תכנות AI בפרסום פרוגרמטי: איך רכישה אוטומטית עובדת בפועל
מה ההבדל בין תכנות AI לאוטומציה רגילה, איך מתקבלות החלטות תקציב בזמן אמת, ומה נשאר בידי המפרסם. מדריך מעשי לצוותים.
צוות העריכה של ADS Beastפורסם 7 דקות קריאה
תכנות AI בפרסום פרוגרמטי הוא הגדרת מטרה, קהל ותקציב, והשארת ההחלטות השוטפות על איזו מודעה להציג למי ובאיזה מחיר למודל שמעדכן אותן תוך כדי ריצה. אתם קובעים את המסגרת, המערכת מנהלת את המיקרו-החלטות, והאישור על שינויים מהותיים נשאר אצלכם.
בקצרה
- אוטומציה מריצה חוקים שכתבתם מראש; תכנות AI מריץ מודל שמעדכן החלטות לפי התנהגות בזמן אמת.
- ההבדל מורגש בעיקר בשני מקומות: חלוקת התקציב בין קהלים, והתאמת הקריאייטיב למי שרואה אותו.
- כלי self-service עובדים בתוך החשבונות שלכם, לא במקומכם, והנתונים נשארים בבעלותכם.
- קמפיין שנוצר על ידי AI צריך לעבור בדיקה אנושית לפני שהוא יוצא לאוויר.
- כל שינוי מהותי בהגדרות מחזיר את המערכת לשלב למידה ומעכב את הייצוב.
מה ההבדל בין תכנות AI לאוטומציה רגילה
אוטומציה רגילה היא רשימת תנאים. קבעתם שאם משתמש ביקר בעמוד מסוים, תוצג לו מודעה מסוימת; אם הוא הכניס מוצר לסל, תישלח לו תזכורת. החוקים לא משתנים מעצמם, ומי שמעדכן אותם זה אתם.
תכנות AI עובד אחרת. המודל מקבל מטרה שאתם הגדרתם, למשל להביא לידים בעלות מסוימת, ובוחר בכל רגע איזו מודעה להציג, למי, ובאיזה מחיר להציע במכרז. הוא לומד מהתוצאות של ההחלטות הקודמות שלו. אם קהל מסוים מפסיק להמיר, הוא מפנה אליו פחות תקציב בלי שתכתבו חוק חדש.
ההבדל מורגש בפועל בשני מקומות. הראשון הוא הקצאת תקציב: במקום שתחלקו ידנית בין קהלים ותעדכנו פעם בשבוע, המערכת מזיזה את הכסף תוך כדי היום. השני הוא התאמת קריאייטיב: אותה מודעה יכולה להיות מוצגת אחרת לקהלים שונים, והמערכת בוחרת את השילוב שמתפקד טוב יותר עבור כל אחד מהם.
חשוב להבין מה זה לא. תכנות AI לא הופך קמפיין גרוע לטוב. אם ההצעה לא מעניינת, אם הדף שאליו מגיעים לא ממיר, או אם המטרה הוגדרה לא נכון, המודל רק ימצא מהר יותר את הגבול של מה שאפשר להשיג. הוא מאיץ תהליכים, לא מתקן הנחות יסוד.
איך מתקבלת החלטה על מודעה בזמן אמת
ההחלטה מתקבלת במכרז שנעשה בשבריר שנייה, לפני שהדף נטען אצל הגולש. שלושה גורמים נכנסים לתוכו: מה שאתם מוכנים לשלם, כמה המערכת מעריכה שהמשתמש הזה יבצע את הפעולה שהגדרתם, והציון שהמערכת נותנת למודעה שלכם מול המתחרים באותו רגע.
מכרז פרסום פרוגרמטי אינו "הכי גבוה מנצח". מי שמציע הכי הרבה יכול להפסיד למי שהמערכת מעריכה שיניב תוצאה טובה יותר למשתמש. לכן קמפיין עם הצעה נמוכה יותר אבל התאמה טובה יותר יכול לזכות ברוב התנועה.
מה שהמודל לומד תלוי במה שאתם מודדים. אם המטרה שהגדרתם היא קליק, המערכת תביא קליקים. אם היא רכישה, היא תחפש רכישות, אבל תצטרך יותר נתונים כדי ללמוד. זו הסיבה שהגדרת מטרה לא נכונה היא הטעות היקרה ביותר בשלב הראשון: המערכת תעבוד נהדר, רק לעבר היעד הלא נכון.
איך נראה תהליך ההקמה, שלב אחרי שלב
ההקמה עצמה דומה בין פלטפורמות, והסדר חשוב כי כל שלב נשען על הקודם.
- מחברים את החשבונות שלכם לפלטפורמה. בלי חיבור אין נתונים היסטוריים ואין למידה.
- מגדירים מטרה אחת ברורה לקמפיין. לא שלוש מטרות במקביל ולא "גם לידים וגם מודעות".
- מגדירים קהל ותקציב מסגרת. את הגבול קובעים אתם, לא המערכת.
- מכינים קריאייטיב וטקסט, ועוברים בדיקה מול כללי הפלטפורמה לפני שליחה.
- מריצים את הקמפיין במצב מושהה, בודקים את ההגדרות, ורק אז מאשרים הפעלה.
- נותנים למערכת ללמוד בלי לגעת בהגדרות, וקוראים דוחות אחרי שיש מספיק נתונים.
בכלי כמו Ads Beast, שמתאים את הקמפיין לפני ההרצה, הקמפיין נוצר במצב מושהה, וההפעלה ושינוי התקציב ממתינים לאישור שלכם. זה נכון לעבוד כך גם בכלים אחרים: שום שינוי לא יוצא לאוויר בלי בדיקה אנושית. אפשר לראות איך זה נראה בתהליך הקמת קמפיין עם בינה מלאכותית.
איפה נדרש אישור אנושי ואיפה אפשר לתת למערכת יד חופשית
אישור אנושי נדרש בכל מקום שבו טעות עולה כסף או פוגעת במותג. זה כולל הפעלה ראשונה של קמפיין, שינוי תקציב, שינוי קהל, וכל טקסט או בננר שיוצא לשוק.
במקומות אחרים אפשר לתת למערכת לעבוד לבד בלי שתעצור בכל צעד. דוגמאות לכך הן בחירה בין קריאייטיבים קיימים, התאמת תדירות הצגה, וניהול קצב ההוצאה בתוך מסגרת התקציב שהגדרתם. כאן אין החלטה חדשה שיוצאת לעולם, רק חלוקה מחדש של מה שכבר אושר.
הכלל המעשי: אם ההחלטה יכולה להוציא לפועל משהו שלא ראיתם, היא צריכה לעבור אישור. אם היא רק מחליטה איפה להשתמש במה שכבר אושר, אפשר להשאיר אותה למערכת.
| סוג ההחלטה | מי מחליט | למה |
|---|---|---|
| הפעלת קמפיין חדש | אישור שלכם | הקמפיין יוצא לשוק ויוציא כסף |
| שינוי תקציב | אישור שלכם | משנה את היקף ההוצאה בפועל |
| שינוי קהל או מיקום | אישור שלכם | משנה למי אתם פונים |
| טקסט ובננר חדשים | בדיקה מול כללי הפלטפורמה ואישור | תוכן שלא נבדק עלול להיפסל או לפגוע במותג |
| בחירה בין קריאייטיבים מאושרים | המערכת | אין תוכן חדש, רק חלוקה |
| קצב ההוצאה בתוך התקציב | המערכת | נשאר בתוך המסגרת שקבעתם |
| כיבוי ערוץ שלם | אישור שלכם | עצירה גורפת דורשת שיקול דעת |
איך נראית למידה של מערכת, וכמה זמן היא נמשכת
המערכת לא יודעת מראש מה יעבוד. היא בונה הערכה מהנתונים שנצברים, ולכן כל שינוי מהותי מאפס חלק מהלמידה.
ב-Meta נדרשים בערך 50 תוצאות בשבוע לאחר השינוי המשמעותי האחרון כדי לצאת משלב הלמידה. ב-Google Ads אין מספר כזה, אבל כל שינוי מהותי בהגדרות מאפס את הלמידה. בפועל, כל עוד אתם נוגעים בהגדרות כל כמה ימים, המערכת לא מתייצבת.
מכאן נובעת הטעות הנפוצה ביותר: מפרסמים שמעדכנים תקציב, קהל וקריאייטיב כל יומיים, ואז מסיקים שהמערכת לא עובדת. הם פשוט לא נתנו לה תקופה רציפה ללמוד. אם צריך לשנות, כדאי לרכז את השינויים ולעשות אותם בבת אחת, ואחר כך להמתין.
איך ניגשים לקמפיין כשמדובר בכמה פלטפורמות
ניהול כמה ערוצים במקביל מחייב החלטה על חלוקת התקציב ביניהם, וזו החלטה שאף מערכת לא תקבל בשבילכם. כל פלטפורמה לומדת מתוך הנתונים שלה בלבד, ואין מודל שיודע להשוות ביניהן באופן עצמאי.
הגישה המעשית היא לתת לכל ערוץ מסגרת תקציב נפרדת, להריץ תקופה בלי לגעת, ואז להשוות לפי אותה מדידה. כדי שההשוואה תהיה הוגנת, צריך לוודא שכל הערוצים מדווחים על אותה פעולה, אחרת אתם משווים קליקים מול רכישות.
שווה גם להכיר את הכלים הספציפיים של כל ערוץ לפני שמקצים לו תקציב. יש ערוצים שדורשים הגדרה שונה לחלוטין, כמו פרסום ב-ChatGPT Ads ובצ'אטים של בינה מלאכותית, ויש ערוצים שבהם המכרז והאלגוריתם עובדים אחרת, למשל איך עובדות פרסומות טיקטוק: מכרז, אלגוריתם ותקציב. אם אתם לא בטוחים איזה פורמט מתאים לקהל שלכם, יש השוואה שימושית בפרסום באינטרנט: פורמטים, פלטפורמות ובחירת ערוץ.
מה קורה כשהמערכת טועה
בכלים שעובדים עם אישור משתמש, הטעות נעצרת לפני שהיא עולה כסף: הקמפיין נשאר מושהה עד שאתם מאשרים. במקומות שאין בהם אישור, הסיכון הוא שהתקציב ימשיך להתפזר לפי החלטה שגויה.
שני סוגי טעויות נפוצים. הראשון הוא הקצאת תקציב לקהל שלא ממיר, בגלל שהמערכת פירשה את המטרה בצורה רחבה מדי. השני הוא התאמת קריאייטיב לקהל לא נכון, למשל הצגת מסר אחד לקהל שדורש מסר אחר. בשני המקרים הבעיה לא נעלמת מעצמה, אבל היא כן נראית בדוחות לפני שהיא מתבטאת בהפסד גדול.
לכן חשוב לבדוק את הדוחות בעצמכם, ולא להניח שהמערכת תדע לעצור לבד. בדיקה תקופתית של ביצועים לפי קהל וקריאייטיב היא מה שמאפשר לזהות סטייה בזמן.
איך בוחרים כלי תכנות AI
הבחירה תלויה בשאלה אחת: האם אתם רוצים שהמערכת תפעל בתוך החשבונות שלכם, או שתעבירו את הניהול למישהו אחר. כלי self-service עובדים בתוך החשבונות שלכם, והנתונים, ההיסטוריה והבעלות נשארים אצלכם.
הדבר השני לבדוק הוא היכן נדרש אישור. כלי שמפעיל קמפיינים ומשנה תקציבים בלי לעצור לאישור חוסך זמן, אבל דורש מכם מעקב צמוד יותר. כלי שעוצר לאישור מאט את הקצב אבל מונע הוצאה על החלטה שלא ראיתם.
הדבר השלישי הוא מה הכלי מדווח. דוחות שמראים עלות לתוצאה, עלות לקליק ועלות לאלף חשיפות מאפשרים להבין מה קורה. דוחות שמראים רק חשיפות וקליקים משאירים אתכם בלי תמונה של התוצאה העסקית.
אם אתם מנהלים כמה לקוחות או קמפיינים במקביל, שווה להבין מתי הפעולה הופכת לגדולה מדי לניהול עצמי, ומנהל קמפיינים: תפקידים, כישורים ומתי להביא מומחה מסביר איפה עובר הגבול. אם הערוץ המרכזי שלכם הוא וידאו, כדאי להכיר גם ניהול מודעות YouTube: מה כלול ואיך מזמינים.
מה קובע את העלות בפועל
העלות של תכנות AI בפרסום מורכבת משני חלקים: מה שאתם משלמים לפלטפורמה על החשיפה או הקליק, ומה שאתם משלמים על הכלי עצמו אם הוא בתשלום. שני החלקים תלויים במשתנים שאין להם מספר אחד.
החלק התקשורתי תלוי בענף, בקהל, בתחרות על אותו מלאי פרסום, בעונה ובאיכות הקריאייטיב. אותו קמפיין יכול לעלות אחרת לגמרי בשני ענפים שונים. החלק של הכלי תלוי בדרך התמחור של הספק ובדרך שבה הוא מחייב.
במקום לחפש מספר, אפשר לחשב את שלכם. קחו את ההוצאה בפועל על קמפיין, חלקו במספר התוצאות שהתקבלו, וקבלו את עלות התוצאה. זה המספר שקובע אם כדאי להגדיל תקציב, לא המחיר לפרסום בודד. אם אין לכם עדיין מספיק נתונים, הריצו קמפיין קטן במסגרת תקציב שאתם מוכנים לאבד, וזה ייתן לכם את הבסיס לחישוב.
הצעד הבא
לפני שמגדילים תקציב, עשו בדיקה אחת: קחו את הקמפיין הפעיל שלכם, בדקו מתי נעשה בו השינוי המהותי האחרון, ואם זה היה לאחרונה, פשוט תנו לו ללמוד. במקביל, עברו על ההגדרות ובדקו שהמטרה, הקהל והתקציב מוגדרים כמו שרציתם, כי כל תיקון עכשיו מאפס את הלמידה מחדש. אם אתם רוצים לראות איך נראית הרצה שבה כל שינוי ממתין לאישור שלכם, אפשר להצטרף לרשימת ההמתנה של כלי להקמת קמפיינים עם בינה מלאכותית.