Автоматическое управление ценой

Материал написан специалистом по Вконтакте из smmagnat team


На начало мая 2020 года это новый инструмент. Очень свежий и недавний, настолько, что местами не работает, но ВК его дорабатывают и уже сегодня инструмент можно использовать (когда вы читаете статью — тем более), выкачивая из него хорошие результаты по адекватной стоимости.

Подойдёт он не во всех нишах, не везде принесёт клик меньше, чем ручная настройка и управление, но всё же мы его разберём и будем применять в будущем. Далее в статье по анализу аудитории разберём небольшую фишку, как сначала обучить машину, а потом обучиться у неё.

Алгоритмы могут делать то, что недоступно смертному:

Это статистика недавно затестированного алгоритма, который крутится на +/- одну и ту же аудиторию. СРМ очень низкий, когда на деле при 0,6% не получится клика даже по 10 рублей.

Конечно, при этом довольно низкая скорость открутки рекламы, но из-за объема (я говорю о количестве объявлений) получаются хорошие цифры и в объёме (средний клик ниже 10 рублей, когда в данной нише 10 рублей вручную — почти идеальный результат и лучше не выжать).

Хорошо качнули объявления по 5-9 СРС. Но обо всём по порядку.

Смотрим алгоритм «Максимум переходов», потому речь идёт именно о нём, нас не интересует «Максимум показов».

При выставлении настроек, мы указываем дневной лимит объявления (т.е. объявление не потратит за день больше этой суммы) и максимальный желаемый СРС, остальное нам любезно подскажет кабинет ВК.

Например, если укажем слишком низкую желаемую стоимость клика, ВК нам напишет:

Как только мы повысим максимальный желаемый СРС, кабинет скажет:

И вот когда мы видим «Теперь порядок», можем запускать алгоритм.

И на первом, и на втором скрине стоит какой-то просто космический клик (это очень дорого и мало в каких нишах будет окупать трафик), НО мы же таргетологи с головой, которые тестируют новый инструмент.

На деле с настройкой на СРС больше 42 рублей, алгоритм выдаёт клики по 10 рублей (можете увидеть его первым в строчке на скрине со статистикой). Клик неплохой, но низкая скорость открутки.

Аудитория в 33 000 человек для такого алгоритма — более, чем достаточная, чтобы алгоритм обучился и смог среди этой массы найти тех самых, которые будут активно кликать на объявление, давая дешевый клик, а в последствии дешевого (но качественного) лида.

Как работает алгоритм

Это нейросеть, которая настроившись на довольно широкие настройки аудитории, будет сама обучаться — люди, которые совершают первые клики, становятся для неё ориентиром — «теперь я буду искать похожих и показывать рекламу именно им». Какие механизмы зашиты внутри и по каким критериям нейросеть ищет подходящих, нам не расскажут.

Но по моим догадкам, сеть берёт похожих людей по набору критериев — сначала сужает возрастную группу, пол, географию, затем идёт к интересам. Ну а так как это целый вычислительный механизм, она может тестировать сразу огромное количество комбинаций демографических, географических данных и интересов.

То есть сделает за нас то, что мы бы делали долго и нудно. Буквально в течение пары дней. Поэтому алгоритм мы теперь любим и свято в него верим. Тем более, алгоритм реализован на подобие обучаемой рекламы в фэйсбуке, где механизм давно обкатан, теперь к этому пришли и ВК, соответственно, повторить что-то вменяемое для них не составило труда (тем более, что они опоздали с его введением примерно на полгода-год).

Как алгоритм эксплуатировать

В начале при первичной настройке мы выставили максимальный желаемый СРС на уровне 42 рубля (потому что, поставь мы цифру ниже, получали сообщение о том, что лимит не открутится), что же происходит теперь. После того, как алгоритм открутил буквально 20 рублей, дав 2 клика по 10 рублей, мы заходим в настройки, пытаемся снизить максимальный желаемый СРС и что мы видим:

То есть теперь, понизив максимальный СРС, мы получим такую же открутку за день (ВК обещает нам открутить дневной лимит при таком макс.желаемом СРС), но уже в 2 раза дешевле.

Это означает, что открутив какую-то часть денег с помощью алгоритма, мы можем понижать его стоимость, потому что он находит адекватное ядро аудитории, приносящее дешевый клик и теперь готов снижать клик уже вдвое, обучившись за 20 рублей бюджета.

Соответственно, загрузив на открутку объявлений под управлением алгоритма автоматического управления ценой небольшой бюджет, мы даём ему возможность обучиться, затем снизить стоимость кликов, которые он приносит, и продолжать получать чёткий результат.

Так мы можем сделать 2-3 раза вплоть до того момента, когда алгоритм позволит снизить максимальный желаемый СРС до его фактического уровня.

Например, мы настроили с ценой 42 рубля, получили клики по 10 рублей, снизили цену до 20 рублей, получили ещё некоторое количество кликов по 10 рублей, скорость открутки остаётся той же, затем повышаем дневной лимит (если это необходимо и мы хотим увеличивать расходование дневного бюджета), затем снижаем стоимость ближе к 10 рублям и спокойно смотрим на статистику, которую нам приносит алгоритм, ибо теперь максимальный клик не улетит выше — мы его ограничили в этой точке. И так живём до тех пор, пока он не охватит всю аудиторию и нужно будет обновить объявление.

Конечно, так сразу, открутив менее 100-150 рублей, не нужно снижать СРС — это сделано в рамках теста. На деле советую дать алгоритму обучиться, открутив 100-150 рублей, а затем уже переходить к шагам по снижению, описанным выше.

В идеале, когда у вас есть время хотя бы неделя, дать алгоритму потестироваться по 100-150 рублей на протяжение 4-5 дней, тогда он успеет полностью вытащить и более четко определить ядро аудитории, приносящей дешевые клики, а после снижения будет делать это без сбоев, результат получится максимально оптимизирован.

Аналогия здесь простая — алгоритм является вашим сотрудником, и вы ставите ему амбициозную задачу не тогда, когда он только влился в тему, а когда он отработал чёткую модель выполнения поставленной ему задачи.

В статье по фишкам аналитики целевой аудитории я разберу несколько технических приёмов, включая один, в котором мы используем наш обучаемый алгоритм, обучаясь у него (мы учим машину, чтобы научиться у неё).