트래픽 분포 AI: Voluum에서 캠페인을 최적화하는 과학 설명

게시 됨: 2023-02-28

디지털 마케팅 캠페인의 일부 측면은 광고주의 직관과 본능 기반 접근 방식에 의존할 수 있지만 철저한 A/B 테스트 절차의 결과로 트래픽 분포를 최적화하는 것은 과학에 의해 가장 잘 처리됩니다. 어떤 직관도 캠페인 최적화를 위한 심각하고 심층적인 분석을 대체할 수 없습니다.

문제는 모두가 자동화를 좋아하지만 모호한 기준을 사용하여 의사 결정을 내릴 때 '마법 상자' 솔루션과 같은 마케터, 특히 마케터는 많지 않다는 것입니다.

이 기사에서는 트래픽 분산 AI가 무엇이며 그 배후의 과학이 어떻게 적용되는지 설명하고자 합니다. 목표는 우리 알고리즘이 내린 결정이 실제로 가능한 최선의 결정이라는 마케터의 확신을 불러일으키는 것입니다.

A/B 테스트 및 트래픽 분포

먼저 기본 사항에 대해 이야기해 보겠습니다. A/B 테스트란 무엇이며 트래픽 분포와 어떤 관련이 있습니까?

대부분의 경우 홍보하는 다양한 제안 및 랜딩 페이지는 동일한 성능 수준을 달성하지 못합니다. 일부는 더 나은 결과를 가져오고 다른 일부는 더 나쁘거나 전혀 결과를 가져오지 않습니다. A/B 테스트를 사용하면 동일한 트래픽의 다른 요소와 비교하여 수익성이 더 높은 요소를 빠르게 찾을 수 있습니다.

승리한 요소가 모든 수익에 대한 책임이 있는 경우 가능한 한 많은 트래픽을 유도하고 실적이 좋지 않은 요소를 잘라내고 싶습니다. 그러나 상황이 그렇게 명확한 경우는 드뭅니다. 다음을 고려하세요:

실적이 저조한 요소는 여전히 수익을 가져다 줄 수 있으므로 완전히 제거하는 것은 이치에 맞지 않습니다.
다양한 요소의 성능은 시간이 지남에 따라 변동될 수 있습니다.
이전 요소가 관심을 끌지 못할 때 항상 새로운 요소를 테스트하고 테스트할 준비가 되도록 새로운 요소를 지속적으로 테스트해야 합니다.

이러한 문제에 대한 답은 최상의 결과를 가져오는 캠페인의 다양한 요소 간에 트래픽을 나누는 방법인 트래픽 분배에 있습니다. 트래픽을 현명하게 나누면 대부분의 트래픽을 가장 수익성이 높은 것으로 입증된 오퍼 또는 랜더로 보내고 그 중 일부는 다른 오퍼에 할당합니다.

성능이 변경되면 그에 따라 트래픽 분포도 변경되어야 합니다 . 이 프로세스는 지속적인 피드백 루프에 존재합니다.

Voluum을 사용하면 사용자가 정확한 가중치 값을 수동으로 설정하여 경로 간 및 오퍼와 랜더 간의 경로 내에서 트래픽을 분배할 수 있습니다. 마케팅 담당자는 값을 지속적으로 조정하여 실적 변화를 반영해야 합니다. 실제로 대부분의 광고주는 Voluum에서 가중치를 한 번 설정하고 잊어 버립니다.

다행히 다른 방법이 있습니다.

트래픽 분산 AI

Voluum 팀은 오래 전부터 이 문제를 인식하고 해결책을 찾기 위해 열심히 노력했습니다. 우리의 대답은 트래픽 분산 AI 기능이었습니다. 이 기능은 항상 작동하며 최적화를 위한 여지가 있는지 지속적으로 확인하는 머신 러닝 솔루션입니다.

이 기능은 오퍼, 경로 및 랜더의 가중치를 자동으로 처리합니다. 수동으로 설정할 필요가 없으며 어제의 설정이 오늘도 유효한지 확인할 필요가 없습니다. 트래픽 분포 AI는 똑똑합니다. 성능의 잠재적인 변화를 모니터링하기 위해 수익성이 낮은 요소에 트래픽을 제공하면서 최상의 결과를 가져오는 방법을 알고 있습니다.

이 기능은 베이지안 통계를 사용합니다. 베이지안 통계는 의학 연구에서 널리 사용되며, 이는 어떤 면에서 우리의 삶이 베이지안 통계에 의존하고 있음을 의미합니다. 요컨대 베이지안 통계는 확률 모델을 구축하는 데 적합합니다. 모델의 초기 확률 값은 이전 지식을 기반으로 하며 새로운 정보로 지속적으로 업데이트됩니다.

어떻게 작동합니까?

트래픽 분포 AI는 세 가지 지표 중 하나를 사용합니다. 사용할 수 없는 경우 다음 순서로 다른 항목으로 전환됩니다.

경로의 모든 요소에 대해 비용 및 수익이 보고되는 경우 가중치 계산은 ROI를 기반으로 합니다.
경로의 모든 요소에 대해 수익이 보고되지만 Voluum에 비용 정보가 없는 경우 계산은 EPV를 기반으로 합니다.
수익과 비용이 없으면 CV를 기반으로 계산됩니다.

알고리즘이 최적화해야 하는 메트릭을 수동으로 선택하여 항상 자동 선택을 재정의할 수 있습니다. Traffic Distribution AI를 사용하려면 전환 추적이 필요합니다.

켜져 있으면 트래픽 분포 AI가 학습 기간을 시작하고 가중치의 선형 분포를 적용합니다.

학습 기간이 끝나면 대략 1분마다 계산이 실행될 때마다 가중치가 조정됩니다.

이 기능은 지난 24시간 동안의 데이터를 사용하여 가중치를 최적화합니다. 이 기간을 구성할 수 있는 옵션은 없지만 이 기간이 반응 시간과 정밀도 사이의 완벽한 균형이라고 믿습니다.

그것을 설정하는 방법?

Traffic Distribution AI 기능을 켜려면 하나의 토글만 활성화하면 되지만 몇 가지 고려해야 할 사항이 있습니다.

첫째, Traffic Distribution AI는 다음과 같은 요소에 적용할 수 있습니다.

하나의 캠페인 내에 설정된 서로 다른 경로 간에 트래픽이 분산되는 경로
트래픽이 지정된 경로의 오퍼 간에 분산된 오퍼
착륙선 - 주어진 경로에서 착륙선 사이에 트래픽이 분산됩니다.

이러한 각 요소에 대해 개별적으로 자동 트래픽 분배를 활성화할 수 있습니다.

둘째, 랜더 및 제안 최적화와 관련하여 두 가지 옵션이 있습니다. 별도로 최적화하거나 결합하여 최적화할 수 있습니다.

개별적으로 최적화되면 랜더와 오퍼의 성과는 서로 독립적으로 계산됩니다. 최고의 성과를 내는 착륙선과 오퍼가 선택되지만 서로 최적의 방식으로 수행된다는 의미는 아닙니다.
최적화된 결합 시 트래픽 분포 AI는 더 나은 성능의 랜더 및 오퍼가 있더라도 가장 성능이 좋은 랜더 및 오퍼 쌍으로 가장 많은 트래픽을 유도합니다.

가장 적합한 버전을 결정해야 합니다. 대부분의 경우 그 차이는 상당해야 합니다.

트래픽 분산 AI 사용

토글을 켜면 계속 유지하기 위해 해야 할 일이 거의 없습니다. 성능이 떨어지는 요소의 성능을 모니터링하면서 트래픽이 가장 최적의 방식으로 분산됩니다. 트래픽 분산 AI는 주어진 요소에 대한 트래픽을 완전히 중지하지 않습니다.

유입경로에 다른 요소를 추가할 수 있지만 학습 기간이 재설정되므로 기능을 껐다가 다시 켭니다.

그래서 마법은 어디에 있습니까?

마술은 없으며 24시간 데이터 세트를 기반으로 선택한 목표에 대한 통계 분석만 가능하며 분당 1회 계산됩니다. 별 것 아닌 것 같지만 그렇습니다.

Traffic Distribution AI는 어깨의 부담을 덜고 일반적으로 수행하지 않는 계산을 수행하도록 설계되었습니다. 당신이 얻는 것은:

마음의 평화
더 많은 수익
트래픽 또는 성능 변화에 대한 내성