Kako funkcionira razdoblje algoritamskog učenja na Facebooku i Googleu

Znate li što znači kada Google ili Facebook kaže da je u “learning” fazi tj. u fazi učenja. Ako ne znate ili samo nagađate, nastavite s čitanjem!

Što je to razdoblje učenja?

Googleova definicija: “Nakon što napravite promjenu u strategiji licitiranja, Google ADS mora prikupiti podatke o izvedbi koje treba za optimiziranje vaših licitacija.”

Definicija Facebooka: “Nakon što stvorite novi skup oglasa ili napravite značajno uređivanje postojećeg, naš sustav počinje učiti kome će prikazivati oglase. Ovo učenje nije promjena u načinu na koji naš sustav funkcionira, ali pokazujemo vam status kako bismo vam omogućili da znate da se izvedba još uvijek stabilizira.”

Da rezimiramo: razdoblje učenja je vrijeme potrebno da algoritam određene platforme (FB ili Google) nauči iz nedavnih, značajnih promjena.

Kada i gdje se događa razdoblje učenja?

Google ADS: Dok Facebooku imamo razdoblja učenja u svim strategijama licitiranja, na Googleu ćete razdoblje učenja inicirati samo za automatiziranu strategiju pametnog licitiranja (smart bidding). Ove strategije licitiranja uključuju: ciljni CPA, ciljani ROAS, maksimiziranje konverzija i poboljšani CPC (eCPC). Razdoblje učenja bit će primjetno u stupcu statusa na razini kampanje.

Facebook: S obzirom na to da se proračun i postavke stvaraju na razini skupa oglasa tj. na ad set levelu (ako zanemarimo novu značajku optimizacije proračuna za kampanju), vidjet ćete status učenja u stupcu “isporuka” (delivery) skupa oglasa.

Koliko traje razdoblje učenja?

Google: Kod Google Adsa razdoblje učenja obično traje 7 dana od posljednjeg značajnog uređivanja pojedine kampanje.

Facebook: razdoblje učenja će trajati dok skup oglasa dosegne 50 optimizacijskih događaja u roku od 7 dana od posljednjeg značajnog uređivanja.

Koja je razlika? Algoritam Facebooka zahtijeva neki prag podataka za ponovno učenje, a Googleu je potreban određeni vremenski okvir za proces učenja.

Koje vrste promjena mogu potaknuti razdoblje učenja?

Na Google Adsu: – provedba nove strategije pametnog licitiranja – promjena postavki za strategiju licitiranja – promjena u radnjama konverzija: ažuriranje postojeće akcije ili stvaranje nove – velike promjene u proračunu ili licitaciji – značajne promjene u sastavu kampanje – promjene ključnih riječi, grupa oglasa ili oglasa obično neće pokrenuti razdoblje učenja. Međutim, ako krenete u masovne promjene u nekoliko tih komponenti, možete aktivirati razdoblje učenja za tu kampanju.

Na Facebooku: – svaka promjena ciljanja publike – velike promjene u proračunu – značajne promjene u Kreativi (mijenjanje postojećih ili stvaranje novih oglasa) – svaka promjena postavki (npr. optimization event ili conversion window) – pauziranja i ponovno pokretanje skupa oglasa/kampanje nakon što je prošlo sedam dana

Što se događa tijekom razdoblja učenja?

I kod Facebooka i kod Google ADSa trebate očekivati da će prikazivanje i učinkovit biti smanjeni tijekom razdoblja učenja. Da, to znači da ćete vjerojatno vidjeti smanjenje dnevnog trošenja kampanje dok se CPA (trošak po akviziciji) povećava, a stopa konverzije opada.

Međutim, ne možete samo sjediti skrštenih ruku i izbjegavati optimiziranje kampanja u strahu od razdoblja učenja. Umjesto toga, morate naučiti kako kontrolirati implikacije i dopustiti kampanji vrijeme za ponovno učenje i poboljšanje s promjenama koje ste napravili.

Zašto se aktivira vrijeme učenja? Kao što znamo, sustavi aukcija oglasa na Facebooku i Google Adsu ovise o algoritmima pojedine platforme koji su stvoreni zahvaljujući strojnom učenju (tzv. machine learningu). Baš kao što Google treba vaš Quality Score i licitaciju za određivanje kada će te se pojaviti na dražbi oglasa, Google također mora razumjeti što isporučuje rezultate (konverzije) za koje radite optimizaciju. Ukratko, algoritam treba vremena za rad sa signalima i razumjeti što dokazano radi i isporučuje rezultate.

Googleov DeepMind video nudi savršenu analogiju za razdoblje učenja. U videu je prikazana tehnologija machine learninga koja po prvi put odigra igru Breakout (loptica se odbija od vaše palice i ruši cigle zida na vrhu ekrana) na Atariju, s nula treninga ili razumijevanje kako igrati sa zadatkom da maksimizira score na ekranu. Nakon nekoliko neuspjeha i samo oko 240 minuta treninga, machine learning pronalazi najbrži i najučinkovitiji način da igra kao expert. WOW!

DeepMind Google video – Breakout igrica na Atariju

To je upravo ono što algoritam radi dok je vaša kampanja u razdoblju učenja. To je “probavljanje” nove informacije i učenje kako to može donijeti rezultat prema kojem ste optimizirali. Tijekom tog vremena, algoritam uči iz svakog prikazivanja oglasa. I kako se broj prikazivanja povećava, algoritam prikuplja one podatke koji mu trebaju za donošenje odluke i i razumijevanje kako može učinkovitije isporučiti ciljeve koje ste odabrali.

Preporuke za minimiziranje učinka razdoblja učenja kod Google Adsa

  • Strategija licitiranja: razmotrite najbolju strategiju licitiranja za vas. Kao što je gore spomenuto, postoje samo četiri strategije licitiranja koje su povezane s ovim razdobljem učenja. Ako želite testirati pametno licitiranje (smart bidding), preporuke su da prvo postavite eksperiment. Tako možete procijeniti performanse u kontroliranom okruženju s manje negativnog utjecaja.
  • Proračun: Izbjegavajte promjene proračuna veće od 20% trenutnog proračuna.
  • Postavke: dajte Googleu prave signale. Na primjer: ako je vaš cilj povećanje konverzija, a vi još nemate postavljene konverzije, naravno da ne možete očekivati da će strategija pametnog licitiranja donijeti ijednu konverziju. To je zato što algoritam ne zna što treba naći tj. na što treba obratiti pozornost.
  • Konverzije: Budite pažljivi s ovim promjenama. Ako znate da trebate napraviti nekoliko izmjena kod konverzija, trebali biste planirati i obaviti ih u nekom trenutku odjednom. Na taj ćete način inicirat će te samo jedno razdoblje učenja, a ne njih nekoliko unutar sličnog vremenskog okvira.

Preporuke za minimiziranje učinka razdoblja učenja kod Facebooka

  • Odabir događaja optimizacije: Facebook zahtijeva 50 “optimizacijskih događanja” (optimization events) za pomicanje iz faze učenja. Ako imate problema s postizanjem tolikog broja optimizacijskih događaja preporuke su da se testira neki optimizacijski događaj iz višeg funnela. Na primjer: vaš skup oglasa (ad set) optimiziran je prema ispunjanju nekakvog obrasca, ali ne možete dosegnuti 50 slanja obrasca u razdoblju od 7 dana. Umjesto toga, možete testirati prikaze odredišne stranice kao događaj optimizacije. To će reći algoritmu da pronađe ljude u publici koji će vjerojatno kliknuti i uspješno doći do odredišne stranice. Iako ovo nije konačni rezultat koji tražite, to je vodeći signal i dat će algoritmu dostatan podatak koji mu je potreban da pronađe vašu publiku i dosegne optimalnu isporuku.
  • Pregledajte postavke optimizacije i isporuke oglasa: Strateški razmislite kod odabira optimizacije i pridruženog razdoblje za konverzije. Na primjer: ako ste vrijeme za konverziju* (conversion window) postavili na jedan dan, dajete algoritmu sedam dana da prikupi 50 “događaja optimizacije” koji su zabilježeni unutar jednog dana nakon što se dogodio klik na o(glas. Ako mislite da vas ovo usporava možete isprobati 7-day click window. *Vrijeme za konverziju (conversion window) – “Prozor konverzije” je vrijeme koje je potrebno da bi vaš potencijalni kupac izvršio neku radnju za koju optimizirate. Na primjer, netko tko kupuje potpuno novi 4K TV vjerojatno neće postati kupac samo jedan dan nakon što je vidio vaš oglas.
  • Proračun: slično Google Adsu, izbjegavajte promjene proračuna veće od 20% od trenutnog proračuna. Na primjer: Ako ste proračun u 500kn, nemojte ga mijenjati na ništa više od 600 ili manje od 400kn. Tijekom vremena, ove dvadesetpostotne promjene možete implementirati postupno kako biste održali isporuku i dosegli proračun koji želite.
  • Kreativa: Izbjegavajte masovne promjene svog inventara Na primjer: Ako pauzirate jedan oglas ili stvorite jedan novi, najvjerojatnije nećete pokrenuti razdoblje učenja.
  • Vršenje izmjena: Zakazujte i planirajte značajnije promjene u intervalima. Na primjer, ako želite stvoriti novu publiku za isključenje (exclusionary audience) i primijeniti je na sve skupove oglasa, trebali biste to učiniti u intervalima. To se može učiniti prilagodbom jednog po jednog skupa oglasa (ad seta), pričekate da se ukloni status učenja, a onda krenete na sljedeći. To će vam pomoći da održite ukupnu isporuku na razini računa.

Zaključak

Ne bojte se perioda učenja algoritma! Samo slijedite ove smjernice:

  • Razmislite prije nego što implementirati!
  • Dajte algoritmima prave signale
  • Dajte algoritmima dovoljno podataka
  • Budite strpljivi! Neka algoritmi uzmu vremena koliko moraju da bi naučili jer će se dugoročno isplatiti.

Izvor: www.wordstream.com