Display and Video 360 (DV360) 自定义出价终极指南

最新推荐文章于 2024-10-17 08:00:29 发布

何儒和

最新推荐文章于 2024-10-17 08:00:29 发布

阅读量1.4k

点赞数 2

文章标签： python

原文链接：https://datastudio.ca/custom-bidding/the-ultimate-guide-to-custom-bidding-in-display-and-video-360-dv360/

版权

自 2019 年以来，我一直在使用 DV360 Custom Bidding 产品。当时，它只是一个测试版，但最近几天，该产品有了巨大的发展。当我开始阅读自定义竞价的概念时，看到这个产品对程序化社区的改变是多么有趣。构建自定义算法的能力是一个巨大的机会，可以在您的活动目标和业务目标之间建立更好的联系！

这将是一个广泛的职位，所以要振作起来！根据您对 DV360 自定义出价产品的专业知识水平，您可以决定要在哪个部分花费最多的时间。那里有一些技术文档，但我没有看到任何广泛或实用的内容。因此，我决定将一些东西（希望有用）放在一起。

概括

What is a custom bid?

自定义出价是 DV360 中基于结果的购买功能，允许广告商编写自定义脚本，根据特定标准定义一次展示的价值。您可能熟悉 DV360 中的标准出价策略（例如“最大化点击次数”、“最大化转化次数”等）。它们是由 Google 创建的预设算法，经过编程，可以对更有可能为您带来点击、转化或可见展示的展示出价更高。

dv360 中的出价策略

但是，使用自定义出价，您可以超越单个操作并创建多层出价。例如，您可以为渠道中的每个转化分配不同的权重，或者根据自定义变量或谷歌分析目标中收到的值进行不同的出价。换句话说，您可以微调和强化您的出价策略到最小的细节！因此，实现尽可能高的 ROAS 并更接近您的实际业务目标。

自定义出价如何运作？

自定义出价背后的神奇之处在于，您将自己对业务的洞察与 Google 的机器学习算法相结合，该算法使用 40 多种信号来评估展示。当然，有三个关键步骤概括了整个过程（不用担心我们稍后会分解每个步骤）：

首先，确保您的广告系列目标与您的业务目标保持一致。例如，如果您想针对网站上的特定操作进行优化（例如，您提供的服务中最昂贵的一层），但没有足够的数量并且不得不选择漏斗上部代理指标，自定义出价可以解决这个问题。因此，在决定 KPI 时，不要因为转换量或单个接触点而限制自己。想想你的生意。
在 DV360 中创建一个算法并为其分配一个脚本。该脚本将包含您的所有规则和条件，这些规则和条件基本上会告诉 DV360 一次展示对您的价值。
一旦算法被激活，DV360 就会开始根据您的脚本对展示进行评分。学习阶段可能会持续几天，当算法准备就绪时，您可以将其作为出价策略分配给您的广告系列。请记住，自定义出价算法需要 30 天的数据窗口。

The entire custom bidding process in dv360

主要的聚合函数和脚本结构是什么？

在深入研究实际示例之前，您会注意到有一些函数经常重复。大多数自定义投标脚本的基础是三个核心功能（除非您正在执行自定义变量）：

sum_aggregate – 根据您有多少标准，此函数会将分数相加，如果它们都返回 true。
max_aggregate – 在这种情况下，该函数将仅对具有最高分数或分配权重的标准返回 true。
first_match_aggregate – 这是一个不太常见的函数，但返回数组中第一个返回 true 的条件的分配值。

脚本的一般结构也如下所示：

return aggregate_function([  ([criteria_a, criteria_b], score),   #you have to select what criteria is true and assign a score to it.   ([criteria_a], score)   #you repeat the same for your second criteria and assign it a different score. This will allow you to provide context for your algorithm on the range of difference between criteria 1 and 2.  ])

实际用例和脚本模板（有真实例子）

在接下来的几个小节中，我们将探讨您可以在自定义出价中使用的不同类型的算法。我已尽力将可用的技术文档翻译成带有真实示例的更实用的指南。

加权转化（Floodlight）

自定义出价功能的强大用例之一称为“加权转化”，它允许广告商针对不同的转化活动进行优化。此外，您可以在点击后和查看后之间拆分转换，并为每个转换分配不同的权重。让我们付诸实践。

假设您是一家 CPG 公司，在您的网站上提供产品样品。为了让用户获得样品，您需要填写一个包含三个步骤的表单，“开始”、“完成”和“批准”（如果这是一个新用户，之前没有尝试过）。此外，您的研究团队与您分享了一个见解，即所有来自点击后转化的用户都立即购买了您的产品。而来自查看后转换的用户收到了样品，但很少购买实际产品。

第一步是将转化分为“点击”和“非点击”（查看后）。您可以通过潜在地更加强调“点击”转换来替换weight_1和weight_2。

return max_aggregate([      ([click, total_conversion_count(Floodlight_ID_1, model_id)>0], weight_1),     ([not click, total_conversion_count(Floodlight_ID_1, model_id)>0], weight_2),  ])

在此基础上，使用max_aggragate函数很重要，因此该算法只能对得分最高的转换进行评分。为什么？如果您有任何类型的类似漏斗的应用程序，“已批准”用户也是“开始”和“完成”，因此您要为 Google 做出区分。这就是自定义出价如此强大的原因！

return max_aggregate([      ([click, total_conversion_count(Floodlight_ID_1, model_id)>0], 4),     ([not click, total_conversion_count(Floodlight_ID_1, model_id)>0], 2),      ([click, total_conversion_count(Floodlight_ID_2, model_id)>0], 12),     ([not click, total_conversion_count(Floodlight_ID_2, model_id)>0], 6),      ([click, total_conversion_count(Floodlight_ID_3, model_id)>0], 36),     ([not click, total_conversion_count(Floodlight_ID_3, model_id)>0], 18) ])

作为旁注，您可以暂时将model_id设置为 0。稍后我们将探讨原因。

加权转化（Google Analytics 360 目标）

在 DV360 中针对 Google Analytics 目标进行优化长期以来一直是备受期待的功能，现在已成为现实。即使认为该功能在 2020 年推出，我也不认为它获得了应有的受欢迎程度。对我来说，这是一件大事🙂

先决条件：要使其发挥作用，您需要将您的 Google Analytics 360 帐户与有效的 Display and Video 360 广告客户相关联。这篇文章准确地展示了这是如何完成的。

对于那些想要轻松开始的人，您只需要编写一行代码即可针对某个目标进行优化。这可以是每个会话的页面持续时间、目的地、事件操作和页面/屏幕。您需要的唯一信息是特定的视图和目标 ID。

return has_ga_goal(GA View ID, GA Goal ID)

如果has_ga_goal(GA View ID, GA Goal ID)返回 true，则返回 1。如果为 false，则返回 0。就这么简单，工作方式与单个 Floodlight 优化相同。

现在，让我们假设您是一家汽车经销商，登陆您网站的用户可以完成以下关键操作之一：

在分行定位器中提交地址
使用“制造和价格”工具来挑选和定制车辆。
预约试驾

所有这些行动都标有目标，但也表明客户旅程的不同阶段。例如，如果用户想“预订试驾”，那么他/她可能非常接近购买汽车。另一方面，如果同一用户完成了“Build & Price”工具，则他/她仍处于研究阶段。毋庸置疑，这些行动在客户旅程中具有不同的权重。您可以在此处根据以下脚本优化目标组合并分配不同的权重。

return sum aggregate([          ([has_ga_goal(GA View ID, GA Goal ID)], ga_goals_count(GA View ID, GA Goal ID)),          ([has_ga_goal(GA View ID, GA Goal ID)], ga_goals_count(GA View ID, GA Goal ID)*5)          ([has_ga_goal(GA View ID, GA Goal ID)], ga_goals_count(GA View ID, GA Goal ID)*10)  ])

最后但并非最不重要的是，“自定义变量”的表亲，即目标值。本质上，下面的脚本针对 ROAS 进行了优化。例如，您有一个电子商务网站，并希望针对花费超过 1000 美元的客户进行优化，因为这可能表明他们是高价值客户。在这种情况下，脚本将针对这些用户进行优化，并返回 0（忽略）例如仅花费 50 美元的用户。

if ga_goals_count(GA View ID, GA Goal ID)>1000:   return ga_goals_total_value(GA View ID, GA Goal ID)  else:   return 0

自定义 Floodlight 变量

DV360/CM360 中的自定义变量允许广告商在用户转换时提取附加信息。大多数情况下，自定义变量用于旅行公司和航空公司的确认页面。这允许他们传递与预订相关的所有有价值的数据（例如座位类型、价格、目的地等）。

但是，对于下面的脚本，让我们想象一个不同的场景。您是一家销售业务包的 SaaS 公司。您有“基本”、“中”、“精英”和“免费”版本。在这种情况下，您希望更加重视来自“精英”套餐的印象，因为这是您最昂贵的。例如，如果您将 1 分配给“基本”，将 10 分配给“中”，那么您实际上是在说，中对我来说比“基本”更有价值 10 倍。

您也可以将“0”分配给“免费”，因为您不想为那些只购买免费套餐的客户评分。因此，这为 Google 提供了一个巨大的背景，可以根据您拥有的业务包寻找最有可能转化的用户，而不是对他们进行相同的评估；这就是“最大化转化”会发生的情况，例如，每个用户都将是一次转化，并且不存在业务包描述。

_businesspackage = conversion_custom_variable (Floodlight_ID, model_id, u_variable_index) if _businesspackage == "" or _businesspackage == None:   return 0 elif _income == "Basic":   return 1 elif _income == "Medium":   return 10 elif _income == "Elite":   return 50 elif _income == "Free":   return 0 else:   return 0

在设置方面，您需要通过为其命名来声明变量。在我们的例子中_businesspackage，然后使用函数conversion_custom_variable告诉谷歌这是一个自定义变量。从那里，您需要以下内容：

Floodlight_ID – 泛光灯来自 CM
model_id——这是你的归因模型，如果你设置了一些自定义的东西。如果没有，那么你可以保留默认的“0”
u_variable_index – 这将是 CM 中的自定义变量 ID

销售 Floodlight 收入

与 Google Analytics 目标值一样，销售 Floodlight 收入基于“Floodlight 销售代码”，可以帮助您针对交易价值进行优化。我不会花太多时间在上面，但示例脚本将如下所示：

return (total_conversion_value(CM_activity_id, model_id))

如何在 DV360 中创建算法并使用自定义出价激活广告系列？

在我之前的文章“如何在 Display and Video 360 (DV360) 中创建自定义出价脚本”中，我详细介绍了技术脚本的构建过程，因此您可以看一下。演练涉及脚本验证器、模型训练和自定义投标限制。在本节中，我想重点介绍在活动中激活自定义出价算法。以下是重点：

脚本准备就绪并经过训练后，您可以导航到要运行它的 DV360 广告商。自定义出价可用于广告订单或订单项级别。如果您是第一次运行自定义出价，我们将探讨如何设置公平测试以准确评估效果。
当您选择算法时，您可以选择：
- “同时优先花费我的全部预算（推荐）”，这基本上确保您按照分配的脚本花费每日预算和出价。
- “同时优先达到目标价值成本”，类似于目标每次转化费用。一旦您看到所需的展示自定义值并运行一些算法，您就可以使用此选项。
启动自定义出价算法后，请避免进行任何更改，因为这可能会对学习阶段产生负面影响。

下面是 DV360 中算法选择的快速截图。

一个巨大的标注！第一周的表现很可能很差，因为那是算法学习的时间。您应该会在第 2 周和第 3 周看到显着改善。

设置 DV360 实验以测试自定义出价算法的最佳方法是什么？

如果您是第一次运行自定义出价，或者您正在尝试比较不同类型的算法，则必须创建DV360 实验。受控实验允许您将 cookie（暴露用户与控制用户）分成互斥的组，从而防止测试污染。这是它的工作原理：

在 DV360 控制台中展开“资源”菜单（确保首先选择广告商）后，您将能够看到“实验和提升”。继续创建一个新实验并选择“Cross Exchange”，这是显示选项。如果您使用合作伙伴视频运行自定义出价，则必须选择“YouTube 和合作伙伴”。

Experiments and improvements in dv360

设置的第一部分相当简单，但有一些技巧。您必须选择是要比较“订单项与订单项”还是“广告订单与广告订单”。通常，您选择哪个选项并不重要，但最重要的方面是一次仅测试一个变量。因此，您需要使控制组和公开组之间的预算、创意、持续时间和目标完全相同。

当涉及到研究目标时，您必须选择“总自定义印象值”。自定义出价算法针对您的展示自定义价值/
成本定义的 ROAS 进行优化。如果在实验过程中，您的曝光的展示自定义价值/成本超过了您的对照组的，则自定义出价已成功胜过您的对照组出价策略。

dv360 experiment settings

最后，无论您选择 IO 还是 LI，请确保将实验的两个分支命名为可识别的东西——控制和暴露是标准的。另一个非常重要的方面是让观众在每只手臂之间按比例分配。如果您正在测试 2 种以上的算法，那么您可以考虑拆分 33/33/33。

Setting for grouping audiences in dv360 experiment

如何正确衡量和报告自定义出价算法的成功？

自定义出价的衡量与您通常对常规广告系列所做的衡量略有不同。您可以通过导航到Insights -> Reports -> Offline Reporting -> New Offline Report -> Report template (Custom Bidding) 找到报告模板

Custom bids highlighted in red boxes in the dv360 report interface

选择自定义出价报告模板后，您将拥有几个全新的指标。以下是我认为最重要的：

具有自定义值的展示次数
- 这些是由您的脚本评分的印象；这也包括得分为“0”的印象。如果此数字太低，则表明您的脚本可能没有足够的可用历史数据。
具有正自定义价值的展示次数
- 该指标包括得分 >0 的所有展示次数。这是脚本规则中活动的最清晰表示。
总展示自定义价值
- 这是所有展示自定义值的总和
展示自定义价值/成本
- 这是公式（总展示自定义价值）/（估计总费用）。这是决定您的自定义出价算法将取得多大成功的关键指标。值越高越好。

最后的想法

媒体购买空间正在不断发展，因此，自动出价等技术将得到更广泛的应用。事实上，DV360 和谷歌营销平台 (GMP) 是该领域的先驱。但是，预计其他广告服务和需求方平台 (DPS)，例如 TradeDesk、StackAdapt、TubeMogul 和 App Nexus 将迎头赶上。总而言之，媒体购买，特别是展示广告空间正在进入一个有趣的阶段。