La strategia vincente di Zalando nella pubblicità online

Negli ultimi anni, la Pubblicità online è diventata fondamentale per le aziende di e-commerce, dove le aziende fanno offerte per posizioni pubblicitarie nei risultati di ricerca. Un approccio efficace per massimizzare i profitti da queste offerte è il framework dei bandits, che ha dimostrato di migliorare le strategie di offerta. Tuttavia, ci sono pochi esempi nel mondo reale che dimostrano la sua applicazione. Questo articolo parla di come Zalando, un noto marchio di moda e-commerce, ha usato con successo questo metodo per aumentare i suoi profitti pubblicitari attraverso una strategia di offerta strutturata.

#Importanza della Pubblicità Online

La pubblicità online è essenziale per le aziende di e-commerce come Zalando, in quanto le aiuta a raggiungere potenziali clienti. Posizionando gli annunci in modo strategico, queste aziende possono attirare traffico sulle loro piattaforme e, in ultima analisi, generare vendite. La sfida principale è fare offerte per le posizioni pubblicitarie in un ambiente competitivo, dove le aziende devono ottimizzare le loro offerte per ottenere il massimo di clic o conversioni.

#Cosa Sono i Bandits?

Il framework dei bandits, un metodo nell'apprendimento per rinforzo (RL), offre un modo per prendere decisioni in situazioni in cui i risultati sono incerti. Nel contesto delle offerte, gli inserzionisti interagiscono ripetutamente con un sistema d'asta, regolando le loro offerte in base ai risultati delle aste precedenti. Questo approccio consente loro di imparare quali offerte sono più efficaci nel tempo.

#Sfide nelle Aste di Ricerca Sponsorizzate

Sebbene l'uso dei bandits sia promettente, sorgono diverse sfide nelle aste online. Queste includono:

1. Meccanismo Blackbox: Aziende come Google non rivelano il processo esatto dell'asta, rendendo difficile per gli inserzionisti strategizzare efficacemente.
2. Valore Poco Chiaro: Gli inserzionisti spesso faticano a determinare quanto valgano le loro posizioni pubblicitarie a causa dei continui cambiamenti nelle condizioni di mercato.
3. Feedback Ritardato: Il tempo che impiega un cliente a convertire dopo aver cliccato su un annuncio può essere lungo, complicando la decisione immediata.
4. Aggiornamenti Batch: Gli inserzionisti ricevono spesso dati aggregati sulle performance, rendendo più difficile tracciare l'efficacia delle singole offerte.
5. Ricompense Sparse: Molti clic non portano a conversioni, risultando in ricompense rare per gli inserzionisti, complicando l'apprendimento.
6. Attribuzione del Successo: Può essere difficile risalire a quale clic specifico ha portato a una vendita, soprattutto quando i clienti interagiscono con più annunci prima di convertire.

Affrontando queste sfide, Zalando ha cercato di sviluppare un sistema che migliorasse la sua strategia di offerta.

#L'Approccio di Zalando

Il progetto di Zalando si è concentrato sulla creazione di un sistema di offerta efficace utilizzando l'approccio dei bandits. Volevano sviluppare un metodo che aiutasse a ottimizzare le offerte per aumentare la redditività complessiva. Questo ha comportato la progettazione di un sistema capace di gestire le complessità della pubblicità online, inclusi i problemi descritti sopra.

#Sistema di Posizionamento Offerte

Le basi dell'approccio di Zalando poggiavano sul suo sistema di posizionamento delle offerte. Questo sistema permetteva all'azienda di scegliere la migliore offerta possibile per ogni asta in base alle performance passate. Man mano che il sistema imparava dalle aste precedenti, poteva regolare le offerte per migliorare la redditività.

#Processo di Raccolta Dati

Per costruire un modello efficace, Zalando aveva bisogno di robusti meccanismi di raccolta dati. Il team ha sviluppato un processo per raccogliere dati su clic, conversioni e costi nel tempo. Accumulando e analizzando questi dati, sono stati in grado di identificare modelli e prendere decisioni informate sulle offerte future.

#Misurazione delle Performance

Misurare la performance è cruciale per determinare l'efficacia di qualsiasi strategia pubblicitaria. Zalando ha implementato un sistema di misurazione delle performance completo per monitorare come si comportavano i loro annunci. Questo ha permesso loro di valutare il successo della loro strategia di offerta basata su metriche definite.

#Implementazione di Batch EXP3

Per gestire le complessità delle offerte, Zalando ha adattato un algoritmo chiamato Batch EXP3. Questo algoritmo è un'estensione del metodo classico EXP3 ed è progettato per funzionare in modo efficiente con feedback batch e ritardati, rendendolo adatto alle sfide affrontate nelle aste di ricerca sponsorizzate.

#Test dal Vivo

Zalando ha condotto un test dal vivo del suo sistema di offerta, che è andato da metà dicembre 2022 a fine gennaio 2023. Durante questo periodo, si sono concentrati su una selezione di prodotti di abbigliamento ad alto traffico e miravano a ottimizzare le offerte su questi articoli.

#Strategia di Test

Il test prevedeva di fare offerte ogni tre ore sincronizzandole con una revisione giornaliera delle performance. Il team ha aggiustato la propria strategia sulla base dei dati raccolti e puntava a perfezionare continuamente il processo di offerta.

#Osservazioni e Risultati

Man mano che il test dal vivo avanzava, Zalando ha osservato un aumento della redditività per i prodotti testati. L'analisi dei dati ha mostrato che il sistema di offerta si concentrava efficacemente sulla riduzione dei costi mantenendo un livello di guadagni soddisfacente. Questo approccio ha dimostrato che il framework dei bandits poteva essere utile in applicazioni reali.

#Analisi della Redditività

Un'analisi dettagliata ha rivelato che la strategia di Zalando ha principalmente migliorato la redditività riducendo i costi più rapidamente di quanto i guadagni diminuissero. Il sistema ha imparato a dare priorità alle offerte che producevano ritorni più elevati, allontanandosi da prodotti meno redditizi.

#Gestione della Variabilità dei Prodotti

Il test ha anche rivelato risultati diversi tra vari prodotti. Alcuni articoli ad alto traffico hanno beneficiato notevolmente della nuova strategia di offerta, ma altri non hanno mostrato gli stessi risultati positivi. Questa variabilità ha reso necessarie aggiustamenti e monitoraggio costanti per garantire che tutti i prodotti fossero posizionati in modo efficace.

#Il Ruolo della Velocità di Apprendimento

Durante i test, Zalando ha scoperto che la velocità di apprendimento aveva un impatto significativo sulle performance del sistema. Inizialmente impostata in modo troppo aggressivo, ha portato a un comportamento di apprendimento instabile. Dopo aggiustamenti, incluso il ripristino della velocità di apprendimento, il team ha notato una stabilità e performance migliorate nel tempo.

#Sfide con Prodotti a Basso Traffico

Sebbene il sistema si sia dimostrato efficace per articoli ad alto traffico, i prodotti con volumi di clic più bassi hanno posto sfide uniche. La mancanza di dati sufficienti ha reso difficile trarre conclusioni significative, indicando la necessità di approcci più su misura per questi articoli meno popolari.

#Andando Avanti

Nonostante il successo visto in molte aree, Zalando ha riconosciuto che alcune sfide rimanevano irrisolte. Ad esempio, le ricompense sparse continuavano a complicare l'apprendimento, poiché gli esiti positivi erano rari. Il team ha discusso di potenziali soluzioni per migliorare ulteriormente il modello, inclusa l'esplorazione di approcci diversi per gestire il feedback ritardato o l'adozione di strategie di modellazione aggiuntive.

#Conclusione

L'applicazione del framework dei bandits da parte di Zalando nella pubblicità online ha dimostrato potenziali benefici nell'ottimizzazione delle strategie di offerta. Affrontando sistematicamente le sfide e implementando un robusto sistema di raccolta dati e misurazione delle performance, hanno aumentato con successo la redditività durante il test dal vivo.

Con la continua crescita dell'e-commerce, le aziende possono imparare dall'esperienza di Zalando, utilizzando strategie simili per migliorare i loro sforzi pubblicitari. Questo caso illustra il prezioso incrocio tra tecnologia e marketing, dimostrando come approcci strutturati possano generare miglioramenti significativi in applicazioni reali. Le future iniziative potrebbero concentrarsi sul perfezionamento delle strategie per prodotti a basso traffico e nell'affrontare i problemi di apprendimento causati da ricompense sparse.

L'esperienza di Zalando rappresenta un forte esempio di come metodologie avanzate possano aumentare la redditività nel competitivo campo della pubblicità online, aprendo la strada a innovazioni e successi continui.