Overheid en non-profitorganisaties
·
5 mei 2023

Meta-advertenties voor jou laten werken

Leren vertrouwen op machinelearning en automatisering

De kunstmatige intelligentie (AI) en algoritmen van Meta evolueren steeds verder voor een betere ervaring voor adverteerders en gebruikers. Het komt vaak voor dat adverteerders bij het uitbreiden van hun campagnes voorbijgaan aan de voordelen van deze ontwikkelingen. Ze doen bijvoorbeeld het volgende:

  • Ze maken te veel advertentiesets die vaak overlappende doelgroepen hebben.
  • Ze beperken het aantal geselecteerde plaatsingen.
  • Ze organiseren biedingen en budgetten zo dat advertenties te beperkt zijn en niet aan de meest rendabele doelgroepen worden weergegeven.
  • Ze ontwikkelen te veel vergelijkbare advertentiemiddelen of hebben te veel advertenties in één advertentieset.

Deze voorbeelden kunnen resulteren in onderpresterende advertenties en problemen bij het opschalen van advertentiesets. Hierdoor geef je meer van je budget uit in de leerfase voordat ons advertentieweergavesysteem de prestaties van je advertenties heeft geoptimaliseerd.

Adverteerders die advertenties voor overheid, politiek of non-profitorganisaties maken, moeten de machinelearning- en optimalisatietools van Meta zien als een kans om nieuwe strategieën te testen, in plaats afhankelijk te zijn van het handmatig instellen van biedingen en budgetten, ingewikkelde doelgroeptargeting en overmatig veel advertentiemateriaal.

Machinelearning van Meta gebruikt gegevens en koppelt die aan wat je al weet over je doelgroep. Je vertelt ons advertentieweergavesysteem wat voor mensen je wilt bereiken en ons systeem volgt je instructies om het juiste advertentiemateriaal te koppelen aan de mensen die waarschijnlijk actie gaan ondernemen. We gebruiken deze signalen om voortdurend te blijven leren en verbeteren terwijl we je advertenties aan je doelgroep weergeven.


Door te kiezen voor producten die gebruikmaken van machinelearning, moet je optimale resultaten gaan zien waar je minder voor hoeft te doen. Overweeg de volgende functies en campagneparameters om onze machinelearningfuncties het zware werk voor je te laten doen.


Meta Advantage+-campagnebudget (voorheen optimalisatie van campagnebudget of CBO) is een manier om de verdeling van een campagnebudget te optimaliseren voor alle advertentiesets van je campagne. Dit betekent dat we automatisch en doorlopend zoeken naar de beste actieve kansen op resultaten voor je advertentiesets en je campagnebudget in realtime verdelen om die resultaten te realiseren.


Met Advantage+-campagnebudget is het nog steeds mogelijk om budgetten van verschillende advertentiesets te beheren. Dit kan je campagnes echter minder flexibel maken als je optimaliseert voor de best presterende advertentiesets. Meer informatie over bestedingslimieten van advertentiesets en onze best practices.

Bieden op basis van laagste kosten vertelt onze systemen om te bieden met als doel de laagste kosten per optimalisatiegebeurtenis te verkrijgen tijdens het uitgeven van je budget. We begrijpen echter dat het beheren van kosten voor sommige adverteerders belangrijk is. Dus misschien wil je in plaats daarvan de instellingen voor kosten en bieden onderzoeken.


Als je de bovenstaande 2 strategieën tegelijk gebruikt, zorg er dan voor dat je weet waar je op moet letten door inzicht te hebben in de rapportage van Advantage+-campagnebudget bij het gebruik van bieden op basis van laagste kosten.

Met Advantage+-plaatsingen (voorheen Automatische plaatsingen) kan Facebook de best mogelijke resultaten behalen die beschikbaar zijn binnen alle beschikbare standaardplaatsingen. Advantage+-plaatsingen gebruikt je budget efficiënt en helpt om kosten te beheersen. Als je advertenties over maatschappelijke kwesties, verkiezingen of politiek uitvoert, zijn bepaalde plaatsingen mogelijk niet beschikbaar. We raden nog steeds aan gebruik te maken van Advantage+-plaatsingen. We brengen geen kosten in rekening voor plaatsingen die niet beschikbaar zijn voor advertenties die vallen onder maatschappelijke kwesties, verkiezingen of politiek. Je vindt hier meer informatie.


Je moet doelgroepen vereenvoudigen of je advertentiesets samenvoegen en je doelgroepen breed houden als je je campagnes op schaal wilt uitvoeren. Als doelgroepen te klein zijn of advertentiesets hetzelfde zijn of elkaar overlappen, kun je te maken krijgen met weergaveproblemen die de resultaten en schaal beperken. Dit komt doordat ons algoritme je budget verder moet opbreken om de weergave en resultaten voor meer advertentiesets te testen.


Dynamisch advertentiemateriaal optimaliseert combinaties van advertentiemateriaal door meerdere componenten van advertenties (zoals afbeeldingen, video's, titels, beschrijvingen en actieknoppen) te gebruiken en automatisch combinaties van deze middelen te genereren voor uiteenlopende doelgroepen. Overweeg dynamisch advertentiemateriaal te implementeren, zodat ons systeem de effectiefste combinatie kan vaststellen op basis van de resultaten. Zo ben je geen tijd kwijt aan het ontwikkelen van tientallen of zelfs honderden advertenties.


Overheids-, politieke en non-profitorganisaties hebben beperkte tijd en middelen tot hun beschikking. Als je een minder intensieve aanpak kiest door je campagnes te vereenvoudigen en te kiezen voor producten die volledig gebruikmaken van machinelearning, zie je resultaten die voor jou werken.


Overweeg je verder te verdiepen in het rapporteren en analyseren van je resultaten bij het gebruik van geautomatiseerde tactieken voor je campagnes.