학습 단계 (광고 알고리즘)

학습 단계는 캠페인이 시작된 후, 또는 활성 캠페인에 주요 수정을 가한 후 광고 플랫폼의 게재 알고리즘이 입찰과 타겟팅을 안정적으로 최적화하기에 충분한 전환 데이터를 수집하는 기간입니다. 이 기간 동안 결과당 비용은 평소보다 더 크게 변동하는 경향이 있으며, 캠페인이 실제로 효과가 있는지 판단하기에는 너무 이르다는 것이 일반적인 견해입니다.

알고리즘이 학습 기간을 필요로 하는 이유#

현대의 스마트 입찰 시스템은 전환할 가능성이 높은 사용자를 예측하고 그 예측에 따라 실시간으로 입찰을 조정합니다. 시작 직후 또는 중요한 변경 직후에는 시스템이 해당 크리에이티브, 오디언스, 입찰 전략의 정확한 조합에 대한 데이터가 거의 없거나 전혀 없으므로, 어떤 것이 효과가 있는지 모델을 구축하기 위해 더 광범위하게 탐색합니다. 이러한 탐색은 당연히 알고리즘이 예측을 확신할 수 있을 만큼 충분한 전환 데이터를 확보한 후에 이어지는 안정 상태 게재보다 노이즈가 많고 종종 덜 효율적입니다.

초기화로 간주되는 것#

대부분의 플랫폼은 시작 시에만 새로운 학습 단계를 촉발하지 않습니다. 입찰 전략 변경, 타겟팅의 대폭 수정, 장기간 중단 후 재개, 또는 활성 광고 크리에이티브의 대부분을 교체하는 것은 모두 시계를 다시 시작할 수 있습니다. 이것이 단일 새 도전 광고를 교체하는 것이 크리에이티브 전체를 개편하는 것보다 선호되는 이유 중 하나입니다. 하나의 광고를 교체하면서 나머지 캠페인을 안정적으로 유지하면 함께 실행 중인 다른 모든 항목의 학습이 초기화되는 것을 피할 수 있으며, 이는 실제 규모로 Taboola에 광고하기 전에 알아두면 좋은 패턴입니다.

일반적으로 얼마나 지속되나#

고정된 답은 없으며, 달력 시간보다는 전환량에 크게 의존합니다. 하루에 수십 건의 전환을 생성하는 캠페인은 며칠 내에 학습 기간을 통과할 수 있지만, 주당 몇 건의 전환만 있는 낮은 전환량 캠페인은 훨씬 더 오랜 기간 동안 불안정한 상태에 머물거나, 전환량이 너무 얇으면 완전히 벗어나지 못할 수도 있습니다. 이것이 소규모 제휴 마케팅 예산을 운영하는 구매자들이 대규모 계정보다 일일 결과 변동이 더 큰 이유 중 하나입니다. 단순히 알고리즘이 학습할 수 있는 일일 데이터 포인트가 더 적기 때문입니다.

구매자를 위한 실질적 의미#

새 캠페인이나 큰 변경 사항을 너무 일찍 평가하는 것은 미디어 바이어가 효과가 있었을 것을 중단시키는 가장 흔한 방법 중 하나입니다. 처음 48시간 동안 비용이 많이 들어 보이는 캠페인은 알고리즘이 충분한 신호를 확보하면 완전히 다른 결과당 비용으로 안정될 수 있으므로, 중단 또는 확장을 결정하기 전에 경과된 일수가 아닌 전환 수에 기반한 최소 평가 기간을 설정하는 것이 좋습니다. 동일한 인내심은 입찰 조정에도 적용됩니다. 이미 불안정한 학습 기간 동안 여러 개의 새 조정을 한 번에 쌓아두면 어떤 변경이 실제로 도움이 되는지 파악하기가 훨씬 더 어려워집니다.

불필요한 초기화 줄이기#

일주일에 걸쳐 여러 개의 작은 변경 대신 단일 변경으로 편집을 그룹화하고, 수동 중단 및 재개 대신 예약된 입찰 조정을 사용하며, 반사적으로 교체하지 않고 승리 광고가 계속 실행될 여유를 주는 것은 모두 캠페인이 학습 단계로 다시 밀려나는 빈도를 줄입니다. 경쟁사 워치리스트 구축 방법을 연구하는 구매자에게는 동일한 논리가 경쟁사의 광고가 첫 주나 2주를 넘어 생존하는 경우, OpenAdLibrary의 광고 인텔리전스 플랫폼을 통해 볼 수 있으며, 이는 3일째에 여전히 게재 중인 광고보다 더 강력한 신호임을 설명합니다. 자체 학습 기간을 통과하고 안정적인 성과에 정착했을 가능성이 높기 때문입니다.