2

智能推荐算法如何优化广告投放效果?

 2 years ago
source link: https://www.volcengine.com/docs/6287/72575
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

融易推是一家广告投放营销公司。依托自建的泛舟广告平台,融易推一方面帮助流量供给侧提升变现效率,另一方面帮助流量需求侧优化流量采买的性价比。

但在具体业务中,融易推遇到两个挑战:

  • 以往融易推依据人工经验对广告进行排序,这种方式不仅效率低下,且响应不及时,客单价已触及天花板,想要突破增长瓶颈,亟需精细化运营;

  • 公司经常需要A/B测试进行投放实验,但自建的简易A/B测试平台无法支持并行实验,如果有多个待做实验,只能排队等待,时间成本极高。

为了解决以上问题,融易推采用了火山引擎的智能推荐模型和A/B测试平台,客单价实现了4.5%的提升。

智能算法排序

助力融易推客单价提升4.5%

为了解决依照人工经验手动排序的低效率和不准确,火山引擎的算法团队为融易推设计了有针对性的数据模型训练。

每次用户请求广告时,模型会根据不同广告主的转化目标,实时预估该用户对候选集所有广告的转化率,并给出打分,最后根据分值倒排生成推荐列表。

为了验证智能算法排序具有更优的效果,融易推使用火山引擎的A/B测试平台设计了一组实验:

  • 对照组:传统人工手动排序

  • 实验组:智能算法排序

实验设置了1个关键指标,2个参考指标:
image.png

该实验为长期实验,截取其中两周的实验数据显示,智能算法排序实验组比人工排序的对照组,核心指标客单价提升了4.5%,后续扩大实验组量级占比后,仍保持正向。
image.png

最终智能算法排序,替代了人工经验排序,大大提升了广告投放的效率。

A/B测试并行实验

高效验证活动效果

在做上述算法实验的同时,融易推运营团队提出了“通过送话费激励用户转化”的活动方案,希望通过A/B测试评估参与活动与不参与活动的用户,在整体转化率上是否有差异。

考虑到上述算法实验也会影响到转化率指标,为了避免话费活动实验与算法实验的互相影响,融易推采用了火山引擎的A/B测试平台,通过分层实验保证流量正交。

该实验的关键指标为:转化率a,即监测在a节点上能够转化的人数/进组人数。

最终在一周测试结束后,实验结果显示:参与和未参与话费活动的两组用户,在a节点的转化率上无显著差异。运营团队根据实验结果,暂停了话费活动,着手调研其他活动方式。

最终通过火山引擎A/B测试平台的并行实验,融易推不仅节约了时间成本,同时也快速帮助运营团队判断了此次话费活动不是激励转化的有效手段,让融易推团队及时止损,并快速迭代。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK