Bízz a Smart Biddingben? Hol verik az algoritmusok az embereket

Bízz a smart biddingben a natív hálózatokon, ha van elegendő konverziós jel, amelyből az algoritmus tanulhat, tiszta postback nyomonkövetés és meghatározott költségfelső határ. Ezek alatt a manuális licitálás szinte mindig jobban teljesít. Az őszinte válasz feltételes, nem pedig igen vagy nem, és a feltétel az adatmennyiség, nem a szállítóba vetett hit.

Mit is jelent valójában a "smart bidding" a natív hálózatokon#

A Taboola, Outbrain (most a Teads része) és MGID mind valamilyen változatban kínál automatizált, algoritmikus licitálást: beállítasz egy cél CPA-t vagy értékalapú célt, átadod a napi költségvetés irányítását, és a platform modellje a helyezések, eszközök és célközönségek között mozgatja a kiadást, hogy elérje ezt a célt. Ez nem ugyanaz a termék, mint a Google Smart Bidding, bár a marketingnyelv onnan kölcsönöz. A natív hálózatok kampányonkénti konverziós volumene vékonyabb, mint a keresőké, és licitálási modelljeik inkább az oldal- és helyezés-szintű jelekre támaszkodnak, mint a kulcsszó-szándékra, mert nincs kulcsszó.

Az ajánlat mindenhol ugyanaz: az algoritmus finomabb jeleket lát (eszköz, napszak, kiadói domain, kreatív-helyezés kombináció), mint egy ember, aki naponta egyszer állítja a liciteket földrajz és eszköz szerint. Amikor működik, jól működik. Amikor nincs elég adata, akkor csak magabiztosan költi el a költségvetésedet rossz irányba.

A valóban számító volumenküszöb#

Minden automatikus licitáló rendszerhez elegendő konverziós eseményre van szükség, amely elég alacsony késleltetéssel érkezik a helyes teljesítmény-hozzárendeléshez. A natív hirdetést nagy léptékben futtató szakemberek általában egyeznek egy durva mintában: ha egy kampány csak egy maroknyi konverziót termel hetente, az automatikus licitálónak szinte semmiből sincs mit tanulnia, és gyakran csak a legolcsóbb kattintásokat fogja üldözni, nem a legjobbakat. Amint a volumen heti tucatnyi stabil nyomonkövetésű konverzióba emelkedik, az algoritmus elkezd olyan mintákat találni, amelyeket egy manuális licitáló elszalasztana, különösen a hosszú farokú kiadói helyezések között, amelyek túl sokan vannak ahhoz, hogy kézzel licitáljunk rájuk.

Ez egy heurisztika, nem egy hálózat által közzétett szabály, és vertikálisan változik. Egy magas értékű B2B leadgeneráló tölcsér kéthetes értékesítési ciklussal soha nem éri el a "magas volumen" szintet úgy, mint egy e-kereskedelmi impulzusvásárlásos ajánlat. Ez az eltérés az egyetlen legnagyobb ok, amiért a smart biddinget hibáztatják az alulteljesítésért, amikor a valódi probléma a jelhiány.

Miért dönti el inkább a postback minősége az eredményt, mint maga az algoritmus#

Egy automatikus licitáló csak annyira jó, amennyire a táplált konverziós esemény. Ha a szerverről szerverre küldött postback két óra késéssel aktiválódik, vagy frissítéskor duplán aktiválódik, vagy nem adja vissza az értéket a bevételalapú licitáláshoz, akkor az algoritmus zajon optimalizál. Ezt a részt hagyják ki a médiavásárlók, amikor a smart biddinget ítélik meg, és ez általában a tényleges hiba oka.

Mielőtt bármely hálózat algoritmusának átadnád a licitálás irányítását, erősítsd meg, hogy:

• A postback-ek a valódi konverziós esemény után perceken belül aktiválódnak, nem órákkal később.
• Minden konverziós esemény csak egyszer aktiválódik kattintásazonosítónként (a dupla aktiválások csendesen megtanítják a modellt a felfújt volumenre).
• Ha értékre licitálsz egy fix CPA helyett, akkor a visszaadott érték a valódi rendelési értéket vagy LTV-t tükrözi, nem egy helykitöltőt.
• A te nyomkövetőd és a hálózat kattintásazonosítója tisztán egyezik a teljes átirányítási lánc során, így semmi nem veszik el egy visszapattanás során.

Ha ezt rosszul csinálod, akkor semmilyen "algoritmus tanulásra bízása" nem fogja megjavítani, mert a bemeneti adatok hibásak.

Amikor a manuális licitálás még mindig nyer#

A manuális irányítás egy specifikus, ismétlődő helyzetekben veri az automatikus licitálást:

• Új ajánlatok és új vertikálok. Nincs konverziós előzmény, amellyel táplálni lehetne a modellt, így fizetsz neki, hogy találgasson a kampány első szakaszában, függetlenül attól, mit sugall az irányítópult.
• Ritka, szélsőséges adatok. A hétvégi konverziós minták, szezonális ajánlatok vagy bármi, ami kevesebb, mint egy stabil napi konverzióáram, összezavarja az automatikus rendszereket, amelyek állandó jelet várnak.
• Megfelelőségérzékeny vertikálok. Ha jogi okokból szigorúan korlátozni kell a kiadást specifikus helyezéseken, vagy ki kell zárni kiadói kategóriákat, akkor a manuális szabályok auditálhatóbbak, mint egy feketedoboz-optimalizáló.
• Új megközelítés korai tesztelése. Amikor még döntöd el, hogy egy kampányfogás egyáltalán működik-e, közvetlen ok-okozati láthatóságot szeretnél a licitváltozásokra, nem pedig egy algoritmust, amely kisimítja a zajt.

A legtöbb tapasztalt vásárló által alkalmazott minta szekvenciális, nem pedig vagy/vagy: futtass új kampányokat manuálisan, amíg a konverziós volumen és a nyomonkövetés is bizonyítottan tiszták, majd add át a licitálás irányítását az algoritmusnak egy szigorú CPA-felső határ mellett.

Változik-e a válasz hálózatonként?#

Alapvetően nem, de a gyakorlati mechanizmusok elég különbözőek ahhoz, hogy számítsanak. A Taboola automatikus licitálása a kiadói leltár méretére támaszkodik, így általában szélesebb helyezés-körre van szüksége, mielőtt a modellje stabilizálódna. Az MGID és Revcontent kisebb leltárokat futtat, ahol egy kampány gyorsabban telítődhet a rendelkezésre álló helyezésekkel, ami néha azt jelenti, hogy az algoritmus hamarabb elér egy stabil állapotot, pusztán azért, mert kevesebb felfedeznivaló terület van. Egyik sem változtatja meg az alapvető szabályt: ellenőrizd az aktuális dokumentációt minden hálózat specifikus licitvezérlőiről és minimális adatkövetelményeiről, mielőtt feltételeznéd, hogy a viselkedés átvihető egyik platformról a másikra, mert ezek a termékrészletek gyakran változnak anélkül, hogy sokat szólnának róla.

A nagyobb állandó minden hálózaton az, hogy az automatikus licitálás egy kínálati oldali optimalizálás egy olyan aukció tetején, amelyet nem látsz teljesen. Nem tud kompenzálni egy olyan ajánlatért, amelynek valóban gyenge a konverziós rátája, és boldogan folytatja a kiadást a felső határodig, még akkor is, ha az alapul szolgáló megközelítés közepes, mert a "hatékony kiadás egy közepes CPA felé" még mindig egy olyan cél, amit elérhet.

Egy biztonságosabb módja az átadás tesztelésének#

Ahelyett, hogy egy kampányt átkapcsolnád automatikus licitálásra és egy hétig figyelnéd a kiadást, először korlátozd a kártérítési körzetet. Állíts be egy maximális CPA-t, amelyet az algoritmus nem léphet túl, futtasd a költségvetés egy részén párhuzamosan egy manuális kontrollcsoporttal, és hasonlítsd össze a konverziónkénti költséget egy teljes hét alatt, nem egy nap alatt, mivel a natív forgalom mintái változnak a hét napjai szerint. Ha az automatikus oldal a CPA-felső határon belül megveri vagy egyenlíti a manuális oldalt, bővítsd ki. Ha ismételten átlépi a felső határt, valószínűleg nyomonkövetési problémád van, nem algoritmusproblémád, és érdemes újra átnézni a postback beállítást, mielőtt újrapróbálnád.

Egy alulhasznált jel itt: a hirdetés élettartama. Ha egy versenytárs kreatívja ugyanazon a hálózaton hetek óta fut a te vertikálodban, az független bizonyíték arra, hogy a megközelítés és ajánlat kombinációja átmegy a hálózat saját optimalizálási küszöbén, ami nagyobb bizalmat ad neked ahhoz, hogy az automatikus licitálást ezen a konkrét kreatívon futtasd, nem pedig egy teljesen újon.

Hogyan illeszkedik be az OpenAdLibrary a döntésbe#

Mielőtt bíznál egy algoritmusban, hogy megtalálja a nyerő kombinációdat, segít látni, mi már túlélte a hálózat saját licitálási nyomását. Az OpenAdLibrary indexe nyomon követi a kreatív futási idejét, a hirdetőt és a vertikált élő kampányokon a Taboolán, Outbrain/Teads-en, MGID-en és más natív hálózatokon, így ellenőrizheted, hogy egy olyan megközelítés, amelyet éppen átadnál a smart biddingnek, már bizonyított tartósnak valaki más számára ugyanazon a hálózaton, ami gyorsabb jel, mint egy hétig várni a saját automatikus teszted eredményére.

Mit kell ellenőrizni, mielőtt átkapcsolsz#

Egy rötti előrepillantó lista kiszűri a fenti hibamódok nagy részét, mielőtt egy hétnyi félrevezetett kiadásba kerülnél:

1. Erősítsd meg, hogy a postback késleltetése percekben mérhető, nem órákban.
2. Erősítsd meg, hogy minden kattintásazonosító csak egyszer aktivál konverziós eseményt.
3. Erősítsd meg, hogy van elég konverziós volumen egy gördülő ablakban, hogy a modellnek valódi dolga legyen, nem csak néhány elszigetelt esemény.
4. Állíts be egy szigorú CPA-felső határt, amelyet az algoritmus nem léphet túl, és ellenőrizd naponta az első héten, ne feltételezd, hogy tartja.
5. Tarts fenn egy manuális kontrollt a költségvetés egy szeletén, hogy legyen közvetlen összehasonlításod, nem csak egy előtte-utána, amelyet szezonalitással is meg lehetne magyarázni.

Végszó#

A smart bidding a natív hálózatokon egy olyan eszköz, amely a volumenért és a tiszta adatokért jutalmaz, és minden mást büntet. Az alapján ítéld meg, hogy a kampányodnak van-e elég konverziója és elég gyors nyomonkövetése ahhoz, hogy megtanítson valamire, ne pedig a hálózati marketinganyagok alapján. Teszteld CPA-felső határral, a kiadás egy részén, egy manuális kontrollal szemben, és hagyd, hogy a számok egy teljes hét (nem egy nap) alatt hozzák meg a döntést.