Оптимизация рекламных кампаний в программатике

Оптимизацию можно разделить на ручную и автоматическую. Ручная оптимизация — это анализ статистики площадок, сегментов, браузеров и других срезов, выполняемый AdOps-менеджером. Для такой оптимизации нужно сначала собрать определенное количество целевых действий, чтобы сделать статистически значимые выводы. Чем больше данных, тем более качественное решение сможет принять AdOps. Для сбора информации нужна хотя бы неделя, если бюджет кампании значительно ограничен, для кампаний с крупными бюджетами статистика по срезам набирается в течение пары дней.

При автоматической оптимизации алгоритмы машинного обучения оценивают пользователя в режиме реального времени, предсказывают вероятность желаемого действия (клик, сессия, конверсия и другие) и делают ставку на аукционе RTB. Решение принимается за долю секунды: как только пользователи заходят на сайт, система анализирует разные признаки и выдает свой прогноз.

На старте рекламной кампании работают модели холодного старта, которые используют накопленные знания по всем прошедшим рекламным кампаниям на платформе. Это статистика показов, кликов, сессий для разных сайтов, баннеров, типов устройств и инвентаря за последние шесть месяцев. После запуска с каждым показом рекламы алгоритмы автоматической оптимизации обучаются и подстраиваются уже под конкретную кампанию клиента.

Помимо этой модели Segmento использует другую, более мощную и точную модель, которая анализирует около 8000 возможных признаков — логистическую регрессию. Чтобы обучить ее, нужно собрать минимум 150 целевых действий. Например, если основной показатель для оптимизации — CPS (стоимость сессии), необходимо, чтобы в кампании уже было сделано 150 сессий. В противном случае алгоритмам просто не на чем учиться.

Оптимизировать можно как стоимостные, так и качественные показатели: то есть снижать стоимость и увеличивать качество конкретных параметров. Например, Segmento предлагает оптимизацию на стоимость 1000 показов (CPM), 1000 видимых показов (vCPM), клика (CPC), сессии (CPS), качественной сессии (CPQV) и так далее.

Многим клиентам важна не только стоимость, но и процент перехода по воронке до целевого действия. Например, сколько людей, которые увидели рекламную кампанию, дошли до сессии, купили продукт, открыли страницу с контактами, скачали брошюру.

В таких случаях в дополнение к оптимизации на стоимость можно использовать автоматическую оптимизацию на качество (процент отклика) и учитывать коэффициент видимости рекламы (Viewability Rate), показатель кликабельности (CTR), отношение количества досмотров видео к количеству показов (VTR), конверсию и так далее.

Попытка выполнить один KPI может влиять на выполнение другого. Например, показатели VTR и CTR — взаимоисключающие. Если пользователь досмотрел видео, значит, он не кликнул, и наоборот. Создать модель, которая будет максимизировать VTR и CTR одновременно, невозможно, поэтому приходится выдерживать баланс, если клиент все же хочет отслеживать оба показателя.

Самый лучший сценарий, когда есть только одна цель на оптимизацию стоимости. Да, можно дополнительно выставить KPI на качественные метрики, но это с большей вероятностью приведет к уменьшению доступной емкости трафика и удорожанию стоимости, поэтому мы рекомендуем выбирать в качестве KPI стоимость конечного важного действия.

Оптимизация нужна практически всегда. Если клиент хочет протестировать свою аудиторию, и ему не важно выполнение какого-либо KPI — в этом случае можно обойтись без оптимизации. Однако, когда важно выполнение стоимостных и качественных KPI обойтись без оптимизации невозможно.

Другое дело, что механика зависит от целей клиента. Например, если необходимо оптимизировать не только стоимость клика, но и стоимость целевого действия, заказчику придется установить код на сайт. Такой код позволит отслеживать поведенческие характеристики и конверсии, а также собирать данные для обучения моделей автоматической оптимизации. При автоматической оптимизации будут проанализированы признаки, влияющие на желаемое целевое действие, что помогает достичь выполнения KPI.

Одно из преимуществ Segmento — наличие собственной обширной базы данных, в том числе и информации по транзакциям. При запуске автоматической оптимизации учитывается не только статистика с сайта клиента, но и другие онлайн и офлайн-показатели, которые помогут лучше понять пользователя: например, на какие сайты он заходил раньше, какое у него транзакционное поведение. Это позволяет внести больше релевантных данных на вход в модель машинного обучения и обработать больше признаков, поэтому прогнозы алгоритмов будут более точными.

Кроме того, Segmento позволяет оптимизировать любую цель от показа до целевого действия при любом биллинге (при условии, что будут выполнены базовые требования, такие как установка кодов). Если, например, клиент выделяет бюджет в 100 тысяч рублей и хочет одновременно получить 1000 кликов и выдержать показатели по видимости и PI (процент доходимости до сайта), Segmento использует модели для достижения заданных параметров. Это так называемая многопараметрическая оптимизация с выполнением максимального количества целей заказчика.

Клиент заполняет бриф, в котором дает исходные данные — какую аудиторию он хочет увидеть, в какой географии, с какой частотой показа и т. д. На основании этой информации готовится и запускается рекламная кампания с автоматической оптимизаций на исторических данных. Первые дни платформа собирает статистику, а алгоритмы на ней обучаются — потом это позволит принимать обоснованное решение.

Параллельно с автоматической оптимизацией работает ручная, когда AdOps-менеджеры просматривают кампанию по срезам и отключают аномально плохие площадки, браузеры, адаптируют аудиторию для таргета.

В процессе ведения рекламной кампании клиент может получать регулярные отчеты и фидбеки с информацией о настройках, стратегиях, тестировании гипотез, моделях и текущих показателях кампании.