Cara Kerja Sistem Penawaran Iklan Facebook


11

Saat Anda membuat iklan di Facebook, Anda diberikan kisaran " tawaran yang disarankan " (mis. $ 0,90 - $ 2,15 USD). Menurut halaman ini :

Kisaran tawaran yang disarankan ada untuk membantu Anda memilih tawaran maksimum sehingga iklan Anda akan berhasil. Ini didasarkan pada berapa banyak pengiklan lain yang bersaing untuk menampilkan iklan mereka kepada audiens yang sama seperti Anda.

Saya tertarik untuk memahami apa yang sebenarnya terjadi (secara teknis) di bawah tenda di sini.

Katakan pengguna login ke Facebook. Di sisi server, permintaan HTTP yang dikirim browser pengguna (sebagai bagian dari login) ditangani, dan server perlu mencari tahu iklan mana yang harus ditampilkan kembali kepada pengguna.

Saya berasumsi di sinilah sistem "penawaran" berperan? Katakanlah, berdasarkan demografi pengguna ini, dan berdasarkan pada audiensi yang menargetkan beberapa pengiklan pesaing merancang kampanye mereka, mari kita berpura-pura bahwa Facebook melihat kumpulan 20 iklan berbeda yang bisa dikembalikan.

Bagaimana sistem penawaran ini membantu Facebook menentukan mana dari 20 iklan yang dikembalikan ke sisi klien? Saya menduga bahwa pengiklan yang "menawar lebih banyak" mendapat prioritas daripada mereka yang "menawar lebih rendah". Tetapi kapan penawaran ini terjadi? Seberapa sering pengiklan perlu mengajukan penawaran ulang? Berapa lama tawaran mengikat?

Setelah saya memahami konsep terkait penggunaan ini di balik iklan, mungkin akan terlihat jelas di antara mana dari "strategi pemilihan" berikut yang digunakan backend:

  • Usul
  • Round robin yang diprioritaskan
  • Acak (ragu-ragu)
  • Berbasis sejarah
  • Berbasis MVP

Terima kasih kepada siapa saja yang dapat membantu mengarahkan saya ke arah yang benar dan menjelaskan apa sistem tawaran yang disarankan ini dan bagaimana cara kerjanya.


2
Tidak mungkin bahwa pertanyaan ini dapat dijawab kecuali seorang ahli dari Facebook tersandung pada pertanyaan itu, dan bahkan kemudian setiap jawaban yang diberikannya kemungkinan tidak akan bersifat probatif, karena rahasia dagang, dll.
ChrisF

1
Saya yakin tidak perlu seorang karyawan dari Facebook untuk setidaknya menjelaskan apa sistem penawaran yang disarankan dan apa yang digunakan untuk ...
herpylderp

Jika itu bukan pertanyaan, bisakah Anda membuatnya lebih jelas? Dalam bentuk itu saat itu bingung beberapa orang (termasuk saya)
ChrisF

Jawaban:


3

Saya setuju dengan ChrisF. Anda tidak akan mendapatkan jawaban pasti kecuali meminta seseorang dari facebook untuk menjawabnya. Jika saya adalah mereka, saya akan mendasarkan penawaran dari faktor-faktor ini:

  1. Vertikal

    • Apa rata-rata industri untuk kategori ini. Anda dapat menggunakan alat seperti
      Alat Kata Kunci Google untuk mengetahuinya
  2. Kepopuleran

    • Berapa rasio konten yang relevan dengan pengiklan? Jika ceruk sangat populer dan kaya dengan konten dan pengiklan, saya akan menempatkan tawaran minimum sedikit lebih tinggi daripada tawaran pengiklan terendah.
  3. RKT

    • Ini yang besar dengan Google. Jika Anda memiliki rasio klik-tayang yang luar biasa, Anda dapat berada di posisi 1,2 atau 3 dengan harga per klik yang lebih rendah daripada posisi di bawah Anda. Saya yakin Facebook mempertimbangkan hal ini.
  4. Anggaran harian

    • Seseorang yang memiliki anggaran harian lebih kecil harus membayar lebih banyak per klik daripada seseorang dengan anggaran yang lebih besar

Di sinilah hanya beberapa ide untuk dipertimbangkan. Saya yakin ada banyak faktor yang perlu dipertimbangkan.


0

Tautan ini tidak langsung menjawab pertanyaan Anda, tetapi mungkin mengarahkan Anda ke arah yang benar untuk istilah pencarian tambahan. Facebook FBX

Dengan penjualan kembali, mereka harus pindah ke pendekatan tipe round-robin yang diprioritaskan yang difilter oleh indikator yang ditambang dari cookie. Kalau tidak, saya pikir mereka akan mengalami kesulitan mendapatkan penjualan lanjutan ke pasar reseller.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.