Возможности Predictа и машинная оптимизация

В основе любой DSP лежит predict. Именно этим DSP кардинально и отличаются друг от друга, т. к. большинство demand-платформ имеют доступ к одному и тому же рекламному инвентарю, т.е. подключены к самым популярным SSP.

Так что же такое predict? Это робот, отвечающий за оптимизацию рекламной кампании. Важно понимать, что сам подход programmatic buying предполагает автоматизированный выкуп рекламы в интернете именно за счёт подобных роботов (кстати, вся экосистема programmatic состоит из роботов, которые отвечают за различные участки покупки/продажи трафика). Тем не менее, участие человека в этом процессе всё же необходимо на начальном этапе, в ходе размещения и для анализа полученных результатов. Итак, давайте разберемся, что же делаете Вы, а что робот. Вы, прежде всего, настраиваете все параметры конкретной стратегии, а именно максимальную стоимость клика, минимальный CTR, рассчитываете необходимый охват, бюджет на период размещения и прочее. Кроме того, вы загружаете рекламные материалы, а также проводите общую настройку таргетингов кампании. Робот занимается подбором вариантов, которые обеспечивают заданную вами логику и результат. Как это происходит? Робот выдвигает гипотезы на основе заданных параметров, опровергает или подтверждает их. Затем, руководствуясь предыдущим опытом, он корректирует дальнейший процесс закупки. Предикт анализирует рекламную кампанию по множеству параметров: реакции разных сегментов аудитории на рекламное воздействие, какой креатив работает лучше, какие рекламные каналы эффективнее для данной аудитории и так далее. Робот постоянно оптимизирует РК и работает ежедневно в течение 24 часов.

Алгоритмические закупки рекламы предлагают уникальную возможность эффективной машинной оптимизации. Мы ранее поднимали эту тему: говорили о необходимости ставить пиксели на сайт рекламодателя, а также о том, что пиксель передает много информации в систему закупки и, по сути, является одним из важнейших элементов любой стратегии в programmatic buying.

Напомню, что пиксели нужны для того, чтобы робот мог оптимизировать рекламную кампанию на основании информации об эффективности закупаемого трафика. Сейчас я расскажу, как это работает. Мы ставим пиксель системы, где будет идти открутка (в настоящих реалиях – пиксель DSP) на сайт клиента. Пиксель должен срабатывать по определенному действию. Это делается для того, чтобы робот выкупал тех пользователей, которые с наибольшей долей вероятности совершат нужное нам действие.

Также есть понятные ограничения по бюджету и срокам размещения. Они наложены предиктом в моменте сбора позитивных сигналов по аудитории для максимизации Overpredicta – показателя, который отвечает за «уверенность предикта в своём прогнозе» или, проще говоря, за прогресс обучения предикта. Данные ограничения – это, прежде всего, минимальный бюджет. Об этом нужно помнить как самому байеру, так и клиенту. Не исключены ситуации, когда предикт включится уже после того, как размещение кончится, то есть по факту – не включится вообще. Это произойдет просто потому, что ему не хватит позитивных сигналов для построения релевантного прогноза. (Выборка данных в этом случае явно нерепрезентативна).

Прежде чем поставить пиксели на сайт рекламодателя, необходимо его проанализировать. Аудит страницы заключается в выявлении оптимального пути пользователя по сайту для совершения покупки или целевого действия. Пиксели устанавливаются на ключевые точки этого пути. Кстати, что такое пиксель, и как он работает: {Картинка} пикселем называется java script код, либо img-код, который вызывается по заданному событию (это может быть посещение сайта, клик по кнопке, время на сайте, регистрация и т.д.) и передает в DSP coockie браузера для идентификации пользователя. Пиксели не собирают персональные данные, не «воруют» данные сайтов, не вредят коду сайта, а их использование значительно упрощает работу автоматизированных систем закупки. Данные от их срабатывания позволят понять, какие пользователи начинают этот путь и какие приходят к успешному его завершению, то есть к выполнению целевого действия. Робот использует эти данные в выборе будущих пользователей, которым будет показано рекламное сообщение.

Следует отметить, что этот пиксель многофункционален, он позволяет не только оптимизировать размещение, но и собирать данные о пользователях сайта, то есть накапливать в сегменте тех пользователей, которые заходили на сайт. В дальнейшем это позволит проводить рекламные кампании с таргетингом на них, то есть осуществлять ретаргетинг, или людей, похожих на ЦА сайта – в профессиональной терминологии это называется look-alike моделированием. Эти же данные позволят выполнить аналитику аудитории и выявить ярко выраженные интересы у посетителей сайта для формирования портрета пользователя.

Вернемся к особенностям DSP-систем. Отдельным и крайне важным критерием выбора инструмента является метод работы с click fraud (скликивание). С каждым поставщиком данных необходимо отдельно обсуждать его методы фильтрации фрода и ботированного трафика. Многие поставщики просто сегментируют свою аудиторию и забывают об её очистке, что, безусловно, сказывается на результатах кампании. Отсутствие фильтрации на этапе сбора сегментов может привести к завышенным показателям CTR и снижению уровня конверсии на сайте. Проверить это можно, опять-таки, тестированием сегментов от различных поставщиков на различных DSP. Если вы увидите в отчетах аномалии, то, вероятнее всего, речь идет о ботированном трафике.

ВИДЕО №4