Faza de învățare (Algoritmi de publicitate)

Faza de învățare este perioada după lansarea unei campanii, sau după o editare majoră a uneia active, când algoritmul de livrare al unei platforme publicitare încă colectează suficiente date de conversie pentru a optimiza oferta și segmentarea în mod fiabil. În această perioadă, costul pe rezultat tinde să fluctueze mai mult decât de obicei și, în general, este considerat prea devreme pentru a evalua dacă o campanie funcționează cu adevărat.

De ce algoritmii au nevoie de o fereastră de învățare#

Sistemele moderne de oferte inteligente prezic cine este probabil să convertească și ajustează ofertele în timp real pe baza acestei predicții. Imediat după lansare, sau imediat după o schimbare semnificativă, sistemul are puține sau deloc date specifice acelei combinații exacte de creativ, audiență și strategie de ofertă, așa că explorează mai larg pentru a construi un model al a ceea ce funcționează. Această explorare este în mod natural mai zgomotoasă și adesea mai puțin eficientă decât livrarea stabilă care urmează odată ce algoritmul are suficiente conversii pentru a fi încrezător în predicțiile sale.

Ce se consideră un reset#

Majoritatea platformelor nu declanșează o nouă fază de învățare doar la lansare. Schimbarea strategiei de ofertă, editarea semnificativă a segmentării, suspendarea și reluarea pentru o perioadă prelungită sau înlocuirea majorității creativelor publicitare active pot reseta cronometrul. Acesta este unul dintre motivele pentru care înlocuirea unui singur anunț nou de tip challenger este preferată față de revizuiri totale ale creativelor: înlocuirea unui singur anunț păstrând restul campaniei stabil evită resetarea învățării pentru tot ce rulează în paralel, un model util de cunoscut înainte de a face publicitate pe Taboola la o scară reală.

Cât durează de obicei#

Nu există un răspuns fix și depinde puternic de volumul de conversii, nu de timpul calendaristic. O campanie care generează zeci de conversii pe zi își poate încheia fereastra de învățare în câteva zile, în timp ce o campanie cu volum redus cu câteva conversii pe săptămână poate rămâne într-o stare instabilă pentru o perioadă mult mai lungă sau să nu iasă niciodată complet din ea dacă volumul rămâne prea mic. Aceasta este parte din motivul pentru care cumpărătorii cu bugete mai mici de afiliere văd adesea rezultate mai volatile zilnic decât conturile mari: pur și simplu generează mai puține puncte de date pe zi pentru ca algoritmul să învețe din ele.

Implicații practice pentru cumpărători#

Evaluarea unei campanii noi sau a unei editări majore prea devreme este una dintre cele mai comune modalități prin care cumpărătorii de media opresc ceva care ar fi funcționat. O campanie care pare costisitoare în primele 48 de ore se poate stabiliza într-un cost pe rezultat complet diferit odată ce algoritmul are suficient semnal, așa că merită să stabilești o fereastră minimă de evaluare, legată de numărul de conversii mai degrabă decât de zilele trecute, înainte de a decide să suspende sau să scalezi. Aceeași răbdare se aplică și ajustărilor de ofertă: adăugarea mai multor ajustări noi simultan în timpul unei ferestre de învățare deja instabile face mult mai greu să-ți dai seama care schimbare ajută cu adevărat.

Reducerea resetărilor inutile#

Gruparea editărilor într-o singură schimbare în loc de mai multe mici răspândite pe o săptămână, utilizarea ajustărilor de ofertă programate în loc de suspendare și reluare manuală și acordarea unui anunț câștigător spațiul să continue să ruleze în loc să-l înlocuiești reflexiv, toate reduc frecvența cu care o campanie este trimisă înapoi în faza de învățare. Pentru cumpărătorii care cercetează cum să construiești o listă de supraveghere a concurenților, aceeași logică explică de ce un anunț al unui rival care supraviețuiește dincolo de prima sa săptămână sau două, vizibil prin platforma de inteligență a anunțurilor OpenAdLibrary, este un semnal mai puternic decât unul încă activ în ziua a treia: este probabil că și-a încheiat propria fereastră de învățare și s-a stabilizat într-o performanță constantă.