学習フェーズ（広告アルゴリズム）

学習フェーズとは、キャンペーンを開始した後、またはアクティブなキャンペーンに大幅な編集を行った後、広告プラットフォームの配信アルゴリズムが入札とターゲティングを確実に最適化するために十分なコンバージョンデータをまだ収集している期間のことです。この期間中、成果あたりのコストは通常よりも変動しやすく、キャンペーンが実際に機能しているかどうかを判断するには早すぎると一般的に考えられています。

アルゴリズムが学習ウィンドウを必要とする理由#

最新のスマート入札システムは、コンバージョンする可能性が高いユーザーを予測し、その予測に基づいてリアルタイムで入札を調整します。開始直後、または大幅な変更の直後は、システムはその特定のクリエイティブ、オーディエンス、入札戦略の組み合わせに固有のデータをほとんどまたはまったく持っていないため、より広範囲に探索して、何が機能するかのモデルを構築します。その探索は、当然ながらノイズが多く、アルゴリズムが予測に自信を持つのに十分なコンバージョンを得た後の安定した配信よりも効率が悪いことがよくあります。

リセットとみなされるもの#

ほとんどのプラットフォームは、開始時に新しい学習フェーズをトリガーするだけではありません。入札戦略の変更、ターゲティングの大幅な編集、長期間の休止後の再開、またはアクティブな広告クリエイティブの大部分の交換は、すべて時計をリセットする可能性があります。これが、全面的なクリエイティブの見直しよりも、単一の新しいチャレンジャー広告を切り替えることが好まれる理由の1つです。キャンペーンの残りの部分を安定させたまま1つの広告を交換することで、それと並行して実行されている他のすべての学習がリセットされるのを防ぎます。これは、実際の規模でTaboolaに広告を掲載する前に知っておくべきパターンです。

通常どのくらい続くか#

固定された答えはなく、カレンダー時間ではなく、コンバージョン量に大きく依存します。1日に数十件のコンバージョンを生成するキャンペーンは、数日で学習ウィンドウをクリアできますが、1週間に数件のコンバージョンしかない少量のキャンペーンは、はるかに長い期間不安定な状態に留まるか、量が少なすぎると完全に終了できない可能性があります。これが、小規模なアフィリエイト予算で運営するバイヤーが、大規模なアカウントよりも日々の結果の変動が大きい理由の一部です。アルゴリズムが学習するためのデータポイントが1日あたり単純に少ないからです。

バイヤーへの実用的な影響#

新しいキャンペーンや大きな編集を早期に判断することは、メディアバイヤーが本来機能していたはずのものを殺してしまう最も一般的な方法の1つです。最初の48時間で高額に見えるキャンペーンも、アルゴリズムが十分なシグナルを得ると、まったく異なる成果あたりのコストに落ち着く可能性があるため、停止または拡大を決定する前に、経過日数ではなくコンバージョン数に結びついた最小評価期間を設定する価値があります。この同じ忍耐は入札調整にも当てはまります。すでに不安定な学習ウィンドウ中に複数の新しい調整を一度に積み重ねると、どの変更が実際に役立っているかを判断するのがはるかに難しくなります。

不要なリセットを減らす#

編集を1週間に分散させた複数の小さな変更ではなく1つの変更にまとめる、手動での一時停止と再開ではなくスケジュールされた入札調整を使用する、勝っている広告を反射的に交換するのではなく実行し続ける余地を与える、これらすべてにより、キャンペーンが学習に戻される頻度が減ります。競合他社ウォッチリストの構築方法を調査しているバイヤーにとって、同じロジックが、OpenAdLibraryの広告インテリジェンスプラットフォームを通じて確認できる、最初の1〜2週間を生き残った競合の広告が、3日目でもまだ掲載されている広告よりも強いシグナルである理由を説明しています。それは、独自の学習ウィンドウをクリアし、安定したパフォーマンスに落ち着いた可能性が高いからです。