בינה מלאכותית בפרסום: מה האלגוריתם מחליט לבד

בינה מלאכותית בפרסום מחליטה לבד על מחיר, תזמון ושיוך קהלים בתוך הפלטפורמה, בעוד האדם קובע את מטרת הקמפיין, המסר, אילוצי המותג והרגולציה. הגבול עובר לפי חשיפה כספית וסיכון מותגי, לא לפי מה שהמערכת יודעת לעשות.

בקצרה

• האלגוריתם קובע bidding, תזמון, שיוך קהלים ומיקומים, ומקבל את ההחלטות האלה בשניות מכל אירוע משתמש.
• האדם קובע KPI עסקי, מסר קריאייטיבי, אילוצי מותג ותנאי רגולציה, ואלה לא ניתנים להאצלה.
• סף אישור אנושי מקובל: תקציב יומי מעל 500 דולר או קהל רגיש.
• שלב למידה נמשך בדרך כלל 7 עד 14 ימים או 50 אירועי המרה, לפי מה שמגיע קודם.
• כל שינוי מהותי בתקציב, קהל או קריאייטיב מאפס את הלמידה.

מה האלגוריתם מחליט לבד, בלי מגע אדם

האלגוריתם קובע bidding, תזמון הצגה, שיוך קהלים ומיקומים ברמת הפלטפורמה, תוך שניות מכל אירוע משתמש. ב-Meta ו-Google הוא בוחר לבד איזו מודעה להציג ובאיזה מחיר, עד מיליוני הכרעות ביום בחשבון אחד. ההחלטות האלה מתבססות על מודלים של למידת מכונה שאין לאדם דרך לשחזר ידנית.

זה נכון גם כשהמגדיר סימן קהל או מיקום ידני. ברגע שהמערכת מקבלת מטרה כמו מקסום המרות בעלות נמוכה, היא מתייחסת להעדפות האלה כאל אות, לא כאל חוק. אם המיקום או הקהל שהוגדרו לא מייצרים תוצאה, המערכת תצמצם אותם אוטומטית.

מה שכן נשאר גלוי לאדם הוא התוצאה: עלות להמרה, קצב הוצאה, פיזור בין מיקומים. את אלה אפשר למדוד, לתחקר ולעצור. את ההחלטה הפנימית שאיפשרה אותם אי אפשר לשחזר.

למה אדם לא יכול לשחזר את ההחלטה של המודל

כי ההחלטה נבנית ממידע שהאדם לא רואה ולא שולט בו. המודל משלב היסטוריית התנהגות, הקשר של הרגע, מאפיינים דמוגרפיים משוערים ונתוני עונתיות, ומעדכן את ההערכה בכל אירוע חדש. שני קמפיינים זהים לכאורה יקבלו תוצאות שונות כי הרגע שונה.

מכאן נובע כלל עבודה פשוט: לא מנסים להבין למה המודל בחר מיקום מסוים, מנסים להבין אם התוצאה הכוללת עומדת ב-KPI. שאלות של "למה דווקא המודעה הזאת" מבזבזות זמן. שאלות של "האם העלות להמרה בטווח שהוגדר" מקדמות את הקמפיין.

מה האדם חייב להחליט ולא להשאיר לאלגוריתם

האדם חייב להחליט על הגדרת ה-KPI העסקי, המסר היצירתי, אילוצי מותג ותנאי רגולציה. האלגוריתם לא יודע שהמודעה לא יכולה להופיע ליד תוכן פוליטי, או שקהל מסוים אסור לפנות אליו. גם ההחלטה לעצור קמפיין מפסיד נשארת בידי מנהל, לא בידי המודל.

שלוש החלטות שחייבות להישאר אנושיות:

1. מה נחשב הצלחה. המרה, ליד כשיר, חשיפה ממותגת או מכירה, ומה העלות המקסימלית שסבירה לכל אחת.
2. מה אסור לקרות. תוכן שאסור להופיע לידו, קהלים שאסור לפנות אליהם, הבטחות שאסור לכתוב.
3. מתי עוצרים. המודל ימשיך להוציא תקציב כל עוד הוא מזהה פוטנציאל. עצירה היא החלטה עסקית.

בפועל, את ההחלטות האלה מנסחים לפני שהקמפיין עולה, לא תוך כדי. אם הן נשארות "בראש" של המנהל, הן לא נאכפות.

איך מחליטים איפה עובר הגבול בין אוטומציה לשליטה אנושית

הגבול נקבע לפי רמת הסיכון הכספי והפגיעה במותג. קמפיינים עם תקציב יומי מעל 500 דולר או קהלים רגישים עוברים בדרך כלל לאישור אנושי. מתחת לסף הזה האלגוריתם רץ לבד עם בדיקה שבועית בלבד.

הסף הזה הוא נקודת פתיחה, לא חוק. הוא תלוי בגודל החשבון, בשולי הרווח ובהיכרות עם הקהל. בחשבון קטן עם שוליים דקים, גם 100 דולר ביום מצדיקים בדיקה תכופה יותר.

טבלת חלוקת השליטה:

שלב הלמידה: כמה זמן לוקח ולמה הוא מתאפס

שלב הלמידה נמשך בדרך כלל 7 עד 14 ימים או 50 אירועי המרה, לפי מה שמגיע קודם. כל שינוי מהותי בתקציב, קהל או קריאייטיב מאפס את הלמידה. שינוי תקציב של יותר מ-20 אחוז באמצע התקופה מאריך את השלב בעוד כמה ימים.

המשמעות המעשית היא שכל "שיפור" באמצע שלב הלמידה עולה בזמן. מנהלים שמעדכנים קמפיין כל יומיים מייצרים לופ של איפוסים, ואז מסיקים שהמערכת לא עובדת. המערכת עובדת, היא פשוט לא הספיקה ללמוד.

מתי כן כדאי להתערב באמצע:

• כשההוצאה חורגת מהיעד היומי בלי המרות.
• כשיש אירוע מותגי או רגולטורי שמחייב עצירה מיידית.
• כשמזוהה תוכן או מיקום שאינם מתאימים לאילוצים שהוגדרו.

בכל מקרה אחר, עדיף לתת לתקופה להסתיים לפני שמסיקים מסקנות.

למה האלגוריתם מתעלם מהנחיות שהגדרתם ידנית

כי המטרה שהוגדרה לו, כמו מקסום המרות בעלות נמוכה, גוברת על העדפות משניות. אם המיקום או הקהל שהוגדרו ידנית לא מייצרים תוצאה, המערכת תצמצם אותם אוטומטית. הפתרון הוא להעביר את האילוץ לרמת החשבון או המותג, לא להשאיר אותו בתוך הקמפיין.

זו נקודה שמתסכלת מנהלים רבים, ומבינה מלאכותית בפרסום היא בדיוק המקום שבו היא מתגלה. ההנחה השקטה היא שהגדרה ידנית היא הוראה. בפועל היא הצעה, כל עוד המטרה הראשית חזקה ממנה.

הדרך לבדוק אם אילוץ באמת נאכף: להסתכל על דוח הפילוח אחרי שבוע, לא על מסך ההגדרות. אם ההגדרה הידנית לא מופיעה בפועל בהוצאה, היא לא נאכפת.

איך בודקים שהאוטומציה עובדת ולא שורפת תקציב

בודקים לפי תוצאה עסקית מול יעד, לא לפי כמה "חכם" נראה הממשק. שלוש בדיקות קבועות: עלות להמרה מול היעד, קצב הוצאה יומי מול התכנון, ופיזור בין מיקומים וקהלים. אם אחת מהן חורגת באופן עקבי, מטפלים בה.

עזר שימושי לתזמון ההחלטה הוא יש מספיק נתונים כדי להשבית את המודעה? כך מחליטים, כי עצירה מוקדמת מדי שורפת למידה ועצירה מאוחרת שורפת תקציב.

בדיקות חובה לפני שמסיקים שהאלגוריתם "לא עובד":

1. האם עברו לפחות 7 ימים או 50 המרות מאז השינוי האחרון.
2. האם ה-KPI שנמדד הוא באמת זה שהוגדר, ולא מדד נוחות.
3. האם יש מספיק אירועי המרה כדי שהעלות תהיה יציבה סטטיסטית.
4. האם האילוצים הרגולטוריים והמותגיים מוגדרים ברמת החשבון.

איפה זה נפגש עם ערוצים חדשים

ככל שערוצי הפרסום מתרבים, גם שכבת האוטומציה מתרחבת. בפורמטים חדשים, כמו פרסום בצ'אטים של ChatGPT: איך בנוי הפורמט, חלק מההחלטות עוברות למודל שמנסח ומתאים את המודעה להקשר השיחה. שם השליטה האנושית נדחקת עוד צעד אחורה, והמסר והאילוצים הופכים לחשובים יותר.

במקביל, חלק מהתנועה מגיע מכלים אוטומטיים. סורקי עוזרים: את מי להכניס לאתר ואיך בודקים משפיע על מה שהמערכות האלה רואות, וזה משפיע בתורו על מה שנמדד. מדידה נכונה של נראות בתשובות דורשת שיטה, כמו זו שב-AEO: מדידת חלק מהקול בתשובות אסיסטנטים ב-5 צעדים.

גם תמחור משתנה בין ערוצים ובין קהלים, וזו הסיבה שפרסום ממומן בפייסבוק מחיר: כמה משלמים לקליק ולהמרה תלוי בקהל ובתקופה ולא במספר קבוע. את ההחלטה על המחיר משאירים לאלגוריתם. את ההחלטה על התקרה העסקית משאירים לאדם.

איך מטמיעים את חלוקת השליטה בפועל

מטמיעים על ידי כתיבת כללים לפני שהקמפיין עולה, לא אחרי. הכלל צריך להיות מדיד: סף תקציב שמעליו נדרש אישור, רשימת קהלים ותכנים אסורים, ויעד עלות להמרה שמתחתיו ממשיכים ומעליו עוצרים.

מי שמנהל כמה חשבונות עובד בדרך כלל עם שכבת אוטומציה שמרכזת את הכללים האלה, כדי שלא יהיה תלוי בזיכרון של מנהל אחד. כלי לניהול קמפיינים עם סוכנים אוטומטיים מאפשר להגדיר את האילוצים פעם אחת ברמת החשבון, וזה בדיוק המקום שבו אילוץ נאכף ולא רק מוצהר. אפשר לראות איך זה בנוי בבינה מלאכותית בפרסום.

הצעד הבא

כתבו מסמך אחד קצר: ה-KPI, סף התקציב שמעליו נדרש אישור אנושי, רשימת אילוצי המותג והרגולציה, ויעד העלות להמרה. הגדירו את האילוצים ברמת החשבון ולא בתוך הקמפיין, כדי שהמערכת תאכוף אותם בפועל. התחילו מבינה מלאכותית בפרסום והגדירו את השכבה הזאת לפני העלייה הבאה.

שאלות נפוצות

מה אלגוריתם של עמדות פרסום מחליט לבד בלי מגע אדם?

האלגוריתם קובע bidding, תזמון הצגה, שיוך קהלים ומיקומים ברמת הפלטפורמה תוך שניות מכל אירוע משתמש. ב-Meta ו-Google הוא בוחר לבד איזו מודעה להציג ובאיזה מחיר, עד מיליוני הכרעות ביום בחשבון אחד. ההחלטות האלה מתבססות על מודלים של למידת מכונה שאין לאדם דרך לשחזר ידנית.

איך מחליטים איפה עובר הגבול בין אוטומציה לשליטה אנושית?

הגבול נקבע לפי רמת הסיכון הכספי והפגיעה במותג. קמפיינים עם תקציב יומי מעל 500 דולר או קהלים רגישים עוברים בדרך כלל לאישור אנושי. מתחת לסף הזה האלגוריתם רץ לבד עם בדיקה שבועית בלבד. הסף תלוי בשולי הרווח ובגודל החשבון.

מה האדם חייב להחליט ולא להשאיר לאלגוריתם?

הגדרת ה-KPI העסקי, המסר היצירתי, אילוצי מותג ותנאי רגולציה נשארים אצל האדם. האלגוריתם לא יודע שהמודעה לא יכולה להופיע ליד תוכן פוליטי או שקהל מסוים אסור לפנות אליו. גם החלטה על עצירת קמפיין מפסיד נשארת בידי מנהל, לא בידי המודל.

כמה זמן לוקח לאלגוריתם לצאת משלב למידה?

בדרך כלל 7 עד 14 ימים או 50 אירועי המרה, לפי מה שמגיע קודם. כל שינוי מהותי בתקציב, קהל או קריאייטיב מאפס את הלמידה. שינוי תקציב של יותר מ-20 אחוז באמצע התקופה מאריך את השלב בעוד כמה ימים.

למה האלגוריתם מתעלם מהנחיות שאני מגדיר ידנית?

כי המטרה שהוגדרה לו, כמו מקסום המרות בעלות נמוכה, גוברת על העדפות משניות. אם המיקום או הקהל שהוגדרו ידנית לא מייצרים תוצאה, המערכת תצמצם אותם אוטומטית. הפתרון הוא להעביר את האילוץ לרמת החשבון או המותג, לא להשאיר אותו בתוך הקמפיין.