Чем отличаются алгоритмы умных ставок Google и Meta?

Target ROAS в Google и умное назначение ставок в Meta используют машинное обучение, чтобы назначать ставку в каждом аукционе, но оптимизируют они разное. Target ROAS в Google прогнозирует ценность каждой потенциальной конверсии по истории вашей кампании и сигналам в момент аукциона, а затем делает ставки так, чтобы достичь заданной вами окупаемости рекламных расходов. Система Meta расставляет приоритеты между объявлениями по прогнозируемым вовлечённости и конверсии, опираясь на данные о пользователях, которыми Meta располагает в Facebook и Instagram.

Главное

• Обе системы автоматически делают ставки в момент аукциона, поэтому ни одной не нужна ручная ставка на каждое ключевое слово или аудиторию.
• Target ROAS в Google оптимизирует ценность конверсий и требует отслеживаемых значений конверсий; Google указывает минимум 15 конверсий за последние 30 дн. для кампаний в Поиске и Shopping.
• Умное назначение ставок в Meta опирается на прогнозируемую вовлечённость пользователей и собственные данные о пользователях, поэтому ему нужны достаточная история конверсий и чёткое понимание целевой аудитории.
• Target ROAS окупается, когда ценность конверсий различается; сильная сторона Meta — достучаться до людей в их лентах до того, как они начнут искать.
• Ни одна из систем не работает сама по себе: обеим нужны чистые данные о конверсиях, постоянный мониторинг и корректировка по мере изменений на рынке.

Алгоритмы умного назначения ставок стали центральным элементом цифрового маркетинга. Они оптимизируют рекламные расходы, повышают эффективность кампаний и упрощают принятие решений. В этой статье сравниваются два ведущих решения: Target Return on Ad Spend (ROAS) в Google и алгоритм умного назначения ставок в Meta.

Что такое умное назначение ставок?

Умное назначение ставок — это автоматическое назначение ставок, при котором машинное обучение определяет ставку для каждого отдельного аукциона, а не одну ручную ставку на всё ключевое слово, плейсмент или аудиторию. Система оценивает, насколько вероятно, что этот показ приведёт к нужному вам результату и сколько этот результат стоит, и назначает ставку соответственно. Поскольку оценка делается в момент аукциона, она может учитывать сигналы, которые человек не обработает в реальном времени: устройство, местоположение, время суток и, в поиске, сам запрос.

Google объединяет свои автоматические стратегии под названием Smart Bidding: Target CPA, Target ROAS, Maximize conversions и Maximize conversion value. Meta предлагает сопоставимые автоматические стратегии назначения ставок в Ads Manager; в этой статье они вместе называются «умным назначением ставок в Meta».

Как работает Target ROAS в Google?

Target ROAS в Google показывает, на что способно машинное обучение в назначении ставок. Его цель — максимизировать ценность конверсий и при этом достичь заданной вами окупаемости рекламных расходов.

Каковы его ключевые особенности?

• Решения на основе данных: использует исторические данные кампаний и контекстные сигналы в момент аукциона.

• Корректировка ставок в реальном времени: подстраивает ставку в каждом аукционе под вероятность высокоценной конверсии.

• Максимизация ценности конверсий: сосредоточен на качестве конверсий, а не на их количестве.

• Гибкость и контроль: рекламодатели могут задавать разные цели ROAS для разных кампаний.

• Инсайты об эффективности: предоставляет подробные отчёты о том, как работает стратегия.

У Target ROAS есть условия для старта. В справке Google указано минимум 15 конверсий за последние 30 дн. для кампаний в Поиске и Shopping, для других типов кампаний пороги иные, а перед применением нужно присвоить значения отслеживаемым конверсиям. Google также советует передавать ценность конверсий в течение четырёх недель или одного-двух циклов конверсии, если он длиннее, прежде чем задавать цель. После запуска ему необходим постоянный мониторинг, чтобы адаптироваться к изменениям рынка.

Сама цель — это рычаг. Более высокая цель ROAS заставляет систему делать ставки осторожнее, что может защитить маржу, но снизить объём конверсий; более низкая цель позволяет ей участвовать в большем числе аукционов. Google также отмечает, что эффективность обычно растёт при меньшем числе более крупных кампаний, которые собирают больше конверсий, потому что у модели больше данных для обучения.

Как работает алгоритм умного назначения ставок в Meta?

Алгоритм умного назначения ставок в Meta, работающий на платформах вроде Facebook и Instagram, тоже опирается на продвинутое машинное обучение.

Каковы его ключевые особенности?

• Фокус на вовлечённости пользователей: расставляет приоритеты между объявлениями по прогнозируемым вовлечённости и конверсии.

• Ставки в момент аукциона: корректирует ставки в реальном времени, как и Google.

• Широкое использование данных о пользователях: для таргетинга опирается на обширные данные Meta о пользователях.

Аукцион Meta вознаграждает не только самую высокую ставку. Он учитывает ставку рекламодателя вместе с оценённой вероятностью того, что этот человек совершит действие, под которое оптимизирована группа объявлений, и оценкой качества объявления. Объявление, на которое, по ожиданиям модели, люди откликнутся, может выиграть аукцион с меньшей ставкой, чем у конкурента, поэтому соответствие креатива и аудитории напрямую отражается на ваших расходах.

Алгоритму Meta нужны достаточные исторические данные для оптимизации и чёткое понимание целевой аудитории. Новые группы объявлений и группы, в которые вносятся существенные правки, проходят фазу обучения, в течение которой доставка менее стабильна, пока система собирает данные. Сигналы о конверсиях поступают от пикселя Meta и Conversions API, поэтому пробелы в отслеживании оставляют модель гадать.

Как сравнить умное назначение ставок в Google и Meta?

Сравнение выявляет ряд различий и сходств:

• Использование машинного обучения: обе используют сложное машинное обучение, но Google делает упор на ценность конверсий, а Meta — на вовлечённость пользователей.

• Корректировки в реальном времени: обе динамически корректируют ставки, но различаются по фокусу данных. Google анализирует исторические данные кампаний, тогда как Meta опирается на свои обширные данные о пользователях.

• Гибкость: обе предлагают настраиваемые параметры, но их эффективность зависит от типа и целей кампании.

• Интерфейс и интеграция: платформу Google часто считают более удобной, тогда как система Meta предлагает более глубокую интеграцию с маркетингом в соцсетях.

Что показывают кейсы?

Различные кейсы показывают, на что способны эти алгоритмы. Search Engine Land со ссылкой на Google сообщает, что рекламодатели, перешедшие со Smart Shopping на Maximize conversion value с Target ROAS, увидели рост ценности конверсий вплоть до 30%, а один модный ритейлер зафиксировал рост уровня вовлечённости на платформе Meta.

Относитесь к любой громкой цифре как к гипотезе для вашего собственного аккаунта. Обе платформы предлагают встроенные эксперименты, так что вы можете запустить автоматическую стратегию параллельно с текущим подходом и сравнить результаты, прежде чем переносить все расходы.

Каковы сложности и ограничения?

Рекламодатели часто сталкиваются с опасениями по поводу конфиденциальности данных, особенно из-за зависимости Meta от данных о пользователях. Изменения в сфере приватности, такие как фреймворк App Tracking Transparency от Apple, введённый в 2021 г., сократили сигналы, которые рекламные платформы получают из приложений, из-за чего важнее становятся first-party данные и серверный трекинг. Обеим платформам нужны постоянный мониторинг и корректировка, чтобы сохранять эффективность.

Обе модели к тому же непрозрачны: вы видите, какие ставки они делают, но не почему, и обе настолько хороши, насколько хороши данные о конверсиях, которыми вы их кормите: дублирующиеся, отсутствующие или неверно оценённые конверсии учат их неправильному.

Что дальше ждёт умное назначение ставок?

Будущие тенденции указывают на ещё более персонализированный рекламный таргетинг и более эффективное машинное обучение. Растущее значение конфиденциальности данных и развитие технологий ИИ, вероятно, будут и дальше формировать эти алгоритмы.

Target ROAS в Google и алгоритм умного назначения ставок в Meta имеют свои преимущества и сложности, а их эффективность зависит от потребностей и целей каждой кампании. По мере развития цифрового маркетинга эти инструменты будут становиться изощрённее, обеспечивая более точный таргетинг и более высокую отдачу от инвестиций. Поскольку аукцион Meta вознаграждает объявления, на которые откликаются люди, креатив, которым вы его кормите, важен не меньше ставки; именно поэтому SOMIN позволяет оценивать рекламу до начала расходов.

Читайте также

• Как оптимизировать рекламу в Meta и TikTok? Пошаговый процесс
• Почему стоимость рекламы колеблется и как её стабилизировать?
• Как рекламодатели адаптируются, когда ИИ Meta заменяет медиабайера?
• Что такое кликабельность креатива и можно ли предсказать её до затрат?
• Что обещают в собственной рекламе платформы оптимизации рекламы?

FAQ

Источники

• About Target ROAS bidding, Google Ads Help
• Target ROAS in Google Ads: 5 key considerations, Search Engine Land