Smartly.io博客

Markus Ojala

通过预测预算分配(Predictive Budget Allocation)提升用户转化

By Markus Ojala on 2017年12月27日

Predictive-budget-allocation.png

在多个广告集之间分配营销活动的预算非常困难且耗时,为此,我们去年夏天发布了预测预算分配(Predictive Budget Allocation)功能,它能够通过机器学习帮您自动完成这项工作。在本篇博文中,我们也将介绍其最近的改进以及功能的提升。使用改进后的预测预算分配仍然像以往一样简单:您只需选择预测预算分配应该优化的目标。

pda-screenshot.png

预测预算分配会在每日凌晨对正在投放的广告集重新分配预算,来最大限度地提高营销活动的转化次数该功能在预算有限(即大多数广告集每天预算都被花完)的营销活动中效果最好。而且,它也可以用于竞价优化,我们会在稍后进行介绍。

 

预算池(Budget Pools)

通过预算池,预测预算分配可以在多个营销活动之间分配预算。您可以选择预算池包括哪些营销活动和优化目标,之后预算便会在广告集层面上进行分配,将预算池里当前的预算分配到池中的所有广告集之中。

 

budget-pools.png

预算池允许在多个营销活动间进行优化

 

当预算池包含有多个类型相同、目的相同的营销活动时尤其有用,因为可以针对相同的转化目标进行优化。

  

每日预算变更

经过最近的改进,预测预算分配能够更大幅度地调整每日预算,但同时也保证广告集有充足的预算以发挥最佳表现,这确保了表现良好的广告集能获得更多预算。我们通过考虑其历史支出等数据来预测广告集的最大支出,以避免将预算分配给未投放的广告集。

pba2.png

以上两张图显示了我们在一天之内的所有预测预算分配实现的预算变化情况。第一张图显示,大多数广告集的预算与之前大致持平,但某些广告集的预算会被加倍或减半;第二张图显示了营销活动的总预算(预算池)在广告集之间重新分配的比例,可以看出大多数营销活动(预算池)的预算重新分配比例变化很小,但在某些情况下,多达一半的总预算每天都被重新分配。此外,大部分的重新分配通常发生在营销活动开始时。

预测预算分配有时会为某些广告集提供最低的可能预算。在这种情况下,可暂停这些表现不佳的广告集,或将竞价结算事件更改为展示次数,因为Facebook对这些广告集的预算要求较低。

 

优化目标

我们改进了预测预算分配,以更好地利用链接点击和历史数据。在实际操作中,改进后的版本也适用于转化量较少的情况,因此可以使用最终购买事件等作为优化目标。根据经验,要让预测预算分配功能较好运行,您每天至少应该获得10次链接点击,且大部分广告集每天也应获得多次转化 

如果广告集的数据太少,无法可靠地估算转化率,我们会使用广告集层面的点击率和营销活动层面的点击后转化率来改善广告集层面的预测。通过这样的组合,即使数据量很少,我们也可以在广告集层面实现有效的预测。如果有更多数据可用,上述点击率和营销活动层面信息的组合则将不会被使用。

通常,广告集层面的点击率相较于点击后转化率,会随时间推移以更快的速率变化。因为点击后转换率是通过比点击率更长的时间段计算的,这便使得时间序列平滑处理后的历史数据能够更好地被利用。为了得到稳定的预测值,我们使用了贝叶斯分层建模来进行处理。

预算分配能够作用于数百个广告集,但在许多情况下,使用少数几个包含大量受众、转化次数较多的受众群体会让效果更好。如果广告集对于所选出价目标至少每天有30次转化,则Facebook竞价优化效果最佳。

 

预算变化如何影响竞价和表现

更改广告集的预算也会影响到其表现。如果广告集的预算已完全用完,则由于预算使用率调整(pacing),真实出价会随预算发生变化。实际上,这意味着如果预算增加,针对下一次转化的出价可能比预算增加之前稍高一些。

预测预算分配会将这些变化考虑在内。由于其目标始终是提高营销活动或预算池的总体表现 (意味着表现最好的广告集会得到更多利用),所以对于用户而言,只需监测营销活动或预算池层面的表现就足够了。

如果预算没有用完,那么原因可能在于出价或者受众群体。在这种情况下,预测预算分配只能做到为每个广告集保证足够的预算。通常,需要通过手动更改出价来优化这些营销活动的效果。

但是在很多类似情况下,预测预算分配也可用于竞价优化,原因也在于预算使用率调整,它会在预算受限的情况下控制出价。通过将预算受限广告集的最高出价设置高一些,例如:将当前每日支出初始金额设置为最高出价并启用预测预算分配,那么竞价优化实际上就由预算来分配来完成,然后,您便可以在整个营销活动或预算池层面衡量表现。如果再将这与能够根据表现调整营销活动预算的触发器结合起来,则可以让优化更加高效。

 

返回博客首页