Hur rekommendationswidgetar väljer annonserna du ser

En innehållsrekommendationswidget, "du kanske också gillar"-rutan under en artikel, bestämmer vilka annonser som ska visas genom en realtidsauktion som rankar kvalificerade kreativa efter förväntat engagemangsvärde, inte bara det högsta budet. Nätverkets annonsserver kombinerar annonsörens bud med en förväntad klickfrekvens för just den specifika läsaren och placeringen, och vilken kombination som producerar den högsta förväntade intäkten för utgivaren vinner platsen – allt under tiden det tar att ladda sidan.

Här är den faktiska sekvensen, och vad som avgör vilken specifik annons du ser jämfört med personen bredvid dig.

Sekvensen från förfrågan till rendering#

1. Du laddar en utgivarsida. Ett skript inbäddat på sidan (från Taboola, Outbrain/Teads, MGID, Revcontent eller ett annat nätverk) aktiveras när sidan renderas.
2. Widgeten begär annonser från nätverkets annonsserver. Denna förfrågan bär på kontextuella signaler: sidans ämne och kategori, din enhetstyp, din ungefärliga plats och ofta beteendesignaler kopplade till en cookie eller enhets-ID om du har interagerat med nätverket tidigare.
3. Annonsservern kör en auktion bland kvalificerade kampanjer. Varje annonsör som riktar in sig på den geografin, enheten och kontexten blir en kandidat. Detta är native-annonsauktionen, och den sker på millisekunder.
4. Varje kandidatannons rankas, inte bara efter bud, utan efter bud multiplicerat med en förväntad klickfrekvens för just den specifika användaren och kontexten. Det är därför en lägre budgivare med en mycket relevant, hög-CTR-kreativ kan slå en högre budgivare med en generisk. Nätverket optimerar för sin egen intäkt per sidvisning, vilket belönar annonser som folk faktiskt är benägna att klicka på.
5. De vinnande annonserna renderas in i widgeten, vanligtvis flera samtidigt som fyller rekommendationsrutnätet tillsammans med genuina redaktionella rekommendationer från utgivaren.
6. Ditt klick (eller brist på klick) matas tillbaka in i systemet och förfinar den förväntade CTR:n för den annonsen, den kontexten och ofta just den specifika läsaren framöver.

Vad som faktiskt driver rankningen#

Kontextuella signaler är viktigast för första gången-inloggade eller utloggade läsare. Utan mycket beteendehistorik förlitar sig nätverket på kontextuell målgruppsanpassning, och matchar en annons kategori med artikelns ämne. En artikel om privat ekonomi är mer benägen att visa en finans- eller försäkringsannons än en slumpmässig heminredningsannons, eftersom den kombinationen historiskt sett har presterat bättre över hela nätverkets dataset.

Beteendesignaler tar över när du bygger upp en surfhistorik. Om nätverkets cookie eller enhets-ID har sett att du klickat på reseannonser tidigare, blir reseannonsörer mer konkurrenskraftiga för just dina visningar, även på en orelaterad artikelsida. Detta ligger närmare hur en demand-side platform riktar in sig på målgrupper i bredare programmatisk köp.

Enhet och geografi filtrerar det kvalificerade urvalet innan rankningen ens börjar. En annonsör som endast riktar in sig på mobilanvändare i ett specifikt land kommer aldrig in i auktionen för en läsare på datorn någon annanstans, oavsett bud.

Förväntad CTR drivs av modeller och uppdateras ständigt. Varje nätverk kör sina egna maskininlärningsmodeller som uppskattar hur troligt det är att en given annons klickas av en given läsare i en given kontext. Denna förutsägelse, inte det råa budet, är vanligtvis den större faktorn i vem som vinner, vilket är anledningen till att en välskriven rubrik och bild kan överträffa en mycket större budget.

Frekvens- och färskhetsbegränsningar påverkar vad som är kvalificerat. Nätverk undviker generellt att visa dig exakt samma kreativ upprepade gånger inom ett kort tidsfönster, både för att skydda läsarupplevelsen och för att en gammal, överexponerad annons förväntade CTR naturligt sjunker. Detta är en anledning till att annonsörer roterar flera varianter av annonskreativ inom en kampanj.

Var header bidding och supply paths passar in#

På nätverk som återförsäljer lager genom bredare programmatiska kanaler kan mer än en efterfrågekälla konkurrera om samma widgetplats samtidigt, en uppsättning som liknar header bidding i traditionell display. Supply-side platformen som hanterar utgivarens lager kan dirigera en enskild annonsförfrågan till flera potentiella köpare innan widgeten renderas. Detta är en anledning till att native-annonsens försörjningskedja kan involvera fler mellanhänder än en enkel "annonsör betalar utgivare"-modell antyder, och varför samma plats kan fyllas av olika nätverks efterfrågan beroende på ögonblicket.

Detta lager av återförsålda lager är också anledningen till att identifiera vilket nätverk som faktiskt serverade en annons du tittar på inte alltid är uppenbart från ytan. En widget märkt som en plats från ett nätverk kan i praktiken fyllas av efterfrågan som dirigerats in från en partner. Om du gör konkurrensanalys och nätverksattribueringen är viktig för din analys, är det värt att läsa förbi widgetens synliga märkning för att bekräfta den faktiska serveringsvägen, vilket är precis den typen av detalj som en spårning av försörjningskedjan är utformad för att avslöja snarare än något du kan se med blotta ögat från sidan.

Vad detta betyder för annonsörer som försöker vinna fler auktioner#

Eftersom förväntad CTR har så stor vikt finns det några praktiska spakar som påverkar dina odds att vinna platsen utan att bara höja ditt bud:

• Matcha kreativet med platsens troliga kontext. En annonsvinkel som läses naturligt bredvid redaktionellt innehåll, snarare än ser ut som en uppenbar avbrytning, tenderar att få en högre förväntad CTR eftersom den mer liknar det läsaren kom till sidan för.
• Kör flera kreativa varianter inom en kampanj. Eftersom modellens förutsägelse är specifik för varje kreativ och kontextparning begränsar en enda annons dig till en datapunkt. Flera varianter låter algoritmen hitta vilken som presterar bäst för vilket målgruppssegment och låter dig pensionera de den inte gynnar.
• Uppdatera kreativet innan prestandan sjunker. Eftersom frekvens och färskhet påverkar förväntad CTR kan en annons som vann konsekvent för en månad sedan tyst förlora auktioner idag enbart på grund av överexponering mot samma målgrupp, även med ett oförändrat bud.
• Rikta in dig snävt snarare än brett. En kampanj som är kvalificerad för varje geografi och enhet späder ut sin egen genomsnittliga förväntade CTR genom att konkurrera i kontexter där den inte presterar bra. Att begränsa kvalifikationen till där kreativet faktiskt får genklang ökar dess vinstfrekvens i de kontexter som spelar roll.
• Titta på vad som redan överlever auktionen upprepade gånger. En annons som fortfarande är live efter flera veckor på ett visst nätverk har per definition fortsatt att vinna tillräckligt många auktioner för att motivera annonsörens fortsatta utgifter. Det är en starkare signal på vad modellen belönar än någon teori om algoritmen.

Varför samma artikel visar olika annonser till olika läsare#

Om du och en kollega båda öppnar samma artikel samtidigt kommer ni ofta att se olika annonser i widgeten. Det är förväntat, inte ett fel. Olika geografi, enhet, surfhistorik och till och med den specifika millisekunden auktionen körs kan alla förskjuta vilken kandidat som vinner. Utgivare drar nytta av denna personalisering eftersom den höjer den genomsnittliga förväntade CTR:n över hela deras publik, vilket är det faktiska mått som algoritmen optimerar för.

Hur OpenAdLibrary hjälper#

Eftersom algoritmen belönar kreativa med starkt förväntat engagemang är studiet av vad som redan vinner den auktionen upprepade gånger, det vill säga annonser som har förblivit live i veckor, ett av de mest direkta sätten att reverse-engineera vad en given nätverksmodell belönar. OpenAdLibrary:s annonsintelligensverktyg låter dig filtrera efter nätverk, bransch och livslängd för att se vilka kreativa som fortsätter att klara den ribban i produktion, snarare än att gissa på vad modellen föredrar.

Den korta versionen#

En rekommendationswidgets annonsplats vinns av en realtidsauktion som väger bud och förväntat engagemang tillsammans, uppdaterad av kontextuella och beteendesignaler vid varje enskild sidladdning. Att förstå den kombinationen, snarare än att anta att det är en enkel högstbjudande-auktion, är skillnaden mellan att skriva kreativ som bara budar bra och kreativ som algoritmen faktiskt vill visa.

Det förklarar också ett mönster som fångar många annonsörer som är nya i kanalen: en kampanj som presterade bra den första veckan och sedan tyst sjönk i leverans, utan någon förändring av budet. Ingenting gick sönder. Den förväntade CTR:n som gjorde kreativet konkurrenskraftigt sjönk helt enkelt när mer av den kvalificerade publiken redan hade sett det, och auktionen började istället gynna färskare kandidater. Att behandla den nedgången som en signal att uppdatera kreativet, snarare än en signal att nätverket eller erbjudandet slutade fungera, är vanligtvis den rätta tolkningen.