予算を学習する

Learn Budgets はキャンペーンの合計予算の一部であり、最適化されたキャンペーンに適用されます。 学習しきい値を満たすイベントが少なすぎるため、最適化エンジンに入札するのに十分なデータがまだない場合にキャンペーンに費やす額を制御します。

概要

キャンペーンの最適化プロセスは、各ノードで個別に発生し、キャンペーンに数千のノードが存在する可能性があるため、段階的です。 キャンペーンを開始すると、どのノードも最適化されていないため、すべての支出が学習されます。 キャンペーンが進行すると、ノードが最適化され、キャンペーン予算の一部が最適化として割り当てられます。 最適化されたキャンペーンのインベントリの量は、ますます多くのノードが最適化されるにつれて増加します。 最終的に、キャンペーンは学習予算と最適化された予算の量が一定の状態に達します (常に新しいインベントリが流入しているため、サービスを提供している間に最適化される新しいノードは他のサイトで終了します)。そのため、日単位の上限は一定のままです。

使い慣れていない広告枠に入札する場合、または新しいクリエイティブを使用している場合、最適化エンジンは履歴広告主データを使用して学習入札の範囲を決定します (つまり、目的の数のオークションに勝つものの、キャンペーンが収益性を高めるポイントを表す入札金額)。 キャンペーンの開始時に、最適化エンジンが各在庫に費やす最適な価格を決定しようとするので、在庫に対するすべての入札は学習入札です。 各ノードで定義済みの成功イベント (しきい値と呼ばれる) に達すると、より多くのインベントリが最適化され、キャンペーンは最適化されたフェーズでより多くの予算を費やす機会を得られます。 入札は最適化された入札ほど収益性が高くないため、目標はできるだけ多くのノードを最適化されたフェーズにできるだけ早く取得することです。

しきい値の設定方法によっては、キャンペーンに最適化されたノードが存在するまでに数時間から数日かかる場合があります。 キャンペーンが最適化されたフェーズでできるだけ多くを費やすことは有益ですが、最適化された入札を適切に決定するのに十分なデータがシステムに存在するように、しきい値を十分に高く設定する必要があります。

学習予算のしくみの基本的な例を次に示します。キャンペーン予算が $100 で、学習予算が $10 の場合は、そのキャンペーンに最大 100 ドルを費やし、学習フェーズで最大 10 ドルを費やします。 学習予算が不足すると、キャンペーンは Learn での入札を停止し、最適化されたノードに対してのみ入札します。 Learn 予算の利点は、目標に最も適した在庫に支出を集中できることです。 ただし、配信が不十分になる可能性があるため、十分な割合のインプレッションが最適化されている場合は、Learn 予算を使用することをお勧めします。 最適化の詳細については、「 最適化について」を参照してください。

生涯学習予算

キャンペーンの有効期間全体にわたって学習予算の金額を設定できます。 これは、キャンペーンの有効期間のオークションを学ぶために適用される予算の最大額です。 ただし、この金額を定義することが常に有益であるとは限りません。 たとえば、上記で指定したように、キャンペーンの開始は完全に learn に費やされます。 全体的な予算と比較して小さい有効期間学習予算の金額を指定した場合は、キャンペーンの開始時に Learn 予算全体を使い果たすリスクを実行します。 これにより、キャンペーンの残りの期間の新しい在庫に対する入札から除外されるだけでなく、最適化された在庫が利用可能になるまで入札できなくなります。

日単位学習予算上限

また、日次上限額を設定して、毎日の入札を学習するために適用できる予算の最大金額を示すこともできます。 この金額は、キャンペーン期間中に必要に応じて更新できます。 理想的には、学習フェーズで費やされた金額を最小限に抑え、最適化された支出がほぼ常により収益性が高いため、できるだけ多くを使用する必要があります。 そのためには、毎日の学習上限を定期的に調整し、今後の日に予想される最適化された支出の量を考慮する必要があります (前の日の最適化された支出の増加に基づきます)。

推奨事項

キャンペーンのライフサイクルの場所に応じて、learn 予算をさまざまな方法で使用することをお勧めします。

100% 学習予算

キャンペーンの開始時に、最適化されたインベントリがない場合は、生涯学習予算と学習予算の日次上限を未定義 (無制限) のままにすることができます。 これらの設定を未定義のままにすると、学習に向けてキャンペーン予算全体が割り当てられます。 日次上限を定義した場合、キャンペーンがこの金額に達すると、その日のすべての入札が停止されます (最適化された在庫はまだなく、キャンペーンはそれ以上学習予算を費やすことはできません)。

日単位の学習予算上限の調整

最適化された在庫がキャンペーンに表示され始めたら、学習予算を定義して、できるだけ最適化された在庫にキャンペーンの入札を行う必要があります。 最適化された在庫の量が増えるにつれて、学習上限を適宜調整する必要があります (可能な場合は、全体的な予算を増やし、学習上限の金額を一定に保ちます)。

学習予算の修正: 最適化された予算比率

最終的に、最適化されたインベントリの量はプラトーに達します (大部分のノードが最適化され、新しいインベントリの量は一定のままです)。 この時点で、キャンペーンは 2 つのフェーズ間の均衡状態に達しており、日次上限を調整する必要はなくなりました。

調整期間中のキャップの量を見積もるには、次の式を適用します。

Daily Learn Budget = Total Campaign Daily Budget - ( Optimized Spend Yesterday + m )

この数式では、 m は最適化された支出の 1 日あたりの平均増加量です。 最適化された支出額の増加は一定ではありませんが、この数式を使用すると、合理的に正確な見積もりを進めることができます。 日単位の学習上限は、必要と感じる限り頻繁に更新できます (ほとんどの場合、この値は数日ごとに更新されます)。

学習予算と日次上限を使用する目標は、最適化された支出の可能な限り最高の量を維持するために、ほぼ安定した毎日の学習支出を見つけることです。 ただし、Learn 予算の支出を終了することはお勧めできません。これにより、利用可能になると新しいインベントリに不適格になります。