Discovery Reklam Performans Analizi ile Tanışın

In: Genel


Metin özellikleri gibi, görüntü özellikleri de büyük ölçüde iki kategoriye ayrılabilir:

1. Genel görüntü özellikleri

a. Bu özellikler tüm görüntüler için geçerlidir ve renk profilini, herhangi bir logonun algılanıp algılanmadığını, kaç tane insan yüzünün dahil edildiğini vb. içerir.

b. Yüzle ilgili özellikler ayrıca bazı gelişmiş yönleri de içerir: doğrudan kameraya bakan göze çarpan gülümseyen yüzler ararız, bireyler ile küçük gruplar ile kalabalıklar vb. arasında ayrım yaparız.

2. Nesne tabanlı özellikler

a. Bu özellikler, genellikle “Kişi” gibi genel nesneleri ve belirli köpek ırkları gibi belirli nesneleri içeren büyük bir liste olabilen, veri kümesindeki tüm görüntülerde algılanan nesnelerin ve etiketlerin listesine dayanır.

b. Buradaki en büyük zorluk boyutluluktur: ilgili nesneleri doğal ve kentsel görüntüler gibi mantıksal temalar halinde bir araya getirmemiz gerekir.

c. Şu anda bu soruna hibrit bir yaklaşımımız var: ilk kümelemeyi oluşturmak için denetimsiz kümeleme yaklaşımlarını kullanıyoruz, ancak örnek görüntüleri incelerken bunu manuel olarak revize ediyoruz. Süreç:

  • Vision API çıktısından nesne ve etiket adlarını (örneğin Kişi, Sandalye, Plaj, Masa) çıkarın ve en yaygın olmayan nesneleri filtreleyin
  • Google Haberler külliyatında eğitilmiş bir Word2Vec modelini kullanarak bu adları 50 boyutlu semantik vektörlere dönüştürün
  • PCA kullanarak, anlamsal vektörlerden ilk 5 ana bileşeni çıkarın. Bu adım, her Word2Vec nöronunun bir dizi yaygın olarak bitişik kelimeyi kodlaması ve farklı kümelerin farklı benzerlik eksenlerini temsil etmesi ve farklı ağırlıklandırılması gerektiği gerçeğinden yararlanır.
  • Anlamsal olarak benzer kelime kümelerini bulmak için k-means veya DBSCAN gibi denetimsiz bir kümeleme algoritması kullanın.
  • Ayrıca, bu yaklaşımı birleşik bir mesafe metriğiyle artırmayı da araştırıyoruz:

d(w1, w2) = a * (anlamsal mesafe) + b * (birlikte görünme mesafesi)

ikincisi bir Jaccard mesafe metriği olduğunda

Bu bileşenlerin her biri, reklamverenin bir reklam için mesaj oluştururken yaptığı bir seçimi temsil eder. Artık bileşenlere ayrılmış çeşitli reklamlarımız olduğuna göre, şunu sorabiliriz: Hangi bileşenler iyi performans gösteren reklamlarla ilişkilendirilir veya çok iyi performans göstermez?

biz bir sabit etkiler1 modben farklı reklamların sunulduğu bağlamda gözlemlenmeyen farklılıkları kontrol etmek için. Bunun nedeni, ölçtüğümüz özelliklerin, örneğin reklam metni, hedef kitle grupları, yılın zamanı ve reklamın sunulduğu cihaz gibi farklı bağlamlarda birden çok kez gözlemlenmesidir.

Eğitimli model, aşağıdakilerin etkisini tahmin etmeye çalışacaktır. tek tek anahtar kelimeler, ifadeler ve resim bileşenleri keşif reklam kopyalarında. Model formu, Etkileşim Oranını (aşağıdaki formüllerde ‘IR’ olarak belirtilir) bağımsız reklam metni özelliklerinin + kontrollerinin bir işlevi olarak tahmin eder:

Kullanırız elastik ağ Çoklu doğrusal bağlantı varlığında özelliklerin etkisini yaymak ve modelin açıklama gücünü artırmak için:

“Makine Öğrenimi modeli, keşif reklam kopyalarındaki tek tek anahtar kelimelerin, kelime öbeklerinin ve resim bileşenlerinin etkisini tahmin eder.”

– Manisha Arora, Veri Bilimcisi

Çıktılar ve Öngörüler

Makine öğrenimi modelinden elde edilen çıktılar, önemli özellikleri belirlememize yardımcı olur. Her özelliğin katsayısı, TO üzerindeki yüzde puanı etkisini temsil eder.

Başka bir deyişle, özellik içermeyen ortalama TO %X ise ve ‘xx’ özelliğinin katsayısı Y’ye sahipse, ‘xx’ özelliği dahil edilen ortalama TO (X + Y) % olacaktır. Bu, en önemli özelliklerin reklam kopyalarının bir parçası olarak dahil edilmesi durumunda beklenen TO’yu belirlememize yardımcı olabilir.

Önemli bilgiler (örnek bilgiler):

Reklamı yapılan ürünün benzersiz değer tekliflerine bağlı anahtar kelimeleri ve görüntüleri analiz ederiz. Modelde incelediğimiz 6 anahtar değer önermesi bulunmaktadır. Analizlerden elde ettiğimiz örnek bilgiler aşağıdadır:

eksiklikler:

DisCat’ten alınan bilgiler oldukça doğru ve eyleme geçirilebilir olsa da, moel’in birkaç sınırlaması var:

1. Mevcut model, tek tek anahtar kelimeler yerine reklam performansını artırabilecek anahtar kelime gruplarını dikkate almaz (Örnek – “Satın Al” ve “Şimdi” tek tek anahtar kelimeler yerine “Şimdi Satın Al” ifadesi).

2. Çıkarım ve tahminler geçmiş verilere dayanır ve gelecekteki başarının bir göstergesi değildir.

3. Analizler, sektör bilgilerine dayalıdır ve belirli bir reklamveren için uyarlanması gerekebilir.

DisCat, reklam için tam olarak hangi özelliklerin iyi çalıştığını ve hangilerinin iyileştirme kapsamına sahip olduğunu belirler. Bu bilgiler, reklamlardaki yüksek etkili anahtar kelimeleri belirlememize yardımcı olabilir ve bu anahtar kelimeler daha sonra reklam kalitesini iyileştirmek için kullanılabilecek ve böylece iş sonuçlarını iyileştirebilir. Sonraki adımlar olarak, daha sağlam bir analiz sağlamak için yeni reklam kopyalarını denemelerle test etmenizi öneririz. Google Ads A/B testi özelliği ayrıca bu analizleri kendi kampanyalarınızda test etmek için denemeler oluşturmanıza ve çalıştırmanıza da olanak tanır.

Özet

Discovery Ads, reklamverenlerin sosyal erişimlerini dünya genelindeki milyonlarca kişiye ulaştırmaları için harika bir yoldur. DisCat, metin ve resimleri ayrı ayrı analiz ederek ve reklamın daha yüksek performans sağlayan temel yönlerini belirlemek için gelişmiş ML/AI tekniklerini kullanarak keşif reklamlarını ayırmaya yardımcı olur. Bu bilgiler, reklamverenlerin büyüme için alan belirlemesine, yüksek etkili anahtar kelimeleri belirlemesine ve iş sonuçlarını yönlendiren daha iyi reklam öğeleri tasarlamasına yardımcı olur.

teşekkür

Shoresh Shafei ve Jade Zhang’a katkılarından dolayı teşekkür ederiz. Bu blogun yayınlanmasını kolaylaştırdığı için Nikhil Madan’a özel bir teşekkür.

Notlar

Bir cevap yazın

Ready to Grow Your Business?

We Serve our Clients’ Best Interests with the Best Marketing Solutions. Find out More

How Can We Help You?

Need to bounce off ideas for an upcoming project or digital campaign? Looking to transform your business with the implementation of full potential digital marketing?

For any career inquiries, please visit our careers page here.
[contact-form-7 404 "Bulunamadı"]