Data Analytics and Research — Illustration
Мы решили расширить нашу Нигму функционалом для контекстной рекламы. Гипотеза такая – не все рекламные блоки на выдаче Яндекса и Google одинаково полезны. Мы знаем только о CTR и подразумеваем, что чем ниже блок рекламы, тем он меньше кликабелен. Но выдача не стабильна как с точки зрения вида отображаемых рекламных блоков, так и с точки зрения их состава. Так например по некоторым запросам нет баннера справа от органики, в некоторых есть так называемые “колдунщики” (wizard-ы) самих поисковых систем (Google Merchant , Яндекс.Кью, Яндекс.Маркет и пр.), что забирает на себя львиную долю кликов.
Стоит также добавить, что некоторые блоки довольно объемны по содержанию и даже вполне успешно решают задачу пользователя (например запросы про текущий курс валют или погода). Соответственно бороться за такой трафик при определенной цене более чем бессмысленно.
Мы же хотим пойти от задачи пользовательского внимания и исходить из тех данных, что видит пользователь. Т.е. не оценивать запрос среднестатистически, а собирать по нему информацию их триплета: запрос-геолокация-выдача, сканировать из этой выдачи блоки и оценивать насколько выгодно размещаться в органике в рекламном блоке, стоит ли “бороться” за этот трафик за определенную цену. Может быть так, что по данному триплету стоит снизить бюджет опуститься в блоке, но выиграть в кол-ве лидов, т.к. другой блок окажется более перспективен с точки зрения продаж и ROI в целом.
Таким образом мы разработаем модель компьютерного зрения который будет оценивать выдачу поисковой системы как ее видит (глазами) пользователь, на какие блоки больше обращает внимание и оценивать стоит ли участвовать в аукционе и по какой цене.