Vì sao với những ae chạy ads lâu năm, giai đoạn máy học với họ thực sự là quá lâu, trong khi người điều khiển ads có thể ra quyết định nhanh hơn?
Trong giai đoạn máy học, Meta chưa biết chính xác ai là người có khả năng chuyển đổi cao nhất. Vì vậy, hệ thống sẽ liên tục thử nghiệm nhiều nhóm người dùng và cách phân phối khác nhau để tìm ra mô hình tối ưu.
Luồng phân phối thường diễn ra theo trình tự sau:
1. Khởi tạo tệp phân phối
Hệ thống chọn một nhóm nhỏ trong tệp đối tượng bạn nhắm đến. Ưu tiên những người có tín hiệu hành vi gần với mục tiêu bạn chọn lúc lên camp ( mua hàng, nhắn tin, đăng ký…).
2. Thu thập tín hiệu
Ghi nhận các chỉ số như: Impression, CTR, Thời gian xem, Click, Add to Cart, Purchase,.. và các hành động khác liên quan đến mục tiêu chiến dịch.
3. Mở rộng thử nghiệm
Nếu nhóm đầu phản hồi tốt, Meta sẽ mở rộng sang các nhóm có đặc điểm tương tự. Nếu phản hồi kém, hệ thống sẽ thử những phân khúc khác trong cùng tệp.
4. So sánh hàng nghìn tín hiệu
Thiết bị, Độ tuổi, Giới tính, Khu vực, Thời gian online, Hành vi trước đây, Xác suất chuyển đổi, Giá thầu và mức cạnh tranh
5. Tìm điểm cân bằng
Mục tiêu là đạt chi phí chuyển đổi thấp nhất đồng thời tối đa hóa số lượng chuyển đổi trong ngân sách.
6. Thoát Learning
Khi đã có đủ dữ liệu (Meta thường khuyến nghị khoảng 50 sự kiện tối ưu trong 7 ngày, dù đây không phải ngưỡng bắt buộc trong mọi trường hợp), hệ thống sẽ ổn định hơn. Lúc này phân phối tập trung nhiều hơn vào những nhóm người đã được xác định có khả năng chuyển đổi cao.
Nhiều người nghĩ Meta chia đều ngân sách để test tất cả đối tượng. Thực tế không phải vậy!
Ngay từ những lượt hiển thị đầu tiên, hệ thống đã dự đoán xác suất chuyển đổi của từng người dùng dựa trên hàng loạt tín hiệu. Ngân sách được điều chỉnh linh hoạt theo các dự đoán này, chứ không phân phối đồng đều. Nếu một nhóm liên tục cho tín hiệu tích cực, nhóm đó sẽ nhanh chóng nhận nhiều phân phối hơn, trong khi các nhóm kém hiệu quả sẽ bị giảm hoặc ngừng phân phối.
Đó là lý do vì sao việc chỉnh sửa chiến dịch liên tục (đổi ngân sách, thay creative, thay target…) trong giai đoạn máy học thường khiến Meta phải thu thập lại tín hiệu và kéo dài thời gian tối ưu. Một chiến dịch có đủ dữ liệu và ít bị can thiệp thường đạt hiệu quả ổn định hơn sau khi vượt qua giai đoạn này.
Với tôi, giai đoạn máy học vẫn rất quan trọng, tuy nhiên bạn phải là người làm chủ giai đoạn này, ra quyết định nhanh hơn là ngồi đợi giai đoạn máy học trôi qua một cách lãng phí. Bản chất máy học vẫn không thể bằng con người học