動的学習率

動的学習は、学習のパフォーマンスと最適化された印象に基づいて、前の学習率の調整を通じて最適な会場学習率を決定することで、学習プロセスを加速し、パブリッシャー収益 eCPM を改善するように設計された販売側最適化アルゴリズムです。

動的学習は、パフォーマンス目標 (CPC、CPA など) に最適化する場合にのみ適用されるため、このコンテンツは最適化を使用しないキャンペーン/広告申込情報には適用されません。

Microsoft Advertising プラットフォームでは、Learn Auctions という 2 種類のオークションが発生します。 Learn Auctions は Learn 状態のノードからの入札を優先し、 収益オークションは最適化された状態のノードからの入札を優先します。 学習入札を積極的に検索するオークションの割合は、システムによって自動的に決定されます。 ただし、パブリッシャー レベルで学習率の最大値を決定できます。 この設定は、 動的学習のオーバーライドと呼ばれます。 詳細については、「 パブリッシャーの作成」を参照してください。

この設定が学習および最適化フェーズに与える影響の詳細については、「 Learn Budget 」セクションを参照してください。

一般的なルールとして:

• パブリッシャーは、Learn Auctions を実行して在庫に新しいクリエイティブを掲載し、継続的な入札を提供し、利益を上げる可能性のある新しいキャンペーンにサイトを公開したいと考えています。 ただし、Learn 入札から認識される金額は大きく異なる場合があります。
• パブリッシャーは、収益オークションを実行して、インベントリで認識する利益を最大化したいと考えています (インプレッションを実行するために獲得したお金はかなり確実です)。 ただし、収益キャンペーンの有効期間は限られているため、収益オークションのみを実行することはできません。 Learn and Revenue Auctions の詳細な説明については、「 価格の放棄 」を参照してください。

既定では、新しいパブリッシャーは、オークションの最大 80% が動的学習として実行されるように設定されています。 その後、動的学習アルゴリズムは 1 日に 2 回実行され、学習割り当てをアルゴリズムの実行ごとに最大 20% 上下に調整します。

システムは、以前に手動学習割り当てを使用していた既存の発行元の開始点を記憶していません。 そのため、パブリッシャーは、システム アルゴリズムが動的学習率を決定できるようにすることをお勧めします。 (別の会場から分岐した会場は、親会場が使用する割合を保持します。

動的学習では、高パフォーマンスのオークションに従って割り当てとターゲット設定の調整が行われるように、必要に応じて割り当て、非常に詳細なレベルで学習率を調整できます。

動的学習の使用方法

次の手順は、動的学習アルゴリズムの概要を示しています。

1. 各新しい会場は、既定の最大学習率から始まります。新しいパブリッシャーの場合は 80%、または最新の最大値は、分岐元の会場の割合を学習します。 既存のパブリッシャー/会場では、現在の最大学習率が開始値として使用されます。

2. 1 日に 2 回、max learn% を更新する場合、前回の更新以降の各会場のデータを集計し、学習と最適化されたインプレッションに分けます。 集計する項目の 1 つは RPM です。

3. 最適化された RPM が Learn RPM より高い場合は、学習率の最大値を減らします。 Learn RPM が最適化された RPM よりも高い場合は、最大学習率が増加します。 学習率の最大値は、一度に 20% を超える増減を行うことはできません。

   learn キューの上部にある最適化ノードが最適化されると、最適化された RPM が上がり、学習 RPM がダウンする可能性があります。 その結果、動的学習アルゴリズムによって最大学習率が低下します。これは、追加の最適化されたノードが存在するため適切です。 さらに、新しいパフォーマンスの高いキャンペーンが会場で学習を開始した場合、キャンペーンは learn キューの一番上にジャンプし、学習が増加する可能性があります。 その結果、動的学習アルゴリズムによって学習率が最大になり、この新しいキャンペーンがより迅速に最適化されます。

関連項目

• 最適化購入戦略
• 最適化ノードとは
• 対象となる Learn
• 予算を学習する
• 最適化レバー
• 販売側の最適化