Наталия Неелова (Cubo.ru) - "Исследования в КР: победы и поражения контекстных систем"
Download as PPTX, PDF0 likes228 views
Документ представляет результаты исследования продуктивности и качества контекстной рекламы в Яндекс.Директ и Google AdWords, включая анализ алгоритмов и эффективность рекомендательных систем. Рассматриваются ключевые характеристики, влияющие на показатели продуктивности, а также методы прогнозирования трафика и CPC. Автор, Наталия Неелова, делится выводами о значении частотности ключевых слов и разных стратегиях настройки рекламных кампаний.
![Результаты эксперимента Яндекс.Директ
ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА
Расчетный показатель ошибки алгоритма:
• Ошибка на обучающей выборке 0,0004
• Ошибка на тестовой выборке 0,009
Не влияют на продуктивность:
• URL объявления
• Текст объявления
Основные фичи, значимо влияющие на продуктивность
частотность в диапазоне [900, 1500],
отсутствие пересечения минус-слов и слов ключевой фразы,
соответствие заголовка ключевой фразе](https://image.slidesharecdn.com/8-cubo-161008175826/85/Cubo-ru-8-320.jpg)
Наталия Неелова (Cubo.ru) - "Исследования в КР: победы и поражения контекстных систем"
- 1. ИССЛЕДОВАНИЯ В КР: ПОБЕДЫ И ПОРАЖЕНИЯ КОНТЕКСТНЫХ СИСТЕМ
- 2. Наталия Неелова Директор производства Ingate Development Более 10 лет в интернет-маркетинге Кандидат технических наук Более 20 научных публикаций Автор книги «Sembook. Энциклопедия поискового продвижения» АВТОР ДОКЛАДА
- 3. АНОНС Нельзя теоретизировать, прежде чем появятся факты, неизбежно начинаешь подстраивать факты под свою теорию, а не строить теории на основе фактов « « Шерлок Холмс
- 4. ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Продуктивность Яндекс.Директа VS Показатель качества Google Adwords
- 5. ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Продуктивность в Яндекс.Директе
- 6. ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Зарождение CuboNet Выработка «фичей», влияющих на показатель продуктивности: Выбор алгоритма для выработки рекомендаций по повышению продуктивности: Разработка прототипа для выработки рекомендаций и его обучение Оценка разработанного подхода и внедрение в процессы: XGBoost 27 от частотности до минус-слов 15 000 элементов
- 7. Формат эксперимента -8,2% ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА …37,0,1,1,1,0,0,3,3,3,7,1,2,5,62.5,271.6,0,10 …8,0,1,1,1,0,0,3,3,3,7,1,2,19,61,2287.10526315789,0,10 …8,0,1,0,1,0,0,3,3,3,7,1,2,0,15.5,0,0,10 …54,0,1,1,1,0,0,3,3,3,7,1,2,20,257,731.4,0,10 …19,0,1,1,1,0,0,3,3,3,7,1,2,20,76.5,2403.95,0,10 … 27 фич, размеченные по 15 тыс. элементам Рекомендация по фичи Принцип: изменение какой фичи дает максимальную продуктивность? …37,0,1,1,1,0,0,3,3,6,7,1,2,5,62.5,271.6,0,10 Фиксирование фичи и изменение элемента *есть не изменяемые фичи 1 2 3
- 8. Результаты эксперимента Яндекс.Директ ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Расчетный показатель ошибки алгоритма: • Ошибка на обучающей выборке 0,0004 • Ошибка на тестовой выборке 0,009 Не влияют на продуктивность: • URL объявления • Текст объявления Основные фичи, значимо влияющие на продуктивность частотность в диапазоне [900, 1500], отсутствие пересечения минус-слов и слов ключевой фразы, соответствие заголовка ключевой фразе
- 9. ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Показатель качества в Google Adwords
- 10. Наблюдения Google Adwords ПРОДУКТИВНОСТЬ И КРИТЕРИЙ КАЧЕСТВА Показатель качества Ожидаемый CTR Качество целевой страницы Релевантность объявления 1 Below average Below average Below average 2 Below average Below average Average 3 Below average Below average Above average 3 Below average Average Below average 4 Below average Average Average 5 Below average Average Above average 5 Below average Above average Below average 6 Below average Above average Average 7 Below average Above average Above average 3 Average Below average Below average 4 Average Below average Average 5 Average Below average Above average 5 Average Average Below average 6 Average Average Average 7 Average Average Above average 6 Average Above average Below average 7 Average Above average Average 8 Average Above average Above average 5 Above average Below average Below average 6 Above average Below average Average 7 Above average Below average Above average 6 Above average Average Below average 7 Above average Average Average 8 Above average Average Above average 8 Above average Above average Below average 9 Above average Above average Average 10 Above average Above average Above average
- 11. ТИПЫ РЕКЛАМНЫХ КАМПАНИЙ Разделение VS Объединение рекламных кампаний
- 12. Разделение РК по типу в Яндекс.Директе ТИПЫ РЕКЛАМНЫХ КАМПАНИЙ CTRCPC
- 13. Разделение РК по типу Поиск и ОКМС в Google Adwords ТИПЫ РЕКЛАМНЫХ КАМПАНИЙ Поисковая часть РК КМС в РК CTR % КОНВЕРСИЙCPC ДО ПОСЛЕ ДО ПОСЛЕ ДО ПОСЛЕ
- 15. ПРОГНОЗИРОВАНИЕ Прогнозирование CPC для поисковых РК в Яндекс.Директе 48,5% Корреляция
- 16. Прогнозирование CPC для поисковых РК в Яндекс.Директе ПРОГНОЗИРОВАНИЕ Запросы частотностью: [2000; ∞) Запросы частотностью: [100; 2000) Запросы частотностью: [0; 100)
- 17. ПРОГНОЗИРОВАНИЕ Прогнозирование трафика в РСЯ 73,5% Корреляция
- 18. ПРОГНОЗИРОВАНИЕ Инструмент прогнозирования в Google Adwords
- 19. ПРОГНОЗИРОВАНИЕ Прогнозирование трафика для поисковых РК в Google Adwords «алюминиевые окна» (Россия) Прогноз по максимальным точкам Прогноз по минимальным точкам Фактический трафик и CPC
- 20. ПРОГНОЗИРОВАНИЕ Прогнозирование трафика для поиска в Google Adwords 66,5% Корреляция
- 21. ПРОГНОЗИРОВАНИЕ Прогнозирование трафика в КМС Цена Первая РК Вторая РК КЛИКИ (ДО ФИЛЬТРАЦИИ)
- 22. ПРОГНОЗИРОВАНИЕ Прогнозирование трафика в КМС Цена Первая РК Вторая РК КЛИКИ (ПОСЛЕ ФИЛЬТРАЦИИ)
- 23. НАСТРОЙКИ НАСТРОЙКА РЕКЛАМНОЙ КАМПАНИИ В ЯНДЕКС.ДИРЕКТЕ
- 24. НАСТРОЙКИ До корректировки После корректировки Корректировка ставок по мобильности* 59,8% -34,1% CPA% КОНВЕРСИИ * Для сайтов с конверсиями из мобильных устройств
- 25. НАСТРОЙКИ Без учета корректировки С учетом корректировки Корректировка по полу и возрасту +16,3% -16,0% CPA% КОНВЕРСИИ
- 26. НАСТРОЙКИ CPA% КОНВЕРСИИ +30% -8% Без учета временного таргетинга С учетом временного таргетинга Временной таргетинг
- 27. НАБЛЮДЕНИЯ Сбор данных по каждому дню недели и часу по визитам и лидам. Расчет % конверсий Через Z-критерий Фишера для каждого часа и дня недели рассчитывается, на сколько необходимо повысить или понизить ставку: • Минимальная корректировка 0% • Максимальная корректировка 200% Через интерфейс Яндекс.Директа наложение корректировки • CR – коэффициент конверсии • TotalCR – сумма всех целевых визитов • σ – стандартное отклонение • Visits – сумма всех визитов Описание алгоритма
- 28. НАСТРОЙКИ Получение данных из Яндекс.Метрики * Отчет с группировкой «Дата и время визита» и метриками «Визиты» и «Целевые визиты» и сегментация через UTM
- 31. Наталия Неелова @ КОНТАКТЫ Сервис многоканальной рекламы в Интернете cubo.ru