीसेकंड जिसमें नीलामी चलती है, ये सभी यह बदल सकते हैं कि कौन सा उम्मीदवार जीतता है। प्रकाशक इस व्यक्तिगतकरण से लाभान्वित होते हैं क्योंकि यह उनके पूरे दर्शकों में औसत पूर्वानुमानित CTR बढ़ाता है, जो वह वास्तविक मीट्रिक है जिसे एल्गोरिदम अनुकूलित कर रहा है।

OpenAdLibrary कैसे मदद करता है#

चूंकि एल्गोरिदम मजबूत पूर्वानुमानित संलग्नता वाले क्रिएटिव्स को पुरस्कृत करता है, इसलिए यह अध्ययन करना कि पहले से ही बार-बार उस नीलामी में क्या जीत रहा है - मतलब वे विज्ञापन जो हफ्तों तक लाइव रहे हैं - किसी दिए गए नेटवर्क के मॉडल द्वारा क्या पुरस्कृत किया जाता है, इसे रिवर्स-इंजीनियर करने के सबसे सीधे तरीकों में से एक है। OpenAdLibrary के विज्ञापन इंटेलिजेंस टूल आपको नेटवर्क, वर्टिकल और दीर्घायु के आधार पर फ़िल्टर करने देते हैं ताकि यह देखा जा सके कि उत्पादन में कौन से क्रिएटिव उस बार को पार करते रहते हैं, बजाय इसके कि मॉडल क्या पसंद करता है इसका अनुमान लगाया जाए।

संक्षिप्त संस्करण#

एक रिकमेंडेशन विजेट का विज्ञापन स्लॉट एक रियल-टाइम नीलामी द्वारा जीता जाता है जो बोली और पूर्वानुमानित संलग्नता को एक साथ तौलती है, और यह हर एक पेज लोड पर कंटेक्स्चुअल और बिहेवियरल सिग्नल द्वारा ताज़ा की जाती है। उस संयोजन को समझना, बजाय इस धारणा के कि यह एक साधारण सबसे ऊंची बोली लगाने वाले की नीलामी है, वह अंतर है मात्र अच्छी बोली लगाने वाले क्रिएटिव और उस क्रिएटिव के बीच जिसे एल्गोरिदम वास्तव में दिखाना चाहता है।

यह उस पैटर्न की भी व्याख्या करता है जो चैनल में नए बहुत से विज्ञापनदाताओं को उलझा देता है: एक अभियान जो पहले हफ्ते के लिए अच्छा प्रदर्शन करता रहा और फिर डिलीवरी में चुपचाप फिसल गया, बोली में किसी भी बदलाव के बिना। कुछ भी टूटा नहीं था। वह पूर्वानुमानित CTR जिसने क्रिएटिव को प्रतिस्पर्धी बनाया था, बस कम हो गया क्योंकि पात्र दर्शकों का अधिक हिस्सा पहले ही इसे देख चुका था, और नीलामी ने इसके बजाय ताज़ा उम्मीदवारों को पसंद करना शुरू कर दिया। उस गिरावट को एक संकेत के रूप में लेना कि क्रिएटिव को ताज़ा किया जाए, बजाय इस संकेत के कि नेटवर्क या ऑफर काम करना बंद कर दिया है, आमतौर पर सही पढ़त होती है।