Bagaimana Widget Rekomendasi Memilih Iklan yang Anda Lihat

Widget rekomendasi konten, kotak "Anda mungkin juga menyukai" di bawah artikel, memutuskan iklan mana yang akan ditampilkan melalui lelang real-time yang mengurutkan kreatif yang memenuhi syarat berdasarkan nilai keterlibatan yang diprediksi, bukan hanya tawaran tertinggi. Ad server jaringan menggabungkan tawaran pengiklan dengan perkiraan tingkat klik untuk pembaca dan penempatan spesifik tersebut, dan kombinasi mana pun yang menghasilkan pendapatan tertinggi yang diharapkan untuk penerbit memenangkan slot tersebut, semuanya dalam waktu yang dibutuhkan halaman untuk dimuat.

Berikut adalah urutan sebenarnya, dan apa yang menentukan iklan spesifik mana yang Anda lihat dibandingkan dengan orang di sebelah Anda.

Urutan dari permintaan hingga render#

1. Anda memuat halaman penerbit. Skrip yang tertanam di halaman (dari Taboola, Outbrain/Teads, MGID, Revcontent, atau jaringan lain) dijalankan saat halaman dirender.
2. Widget meminta iklan dari ad server jaringan. Permintaan ini membawa sinyal kontekstual: topik dan kategori halaman, jenis perangkat Anda, lokasi kasar Anda, dan seringkali sinyal perilaku yang terkait dengan cookie atau ID perangkat jika Anda pernah berinteraksi dengan jaringan sebelumnya.
3. Ad server menjalankan lelang di antara kampanye yang memenuhi syarat. Setiap pengiklan yang menargetkan geo, perangkat, dan konteks tersebut menjadi kandidat. Ini adalah lelang iklan native, dan terjadi dalam milidetik.
4. Setiap kandidat iklan diurutkan, bukan hanya berdasarkan tawaran, tetapi berdasarkan tawaran dikalikan dengan perkiraan tingkat klik untuk pengguna dan konteks spesifik tersebut. Inilah sebabnya penawar dengan tawaran lebih rendah namun dengan kreatif yang sangat relevan dan CTR tinggi dapat mengalahkan penawar dengan tawaran lebih tinggi namun dengan kreatif generik. Jaringan mengoptimalkan pendapatan per tayangan halamannya sendiri, yang menghargai iklan yang kemungkinan besar akan diklik orang.
5. Iklan yang menang dirender ke dalam widget, biasanya beberapa sekaligus mengisi grid rekomendasi bersama dengan rekomendasi editorial asli dari penerbit.
6. Klik Anda (atau ketiadaan klik) memberi umpan balik ke sistem, menyempurnakan perkiraan CTR untuk iklan, konteks, dan seringkali pembaca spesifik tersebut ke depannya.

Apa yang sebenarnya menggerakkan peringkat#

Sinyal kontekstual paling penting untuk pembaca pertama kali atau yang tidak login. Tanpa banyak riwayat perilaku, jaringan mengandalkan penargetan kontekstual, mencocokkan kategori iklan dengan topik artikel. Artikel keuangan pribadi lebih cenderung menampilkan iklan keuangan atau asuransi daripada iklan barang rumah tangga acak, karena pasangan tersebut secara historis berkinerja lebih baik di seluruh dataset jaringan.

Sinyal perilaku mengambil alih saat Anda membangun riwayat penjelajahan. Jika cookie atau ID perangkat jaringan telah melihat Anda mengklik iklan perjalanan sebelumnya, pengiklan perjalanan menjadi lebih kompetitif untuk tayangan Anda secara spesifik, bahkan di halaman artikel yang tidak terkait. Ini lebih mendekati cara demand-side platform menargetkan audiens dalam pembelian programatik yang lebih luas.

Perangkat dan geo memfilter kumpulan yang memenuhi syarat bahkan sebelum peringkat dimulai. Pengiklan yang hanya menargetkan pengguna seluler di negara tertentu tidak pernah masuk ke lelang untuk pembaca desktop di tempat lain, terlepas dari tawaran.

Perkiraan CTR digerakkan oleh model dan terus diperbarui. Setiap jaringan menjalankan model machine learning-nya sendiri yang memperkirakan seberapa besar kemungkinan iklan tertentu diklik oleh pembaca tertentu dalam konteks tertentu. Prediksi ini, bukan tawaran mentah, biasanya merupakan faktor yang lebih besar dalam siapa yang menang, itulah sebabnya headline dan gambar yang dibuat dengan baik dapat mengungguli anggaran yang jauh lebih besar.

Batas frekuensi dan kesegaran memengaruhi apa yang memenuhi syarat. Jaringan umumnya menghindari menampilkan kreatif yang sama persis berulang kali dalam jendela waktu singkat, baik untuk melindungi pengalaman pembaca maupun karena perkiraan CTR iklan yang basi dan terlalu sering ditampilkan secara alami menurun. Ini adalah salah satu alasan mengapa pengiklan memutar beberapa varian kreatif iklan dalam satu kampanye.

Di mana header bidding dan jalur pasokan masuk#

Pada jaringan yang menjual kembali inventaris melalui saluran programatik yang lebih luas, lebih dari satu sumber permintaan dapat bersaing untuk slot widget yang sama secara bersamaan, pengaturan yang mirip dengan header bidding dalam display tradisional. Supply-side platform yang mengelola inventaris penerbit dapat mengarahkan satu permintaan iklan ke beberapa calon pembeli sebelum widget dirender. Ini adalah salah satu alasan mengapa rantai pasokan iklan native dapat melibatkan lebih banyak perantara daripada yang disarankan oleh model sederhana "pengiklan membayar penerbit", dan mengapa slot yang sama dapat diisi oleh permintaan dari jaringan yang berbeda tergantung pada momennya.

Lapisan inventaris yang dijual kembali ini juga merupakan alasan mengapa mengidentifikasi jaringan mana yang sebenarnya menyajikan iklan yang Anda lihat tidak selalu jelas dari permukaannya. Widget yang bermerek sebagai penempatan satu jaringan dapat, dalam praktiknya, diisi oleh permintaan yang dialirkan dari mitra. Jika Anda melakukan penelitian kompetitif dan atribusi jaringan penting untuk analisis Anda, ada baiknya membaca melewati branding widget yang terlihat untuk mengonfirmasi jalur penyajian sebenarnya, yang persis merupakan jenis detail yang dirancang untuk ditampilkan oleh jejak rantai pasokan daripada sesuatu yang dapat Anda perkirakan dari halaman saja.

Apa artinya ini bagi pengiklan yang berusaha memenangkan lebih banyak lelang#

Karena perkiraan CTR memiliki bobot yang sangat besar, beberapa tuas praktis meningkatkan peluang Anda untuk memenangkan slot tanpa hanya menaikkan tawaran:

• Sesuaikan kreatif dengan konteks yang mungkin dari penempatan. Sudut iklan yang terbaca secara alami di samping konten editorial, daripada terlihat seperti interupsi yang jelas, cenderung mendapatkan perkiraan CTR yang lebih tinggi karena lebih mirip dengan apa yang dicari pembaca di halaman tersebut.
• Jalankan beberapa varian kreatif dalam satu kampanye. Karena prediksi model spesifik untuk setiap pasangan kreatif dan konteks, satu iklan membatasi Anda pada satu titik data. Beberapa varian memungkinkan algoritma menemukan mana yang berkinerja terbaik untuk segmen audiens mana, dan memungkinkan Anda menghentikan yang tidak disukainya.
• Segarkan kreatif sebelum kinerja menurun. Karena frekuensi dan kesegaran memengaruhi perkiraan CTR, iklan yang sebelumnya konsisten menang sebulan yang lalu dapat secara diam-diam kalah dalam lelang hari ini hanya karena terlalu sering terpapar ke audiens yang sama, bahkan dengan tawaran yang tidak berubah.
• Targetkan dengan ketat daripada luas. Kampanye yang memenuhi syarat untuk setiap geo dan perangkat mengencerkan perkiraan CTR rata-ratanya sendiri dengan bersaing dalam konteks di mana ia tidak berkinerja baik. Mempersempit kelayakan ke tempat kreatif benar-benar disukai meningkatkan tingkat kemenangannya dalam konteks yang penting.
• Perhatikan apa yang sudah bertahan dalam lelang berulang kali. Iklan yang masih aktif setelah beberapa minggu di jaringan tertentu, menurut definisi, terus memenangkan cukup banyak lelang untuk membenarkan pengeluaran pengiklan yang berlanjut. Itu adalah sinyal yang lebih kuat tentang apa yang dihargai model daripada teori apa pun tentang algoritma.

Mengapa artikel yang sama menunjukkan iklan berbeda kepada pembaca yang berbeda#

Jika Anda dan rekan kerja membuka artikel yang sama pada waktu yang sama, Anda akan sering melihat iklan yang berbeda di widget. Itu diharapkan, bukan kesalahan. Geo, perangkat, riwayat penjelajahan yang berbeda, dan bahkan milidetik spesifik saat lelang berjalan dapat menggeser kandidat mana yang menang. Penerbit mendapat manfaat dari personalisasi ini karena meningkatkan perkiraan CTR rata-rata di seluruh audiens mereka, yang merupakan metrik sebenarnya yang dioptimalkan oleh algoritma.

Bagaimana OpenAdLibrary membantu#

Karena algoritma menghargai kreatif dengan keterlibatan prediksi yang kuat, mempelajari apa yang sudah berulang kali memenangkan lelang tersebut, artinya iklan yang tetap aktif selama berminggu-minggu, adalah salah satu cara paling langsung untuk merekayasa balik apa yang dihargai oleh model jaringan tertentu. Alat intelijen iklan OpenAdLibrary memungkinkan Anda memfilter berdasarkan jaringan, vertikal, dan umur panjang untuk melihat kreatif mana yang terus memenuhi standar tersebut dalam produksi, daripada menebak apa yang disukai model.

Versi singkatnya#

Slot iklan widget rekomendasi dimenangkan oleh lelang real-time yang mempertimbangkan tawaran dan perkiraan keterlibatan bersama-sama, diperbarui oleh sinyal kontekstual dan perilaku pada setiap kali halaman dimuat. Memahami kombinasi itu, daripada menganggapnya sebagai lelang penawar tertinggi sederhana, adalah perbedaan antara menulis kreatif yang hanya menawar dengan baik dan kreatif yang sebenarnya ingin ditampilkan oleh algoritma.

Ini juga menjelaskan pola yang sering menjebak banyak pengiklan baru di saluran ini: kampanye yang berkinerja baik selama minggu pertama dan kemudian diam-diam menurun dalam pengiriman, tanpa perubahan apa pun pada tawaran. Tidak ada yang rusak. Perkiraan CTR yang membuat kreatif kompetitif hanya menurun karena lebih banyak audiens yang memenuhi syarat telah melihatnya, dan lelang mulai mengutamakan kandidat yang lebih segar. Memperlakukan penurunan itu sebagai sinyal untuk menyegarkan kreatif, daripada sinyal bahwa jaringan atau penawaran berhenti bekerja, biasanya adalah pembacaan yang tepat.