Mejorando las Opciones de Anuncios a Través de un Mejor Intercambio de Información
Los anunciantes pueden mejorar sus ubicaciones de anuncios compartiendo ideas y experiencias.
― 7 minilectura
Tabla de contenidos
- El Desafío de Elegir Sitios de Publicidad
- La Necesidad de Mejor Información
- Recolección de Datos
- Evidencia de Aprendizaje
- Modelando el Comportamiento del Anunciante
- El Papel de la Similitud entre Anunciantes
- Agrupando Información para Mejores Resultados
- El Impacto de Mejorar la Información
- Ganancias de Bienestar para los Editores
- Conclusión
- Fuente original
- Enlaces de referencia
En el mundo de la publicidad, sobre todo online, los Anunciantes buscan poner sus anuncios en sitios web donde creen que los clientes potenciales los van a ver. Este proceso puede ser complicado porque hay muchas opciones disponibles. Algunos anunciantes compran anuncios directamente de los Editores, lo que significa que pagan una tarifa fija por el espacio publicitario en sitios específicos. Sin embargo, muchos anunciantes no son muy buenos eligiendo los sitios adecuados para poner sus anuncios.
El Desafío de Elegir Sitios de Publicidad
Los anunciantes a menudo se enfrentan a una decisión difícil al seleccionar qué sitios usar para sus anuncios. Pueden pensar inicialmente que un sitio específico les irá bien, pero después de probarlo, pueden darse cuenta de que no da los resultados esperados. Muchos anunciantes comienzan probando varios sitios antes de decidirse por unos pocos favoritos. Este enfoque refleja un proceso de aprendizaje sobre qué sitios funcionan mejor para sus esfuerzos publicitarios.
La investigación muestra que los anunciantes tienden a ser demasiado optimistas cuando eligen un sitio por primera vez. Por ejemplo, algunos anunciantes podrían esperar una Tasa de clics (CTR) del 0.23% cuando en realidad, la media real puede ser tan baja como 0.045%. Esta brecha resalta la curva de aprendizaje que enfrentan los anunciantes al descubrir qué sitios son efectivos para sus campañas.
La Necesidad de Mejor Información
Cuando los anunciantes no están seguros de qué tan bien funcionará un sitio para ellos, puede resultar en gastos desperdiciados. El problema se agrava porque a menudo compran muchas impresiones (el número de veces que se muestra un anuncio) de una sola vez. Los anunciantes generalmente no descubren cuán efectivos son sus anuncios hasta después de haber hecho una inversión considerable.
Nuestro objetivo es entender cómo los anunciantes aprenden con el tiempo y cómo sus creencias iniciales afectan sus decisiones publicitarias. También queremos explorar formas de mejorar la eficiencia de sus gastos en anuncios. Al agrupar información entre los anunciantes, argumentamos que pueden tener una mejor idea de qué tan bien podría funcionar un sitio antes de comprometer dinero a eso.
Recolección de Datos
Para estudiar este tema, recopilamos datos de una red de anuncios de ventas directas que conecta anunciantes con editores. Esta red opera vendiendo espacio publicitario en bloque a un precio fijo. Examinamos tres años de datos que involucraban a 8,000 anunciantes y 3,200 editores. Estos datos incluyen información sobre las compras de anuncios de cada anunciante, incluyendo cuánto gastaron y cuántas impresiones recibieron sus anuncios.
Nos enfocamos en un grupo específico de 165 blogs políticos y sitios de noticias que comparten una audiencia y base de anunciantes similar. Al estudiar las transacciones de anuncios en estos sitios, buscamos descubrir patrones que reflejen cómo los anunciantes aprenden con el tiempo.
Evidencia de Aprendizaje
Los datos revelan que los anunciantes comienzan sus campañas publicitarias colocando anuncios en muchos sitios diferentes. Con el tiempo, tienden a reducir sus opciones a un número menor de sitios que dan mejores resultados. Este patrón sugiere que los anunciantes están aprendiendo qué sitios ofrecen el mejor ROI (retorno de inversión) para su dinero en publicidad.
A medida que los anunciantes adquieren más experiencia con diferentes sitios, ajustan sus expectativas sobre las tasas de clics. El optimismo inicial que tienen sobre el rendimiento de un sitio a menudo los lleva a gastar de más en sitios que no entregan los resultados esperados. Al compartir información entre ellos, los anunciantes pueden tomar decisiones más informadas sobre dónde poner sus anuncios.
Modelando el Comportamiento del Anunciante
Para entender cómo los anunciantes eligen sitios y cómo cambian sus creencias con el tiempo, desarrollamos un modelo del comportamiento del anunciante. Este modelo considera cómo los anunciantes toman decisiones basadas en sus experiencias pasadas con varios editores. Encontramos que muchos anunciantes tienden a gravitar hacia sitios con mejor rendimiento histórico.
Como parte de nuestra investigación, notamos que la discrepancia entre las expectativas de un anunciante y los resultados reales puede llevar a un gasto ineficiente. Esta ineficiencia a menudo resulta en que los anunciantes abandonen sitios tras darse cuenta de que no están obteniendo un buen retorno de su inversión.
El Papel de la Similitud entre Anunciantes
Una forma de mejorar el proceso de toma de decisiones para los anunciantes es considerar cuán similares son sus anuncios a los de otros anunciantes. Usamos enfoques de aprendizaje automático para analizar las características visuales de diferentes anuncios para identificar patrones que puedan predecir el rendimiento del anuncio.
Al crear un sistema que categoriza anuncios en función de sus elementos visuales y contenido, podemos estimar cómo se desempeñan los anuncios con características similares. Esta información puede ayudar a los anunciantes a refinar sus expectativas, lo que lleva a mejores coincidencias entre anunciantes y editores.
Agrupando Información para Mejores Resultados
Nuestra investigación sugiere que si los anunciantes pueden compartir sus experiencias y resultados entre ellos, pueden beneficiarse como grupo. Específicamente, agrupar información ayuda a los anunciantes a formar mejores expectativas iniciales sobre qué tan bien funcionará un sitio. Esto puede llevar a decisiones publicitarias más informadas y, en última instancia, a mayores retornos en general.
Cuando los anunciantes tienen acceso a información compartida de anunciantes similares, pueden predecir el rendimiento del anuncio de manera más precisa. Estos datos agrupados pueden ayudarles a determinar qué sitios probablemente darán mejores resultados antes de invertir su presupuesto publicitario.
El Impacto de Mejorar la Información
Para cuantificar los efectos de la mejora en el intercambio de información, examinamos varios escenarios contrafactuales. Por ejemplo, en situaciones donde los anunciantes tenían información completa sobre el rendimiento de los sitios, tendían a gastar menos en anuncios poco exitosos, lo que resulta en mejoras en su bienestar general.
Por otro lado, cuando modelamos un escenario donde los anunciantes agrupaban su información, encontramos un incremento notable tanto en el gasto como en los ingresos. Específicamente, los anunciantes pudieron aumentar su gasto en más de un 50% mientras también veían un aumento en su bienestar de más del 15%.
Este hallazgo subraya el valor de tener mejor acceso a datos e ideas, lo que puede llevar a los anunciantes a coincidencias más lucrativas con los editores.
Ganancias de Bienestar para los Editores
Los beneficios del mejor intercambio de información se extienden más allá de los propios anunciantes. Los editores también pueden beneficiarse de una mejor clasificación de anuncios. Cuando los anunciantes pueden encontrar mejores coincidencias, los editores se benefician de un aumento en los ingresos ya que los anunciantes gastan más en anuncios exitosos.
En nuestro análisis, encontramos que los editores pueden aumentar sus ingresos de manera significativa cuando los anunciantes toman decisiones más informadas. Al enfocarse en sitios que producen tasas de clics más altas, ambas partes pueden beneficiarse de un ecosistema publicitario más eficiente.
Conclusión
El panorama de la publicidad directa es complejo, y los anunciantes enfrentan considerables desafíos al intentar elegir los sitios correctos. Sin embargo, a través de una mejor comprensión de sus propios procesos de aprendizaje y agrupando información, los anunciantes pueden tomar decisiones más informadas que conducen a mejores resultados.
Como sugiere nuestro estudio, el intercambio de información entre anunciantes puede llevar a ganancias sustanciales en el bienestar tanto para anunciantes como para editores. Las mejores coincidencias entre anuncios y audiencias pueden aumentar la efectividad general de la publicidad.
El potencial de mejoras a través del intercambio de información no solo se aplica a la publicidad online; también podría ser beneficioso en otras áreas donde los anunciantes enfrentan desafíos similares. Al seguir explorando estas dinámicas, esperamos contribuir a un panorama publicitario más efectivo y eficiente.
Título: Advertiser Learning in Direct Advertising Markets
Resumen: Direct buy advertisers procure advertising inventory at fixed rates from publishers and ad networks. Such advertisers face the complex task of choosing ads amongst myriad new publisher sites. We offer evidence that advertisers do not excel at making these choices. Instead, they try many sites before settling on a favored set, consistent with advertiser learning. We subsequently model advertiser demand for publisher inventory wherein advertisers learn about advertising efficacy across publishers' sites. Results suggest that advertisers spend considerable resources advertising on sites they eventually abandon--in part because their prior beliefs about advertising efficacy on those sites are too optimistic. The median advertiser's expected CTR at a new site is 0.23%, five times higher than the true median CTR of 0.045%. We consider how an ad network's pooling of advertiser information remediates this problem. As ads with similar visual elements garner similar CTRs, the network's pooling of information enables advertisers to better predict ad performance at new sites. Counterfactual analyses indicate that gains from pooling advertiser information are substantial: over six months, we estimate a median advertiser welfare gain of \$2,756 (a 15.5% increase) and a median publisher revenue gain of \$9,618 (a 63.9% increase).
Autores: Carl F. Mela, Jason M. T. Roos, Tulio Sousa
Última actualización: 2024-04-30 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2307.07015
Fuente PDF: https://arxiv.org/pdf/2307.07015
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.
Enlaces de referencia
- https://www.lyx.org/
- https://tinuiti.com/blog/performance-display/ana-programmatic-buying-guide-pov/
- https://www.socialchimp.com/blog/direct-vs-programmatic-breakdown-media-buying/
- https://newormedia.com/blog/ad-exchange-vs-ad-networks/
- https://media-index.kochava.com/ad_partners?country=&channel
- https://www.forbes.com/sites/bradadgate/2021/09/10/increasingly-agencies-are-using-big-data-as-part-of-their-advertising-deliverables
- https://www.forbes.com/sites/bradadgate/2021/09/10/increasingly-agencies-are-using-big-data-
- https://cloud.google.com/vision