Astăzi asistăm la o schimbare fundamentală de paradigmă în publicitatea programatică: miza nu mai este acoperirea sau volumul brut de afișări, ci calitatea lor reală și impactul direct asupra profitabilității. Trăim într-o eră a „inflației de date”, în care o simplă conversie obținută nu mai garantează automat profitul.
Strategiile automate de licitare funcționează după o logică liniară. Pentru ele este valabil principiul: „o conversie = aceeași valoare”. Din perspectiva sistemului, abonarea la un newsletter, adăugarea unui produs în coș și achiziția unui produs premium au aproape aceeași prioritate, dacă toate sunt definite ca obiective. În realitate însă, lucrurile stau complet diferit pentru o afacere. O astfel de abordare uniformă face ca bugetele de marketing să se risipească în loc să se concentreze pe atragerea clienților care aduc cea mai mare valoare.
Pentru a depăși acest decalaj dintre metricele de media și rezultatele reale de business, Google a dezvoltat funcționalitatea Custom Bidding. Această opțiune unică din DV360 le permite advertiserilor să treacă dincolo de KPI-urile standard. În loc să te adaptezi la strategiile automate de licitare ale Google, ai posibilitatea să „antrenezi” AI-ul să evalueze fiecare afișare prin prisma obiectivelor tale specifice de business: de la marja de profit a produselor până la valoarea estimată pe durata de viață a clientului (LTV).
În acest articol analizăm în detaliu cum funcționează această tehnologie, de ce rămâne un avantaj exclusiv al ecosistemului Google Marketing Platform și cum îți poți construi propriul algoritm care să aducă o valoare reală brandului tău, nu doar simple clicuri.
Diferența fundamentală: prin ce se deosebește de Auto-Bidding-ul standard
Pentru a înțelege puterea Custom Bidding, merită să analizăm mai întâi mecanica strategiilor standard. Licitarea automată (Automated Bidding) din DV360 optimizează campaniile pe baza probabilității de a obține un clic, o conversie sau o afișare vizibilă. Modelul bazat pe AI analizează datele istorice și peste 40 de semnale din licitație pentru a cumpăra afișarea la cel mai bun preț.
Problema abordării standard constă în limitarea obiectivelor sale. Dacă selectezi opțiunea „Maximize Conversions”, sistemul va licita la fel de agresiv pentru un utilizator care adaugă în coș un produs ieftin ca și pentru cineva care face o achiziție de o valoare mare. Custom Bidding schimbă regulile jocului. Nu este vorba despre crearea unui algoritm de la zero, ci despre „ajustarea fină” (fine-tuning) a modelelor existente oferite de Google. Folosești aceeași putere de procesare a AI-ului, dar stabilești singur „ponderea” sau valoarea în puncte pentru fiecare acțiune a utilizatorilor.
Patru scenarii principale de utilizare a algoritmilor
Custom Bidding îți permite să operezi cu date care anterior nu erau disponibile pentru optimizarea automată a licitării:
- ROAS-ul tranzacțiilor
Optimizarea directă pe valoarea veniturilor transmise prin etichetele de vânzări Floodlight sau prin obiectivele din Google Analytics. Sistemul își ajustează automat licitările pentru a maximiza profitul total, nu doar volumul brut de comenzi.
- Conversii ponderate (Weighted Conversions)
Poți transpune întreaga pâlnie de vânzări direct în algoritm. De exemplu, poți aloca 10 puncte pentru vizitarea paginii unui produs, 50 de puncte pentru o înregistrare și 100 de puncte pentru o achiziție. Acest lucru ajută algoritmul să învețe mai rapid, deoarece recunoaște valoarea în fiecare etapă parcursă de utilizator, nu doar la acțiunea finală.
- Optimizarea bazată pe Customer Value
Prin utilizarea variabilelor personalizate (u-variables) din etichetele Floodlight sau prin obiectivele din GA4, poți transmite sistemului informații despre produsele din coș, durata rezervării, SKU-ul produsului sau statutul de loialitate al clientului. Algoritmul va licita mai mult pentru o afișare către un utilizator cu o valoare medie a comenzii estimată mai mare.
- Calitatea contactului cu brandul
Pentru campaniile de display, modul în care un utilizator vede reclama este esențial. Custom Bidding îți permite să iei în calcul dimensiunea creativului, poziția anunțului în pagină, durata de vizionare a videoclipului și indicatorii Active View, astfel încât brandul să fie cu adevărat vizibil în câmpul vizual al publicului țintă.
Compararea Automated Bidding vs Custom Bidding
Principala diferență dintre strategiile standard de licitare și algoritmii personalizați constă în trecerea de la o evaluare binară a afișării la o evaluare inteligentă și diferențiată a acesteia.
1. Cum funcționează Automated Bidding (automatizarea standard)
Algoritmii tradiționali ai platformei funcționează după un sistem simplificat de evaluare a performanței, în care există doar două stări: „da” sau „nu”.
- Mecanica de evaluare
Dacă o campanie este optimizată, de exemplu, pentru indicatorul de vizibilitate, atunci o afișare confirmată ca fiind văzută a anunțului (Ad is Viewed) primește 100% valoare. În schimb, o afișare care nu a devenit vizibilă (Ad is Not Viewed) este marcată drept complet ineficientă și primește 0% valoare. - Limitări
Algoritmul de automatizare nu ia în calcul caracteristicile calitative ale vizualizării în sine. Pentru el, două afișări vizibile sunt absolut echivalente, chiar dacă pe primul site utilizatorul a interacționat cu reclama timp de 2 secunde, iar pe al doilea – peste 10 secunde, pe un ecran mare.
2. Cum funcționează Custom Bidding (algoritmii personalizați)
Abordarea personalizată îi permite advertiserului să definească în mod independent ce combinații de semnale și metrici tehnice formează un contact media de calitate superioară. În locul unei scale rigide „0 sau 100″, se introduce o distribuție flexibilă a valorii, în funcție de puterea semnalului.
Valoarea unei afișări se poate modifica dinamic sub influența unei combinații de trei factori: vizibilitatea (Ad is Viewed), timpul pe ecran (ToS > 10 sec) și dimensiunea creativului (Large Creative):
- 100% valoare (afișare ideală)
Se atribuie doar atunci când toate cele trei criterii sunt îndeplinite – anunțul a fost vizibil, a rulat mai multe de 10 secunde și a fost folosit un material creativ de dimensiune mare. - 70% valoare (prioritate pe format)
Se acordă dacă anunțul a fost vizibil și a fost folosit un material creativ de dimensiune mare, dar durata contactului a fost sub 10 secunde. - 40% valoare (prioritate pe durată)
Se obține atunci când anunțul a fost vizibil și a menținut atenția utilizatorului mai mult de 10 secunde, însă formatul creativului a fost unul standard sau de mici dimensiuni.
De ce contează acest lucru pentru optimizarea campaniilor?
Implementarea Custom Bidding schimbă fundamental direcția de învățare a rețelei neuronale din DV360. În loc să cumpere orbește orice inventar care se încadrează formal în criteriul vizibilității, algoritmul învață să identifice acele afișări care aduc cea mai mare valoare pentru atingerea obiectivelor de business.
Tipuri de Custom Bidding
Calculul în Custom Bidding se bazează pe o modelare matematică ce permite combinarea diferitelor tipuri de semnale într-un sistem unitar de evaluare a afișărilor. Astfel, nu se înregistrează doar faptul că o acțiune a avut loc, ci și ponderea contextului în care s-a produs.
Componentele modelului matematic
Pentru un punctaj precis al fiecărei afișări, algoritmul însumează punctele de bază și le înmulțește cu coeficienți care reflectă calitatea sau condițiile în care a avut loc afișarea.
- Puncte de bază
Sunt metrici cantitative ale interacțiunii utilizatorului cu anunțul – de exemplu, dacă a avut loc o conversie sau un clic. Fiecărei acțiuni i se atribuie propria pondere, care reflectă importanța ei pentru afacere. - Coeficienți (multiplicatori)
Sunt parametri calitativi care amplifică sau reduc valoarea acțiunii de bază, în funcție de condițiile afișării. Aceștia includ tipul dispozitivului (de exemplu, mobil) sau poziția anunțului pe pagina site-ului.
Exemplu practic de calcul al valorii
Trei afișări publicitare diferite (A, B și C) primesc valori finale complet diferite în algoritmul de achiziție, datorită combinației dintre puncte și multiplicatori.
- Afișarea A (valoare maximă)
Utilizatorul a realizat o conversie (9 puncte) și a dat clic pe reclamă (1 punct) de pe un dispozitiv mobil (multiplicator 2), dintr-o poziție de top a anunțului (multiplicator 5). Formula de calcul (9+1)×2×5 oferă o valoare finală a afișării de 100. Acesta este trafic de înaltă prioritate, pentru care sistemul va licita cel mai activ. - Afișarea B (valoare minimă)
În acest caz nu a existat nicio conversie (0 puncte), și s-a înregistrat doar un clic (1 punct) pe mobil (multiplicator 2), iar datele privind poziția anunțului lipsesc. Formula de calcul (0+1)×2 se transformă într-o valoare finală a afișării de 2. Algoritmul marchează un astfel de inventar drept unul cu prioritate scăzută. - Afișarea C (valoare zero)
Afișarea a avut loc într-o poziție bună (multiplicator 4), însă utilizatorul nu a făcut nicio acțiune de bază – nici clic, nici conversie (0 puncte). Logica matematică (0+0)×4 rezultă într-o valoare a afișării de 0. Pentru algoritm, această afișare nu are nicio valoare, așa că sistemul va înceta să mai cheltuiască buget pe astfel de plasări.
Impactul asupra strategiei de licitare
O astfel de abordare îți permite să depășești optimizarea standard. În loc să evalueze toate conversiile sau clicurile ca fiind identice, Custom Bidding ajută sistemul să vadă exact ce factori au însoțit acea conversie. Dacă o achiziție s-a produs de pe un dispozitiv mobil și dintr-o poziție premium, inteligența artificială citește instantaneu acest semnal și își ajustează modelul de licitare pentru a cumpăra mai mult din acest tip de trafic – de calitate superioară și cu rată mare de conversie.
Attention-Based Bidding
Analiza media modernă se îndepărtează tot mai mult de evaluarea simplă a clicurilor și se orientează către măsurarea implicării reale a audienței. Strategia de licitare bazată pe atenție (Attention-Based Bidding) din DV360 îți permite să configurezi algoritmul astfel încât să cumperi inventarul care garantează atenția maximă a utilizatorilor asupra mesajului tău.
1. Contextul afișării (Placement & User Context)
Această categorie de semnale descrie condițiile externe în care are loc contactul publicitar. Ele reflectă unde și când este afișată reclama și sunt complet independente de parametrii creativului în sine. Acestea includ:
- Timp și geolocația
Ora din zi, ziua din săptămână și locația geografică a utilizatorului.
- Mediul tehnic
Sistemul de operare și tipul dispozitivului. - Calitatea plasamentului
Categoria tematică sau canalul site-ului, precum și domeniul specific.
Aceste date ajută sistemul să anticipeze potențialul de implicare – de exemplu, să reducă licitările în orele cu activitate redusă sau pe site-urile cu o rată mică de reținere a atenției.
2. Calitatea afișării și metricile de atenție (Attention Proxies)
Acesta este blocul cheie pentru modelele Attention-Based. Metricile proxy ale atenției determină calitatea unei afișări în funcție de șansa fizică pe care a avut-o utilizatorul de a observa și procesa reclama. Parametrii care influențează direct vizibilitatea și interacțiunea sunt:
- Vizibilitatea și sunetul
Vizibilitatea efectivă a bannerului sau a playerului (Viewable) și dacă sunetul a fost pornit în timpul redării video (Audible). - Timpul de contact
Durata în care anunțul a rămas vizibil pe ecranul dispozitivului (Time on screen). - Caracteristicile playerului și ale creativului
Dimensiunea fizică a blocului publicitar (Creative Size / Dimensions), dimensiunea interfeței video (Video Player Size), precum și faptul că utilizatorul a redimensionat fereastra (Video Resized).
Valoarea de business a acestei abordări
Combinarea semnalelor de context cu cele de atenție îi permite algoritmului DV360 să calculeze probabilitatea unui contact media de calitate înainte de a plasa oferta. De exemplu, sistemul vede că o afișare este planificată pe desktop, pe un domeniu premium, într-un player de mari dimensiuni și cu o probabilitate ridicată de menținere a atenției pe parcursul rulării.
Pentru modelul Attention-Based Bidding, un astfel de set de semnale declanșează atribuirea celei mai mari valori pentru afișarea respectivă. Algoritmul va mări automat oferta pentru a câștiga acest spațiu premium și, invers, va minimiza cheltuielile pe afișările unde reclama s-ar putea încărca, dar utilizatorul ar trece peste ea prin scroll într-o fracțiune de secundă.
Conversion-Based Bidding
1. Utilizarea tuturor datelor de conversie pentru optimizare
Ideea centrală este că nu toate conversiile au aceeași importanță pentru o afacere. Custom Bidding îți permite să te concentrezi pe acțiunile cele mai valoroase, fără a ignora alte conversii intermediare utile.
2. Cum funcționează (pe exemplul unei pâlnii de Floodlight)
În loc să se optimizeze doar pentru o singură acțiune finală sau să evalueze toate acțiunile cu o pondere egală (așa cum face de obicei licitarea automată standard), algoritmul personalizat ia în calcul întreaga structură a conversiilor (în conformitate cu etichetele Floodlight configurate):
- Landing page (vizualizarea paginii) – acțiune de bază, cu cea mai mică valoare (culoarea gri).
- Începerea completării formularului – acțiune ce indică un interes crescut (culoarea roșie).
- Finalizarea completării formularului – pas cu pas spre succes (culoarea portocalie).
- Trimiterea cu succes a formularului – cea mai valoroasă conversie (culoarea verde).
3. Alimentarea algoritmului de Machine Learning (comparație cu Auto Bidding)
Graficul din dreapta demonstrează clar diferența în volumul de semnale pe care le primește algoritmul pentru învățare:
- Auto Bidding (licitarea automată standard) se concentrează predominant pe un singur tip de semnal (de exemplu, doar trimiterea cu succes a formularului). Din acest motiv, volumul de date disponibil pentru antrenarea algoritmului este foarte mic (bara verde scurtă).
- Custom Bidding (licitare personalizată) colectează și integrează semnale din toate etapele pâlniei (de la landing page până la trimiterea finală). Datorită acestui lucru, algoritmul de Machine Learning primește un volum semnificativ mai mare de date (bara de semnale devine mai înaltă și mai diversificată), ceea ce îi permite să învețe mai rapid și mai eficient, să prezică rezultatele cu o precizie mai mare și să optimizeze achiziția de spațiu publicitar mult mai bine.
Procesul de creare a algoritmului propriu folosind Goal Builder din UI-ul DV360
Eficiența achiziției programatice depinde direct de precizia cu care este evaluat inventarul media. În Display & Video 360, tehnologia Custom Bidding le permite advertiserilor să se îndepărteze de metricile standard, precum clicurile sau conversiile simple, și să stabilească în mod independent valoarea fiecărei afișări în parte.
Așa cum arată și logica platformei, există două instrumente fundamentale pentru implementarea unui algoritm de optimizare, în funcție de complexitatea obiectivelor de business.
Native Goal Builder în interfață
Prima abordare se bazează pe utilizarea instrumentelor integrate în DV360, fără a fi nevoie de scrierea unui cod. Aceasta este concepută pentru o modelare rapidă a valorii pe baza etapelor deja existente din pâlnia de vânzări.
Specialistul atribuie coeficienți de pondere diferitelor activități Floodlight direct din interfața platformei. Acest lucru îi permite sistemului să facă o diferențiere clară între valoarea unei acțiuni simple (cum ar fi vizualizarea unei pagini de produs) și cea a unei tranzacții finale. Metoda reprezintă alegerea optimă pentru campaniile clasice de e-commerce, unde obiectivul principal este optimizarea pe conversii ponderate, maximizarea veniturilor curente sau luarea în calcul a datelor de bază din vânzările offline. Principalele sale avantaje sunt viteza de configurare, transparența și lipsa necesității de a implica developeri.
Scripturi personalizate în limbajul Python
Pentru rezolvarea unor obiective de business atipice, care depășesc interacțiunea liniară cu utilizatorul, DV360 suportă integrarea de scripturi personalizate scrise în limbajul Python. Este un instrument de nivel enterprise pentru crearea unor modele flexibile de evaluare a inventarului.
Utilizarea codului îți permite să integrezi în algoritm peste 40 de parametri și funcții diverse, combinându-le prin logică condițională. Această metodă este esențială pentru optimizarea campaniilor pe baza unor metrici complexe de business, precum profitul net estimat (marja), valoarea pe durata de viață a clientului (LTV), implicarea profundă pe site pe baza semnalelor din Google Analytics 4 sau metrici specifice de brand. Principalul avantaj al scripturilor Python este flexibilitatea lor aproape nelimitată, care îți permite să antrenezi algoritmul să cumpere doar acele afișări care aduc valoare reală pentru afacere.
Principiul de funcționare și antrenarea algoritmului
Indiferent de instrumentul ales – constructorul nativ sau un script Python – mecanica fundamentală din Custom Bidding funcționează pe baza unui circuit închis de Machine Learning.
Mai întâi, pe baza regulilor sau a codului definit de tine, sistemul calculează un punctaj individual, determinând valoarea exactă a fiecărei afișări în parte. Apoi, algoritmii din DV360 analizează datele colectate și identifică tipare în caracteristicile audienței și ale site-urilor și formează un model predictiv. În etapa finală, modelul antrenat optimizează licitările în timp real, concentrând bugetul pe achiziția inventarului cu cea mai mare valoare estimată.
Astfel, alegerea dintre interfață și cod se reduce la un echilibru între viteza de lansare și profunzimea integrării datelor de business în procesul de media buying.
Constructorul de obiective (Goal Builder) în UI DV360
Scriptul poate fi creat pe baza următoarelor metrici și semnale principale:
1. Conversii (Conversions)
Sunt semnalele cheie pentru optimizarea valorii menționate în text și în interfață:
- Date Floodlight: folosirea etichetelor de urmărire pentru acțiunile de pe site (cum ar fi vizualizările de pagină, începerea sau finalizarea completării formularelor și achizițiile).
- Evenimente Google Analytics 4 (GA4): integrarea evenimentelor personalizate pe care utilizatorul le realizează pe o resursă web sau într-o aplicație.
- Variabile personalizate (Custom Variables): transmiterea unor parametri dinamici suplimentari împreună cu o conversie (de exemplu, valoarea totală a comenzii, categoria produsului, tipul de client etc.).
2. Clicuri (Clicks)
- Optimizare și licitare pe baza semnalelor care maximizează numărul de clicuri ale utilizatorilor către site-ul sau pagina ta de aterizare (utilizând o logică bazată pe reguli pentru a evalua „calitatea” sau rata de clic a fiecărei afișări.
3. Afișări și notorietate (Brand awareness / Impressions)
- Utilizarea semnalelor media pentru a crește vizibilitatea brandului și a ajunge la un public mai larg (de exemplu, un script poate lua în calcul vizibilitatea bannerului — Active View, durata de contact cu reclama sau afișarea într-o categorie specifică de spațiu publicitar premium).
Cum se combină toate acestea într-un script?
Procesul de creare a unui algoritm implică construirea unei logici de punctaj (scoring). În script, scrii reguli și coeficienți matematici de pondere (puncte) pentru fiecare tip de semnal.
Exemplu de logică dintr-un script:
- Dacă are loc o simplă afișare sau un clic care duce spre site – atribuie afișării 1 punct.
- Dacă utilizatorul navighează mai departe și începe să completeze un formular (semnal de microconversie) – atribuie 20 de puncte.
- Dacă se înregistrează o conversie finală (o achiziție sau o trimitere reușită a formularului din Floodlight/GA4) – atribuie valoarea maximă, cum ar fi 100 de puncte.
În acest mod, scriptul îi „explică” inteligenței artificiale din DV360 ce combinații de afișări, clicuri și conversii merită plătite mai mult pentru a cumpăra cel mai valoros trafic pentru afacere.
Procesul de creare a unui algoritm personalizat
Implementarea Custom Bidding constă din câteva etape tehnice, în care fiecare pas influențează eficiența finală a campaniei:
- Definirea obiectivului și colectarea semnalelor
Mai întâi de toate, este necesar să înțelegi ce acțiuni ale utilizatorilor se corelează cel mai strâns cu profitul. Pentru aceasta se folosesc datele Floodlight, evenimentele din Google Analytics 4 sau variabilele personalizate. - Construirea logicii de punctaj (Scoring)
Creezi un script care îi spune sistemului: „Dacă un utilizator vizualizează 3 pagini ale site-ului, oferă acestei afișări 20 de puncte; dacă a petrecut pe site mai mult de 2 minute – 50 de puncte.” De asemenea, poți adăuga coeficienți negativi pentru locații (geo) sau dispozitive irelevante. - Testarea și antrenarea
După încărcarea scriptului, sistemul are nevoie de timp pentru a învăța. Acest lucru durează de obicei câteva săptămâni, timp în care algoritmul analizează rezultatele licitațiilor și corelația dintre oferte și „punctele” de valoare obținute.
Selectarea funcției pentru calcularea scorului final
Atunci când creezi algoritmi Custom Bidding pe baza unor reguli personalizate, este absolut critic să definești exact cum va gestiona sistemul mai multe semnale dacă acestea se declanșează simultan în timpul unei singure afișări. În acest scop, în codul scriptului se folosesc trei metode de bază de agregare, fiecare dintre ele schimbând complet logica de calcul pentru valoarea finală. Developerul are la dispoziție următoarele trei modalități de calcul al punctajului final:
1. Însumarea rezultatelor (sum_aggregate)
Această metodă funcționează pe principiul efectului cumulativ, în care toate acțiunile utile ale utilizatorului sau caracteristicile afișării se adună. Scriptul analizează întregul set de reguli și însumează punctele pentru fiecare regulă validată. De exemplu, dacă două reguli diferite s-au declanșat în timpul unei afișări (una cu valoarea 1, cealaltă cu valoarea 1), algoritmul va genera un rezultat final de 2. Această abordare este optimă atunci când este important să captezi fiecare micro-conversie sau semnal suplimentar de implicare.
2. Alegerea valorii maxime (max_aggregate)
Logica acestei metode constă în identificarea celui mai important eveniment dintre toate cele care au avut loc în cadrul unei singure afișări. În loc să adune punctele, scriptul compară rezultatele tuturor regulilor declanșate și o selectează doar pe cea cu cea mai mare pondere. Dacă se înregistrează semnale cu valorile 0,8, 1 și 0,2, punctajul final devine 1. Această metodă se potrivește campaniilor cu priorități clar definite, unde atingerea unui macro-obiectiv anulează valoarea etapelor intermediare.
3. Prima potrivire reușită (first_match_aggregate)
Această metodă se bazează pe o structură ierarhică rigidă, unde secvența de executare este critică. Algoritmul verifică regulile în ordine, de sus în jos, așa cum sunt scrise în cod. De îndată ce întâlnește prima regulă ale cărei condiții sunt îndeplinite, îi atribuie punctajul (ex. 0,8) și oprește complet analiza ulterioară, ignorând alte reguli din listă. Se folosește pentru modele de tip cascadă unde se dorește o segmentare strictă a publicului sau a conversiilor.
Rezumat pentru arhitectura campaniei
Alegerea metodei de calcul modelează direct comportamentul inteligenței artificiale din DV360 la licitație. Sum_aggregate cumulativ va forța sistemul să caute o implicare multidirecțională, Max_aggregate se va concentra exclusiv pe cele mai valoroase acțiuni, iar First_match_aggregate îți va permite să controlezi strict bugetul, în conformitate cu ierarhia de semnale stabilită de tine.
Custom Bidding pe baza Google Sheets
Pentru mulți media buyeri și echipe de marketing, necesitatea de a scrie cod în Python reprezintă principala barieră în calea implementării Custom Bidding. Pentru a rezolva această problemă și a automatiza procesul, există o soluție oficială de la Google, disponibilă pe GitHub. Aceasta permite generarea unor algoritmi de licitare complecși cu ajutorul interfeței familiare Google Sheets.
Arhitectura instrumentului și logica operațională
În loc să programeze manual logica if/else, specialistul completează un tabel standardizat format din câteva blocuri principale:
- Blocul de identificare (User Inputs)
În etapa inițială se indică parametrii de bază ai sistemului, precum DV360 Partner ID și DV360 Advertiser ID. Tot aici, cu ajutorul unei liste derulante, se alege metoda de procesare a datelor (Aggregation Method), de exemplu max_aggregate. - Condiții flexibile și coeficienți de pondere (Condition & Weight)
Pentru fiecare regulă se stabilește numărul ei de ordine și ponderea matematică (de exemplu, 150, 100 sau 50), care determină valoarea afișării atunci când condițiile sunt îndeplinite. - Constructorul de expresii logice
Cu ajutorul unor selectoare simple, configurezi legăturile dintre variabile. Poți combina parametri precum clicurile (click), tipurile de dispozitive (device_type), timpul pe ecran (time_on_screen_seconds), vizibilitatea (active_view_viewed) și dimensiunile bannerului (creative_width / creative_height). Pentru legătura dintre mai multe semnale se folosesc operatorii logici standard AND și OR.
Validarea și exportul scriptului finalizat
După ce ai terminat de configurat tabelul, nu mai trebuie să combini singur variabilele. Interfața conține două butoane funcționale, care finalizează procesul de automatizare:
- QA Script Inputs
Lansează o verificare automată a sintaxei și logicii pentru regulile configurate, eliminând riscul apariției unor erori în timpul execuției viitorului algoritm. - Final Script to Copy
Generează scriptul Python final, complet gata de utilizare. Specialistul trebuie doar să copieze codul printr-un singur clic și să îl insereze direct în câmpul corespunzător din interfața DV360.
Beneficiile de business ale acestei abordări
Utilizarea soluției de pe GitHub bazată pe Google Sheets îți permite să scalezi lucrul cu strategiile personalizate. Media buyerii primesc un instrument ce îmbină simplitatea constructorului nativ de obiective cu capacitățile tehnice ale scripturilor Python. Acest lucru reduce semnificativ timpul necesar pentru dezvoltarea și testarea noilor ipoteze, permițând construirea unor modele multifactoriale de evaluare a traficului fără ajutorul programatorilor.
Metodologia de testare a eficienței Custom Bidding: Experimente în DV360
Orice implementare a noilor tehnologii de automatizare în marketing necesită o verificare riguroasă. Când trec la Custom Bidding, advertiserii fac adesea greșeala de a compara rezultatele „perioadă la perioadă”. Cu toate acestea, în mediul dinamic din programmatic, această abordare nu este reprezentativă. Cifrele finale sunt puternic influențate de factori externi: schimbări în peisajul licitațiilor, activitatea concurenților, fluctuațiile sezoniere sau actualizările de browsere.
Pentru a obține rezultate precise și a înțelege impactul real al unui algoritm personalizat asupra indicatorilor de business, este nevoie de o abordare științifică. Singura metodă relevantă de testare a ipotezelor în DV360 este rularea unui test A/B controlat prin instrumentul integrat Experiments.
Această funcționalitate izolează impactul strategiei de licitare de toți ceilalți factori. Creezi două medii identice (de test și de control) în care singura variabilă este algoritmul de licitare în sine. Doar acest format de testare oferă certitudinea că această creștere de valoare este rezultatul performanței scriptului tău și nu o simplă coincidență de circumstanțe de pe piață.
Îți împarți inventarul în două grupuri identice:
DV360 випадковим чином розподіляє користувачів між двома ідентичними Insertion Order, які мають доступ до одного й того самого інвентарю. Єдина змінна — стратегія призначення ставок:
- Grupul de control folosește o strategie standard (de exemplu, Maximize Conversions).
- Grupul de test funcționează pe baza scriptului tău Custom Bidding.
Această abordare scoate la iveală creșterea netă de valoare (Lift). Vei observa că, chiar dacă CPA-ul în grupul de test rămâne identic sau puțin mai mare, venitul total sau volumul de conversii „grele” (cum ar fi comenzile cu valoare mare) crește substanțial.
Abordarea evolutivă: de la simplu la complex
Unul dintre cele mai mari obstacole la trecerea către strategii personalizate este dorința advertiserului de a construi direct un „algoritm ideal” care să țină cont de zeci de variabile. Totuși, practica arată că încercarea de a lansa un algoritm complex încă de la început duce frecvent la o lipsă de date necesare învățării AI-ului.
Cea mai eficientă strategie este complicarea treptată a modelului. Acest lucru permite algoritmului să se antreneze stabil, în timp ce echipa vede impactul real al fiecărei variabile noi asupra rezultatului general.
Etapa 1: Pâlnia ponderată (Weighted Conversions)
Primul pas și cel mai important este să înveți sistemul să facă diferența între micro- și macro-conversii. În loc să optimizăm doar pentru achiziția finală (care ar putea să nu ofere suficient volum pentru o învățare rapidă), atribuim o „pondere” sau puncte fiecărei acțiuni a utilizatorului din pâlnie.
- Vizualizarea unei pagini cheie = 1 punct (semnal de interes).
- Înregistrarea pe site = 10 puncte (intenție ridicată).
- Tranzacția = 100 de puncte (obiectivul final).
O astfel de ierarhie oferă algoritmului DV360 un volum masiv de date. Chiar dacă tranzacțiile sunt rare, sistemul detectează mii de semnale „mici” de valoare și înțelege mai repede ce profil de utilizator are șanse mai mare să ajungă la final.
Etapa 2: Utilizarea variabilelor personalizate (Custom Variables)
Odată ce modelul bazat pe puncte s-a stabilizat, este timpul să integrezi metrici reale de business. În această etapă folosim variabilele Floodlight personalizate (u-variables), care permit transmiterea unor informații specifice despre un eveniment direct în script.
Astfel, algoritmul poate lua decizii pe baza:
- Marjei: să liciteze mai mult pentru achiziția produselor cu o profitabilitate mai mare.
- Categoriei de produse: să prioritizeze achiziția de trafic pentru colecțiile noi sau pentru stocurile rămase.
- Statutului clientului: să facă diferența între utilizatorii noi și cei existenți, ceea ce este esențial pentru strategiile de achiziție (Prospecting).
La acest nivel, reclama ta nu mai caută pur și simplu cumpărători, ci caută cumpărători profitabili.
Etapa 3: Sinergia cu ecosistemul Google Cloud
Acesta este cel mai înalt nivel de maturitate a media buying-ului, în care strategia publicitară se contopește complet cu analiza de business. Folosind integrarea cu BigQuery, poți încărca în DV360 modele predictive complexe.
Algoritmul primește acces la date care nu pot fi colectate doar cu un pixel de pe site:
- LTV estimat (Lifetime Value): sistemul cumpără afișări pentru utilizatorii care, potrivit datelor tale, vor rămâne alături de brand ani de zile.
- Date offline: luarea în calcul a vânzărilor din magazinele fizice sau prin call-center pentru ajustarea licitărilor în mediul online.
- Modele complexe de atribuire: evaluarea contribuției reale a fiecărei afișări într-o pâlnie multi-canal.
O astfel de integrare profundă transformă DV360 într-un centru inteligent, care cumpără nu doar trafic, ci profitabilitate pe termen lung pentru întregul business.
Măsurarea eficienței și cele mai bune practici
Trecerea la Custom Bidding presupune o schimbare de paradigmă în modul în care sunt evaluate rezultatele. Dacă în campaniile standard ne concentrăm pe costul pere achiziție (CPA), în strategiile personalizate reperul principal devine valoarea cumulată (Total Value). Indicatorul cheie al succesului aici nu este cât de ieftin am obținut o conversie, ci cât de valoroase și profitabile sunt „volumul” de conversii obținute cu același buget.
1.Metrici cantitative ale afișărilor evaluate
- Impressions with custom value (afișări cu valoare personalizată):
- Definiție: numărul (#) de afișări cărora scriptul tău le-a atribuit o valoare oarecare.
- Observație: aici intră și afișările cu scorul „0″ și se exclud afișările care nu au intrat deloc sub logica scriptului.
- Impressions with positive custom value (afișări cu valoare personalizată pozitivă):
- Definiție: numărul (#) de afișări cărora scriptul tău le-a atribuit o valoare mai mare de 0.
- Observație: exclude afișările cu scorul „0″ și afișările care nu au fost evaluate.
2. Metrici ale valorii totale și relative
- Total impression custom value (valoarea personalizată totală a afișărilor):
- Definiție: suma valorilor tuturor afișărilor.
- % Impressions with positive custom value (% afișărilor cu valoare personalizată pozitivă):
- Definiție: raportul dintre afișările cu o valoare mai mare de 0 și numărul total de afișări evaluate.
3. Metrici financiare și de cost
- Estimated total cost for impressions with custom value (costul total estimat al afișărilor cu valoare personalizată):
- Definiție: costul total al afișărilor care s-au potrivit cu logica scriptului (în moneda selectată a advertiserului).
- Observație: această metrică poate fi comparată cu indicatorul Revenue din rapoartele standard.
- Estimated CPM for impressions with custom value (CPM estimat pentru afișările cu valoare personalizată):
- Definiție: costul a 1000 de afișări cărora le-a fost atribuită o valoare.
- Observație: este comparabil cu metrica Revenue CPM din rapoartele standard.
4. Metrici de eficiență a algoritmului
- Impression Custom Value / Cost (valoarea personalizată a afișării / costul):
- Formulă: (suma valorilor afișărilor) / (costul total estimat).
- Observație: este metrica-cheie pentru evaluarea directă a eficienței algoritmului tău.
- Impression Value per 1000 Impressions (valoarea afișării la 1000 de afișări):
- Formulă: (suma valorilor afișărilor) * 1000 / (numărul total de afișări evaluate).
Sinergia din cadrul Google Marketing Platform
Integrarea completă a produselor GMP transformă Custom Bidding într-un sistem autonom de luare a deciziilor. Datele colectate de Google Analytics devin automat combustibil pentru DV360. Datorită acestui lucru, creezi o experiență fluidă: analitica captează nuanțele comportamentului utilizatorilor, iar algoritmul primește instrucțiuni în acea secundă despre ce ofertă să plaseze la următoarea licitație. Acest lucru transformă media buying-ul dintr-un proces mecanic într-o gestionare strategică a valorii de business.
Custom Bidding în DV360 este pasul firesc pentru echipele care au epuizat deja potențialul strategiilor standard și caută modalități de optimizare mai profunde. În loc să te bazezi pe algoritmi de bază, ai posibilitatea să stabilești singur prioritățile pentru AI. Acest lucru transformă media buying-ul dintr-un proces mecanic de cumpărare a „clicurilor” într-un instrument de investiție strategică în cei mai profitabili clienți. Implementarea strategiilor personalizate necesită timp de pregătire și expertiză tehnică, însă acest drum asigură o creștere constantă a ROAS-ului și o analiză transparentă. Începi să cumperi nu doar afișări, ci valoarea reală pe care fiecare contact o aduce businessului tău.
Налаштування кастомних стратегій потребує часу на підготовку та технічну експертизу, проте цей шлях забезпечує стабільне зростання ROAS та прозору аналітику. Ви починаєте купувати не просто покази, а реальну цінність, яку кожен контакт приносить вашому бізнесу.
CoobX, în calitate de Google Marketing Platform Sales Partner oficial, ajută brandurile și agențiile să integreze Custom Bidding în strategiile lor publicitare. Dacă ești pregătit să treci la modele de optimizare mai complexe, specialiștii noștri te vor ajuta cu configurarea tehnică, lansarea și analiza primelor rezultate. Contactează-ne pentru a primi o consultație și a începe implementarea.
Materialul a fost pregătit pe baza webinarelor CoobX – Google Marketing Platform Sales Partner oficial.
