Nền tảng quảng cáo toàn cầu MGID hôm nay công bố bản nâng cấp cho CPA Tune – công cụ tối ưu hóa bid tự động. CPA Tune được hỗ trợ bởi dữ liệu từ hơn 30.000 lượt chuyển đổi được ghi nhận trên 13 lĩnh vực và 19 thị trường, hiện mang lại tỷ lệ chuyển đổi trung bình cao hơn tới 237% so với tối ưu hóa thủ công, đồng thời giảm 39% chi phí trên mỗi lượt chuyển đổi (CPA).
CPA Tune sử dụng công nghệ học máy (machine learning) để tối đa hóa số lượng chuyển đổi và hiệu quả trên quy mô lớn cho các chiến dịch quảng cáo tự nhiên của MGID. Bằng cách phân tích dữ liệu lịch sử chiến dịch cùng các tín hiệu về hành vi và ý định của người dùng trong thời gian thực, mô hình này dự đoán những vị trí hiển thị có khả năng tạo ra nhiều chuyển đổi nhất trong phạm vi chi phí trên mỗi lượt chuyển đổi (CPA) mục tiêu, đồng thời tự động điều chỉnh bid cho mỗi lượt click (CPC) để đưa quảng cáo đến những nguồn lưu lượng truy cập có tỷ lệ chuyển đổi cao hơn. Sau một năm tinh chỉnh công nghệ học máy, phiên bản nâng cấp hiện mang lại mức tăng 13–15% về tỷ lệ chuyển đổi (CVR) và tăng 20–25% doanh thu cho khách hàng so với phiên bản ban đầu.
Khách hàng có thể lựa chọn giữa hai biến thể riêng biệt của CPA Tune: Target CPA (CPA Mục tiêu) – tối ưu hóa bid trong phạm vi CPA nghiêm ngặt để duy trì hiệu quả chi phí; và MaxConversions (Tối đa hóa Chuyển đổi) – tối đa hóa cơ hội tiếp cận lưu lượng truy cập với ngưỡng CPA linh hoạt nhằm tận dụng tối đa ngân sách chiến dịch.
Mặc dù các mô hình học máy thường tự cải thiện theo thời gian nhưng các kỹ sư của MGID đã định hướng CPA Tune tập trung vào ba cải tiến tối ưu hóa cụ thể, giúp mô hình mới phản ứng nhanh hơn với những thay đổi trong hành vi người dùng:
- Phản ứng nhạy bén hơn với các tín hiệu gần đây: Mô hình đánh giá hiệu suất gần đây song song với dữ liệu lịch sử dài hạn thay vì chỉ dựa vào dữ liệu lịch sử. Nhờ đó, mô hình có thể phân biệt giữa một vị trí hiển thị luôn hoạt động hiệu quả và một vị trí mới bắt đầu hoạt động hiệu quả (hoặc đang giảm hiệu quả) để đưa ra bid phù hợp.
- Phân khúc lưu lượng truy cập chi tiết hơn: Bằng cách đánh giá các tổ hợp lưu lượng truy cập chồng lấn, hệ thống có thể phát hiện các phân khúc có hiệu suất cao mà những phương pháp phân tích tổng quát có thể bỏ sót.
- Hiểu rõ hơn về mối quan tâm của người dùng: Phiên bản nâng cấp của CPA Tune nắm bắt ý định của người dùng tốt hơn. Mối quan tâm giờ đây được xác định dựa trên chính quảng cáo mà người dùng tương tác, thay vì dựa trên toàn bộ chiến dịch; đồng thời, hệ thống ghi nhận các hành động chuyển đổi thực tế thay vì chỉ tính lượt click.
Mô hình nâng cấp hiện đã được triển khai cho cả hai chiến lược Target CPA và MaxConversions. Chỉ sau một năm, các chiến dịch sử dụng tính năng CPA Tune đã đạt tỷ lệ chuyển đổi (CVR) cao hơn 15% và doanh thu khách hàng tăng 20% so với mô hình ban đầu; trong khi đó, các chiến dịch sử dụng tính năng MaxConversions đạt CVR cao hơn 13% và doanh thu khách hàng tăng 25%. Khách hàng không cần thực hiện bất kỳ thay đổi nào để kích hoạt mô hình nâng cấp này.
Ông Ivan Doruda, CEO của MGID, chia sẻ:
“Chúng tôi hiểu rằng bản chất của công nghệ học máy là CPA Tune sẽ ngày càng hoàn thiện theo thời gian, nhưng kết quả từ mô hình nâng cấp thực sự vượt xa kỳ vọng của chúng tôi. Tuy nhiên, cần lưu ý rằng chúng tôi không hề ngồi yên chờ đợi mô hình tự học hỏi. Bản nâng cấp này là thành quả từ quá trình nghiên cứu kỹ thuật có chủ đích và trọng tâm của đội ngũ chúng tôi, nhằm cải thiện chất lượng dữ liệu đầu vào và tinh chỉnh kết quả đầu ra để đáp ứng sát hơn nhu cầu thực tế của khách
Ông Doruda nói thêm:
“Dữ liệu lịch sử là nền tảng cho những dự đoán chính xác, nhưng chính dữ liệu thời gian thực mới tạo nên lợi thế cạnh tranh. Nếu chỉ dựa vào những gì đã xảy ra trong quá khứ, chúng ta có thể bỏ lỡ những cơ hội ngay trước mắt. Với bản nâng cấp lớn dành cho CPA Tune, mô hình của chúng tôi giờ đây có khả năng cân nhắc đồng thời cả yếu tố dài hạn lẫn ngắn hạn. Đây là bước tiến đầu tiên của MGID trong lĩnh vực tối ưu hóa thông minh và tự động hóa; tôi rất nóng lòng muốn thấy những bước phát triển tiếp theo của công nghệ này.”
