Ezoic
Las pruebas A/B tienen limitaciones. Lo más importante que las pruebas A/B no tienen en cuenta es el comportamiento de los visitantes.
Digamos que el 60% de la gente prefiere el conjunto de anuncios A y sólo el 40% de la gente prefiere el conjunto de anuncios B. Entonces usted elige el conjunto de anuncios A porque tuvo la preferencia mayoritaria del 60%. ¿Cómo puede tener en cuenta el otro 40% de visitantes que prefieren algo diferente?
Los números mienten. Un ejemplo de ello es que el CPM/CTR de los anuncios es una media, que revela muy poco sobre los datos subyacentes y sólo el precio de sus impresiones.
Los grupos de prueba deben ser aleatorios. Al realizar un test A/B, ¿cómo segmenta su tráfico? ¿Quién está realmente en cada grupo? ¿Se asigna cada usuario a un grupo? ¿Cada sesión? ¿Cada página vista?
Las matemáticas no son fáciles ni sencillas. ¿Durante cuánto tiempo hay que correr? ¿Cuál es la distribución subyacente de los datos? ¿Qué nivel de significación necesito? ¿Qué magnitud tiene el efecto? ¿Cómo controlo el tráfico aleatorio de bots?
No responde a los cambios a medida que se producen. Usted realiza su prueba en junio, encuentra un efecto estadísticamente significativo, confía en sus resultados... pero ¿hasta qué punto está seguro de que todo será igual en Diciembre?
La Inteligencia Artificial tiene muchas ventajas sobre las pruebas A/B:
Tome este ejemplo. ¿Cómo le diría tradicionalmente a un sistema informático cómo definir qué variables hacen que un perro sea un perro?
Esto es estupendo hasta que se obtiene un valor atípico que sigue siendo técnicamente un perro, pero que no se ajusta a todas las variables que le dio el ordenador: un perro con tres patas que perdió una en un accidente.
Lo que hace la IA es darle la vuelta a la programación tradicional: en lugar de definir los pasos para llegar a un resultado ("toma A, B, C, D... hazles esto, toma una decisión"), podemos enviar algunos datos y dejar que la red neuronal aprenda lo que es importante. Incluso podríamos añadir un descriptor completamente irrelevante, como que tiene una bola roja en la boca. Aprenderá rápidamente que esto no describe a los perros en absoluto.
La inteligencia artificial aumenta el valor del inventario publicitario.
Cuando se trata de la colocación de anuncios, los editores se encuentran a menudo con dilemas. ¿Qué anuncio mostrar: la parte superior de la página o la barra lateral?
Supongamos que mira los datos de sus anuncios y que el CPM para la "parte superior de la página" y la "barra lateral" son ambos de 3,02 dólares. Pero, ¿es el mismo importe para esas dos ubicaciones de anuncios cuando se introducen más variables de comportamiento del visitante?
En lugar de hacer toda esta investigación usted mismo, puede subcontratar este trabajo a la inteligencia artificial de Ezoic, impulsada por TensorFlow.
A continuación, le decimos a TensorFlow qué características de nuestros datos queremos que aprenda.
Después de eso, le decimos a TensorFlow qué tipo de modelo debe utilizar: aquí, estamos utilizando un regresor de red neuronal profunda (que es un buen modelo para predecir números, como los CPM).
Ahora, le decimos a TensorFlow cómo cargar y leer los datos.
Y por último, iniciamos la formación. ¡8 líneas de código en total! Es así de fácil. ¿Y qué encuentra?
TensorFlow descubrió cómo segmentar los datos automáticamente, de forma escalable. Esta red neuronal encontró un 12% adicional de ingresos publicitarios ocultos en los datos.
Las estadísticas resumidas son poco informativas, y está dejando dinero sobre la mesa al no profundizar en sus datos.