Copy of Copy of ML оптимизация

ML-модель позволяет без дополнительной ручной оптимизации уменьшить стоимость конверсий за счет автоматической регулировки ставок в зависимости от вероятности получения события.

Что такое ML оптимизация?

ML модель — это машинное обучение, которое в нашем случае работает над предсказанием вероятности совершения событий.

ML модель — это класс методов искусственного интеллекта, который решает поставленное перед ним задание, обучаясь во время решения множества других похожих задач.

На основе массива данных в режиме реального времени ML-модели предсказывают вероятность совершения события пользователем на аукционе и выставляют ставку в зависимости от нее.

Чем выше вероятность совершения конверсионного действия, тем выше ставка отправляется на аукцион. Таким образом алгоритмы стараются выиграть как можно больше конверсионных аукционов.

Зачем нужна ML оптимизация?

Использование ML моделей при программатик закупке позволяет значительно повысить эффективность рекламных кампаний, оптимизировать затраты и улучшить взаимодействие с целевой аудиторией.

При правильной настройке ML - оптимизация помогает снизить стоимость конверсий, не снижая объёмы.

Типы ML моделей:

В Hybrid ML-модели используются для оптимизации кампаний по медийным показателям:

• CPC

• CPM

• CTR

• CTV

Подробнее с алгоритмами SmartBid можно ознакомиться по ссылке.

А также появилась обновленная оптимизация по CPA о которой будет подробнее рассказано в этой статье.

Условия запуска ML модели по CPA

Для запуска оптимизации по CPA необходимо:

• установить SmartPixel на сайт и настроить учет конверсионных действий

• набрать 500 post-view + post-click конверсий с нашего источника за 30 дней

ML модель будет обучаться на основе всех событий, которые отмечены чекбоксом “считать конверсии”.

Для того чтобы учитывать конверсии, необходимо поставить галочку в чекбоксе "считать конверсии"

При этом можно оптимизироваться как на простые, так и на сложные события:

В зависимости от целей запуска вы выбираете на какие события будете оптимизироваться

По некоторым запускам накопить 500 конверсий за 30 дней достаточно сложно, особенно если есть ограничение по бюджету. В таких случаях мы рекомендуем учитывать, в том числе предконверсионные события, например, заполнение первого шага формы.

Раздел ML модели

На левой панели инструментов можно найти раздел с ML моделями, здесь отображается список созданных моделей на все агентство.

Раздел ML модели находится на левой панели инструментов

В этом разделе можно увидеть следующие колонки:

• название ML модели, указанное при создании

• статус:

  • активная (модель обучена и готова к применению в кампаниях выбранного рекламодателя)

  • неактивная (модель на обучении, произошла ошибка обучения, модель не обучается)

• идентификатор — необходим для определения источника проблемы, в случае, если модель не работает или не обучилась

• тип трафика на котором обучалась модель

• тип модели — события на которых обучалась модель

• пользователь — имя пользователя, который создал модель

• дата создания ML модели

• дата обновления — дата последнего редактирования настроек модели

• кампании — список кампаний, в которых используется модель

• рекламодатель — рекламодатель, на котором обучается модель

В списке моделей есть возможность удалять и отключать не нужные или не актуальные модели.

Модели, которые не используются в течение 7 дней отключаются автоматически.

При редактировании модели доступно добавление новых рекламодателей. Например, если вы создали нового рекламодателя в агентстве, вы всегда можете добавить его в модель.

Создание ML модели

Запустить обучение ML модели можно в разделе [ML модели]

Пошаговое создание ML модели

При создании ML модели необходимо заполнить обязательные поля:

• указать название — оно будет отображаться при выборе модели в настройках кампании

• выбрать облако данных — по нему будет определяться список доступных рекламодателей для данной модели

• выбрать рекламодателя - к ним (нему) будет прикреплена модель и на основании данных по ним (нему) будет обучаться модель на данных за последние 30 дней

• выбрать тип трафика — web / in-app

• указать тип модели — на какое событие будет обучаться модель

  • CPC (модель обучается на событиях "клик" по всему рекламодателю)

  • CPA WEB (модель обучается на сумме событий post-click и post-view по всему рекламодателю)

  • CPA MMP (модель обучается на выбранных MMP событиях, если к данному рекламодателю привязан MMP)

Модель можно использовать в тех рекламодателях, на которых она обучена. Срок обучения модели от 2 до 4 часов с момента создания

Более эффективные результаты вы сможете получать при обучении модели от 500 событий.

Подключение ML модели в кампанию

ML модель можно подключить на первом шаге создания рекламной кампании в разделе “стратегия закупки”. При этом мы рекомендуем запускать одновременно 2 кампании:

• стандартная РК без ML оптимизации

• копия стандартной РК с ML оптимизацией

Так у вас будет возможность оценить эффективность работы кампаний, а ML алгоритмы смогут, в том числе, обучаться на основе новых пользователей со стандартной РК и улучшать показатели.

Пошаговое добавление ML модели в рекламную кампанию

Для подключения ML модели в кампании необходимо:

• Выбираем ML модель из ранее созданных моделей для этого рекламодателя

Модели появятся в выпадающем списке после того, как будут обучены (Статус “Активна” в разделе "ML - модели")

• KPI - выставляется желаемый KPI для выбранного типа оптимизации модели. Рядом с KPI показывается тип модели (на примере выше модель обучена на CPC)

Желательно посчитать текущий CPA/CPC по рекламодателю и выставить чуть ниже фактического

• Multiplier — коэффициент, который будет служить множителем для CPM ставки ML-модели. Минимальный коэффициент 0.0001, максимальный 100. Снижая его, снижается результирующий CPM, повышая его, повышается результирующий CPM

• Максимальная ставка — ограничивает ставку, сделанную моделью с учётом коэффициента. Позволит избежать больших расходов по рекламной кампании. Рекомендуем указывать его выше планового, так как модели нужно пространство для работы, а результирующий CPM будет ниже максимального.

Модель не будет доступна к выбору, если:

• модель не обучена

• модель выключена

• модель удалена

Рекомендательная система

Рекомендательная система — это инструмент, использующий алгоритмы машинного обучения для анализа полученной статистики и предоставления персонализированных рекомендаций.

Рекомендации по Multiplier и максимальной ставке позволяют корректно настроить эти параметры для обеспечения нормальной работы модели.

Рекомендации не улучшают выкуп, а обеспечивают корректную работу модели. Поэтому, если вас не устраивает текущий выкуп (количество показов) или CPM кампании слишком низкий, повышайте мультиплаер. Однако при изменении мультиплаера или максимальной ставки обязательно учитывайте пересчитанные рекомендации по второму параметру и применяйте их для корректной работы модели.

Особенности работы ML модели:

Особенности работы ML модели: ML модели не требуют дополнительной оптимизации, как стандартные кампании. Они функционируют на уровне аукциона, поэтому добавление черных списков (BL) может негативно сказаться на их работе. Отключение целых площадок ограничивает модель в трафике на котором она может выбирать хорошие и плохие аукционы, что ухудшает ее эффективность.

Оптимизация ML модели: Ручная оптимизация не рекомендуется. Однако, если возникает крайняя необходимость и стоит выбор между ручной оптимизацией и отключением кампании с ML моделью, можно выбрать ручную оптимизацию и немного настроить кампанию. Помните, что модель сама по себе является оптимизатором.

Снижение стоимости CPM и конверсий: Для снижения стоимости CPM и конверсий можно уменьшить коэффициент мультиплаера. Однако это может привести к снижению процента выкупа и количества показов.

Сравнение показателей: Проводите регулярное сравнение показателей кампаний с ML моделью и без нее. Идеально делать это ежедневно, но как минимум еженедельно. Если показатели модели хуже, чем у кампаний без оптимизации, стоит проанализировать возможные причины.

Рекомендации по количеству событий для запуска модели:

• 20 – плохо

• 50 – лучше

• 100 – нормально

• 200 – хорошо

• 500 – отлично

• 1000 – превосходно

• 2000 – замечательно

• 5000 – идеально

Не рекомендуется запускать модель, если количество событий менее 500

Таргетинг и производительность: Модель будет плохо работать при узком таргетинге или несоответствующем таргетинге, на который она обучена. Например, сравнение кампании с аудиторией 100k и кампании с аудиторией 1M может быть некорректным.

Рекомендации по использованию ML модели:

• сравнивайте результативность ML кампаний с кампаниями без нее

• обучайте модель на рекламодателе с количеством конверсионных событий более 500

• старайтесь выдерживать одинаковый СРМ в кампаниях с / без ML моделей

• оставляйте 10-15% трафика на стандартные кампании, даже если модель работает лучше, чтобы получать статистику с новых источников трафика

• работайте с Multiplier для управления итоговым СРМ и количеством трафика

Автоотключение моделей: Модели автоматически отключаются, если по их кампаниям не было статистики более 7 дней.

Дополнительные материалы:

Презентация ML оптимизация

Кейс MGCom, «Росбанка» и Hybrid: как на 50% снизить стоимость заявки с помощью ML