لایه ها

n در شکل 5.
شکل 5. نمونه ای از درخواست برنامه ریزی. مشخصات هدف همانطور که در شکل نشان داده شده است به صورت رشته ای جمع می شوند و بعداً به پرسشنامه ترجمه می شوند

علاوه بر مشخصات هدف، یک تبلیغ‌کننده می‌تواند فهرست کوتاهی از کاربران به نام فهرست مخاطب ایجاد کند. توضیح عمیق لیست های مخاطبان خارج از محدوده این مقاله است، بنابراین ما آن را بیشتر از این توضیح نمی دهیم که بتوان آنها را به عنوان یک لیست کاربر تعریف شده توسط تبلیغ کننده در نظر گرفت. نکته مهم در اینجا این است که تعداد زیادی از آنها وجود دارد، زیرا هر تبلیغ کننده لیست های خود را ایجاد می کند و هر لیست مخاطب شامل شناسه های کاربری بسیاری است.

در Potential Audience Size، ما از یک فیلتر شکوفایی برای هر فهرست مخاطب استفاده می کنیم تا شناسه های کاربر مرتبط با لیست مخاطبان و همچنین تعداد کل کاربران آنها را پیگیری کنیم. مطالب مهندسی این به ما اجازه می دهد تا به طور موثری حافظه و استفاده از ذخیره سازی را مدیریت کنیم.

سرویس برنامه ریزی یک سرویس چند لایه است که ترجمه مشخصات هدف مشخص شده توسط تبلیغ کننده به پرسشنامه تنها یک قسمت است. سرویس Planning از چهار لایه مختلف تشکیل شده است که هر لایه منطق متفاوتی برای ارسال درخواست به لایه پایین و پاسخ به لایه بالایی دارد. لایه ها در شکل 6 نشان داده شده اند.
شکل 6. تصویری از لایه ها در سرویس برنامه ریزی. هر لایه فقط درخواست را به لایه پایین ارسال می کند و پاسخ را به لایه بالاتر ارسال می کند

در زمینه ارسال درخواست از مدیر تبلیغات به Muse، لایه‌های بازنویسی و بازیابی وظایف قابل توجهی را انجام می‌دهند. لایه بازنویسی، کلمات کلیدی و علایق را در درخواست برنامه ریزی، مانند ریشه کردن کلمات کلیدی، واکشی علایق مشتق شده، و تبدیل علایق به شکل متعارف آنها با توجه به یک مرجع داخلی، تغییر می دهد. در نهایت، لایه بازیابی درخواست به روز شده را به squery ترجمه می کند و درخواست جستجو را به خوشه Muse ارسال می کند.
خدمات برنامه ریزی - پاسخ

طرف دیگر سرویس برنامه ریزی و آخرین قطعه در اندازه مخاطب بالقوه، مدیریت پاسخ از خوشه Muse است. به طور خلاصه، همانطور که در شکل 6 نشان داده شده است، این از Muse به لایه sanitize می رود. پاسخ به روز شده از لایه sanitize در نهایت در Ads Manager نشان داده می شود. مطالب علمی
لایه بازیابی پاسخی را از خوشه Muse دریافت می کند که شامل شماره کاربر تجمیع شده است. اگر یک یا چند لیست مخاطب در هدف گذاری پیکربندی شده باشد، لایه بازیابی تنظیمی را بر اساس نرخ مثبت کاذب فیلتر شکوفایی فهرست مخاطبان اعمال می کند، همانطور که در شکل 7 نشان داده شده است.
شکل 7. محاسبه برای تخمین کل کاربران در هنگام استفاده از فهرست مخاطبان. تعداد کاربران منطبق در برخی از فاکتورهای مثبت کاذب برای تنظیم ضرب می شود.

مرزهای پایین و بالایی از تعداد کاربران تخمین زده شده تخمین زده می شود. این محدوده به ما کمک می کند تا اطمینان خود را نسبت به برآوردهای خود به طور مناسب تری بیان کنیم.

هنگامی که لایه بازیابی محدوده اندازه مخاطب برآورد شده را برمی گرداند، تنظیمات بیشتری در لایه پیش بینی و لایه پاکسازی انجام می شود. اگر تبلیغ‌کننده محدوده تاریخ را در Ads Manager مشخص کرده باشد، لایه پیش‌بینی محدوده تعداد کاربران روزانه را به ماهانه یا هر محدوده تاریخی معینی تعمیم می‌دهد. لایه ضدعفونی کننده، به عنوان آخرین مرحله، منطق تجاری اضافی را برای اصلاح بیشتر برآوردهای ما اعمال می کند.

پس از تکمیل تخمین، لایه sanitize تخمین اندازه کاربر نهایی را به Ads Manager ارسال می‌کند و Ads Manager اندازه مخاطب بالقوه را برای تبلیغ‌کننده نمایش می‌دهد. ابزار یونی

Outro

در این مقاله به نحوه ارائه تخمین اندازه مخاطب بالقوه برای تبلیغ کنندگان پرداختیم تا بتوانند از قبل یک کمپین تبلیغاتی موفق را برنامه ریزی کنند. این شامل نحوه ایجاد نمایه جستجو برای یافتن کاربران بر اساس ویژگی‌های آنها و نحوه ایجاد سرویس برنامه‌ریزی است که در آن درخواست‌های برنامه‌ریزی از لایه‌های متعددی از تغییرات عبور می‌کنند تا کاربرانی را که با مشخصات هدف مطابقت دارند، بازیابی کنیم. همچنین بررسی کردیم که چگونه پاسخ Muse برای برون‌یابی تخمین‌های روزانه کاربران به ماهانه و همچنین در نظر گرفتن استفاده از فهرست‌های مخاطبان تنظیم می‌شود.

تیم Ads Intelligence در Pinterest همیشه به دنبال ایجاد ویژگی هایی است که به تبلیغ کنندگان کمک می کند تا به طور کارآمد و بدون زحمت به هدف خود برسند. سرویس Potential Audience Size تنها یکی از این ویژگی هاست. اگر به ویژگی‌های دیگری از این دست که ما ساخته‌ایم علاقه دارید، به سیستم‌های توصیه تبلیغ‌کننده یا بودجه‌های کمپین نگاهی بیندازید. اگر می‌خواهید با ارائه قدرت‌های فوق‌العاده به کسب‌وکارها در پینترست کمک کنید، بیایید و به تیم ما بپیوندید!
سپاسگزاریها:

مایلیم از تیم متقابل زیر (لیست جامعی نیست) برای مشارکت تشکر کنیم -

تیم هوش تبلیغاتی: فلاویو بوسولان، چانهوم (شان) چو، تیانیوان کوی، یو هائو، دانیلو نونس دوس سانتوس، پری اوگونوله، روئیسین کیانگ، یمینگ شی، ملانی استام، کشاوا سوبرامانیا، زو یانگ

راه حل های تبلیغ کننده: کلوین جیانگ، مائو یه
تیم هدف تبلیغات: Jacob Gao، Paul Nunez، Scott Zou

تیم تجربه تبلیغ کننده: آرگون آلپارسلان، دنی گنیباس، رابی هلمز، فرنی هوانگ، مایکل لام، لئو لام، پریانکا پاتیل، میرا سرینیواسان

برای کسب اطلاعات بیشتر در مورد مهندسی در Pinterest، بررسی کنید2 ابر الکترونیکی