Особенности работы ML-моделей

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

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 – может быть лучше

• 50 – уже почти хорошо

• 100 – неплохо

• 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:

• сравнивать результативность между кампаниями с ML оптимизацией и без нее;

• обучать модель на рекламодателе с количеством конверсионных событий более 500;

• стараться выдерживать одинаковый СРМ между кампаниями с ML оптимизацией и без нее;

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

• работать 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