流量分配 AI：解釋了 Voluum 中優化活動的科學

已發表: 2023-02-28

雖然數字營銷活動的某些方面可以依賴廣告商的直覺和基於本能的方法，但通過全面的 A/B 測試程序優化流量分配最好由科學來處理。再多的直覺也無法取代對活動優化的認真、深入的分析。

問題是每個人都喜歡自動化，但沒有多少人，尤其是營銷人員喜歡“魔盒”解決方案，當他們使用模棱兩可的標準為他們做出決策時。

在本文中，我們想解釋什麼是流量分配 AI 以及它背後的科學是如何應用的。目標是喚起營銷人員的信心，讓他們相信我們的算法做出的決策實際上是最好的。

A/B測試和流量分配

首先，讓我們談談基礎知識：什麼是 A/B 測試，它與流量分配有何關係？

在大多數情況下，您宣傳的各種優惠和目標網頁不會達到相同的性能水平。有些帶來更好的結果，有些則更糟，或者根本沒有結果。通過 A/B 測試，您可以通過與同一流量上的另一個元素進行比較來快速找到更有利可圖的元素。

如果獲勝的元素負責所有利潤，那麼您希望為它帶來盡可能多的流量並剔除不良元素。但事情很少那麼清楚。考慮以下：

這些問題的答案在於流量分配：一種在廣告系列的各個元素之間分配流量的方法，可以為您帶來最佳效果。如果您巧妙地劃分流量，您可以將大部分流量引導至被證明最有利可圖的報價或著陸器，同時將一小部分流量用於其他報價。

當性能改變時，流量分配也應該隨之改變。 這個過程存在於一個持續的反饋循環中。

Voluum 允許其用戶手動設置精確的權重值，以在路徑之間以及報價和著陸器之間的路徑內分配流量。營銷人員應不斷調整價值，以反映績效的變化。實際上，大多數廣告商只在 Voluum 中設置了一次權重，然後就忘記了。

幸運的是，還有另一種方法。

我們，Voluum 背後的團隊，很久以前就認識到了這個問題，並努力尋找解決方案。我們的答案是 Traffic Distribution AI 功能——一種始終有效的機器學習解決方案，不斷檢查任何優化空間。

此功能會自動處理報價、路徑和著陸器的權重——您不必手動設置它們，也不必驗證昨天的設置今天是否仍然有意義。 Traffic Distribution AI 很聰明——它知道如何為您帶來最佳結果，同時仍然為利潤較低的元素提供流量，以監控其性能的任何潛在變化。

此功能使用貝葉斯統計。貝葉斯統計廣泛用於醫學研究，這意味著我們的生活在某種程度上依賴於它們。簡而言之，貝葉斯統計非常適合構建概率模型。該模型的初始概率值基於先前的知識，並根據新信息不斷更新。

Traffic Distribution AI 使用三個指標之一。如果一個不可用，它將按以下順序切換到其他的：

您始終可以通過手動選擇算法應優化的指標來覆蓋自動選擇。 請注意，在使用 Traffic Distribution AI 時，轉換跟踪是一項要求。

開啟後，Traffic Distribution AI 將開始一個學習期並應用權重的線性分佈。

學習期結束後，權重將在每次計算運行時調整，大約每分鐘調整一次。

該功能使用過去 24 小時的數據優化權重。沒有配置這段時間的選項，但是，我們相信這個時間範圍是反應時間和精度之間的完美平衡。

雖然開啟 Traffic Distribution AI 功能只需要啟用一次切換，但仍有一些事項需要考慮。

首先，Traffic Distribution AI可以應用於以下要素：

您可以為這些元素中的每一個單獨激活自動流量分配。

其次，在lander & offer優化方面，你有兩種選擇：可以單獨優化，也可以組合優化。

單獨優化時，lander 和 offer 的性能將相互獨立計算。將選擇性能最佳的著陸器和報價，但這並不意味著它們以最佳方式相互執行
優化組合後，Traffic Distribution AI 會將大部分流量引導至性能最佳的 lander 和 offer 對，即使存在性能更好的 lander 和 offer。

您需要決定哪個版本最適合您。在大多數情況下，差異應該很大。

一旦你打開開關，你幾乎不需要做任何事情來保持它的運行。您的流量將以最佳方式分配，同時還會監控性能較低的元素的性能。流量分配 AI 永遠不會完全阻止給定元素的流量。

您可以向漏斗中添加其他元素，但它會重置學習期，因此會關閉並再次打開該功能。

沒有魔法，只有基於 24 小時數據集並每分鐘計算一次的選定目標的統計分析。聽起來不多，但確實如此。

Traffic Distribution AI 旨在減輕您的負擔並執行您通常不會做的計算。你得到的是：