Intelligensebb kampányok: Hogyan növeli a gépi tanulás a hirdetések teljesítményét a Meta-technológiák platformjain?

Mi az a gépi tanulás?

A gépi tanulás prediktív elemzést és algoritmusokat használva elősegíti, hogy a megfelelő hirdetés a megfelelő célközönségnek jelenjen meg. Emellett a hirdetési teljesítmény javításához is hozzájárul: a ráfordítást oda csoportosítja át, ahol a rendszer szerint várhatóan a legjobb eredmények érhetők el a kampánycélok alapján. Ez az úgynevezett likviditás.

A kampányod beállításának optimalizálásával hatékonyabban és gyorsabban jeleníthetsz meg hirdetéseket

Amikor egy hirdetés megjelenik valahol, hirdetésmegjelenítési rendszerünk minden alkalommal újabb információt kap arról, hogy hol és kiknek érdemes a leginkább megmutatni. Minél többször jelenik meg egy hirdetés, annál jobban tudja optimalizálni a teljesítményét a hirdetésmegjelenítési rendszer. A tanulási fázis az az időszak, amikor a hirdetésmegjelenítési rendszernek még ismereteket kell szereznie a hirdetéssorozatról. A tanulási fázisban a hirdetésmegjelenítési rendszer keresi a hirdetéssorozat legjobb megjelenítésének módját – emiatt kevésbé stabil a teljesítmény, az eredményenkénti költség pedig általában kevésbé kedvező. A tanulási fázis akkor veszi kezdetét, amikor új hirdetést vagy hirdetéssorozatot hozol létre, vagy egy meglévőt jelentősen módosítasz. Ha tisztában vagy azzal, hogyan működteti a gépi tanulás a hirdetéseket, biztosan úgy állítod majd be a kampányaidat, hogy a lehető legjobb eredményt érd el velük.

Íme néhány bevált gyakorlat, amelyeket érdemes mérlegelned a kampányod beállításakor és kezelésekor:

1. Kerüld a gyakori módosítást: A tanulási fázis minden alkalommal újraindul, amikor jelentősnek számító módosítást hajtasz végre. Ha nem módosítod gyakran a hirdetéseket, a rendszernek nem kell újra tanulni, és a lehető leggyorsabban túljuthat a tanulási fázison.
2. Ne használj túl sok hirdetéssorozatot és hirdetést: A hirdetéssorozatok nagy száma jelentős szerepet játszik abban, hogy a hirdetéssorozatok ne tudjanak kilépni a tanulási fázisból. Ha túl sok hirdetéssorozatot jelenítesz meg egyszerre, az egyes hirdetéssorozatok kevesebbszer jelennek meg. Javasoljuk, hogy csak egymástól eltérő képeket és videókat használj. Az optimális megjelenítés érdekében hirdetéssorozatonként legfeljebb öt hirdetést futtass.
3. Szélesebb célközönséggel több ügyfelet találhatsz: Ha általánosabb paramétereket használsz a célközönség beállításához, szélesebb közönséget érhetsz el, a rendszernek pedig kellő mozgástere lesz megtalálni azokat az embereket, akik várhatóan végrehajtják a kívánt műveletet. Így jobb eredményeket érhetsz el, és nem várt közönségszegmenseket is felfedezhetsz a későbbi kampányaidhoz.
4. Érdemes engedélyezned az Advantage kampányköltségkeretet: Az Advantage kampányköltségkeret – korábbi nevén kampányszintű költségkeret-optimalizálás – automatikusan kezeli a költségkeretedet a különböző hirdetéssorozatokban, hogy a lehető legjobb eredményt érd el a lehető legkisebb ráfordítással. Nem szükséges mindegyik hirdetéssorozathoz külön költségkeretet megadod: beállíthatsz egyetlen átfogó, kampányszintű költségkeretet, amely kellő mozgásteret ad a ráfordítás legjobban teljesítő hirdetéssorozatokhoz való átcsoportosításához.
5. Használj több elhelyezést: Az Advantage+ elhelyezések (korábbi nevükön automatikus elhelyezések) használatakor a rendszer megtalálhatja a leginkább költséghatékony hirdetési lehetőségeket a Facebookon, az Instagramon, az Audience Network platformon és a Messengerben. Ha több lehetőség áll rendelkezésre, a rendszer valós időben határozza meg, hol érhetők el a hirdetésekkel a legjobb eredmények a legkisebb költség mellett.

A tanulási fázis elengedhetetlen ahhoz, hogy a hirdetésmegjelenítési rendszer a lehető legjobb módon optimalizálja a hirdetéseket. Emiatt nem szabad megpróbálnod teljesen átugrani a tanulási fázist. Az új kreatív tartalmak és marketingstratégiák tesztelése nélkülözhetetlen ahhoz, hogy idővel javíthasd a teljesítményedet.

A tanulási fázisról, a jelentős módosításokról és a korlátozott tanulási fázisról ide kattintva olvashatsz bővebben.