Стоимость клика

Сразу сделаем вывод, который последует из нижеприведенных выкладок:

Наименьшая стоимость клика (или наибольшее количество кликов) при фиксированном бюджете будет получаться при установлении единой цены клика на все ключевые фразы.

Впрочем, этот вывод является прямым следствием 3-го постулата Основ рекламы. И если нет желания разбираться в математике, то можно сразу перейти к статье Стоимость клиента.

Попытаемся создать математическую модель оптимального алгоритма ценообразования в контекстной рекламе. Сначала будем считать, что задача этого алгоритма — получить наименьшую стоимость клика при фиксированной величине бюджета. Простейшей функцией, аппроксимирующей зависимость количества кликов по данной фразе в единицу времени от стоимости клика, является линейная функция без свободного члена:

c – количество кликов по данной фразе в единицу времени;
p – стоимость клика, установленная для данной фразы;
q – количество кликов по данной фразе в единицу времени при цене за клик равной единице (p=1).

А зависимость расхода по данной фразе в единицу времени от стоимости клика будет описываться функцией

B – расход по данной фразе в единицу времени.

Предположим, что рекламная кампания состоит из 2-х фраз. Тогда затраты по каждой фразе составят:

Суммарные затраты по обеим фразам составят .

Подставив в это выражение значения B1 и B2 и выразив p2 через p1, получим:
 (1).

Суммарное количество кликов по обеим фразам составит:
 (2).

Подставив в эту формулу только что полученное значение p2, получим:
.

Чтобы найти максимум этой функции в зависимости от значения p1, продифференцируем ее по этому значению:
,

приравняем производную нулю:
, или
Стоимость клика, или, сократив числитель и знаменатель на q2 и 2,
Стоимость клика, или, сократив на q1 и перенеся вправо,
Стоимость клика, или, перенеся знаменатель вправо,
Стоимость клика, или, возведя в квадрат,
Стоимость клика, и найдя отсюда p1, получим оптимальное значение p1, при котором суммарное количество кликов будет максимальным:

.

 

Подставив эту формулу в выражение (1), получим оптимальное значение p2opt:
.

Видим, что p1opt= p2opt. Получается, что суммарное количество кликов будет максимальным при одинаковых ценах за клик по обеим фразам. Соответственно, наименьшая стоимость клика тоже будет получаться при одинаковых ценах за клик по обеим фразам.

Теперь аппроксимируем зависимость количества кликов по данной фразе в единицу времени от стоимости клика линейной функцией со свободным членом:
.

Тогда зависимость расхода по данной фразе в единицу времени от цены клика будет описываться функцией
.

Также предположим, что кампания состоит из 2-х фраз. Тогда затраты по каждой фразе составят:
.

Суммарные затраты по обеим фразам составят .

Подставив в это выражение значения B1 и B2, получим:
.

Решив это квадратичное уравнение относительно p2, получим:
 (3).

Минус перед корнем игнорируем, поскольку такое решение отрицательно, и поэтому не имеет экономического смысла. Суммарное количество кликов по обеим фразам составит:
.

Чтобы найти максимум этой функции в зависимости от значения p1, продифференцируем ее по этому значению:
.

Приравняв производную нулю, получим:
, откуда
.

Решив это квадратичное уравнение относительно p1, получим:
.
Минус перед корнем убираем, как лишенный экономического смысла. Тогда оптимальное значение цены для 1-й фразы будет равным
(3.1).

Подставив в предпоследнюю формулу выражение (3), получим оптимальное значение p2:
(3.2).

Видим, что в данной модели в общем случае . Из формул для оптимальных значений p1opt и p2optвидим, что p1opt=p2opt только в том случае, когда b1=b2.

Для решения задачи максимизации количества кликов (минимизации стоимости клика) при фиксированной величине бюджета для более сложных случаев используем Excel.

В файле arb.xls на листе «Линейная» приведена линейная аппроксимирующая функция, а на листе «Квадратичная» — квадратичная аппроксимирующая функция для трех фраз. Путем подбора значений в ячейках С2 и С3приходим к выводу, что суммарное количество кликов будет максимальным при одинаковых ценах за клик по всем фразам. Соответственно, наименьшая стоимость клика тоже будет получаться при одинаковых ценах за клик по всем фразам.

Теперь попытаемся аппроксимировать зависимость количества кликов по данной фразе от стоимости клика более правдоподобной функцией. Предположим, что:

  • при ценах ниже цены входа в гарантированные показы эта функция выглядит как ;
  • при ценах выше цены входа в гарантированные показы эта функция выглядит как ;
  • при цене входа в гарантированные показы количество кликов возрастает в n раз.

Из последнего предположения получаем, что
, откуда получим .

Итак,
 (4).

График этой функции приведен на рисунке ниже:
.

Алгоритм решения этой задачи для 2-х фраз реализован в файле arb.xls на листе «Линейная (2)». Количество кликов (ячейки Е3 и Е4) считается по формулам (4).

В ячейках G3 и G4 (эти значения равны, поскольку вид аппроксимирующей функции одинаков для разных фраз) считается значение оптимальной цены клика на первом участке (до входа в гарантированные показы) при величине бюджета, задаваемом значениями стоимости клика в ячейках D3 и D4. В ячейках H3 и H4 считается значение оптимальной цены клика на втором участке (после входа в гарантированные показы). Эти значения в общем случае не равны, а становятся равными только при одинаковых значениях цены входа в гарантированные показы.

Для проверки решения можно воспользоваться функцией подбора параметра («Сервис/Подбор параметра…»). Для этого устанавливаем в ячейке D3 какое-либо значение стоимости клика, а в окне «Подбор параметра» устанавливаем следующие значения:

  • Установить в ячейке: B7;
  • Значение: требуемое значение бюджета (например, 100);
  • Изменяя значение ячейки: D4.

Анализируя эту модель, приходим к следующим выводам:

  • При малых значениях бюджета, требующих значений стоимости клика по обеим фразам меньше цен входа в гарантированные показы, максимальное значение суммарного количества кликов по обеим фразам достигается при равных значениях цен клика по обеим фразам.
  • При больших значениях бюджета, требующих значений стоимости клика по обеим фразам больше цен входа в гарантированные показы, максимальное значение суммарного количества кликов по обеим фразам достигается при различных значениях цен клика по обеим фразам. В данной модели эти значения зависят только от цен входа в гарантированные показы. Чем меньше цена входа в гарантированные показы, тем больше оптимальная цена за клик по данной фразе и наоборот. Однако следует отметить, что, устанавливая одинаковые значения стоимости клика по обеим фразам, сумма кликов уменьшается относительно максимальной незначительно (не более чем на 1%).
  • Данная модель не совсем корректна при средних значениях бюджета. Существуют такие значения параметров данной модели, при которых некоторые значения бюджета вообще невозможно получить.

В Яндексе существует правило, согласно которому объявление будет показываться с определенной периодичностью в гарантированных показах по фразам, стоимости клика по которым ниже цены входа в гарантированные показы. При этом вероятность попадания в гарантированные показы зависит от установленной цены за клик по данной фразе. Тогда вполне правдоподобной может выглядеть следующая модель.

Предположим, что:

  • при стоимости клика ниже цены входа в гарантированные показы эта функция выглядит как ;
  • при стоимости клика выше цены входа в гарантированные показы эта функция выглядит как ;
  • при цене входа в гарантированные показы значения обеих функций равны.

Из последнего предположения получаем, что . Значения q и n несут ту же смысловую нагрузку, что и в предыдущей модели.

Итак,
 (5).

График этой функции приведен на рисунке ниже:

Алгоритм решения этой задачи для 2-х фраз реализован в файле arb.xls на листе «Линейная (3)». Количество кликов (ячейки Е3 и Е4) считается по формулам (5). Фактически, решение этой задачи отличается от предыдущей только оптимальными ценами клика до входа в гарантированные показы (они уменьшаются в  раз), а также максимальной суммой кликов до входа в гарантированные показы (она увеличивается в  раз). Выводы остаются теми же.

Кроме того, можно аппроксимировать зависимость количества кликов по данной фразе от стоимости клика экспоненциальной зависимостью:
 (6)
q – количество кликов по данной фразе при бесконечно большой стоимости клика ();
pg – некий коэффициент, позволяющий учесть различия в ценах входа в гарантированные показы по разным фразам. Точнее, это цена, при которой количество кликов по данной фразе составляет 0,632 от максимального количества кликов по данной фразе. Условно назовем этот коэффициент ценой входа в гарантированные показы.

График этой функции приведен на рисунке ниже:

Алгоритм решения этой задачи для 2-х фраз реализован в файле arb.xls на листе «Экспоненциальная». Количество кликов (ячейки Е3 и Е4) считается по формуле (6). Поскольку в аналитическом виде решить задачу оптимизации в данном случае нельзя, приходится пользоваться сервисом «Подбор параметра».

Анализируя этот вид аппроксимирующей функции, приходим к следующим выводам:

  • При равных значениях цен входа в гарантированные показы по обеим фразам, максимальное значение суммарного количества кликов по обеим фразам достигается при равных значениях стоимости клика по обеим фразам.
  • При разных значениях цен входа в гарантированные показы по обеим фразам, максимальное значение суммарного количества кликов по обеим фразам достигается при разных значениях стоимости клика. Однако, в отличие от двух предыдущих моделей с линейной аппроксимацией, в данной модели у какой фразы больше цена входа в гарантированные показы, у той фразы больше и оптимальная стоимость клика. Объяснить такое кардинальное различие в этих моделях можно тем, что при линейной аппроксимации количество кликов растет неограниченно с ростом стоимости клика, а при экспоненциальной – количество кликов ограничено некой предельной величиной. В этом смысле экспоненциальная аппроксимация, на мой взгляд, ближе к реальному положению дел.
  • В данной модели, устанавливая одинаковые значения стоимости клика по обеим фразам, сумма кликов уменьшается относительно максимальной не более чем на 1,5%.

Подытоживая все модели, можно сказать, что, несмотря на то, что в разных моделях оптимальные значения цены клика для разных фраз разные, наиболее оптимальным является единая стоимость клика для разных фраз.

И напоследок в качестве рекомендации Яндексу и Гуглу (вдруг случится чудо и их сотрудники снизойдут до данного чтива). Зависимость количества кликов от цены клика должна быть плавной, а не ступенчатой! В плавной зависимости гораздо больше экономического смысла. А это можно реализовать только перемешиванием результатов обычного поиска и рекламных объявлений. Кстати, Гугл уже объявлял о возможности подобных нововведений.

Комментарии

  1. Привет, очень интересное исследование. Но стал разбираться и не понял как у тебя получилось для первой линейной функции, после того как ты ее продифференцировал прировнял к нулю и за счет каких действий ты получил P1оптимальное ? по всякому пробовал но как у тебя не выходит, Если не трудно напиши как. Заранее спасибо. И еще раз повторюсь что очень интересная тема

  2. Я подробнее расписал переход от приравнивания производной нулю и до получения P1оптимальное

  3. Добрый вечер! Прочла эту статью, и мне некоторые вещи стали не понятны:
    1) Почему именно так вы аппроксимируете зависимость количества кликов по данной фразе от стоимости клика? откуда вообще берутся эти варианты?
    2) Что по смыслу из себя представляет вспомогательная функция? и для чего она вообще нужна?
    3) На вкладке линейная(2) почему ячейка H3<G3( ведь если фраза зайдет в гарантию ее цена вырастит а не упадет)
    4) на вкладке линейная(3) как так получилось что будучи в гарантии кол-во кликов упало? кажется не реалистично.
    Получается что виды линейных аппроксимаций вообще не имеют права на жизнь?
    5) И последнее во вкладке экспоненциальная, в колонках типа xg=0,5 и 0,1 k=100 и 10 , значение в первой вы задаете произвольные , и по ним рассчитывает значение колонки k=100 и 10 по формуле экспоненты?
    П.С: Вот такие нюансы извините что достаю , просто хочу понять, надеюсь на ваши пояснения:)

    • Здравствуйте, Алена!
      Понимаете, какой функцией аппроксимировать — это практически неважно. Можно линейной, можно экспоненциальной, можно степенной, можно тригонометрическими функциями. Главное — чтобы был экономический смысл. Все равно любая аппроксимация дает лишь некоторое приближение к реальной зависимости. Причем, на относительно небольших диапазонах цен клика.
      Если фраза зайдет в гарантию ее цена действительно вырастет, а не упадет — Вы правы.
      Я посмотрю до конца недели в чем там загвоздка.

      • Дмитрий, Алена имеет ввиду что количество кликов не может зависить от цены при неизвестном кол-ве показов. Это все равно что формула будет выглядеть
        с = qt
        где t — температура на улице

        • Здравствуйте, Максим! Извините, пожалуйста, не понял Вашу мысль.

  4. Довольно интересная выкладка, как для контекстной рекламы. Лично у меня возникли вопросы по аппроксимации еще на этапе модели. Хотя есть вопрос и по доказательству. К примеру, вы утверждаете после формулы (3) следующее: «Минус перед корнем игнорируем, поскольку такое решение отрицательно, и поэтому не имеет экономического смысла». Однако здесь есть тот нюанс, что в вашей аппроксимирующей функции со свободным членом, последний (b) может быть только отрицательным (иначе даже при нулевой стоимости за клик вы будете получать клики, что невозможно). А это означает, что «экономический смысл» может быть и для знака «минус» перед знаком корня.

    Далее, вернемся к математической модели. Очевидно, что она применима лишь для определенного и очень локального участка кривой. В самом деле, пусть цена за клик у нас составляет 5 руб. и мы занимаем первую позицию. Увеличив стоимость за клик в 2 раза, мы должны получить по вашим формулам в два раза больше кликов и в четыре раза большие расходы. Однако, на практике этого наблюдаться не будет, поскольку в результате аукциона вы будете продолжать платить всё те же 5 руб. и занимать всю ту же 1-ую позицию при неизменной запросности по фразе. Ну, и собственно, откуда такая модель, что расходы по РК определяются квадратом цены за клик (просматривал вашу другую статью, но не увидел там какого-то строгого обоснования — возможно читал поверхностно и не внимательно? 🙂 )

    • Здравствуйте, Ярослав!
      Минус перед корнем в формуле (3) действительно дает отрицательный результат. Дело в том, что значение этого корня всегда больше абсолютной величины |b2/2|. Потому что внутри корня есть 2 положительных по величине слагаемых — один из которых равен величине b2/2 в квадрате (стало быть он положительный). А второе слагаемое под корнем тоже величина положительная, поскольку числитель по своей сути — это затраты (расходы) по 2-й фразе.
      Поэтому минус перед корнем точно дает отрицательную величину цены клика, что не имеет экономического смысла.
      А вот величина b2 может быть как положительной, так и отрицательной. Рассматривать ход этой зависимости в нулевой точке (когда цена клика равна нулю) бессмысленно. При положительном свободном члене b2 получится, что даже при нулевой цене за клик мы будем иметь ненулевое количество кликов. А при отрицательном значении b2 получится, что при нулевой цене клика мы вообще будем иметь отрицательное количество кликов. И оно перейдет в положительное только при некотором значении цены клика.
      Еще раз повторюсь, что аппроксимация зависимости количества кликов от цены клика линейной функцией со свободным членом имеет смысл только в некотором диапазоне цен клика, начиная не с нуля.
      И, понятное дело, больше цены 1-го спецразмещения цена клика быть не может. Поэтому эта аппроксимация ограничена диапазоном цен клика от некоторого значения (ненулевого) до цены входа в 1-е спецразмещение.
      Теперь по поводу того, что при увеличении цены клика в 2 раза, количество кликов увеличивается тоже в 2 раза (значит расходы увеличатся в 4 раза).
      Во-первых, это очень приблизительная зависимость, и она работает при большом количестве фраз. Я бы сказал так — при небольших бюджетах и большом количестве фраз, при увеличении цен клика по всем фразам в 2 раза, количество кликов увеличивается меньше чем в 2 раза (например, в 1,5 раза). При больших бюджетах действительно при увеличении цен клика по всем фразам в 2 раза, количество кликов может увеличиться более чем в 2 раза. При небольшом количестве фраз вообще может происходить скачкообразное увеличение количества кликов.
      Во-вторых, при линейной аппроксимации со свободным членом вовсе не обязательно увеличение цены клика в 2 раза приведет к увеличению количества кликов тоже в 2 раза. Например, при величине свободного члена b значительно большем цены клика p, функция вырождается в постоянную величину (то есть при любом значении цены клика количество кликов неизменно). Кстати, в Инете были публикации, в которых говорилось, что на 3-е спецразмещение кликают даже больше, чем на первое. Чушь, конечно, но то, что при переходе от 3-го места в спецразмещении к 1-му месту количество кликов растет довольно медленно — это очень похоже на правду. Если эту зависимость аппроксимировать линейной функцией, то как раз получится большое значение свободного члена — в нашем случае произведение q*b.
      Суть-то всего написанного в чем? В том, что максимальное количество кликов (минимальная цена за клик) при фиксированном бюджете будет получаться при установке единой цены клика на все фразы. И чем больше фраз, тем точнее это положение. В этой статье всего лишь приводится попытка доказать это положение математически (не совсем строго). А на практике это проверяется довольно легко. Мы проверяли это как в 2007, так и в 2013 годах, сравнивая алгоритм единой цены клика с алгоритмом «Недельный бюджет» в Яндексе. Для всех кампаний (а их было более 10-ти) мы получили лучшие результаты с точки зрения количества кликов при одинаковых бюджетах. Причем статистическая значимость этих результатов было высокой.

  5. Спасибо что отвечаете, но вы не ответили что такое вспомогательная функция и какую роль она выполняет?

    • 1. До вспомогательной функции еще не дошел. Она нужна для расчета оптимальной цены клика и максимальной суммы кликов после входа в гарантированные показы. В ближайшие дни постараюсь расписать подробнее, зачем нужна формула в ячейке В9.
      2. Это очень здорово, что Вы обращаете внимание на реалистичность (т.е. на здравый экономический смысл). Грош цена расчетам, если они не соответствуют практике. Тем не менее, я проверил и на первый взгляд, там все верно. Ведь что такое «до входа в гарантированные показы» на листе «Линейная(3)»? Это значит, что прямая до входа в гарантированные показы не ограничена ценой входа в гарантированные показы. Понимаете? Ведь после входа в гарантированные показы эта зависимость становится существенно более пологой. Т.е. если бы не было порога в виде цены входа в гарантированные показы, то в этой модели количество кликов росло бы быстрее, чем по второй прямой (после входа в гарантированные показы). Не уверен, что понятно объяснил. Но я постараюсь изменить этот файл так, чтобы было понятнее.
      3. Про экспоненциальную зависимость еще не смотрел — посмотрю обязательно.

    • Давно я это все рассчитывал (году эдак в 2007), поэтому пришлось вспоминать.
      Со вспомогательной функцией (точнее — величиной) все просто — это значение корня, который фигурирует в формулах (3.1) и (3.2). Если Вы обратите внимание на эти формулы, то эта величина является одинаковой для оптимального значения цены клика как для 1-й, так и для 2-й фразы. Поэтому она и рассчитывается отдельно.
      Теперь отвечу на Ваш вопрос — на вкладке линейная(2) почему ячейка H3 < G3. Тут уж совсем просто. Задача ставится таким образом, чтобы уложиться в фиксированный бюджет. Если мы находимся на прямой 1, то чтобы потратить этот бюджет, нам придется поднимать цену клика. В результате мы получим меньше кликов (по большей цене за клик), чем на прямой 2 (которая аппроксимирует зависимость количества кликов от цены клика после входа в гарантированные показы). Понятно, что на прямой 2 мы получим больше кликов при фиксированном бюджете (значит, получим меньшую цену клика). Ваш вопрос - на вкладке линейная(3) как так получилось что будучи в гарантии кол-во кликов упало? Тут тоже все просто. В обновленном файле видно, что прямые 1 после входа в гарантию идут выше прямой 2. Поэтому вполне естественно, что если бы зависимость количества кликов от цены клика продолжалась бы по прямой 1 и после входа в гарантию, то мы получили бы большее количество кликов. На самом деле, такая зависимость раньше, когда были динамические показы, была вполне себе естественной. Т.е. до входа в гарантированные показы количество кликов росло с ростом цены за клик быстрее, чем после входа в гарантию. Ведь после входа в гарантию, занятие рекламодателем 4-го или 2-го места не сильно сказывается на количестве кликов. Сейчас же, когда динамические показы Яндексом фактически отменены, более правдоподобно выглядит аппроксимация линейная(2). Так что все эти виды линейных аппроксимаций вполне правдоподобны. Вашего вопроса по поводу экспоненциальной аппроксимации я не понял. Если что-то не понятно, распишите, пожалуйста, подробнее.

  6. Дмитрий, спасибо за статью. У вас у первого нахожу обоснованные модели для директа.

    Если можно, пара вопросов.
    Влияет ли каким-либо образом CTR на модель? Ведь этот параметр вносит коррективы в позицию объявления при равных ценах клика, и, соответственно, в расходы.
    Как вы задаете первоначальную цену клика? Насколько я понял, можно брать любую среднюю цену, а затем корректировать, с целью добиться желаемого расхода бюджета.

  7. Здравствуйте, Илья.
    CTR никак не влияет на модель.
    Дело в том, что у разных фраз цены входа в гарантию и спецразмещение могут отличаться, причем, довольно сильно. И абсолютно без разницы, чем вызвано это расхождение — разной конкуренцией по этим фразам, или же разными значениями CTR.
    Все равно максимально возможный трафик (минимально возможная цена клика) при фиксированном бюджете будет достигнута при одинаковой цене клика.
    Первоначальная цена клика задается сначала невысокая (чтобы избежать случайного перерасхода в первые дни), а затем она увеличивается, чтобы добиться желаемого расхода бюджета.
    Но поскольку у нас довольно много рекламодателей, то довольно часто можно примерно спрогнозировать начальную цену клика.
    Если же аналогий нет, то всегда можно начать с 0,02-0,03 у.е., а дальше увеличивать до достижения нужного расхода.

  8. Дмитрий, очень интересная статья!
    Поясните, пожалуйста, как в реальных условиях выбирать для каждой фразы параметр q в реальной ситуации? Ясно, что это не будет кол-во кликов за один день при ставке в 1 у.е. Как корректно выбрать этот коэф?

  9. Здравствуйте, Федор!
    Я не совсем понял, зачем Вам определять параметр q?
    Для какой-то фразы он будет равен 0,1, для какой-то — 1, а для какой-то фразы — 10.
    Но его определять совершенно не нужно.
    Суть статьи состоит в том, что если Вы хотите получить максимально возможное количество переходов на Ваш сайт, то Вы должны установить одинаковую ставку для всех фраз.
    А какую именно ставку — зависит от требуемого расхода бюджета.
    Например, при ставке 0,1 у.е. расход будет 1 тыс. руб. в месяц,
    при ставке 1 у.е. — 100 тыс. руб. в месяц
    при ставке 10 у.е. — 10 млн. руб. в месяц (в реальности меньше, поскольку там уже будет сказываться насыщение).
    Но это для определенного набора ключевых фраз.
    При другом наборе будут другие расходы при тех же ставках.

  10. Дмитрий, на самом деле все обстоит так: у нас есть фиксированный бюджет X на k фраз, для каждой фразы известно количество кликов по ней и кол-во конверсий. Таким образом, я могу рассчитать CR по каждой фразе. Ясно, что для максимизации кол-ва клиентов, мне требуется выставлять ставки пропорционально коэф. конверсии, как это и описано в статье
    http://www.impulses.ru/stoimost-klienta/
    В формуле расчета ставок фигурируют q_i, вот мне и интересно, как их посчитать?

  11. Федор, описанная Вами задача более практическая, но суть при этом не меняется. Эти коэффициенты q_i будут разными для разных фраз. Поэтому у Вас будет целая матрица (одномерная по числу фраз) для этих коэффициентов. Но это еще полбеды. Дело в том, что эти коэффициенты будут меняться во времени. Ушел конкурент по какой-либо фразе — увеличился коэффициент q_i, пришел конкурент — коэффициент q_i уменьшился.
    Поэтому считать эти коэффициенты — гиблое дело.
    Я вводил их только лишь для того, чтобы математически доказать оптимальность алгоритма единой цены клика, не более того.
    В Вашем же случае нужно всего лишь ввести матрицу (одномерную) коэффициентов конверсии для каждой фразы. У нас они называются коэффициентами ставок на уровне фраз.
    Далее ввести некоторую величину, общую для всех фраз. Например, назвать ее «ставка на уровне кампании».
    И тогда ставка для каждой фразы у Вас будет равна произведению ставки на уровне кампании на коэффициент ставки на уровне каждой фразы.
    А дальше уже регулировать необходимый расход бюджета только лишь ставкой на уровне кампании. Перерасход — уменьшаем ставку на уровне кампании (значит, ставки на все фразы уменьшаются пропорционально).
    Недорасход — увеличиваем ставку.
    Если же появляются новые данные по коэффициентам конверсий — то изменяем матрицу этих коэффициентов.
    Посмотрите еще статью http://www.impulses.ru/povyshenie-konversii/

  12. То есть у меня в компании РСЯ множество фраз разных частот. Горячие, теплые и холодные запросы, и всё это в ондной компании, понятно что я хочу, чтобы ставка на горячие запросы была больше, а на холодные меньше… И как мне быть? Я хочу, чтобы объявления показывались с картинками, то есть делать общую цену компании 3 руб?

    • Здравствуйте, Андрей!
      Честно говоря, я против терминов «горячие», «теплые», «холодные» запросы. Это упрощение, причем очень неточное.
      Запросы (точнее — ключевые фразы) отличаются коэффициентами конверсий. И ориентироваться нужно только на них.
      Ставки нужно устанавливать пропорционально коэффициентам конверсий. Мы обсуждали это в предыдущем комментарии.
      Сначала — все фразы по единой ставке. При этом мы получаем максимальное количество кликов.
      Потом, после получения данных по коэффициентам конверсий у разных фраз, устанавливаем ставки пропорционально этим коэффициентам конверсий. Количество кликов при этом уменьшается, но ROI возрастает.
      Если, конечно, во-первых, данные по коэффициентам конверсий являются статистически достоверными. И, во-вторых, коэффициент конверсии соответствует реальному коэффициенту конверсии клика в прибыль.
      В простейшем случае можно за коэффициент конверсии считать глубину просмотра. Либо глубину просмотра минус один — тогда будет более жесткое перераспределение ставок по фразам.
      Про картинки не понял.

      • Спасибо, теперь стало всё понятно! Единственное не могу понять термин «фиксированный бюджет». То есть нужно ставить ограничения бюджета? Простите меня за мои, возможно, глупые вопросы:)
        А про картинки я имел в виду то, что у Яндекса на РСЯ объявления показываются с изображением при условии, если цена клика не менее 3 руб. То есть цену клика придется ставить общую не менее 3 руб на компании РСЯ.

        • Нет, ограничение бюджета тут не причем. Речь идет о том, что мы сравниваем 2 варианта рекламы — с одинаковыми ставками и с разными ставками. Но для того, чтобы это сравнение было корректным, нужно, чтобы в обоих вариантах расход был бы одинаков. Иначе эти 2 варианта сравнивать между собой бессмысленно.
          Суть этой статьи состоит в следующем. Вариант с одинаковыми ставками всегда даст больше кликов, чем любой вариант с разными ставками. Но при условии, что расход за какой-то период времени будет одинаковым и в том, и в другом случае.
          Это закон — сравнивать какие-либо варианты между собой можно только в том случае, если они имеют одинаковый расход за один и тот же период времени.
          С картинками понятно. Естественно, если есть желание показывать объявления с картинками, то нужно ставить как минимум 3 руб. за клик. Только это неправильно. Если, как Вы говорите, запрос «холодный», то есть у этой фразы маленький коэффициент конверсии, то на эту фразу нужно ставить маленькие ставки, вплоть до отключения этой фразы, если расчетная ставка меньше минимальной. И желание показываться с картинками тут совершенно не причем.
          К сожалению, практически всегда желание противоречит оптимальному подходу. Причем, неважно, какое желание — показываться с картинками, или же быть в спецразмещении.

  13. Верно ли получается, если допустить что клики с разных регионов равнополезны, то нет смысла делить рекламную кампанию на разные регионы, и достаточно установить одинаковую цену для клика для максимизации числа кликов в рамках заданного бюджета?

    • Абсолютно верно. Причем, это верно не только для регионов, но и для фраз, и для времени показа, и для демографического таргетинга. Т.е. для любого вида таргетинга. Подробнее про таргетинг — http://www.impulses.ru/targeting/

Оставьте Комментарий