Så har maskininlärning förändrat annonsering
Annonsering med Maskininlärning
All annonsering syftar till att uppnå en effekt hos mottagaren – t.ex. att göra ett varumärke känt, att väcka ett intresse, eller uppmuntra till en handling. Mängder med faktorer påverkar huruvida en annonskampanj är effektiv och når sina mål. Traditionellt har kunnandet om detta vilat på lika stora delar konsthantverk som logik och vetenskap.
En av fördelarna med annonsering i digitala miljöer är att den lämnar efter sig mängder av digitala kvantifierbara spår. Genom att analysera dessa spår med datorkraft och moderna statistiska metoder kan man bygga modeller för att förutspå effekten av viss annonsering. Effekten måste vara mätbar – t.ex. att en annonsvisning är “viewable”*, har lett till klick, eller till konvertering. För en enskild annonsvisning har inte ens de mest sofistikerade modellerna någon större precision, men i volym slår förutsägelserna slumpen.
För annonsören innebär maskininlärning en möjlighet att optimera annonskronor mot de visningar som har större sannolikhet att leverera effekt.
Maskininlärning hos BidTheatre
BidTheatre DSP bygger varje natt nya modeller för att förutspå effekten på några vanliga kampanj-KPI:er. Modellerna tränas utifrån flera dagars uppmätt effekt av tidigare annonsköp. Algoritmerna som utvecklats för att träna modellerna inkluderar aspekter som när en annonsvisning skett (veckodag, tid på dygnet), var det skett (sajten, kategorin), vad som visats (storlek på annonsen, kategorin) och vem som sett annonsen (mobil/desktop, kända målgruppstillhörigheter) med mera.
Maskininlärning (ML) hos BidTheatre DSP är en valfri och kostnadsfri funktion, som aktiveras på budstrateginivå. Väl aktiverad, så kommer systemet med ML-modellens hjälp “betygsätta” hur väl en given möjlig annonsvisning levererar mot kampanjens KPI. Betyget mellan 0 och 1 kommer sedan att multipliceras med angett maxbud för att nå det slutgiltiga som systemet är villigt att betala för annonsvisningen.
I dagsläget bygger BidTheatre DSP modeller för KPI-klick och viewability. Stöd för scoring av konvertering beräknas vara klart i december 2018.
Resultat
TBS Mediabyrå genomförde en A/B-testning av ML med två kampanjer för en svensk detaljist inom hem & trädgård. Budgeten delades lika, men endast en kampanj använde ML. Kampanjernas inställningar var i övrigt lika, och testet genomfördes under en två veckor lång kampanjperiod.
Resultaten blev som följer:
Impressions: +9,2%
Klick: +8,4%
CTR: -1,7%
eCPM: -18,8%
eCPC: -17,1%
Slutsatserna som kan dras av caset är att kampanjen som nyttjade ML erhöll över 9% mer annonsvisningar till en ca 19% lägre kostnad. Effekten av kommunikationen i form av click var över 8% bättre med ML samtidigt som kostnaden för varje click var 17% lägre. Med andra ord fick vi med hjälp av ML fler visningar och fler besökare till kundens webbplats till en betydligt lägre kostnad.
Framåt
Allt mer mätdata från företagens marknadsföring, försäljning och omvärld samlas in och förstås med hjälp av datakraft och avancerade statistiska algoritmer. Beslutsunderlag för planering, exekvering och optimering av annonsering kommer i allt högre grad att bygga på algoritmer och maskininlärning. Även den kreativa sidan ser allt mer automatisering, där exempelvis A/B-testning över tusentals annonsvarianter kan göras automatiserat och effektivt. Den svårstoppade utvecklingen gör människors roll successivt mer övervakande än operativ. Mänsklig fokus kommer istället bli marknadsföringens kreativa och strategiska delar, samt att definiera taktiska och kvantifierbara mål att orientera automatiseringen mot. Vi går en spännande framtid till mötes!
* En s.k. viewable annons är en annons som faktiskt blir sedd av användaren. En annons som ligger längst ner på en webbsida och användaren inte ser eftersom hen inte scrollar ner på sidan är alltså inte viewable trots att den finns där. (Källa: Think with Google)