流量分配 AI：解释了 Voluum 中优化活动的科学

已发表: 2023-02-28

虽然数字营销活动的某些方面可以依赖广告商的直觉和基于本能的方法，但通过全面的 A/B 测试程序优化流量分配最好由科学来处理。再多的直觉也无法取代对活动优化的认真、深入的分析。

问题是每个人都喜欢自动化，但没有多少人，尤其是营销人员喜欢“魔盒”解决方案，当他们使用模棱两可的标准为他们做出决策时。

在本文中，我们想解释什么是流量分配 AI 以及它背后的科学是如何应用的。目标是唤起营销人员的信心，让他们相信我们的算法做出的决策实际上是最好的。

A/B测试和流量分配

首先，让我们谈谈基础知识：什么是 A/B 测试，它与流量分配有何关系？

在大多数情况下，您宣传的各种优惠和目标网页不会达到相同的性能水平。有些带来更好的结果，有些则更糟，或者根本没有结果。通过 A/B 测试，您可以通过与同一流量上的另一个元素进行比较来快速找到更有利可图的元素。

如果获胜的元素负责所有利润，那么您希望为它带来尽可能多的流量并剔除不良元素。但事情很少那么清楚。考虑以下：

这些问题的答案在于流量分配：一种在广告系列的各个元素之间分配流量的方法，可以为您带来最佳效果。如果您巧妙地划分流量，您可以将大部分流量引导至被证明最有利可图的报价或着陆器，同时将一小部分流量用于其他报价。

当性能改变时，流量分配也应该随之改变。 这个过程存在于一个持续的反馈循环中。

Voluum 允许其用户手动设置精确的权重值，以在路径之间以及报价和着陆器之间的路径内分配流量。营销人员应不断调整价值，以反映绩效的变化。实际上，大多数广告商只在 Voluum 中设置了一次权重，然后就忘记了。

幸运的是，还有另一种方法。

我们，Voluum 背后的团队，很久以前就认识到了这个问题，并努力寻找解决方案。我们的答案是 Traffic Distribution AI 功能——一种始终有效的机器学习解决方案，不断检查任何优化空间。

此功能会自动处理报价、路径和着陆器的权重——您不必手动设置它们，也不必验证昨天的设置今天是否仍然有意义。 Traffic Distribution AI 很聪明——它知道如何为您带来最佳结果，同时仍然为利润较低的元素提供流量，以监控其性能的任何潜在变化。

此功能使用贝叶斯统计。贝叶斯统计广泛用于医学研究，这意味着我们的生活在某种程度上依赖于它们。简而言之，贝叶斯统计非常适合构建概率模型。该模型的初始概率值基于先前的知识，并根据新信息不断更新。

Traffic Distribution AI 使用三个指标之一。如果一个不可用，它将按以下顺序切换到其他的：

您始终可以通过手动选择算法应优化的指标来覆盖自动选择。 请注意，在使用 Traffic Distribution AI 时，转换跟踪是一项要求。

开启后，Traffic Distribution AI 将开始一个学习期并应用权重的线性分布。

学习期结束后，权重将在每次计算运行时调整，大约每分钟调整一次。

该功能使用过去 24 小时的数据优化权重。没有配置这段时间的选项，但是，我们相信这个时间范围是反应时间和精度之间的完美平衡。

虽然开启 Traffic Distribution AI 功能只需要启用一次切换，但仍有一些事项需要考虑。

首先，Traffic Distribution AI可以应用于以下要素：

您可以为这些元素中的每一个单独激活自动流量分配。

其次，在lander & offer优化方面，你有两种选择：可以单独优化，也可以组合优化。

单独优化时，lander 和 offer 的性能将相互独立计算。将选择性能最佳的着陆器和报价，但这并不意味着它们以最佳方式相互执行
优化组合后，Traffic Distribution AI 会将大部分流量引导至性能最佳的 lander 和 offer 对，即使存在性能更好的 lander 和 offer。

您需要决定哪个版本最适合您。在大多数情况下，差异应该很大。

一旦你打开开关，你几乎不需要做任何事情来保持它的运行。您的流量将以最佳方式分配，同时还会监控性能较低的元素的性能。流量分配 AI 永远不会完全阻止给定元素的流量。

您可以向漏斗中添加其他元素，但它会重置学习期，因此会关闭并再次打开该功能。

没有魔法，只有基于 24 小时数据集并每分钟计算一次的选定目标的统计分析。听起来不多，但确实如此。

Traffic Distribution AI 旨在减轻您的负担并执行您通常不会做的计算。你得到的是：