Ein Machine-learning-Tool hilft nun Verkäufern die Balance zwischen Kosten und Performance herzustellen, bei den Anzeigentarifen ihrer gesponsorten Anzeigen.

Um Verkäufern zu helfen, die Sichtbarkeit ihrer Angebote zu verbessern und Käufern genau die Angebote zu finden, die sie kaufen wollen, bietet eBay ein Werbetool namens ›Gesponsorte Anzeigen‹ (Eng: Promoted Listings) an. Dieses hilft teilnehmenden Angeboten dabei leichter gefunden zu werden.

Eine Herausforderung für Verkäufen ist, wie viel sie ausgeben sollten, um ihr Angebot zu bewerben. Die Gebühr für eine gesponsorte Anzeige basiert auf einem ›Anzeigentarif‹ (Eng: ad rate). Verkäufer wählen den Prozentsatz, den sie bezahlen, falls ein Kunde das Angebot innerhalb von 30 Tagen kauft, nachdem sie auf die gesponsorte Anzeige geklickt haben.

Selbst mit dem Zugang zu detaillierten Metriken und Verkaufsberichten kann das Auswerten von den Werbekampagnen, um den optimalen Anzeigentarif für ein Angebot zu bestimmen, herausfordernd sein.

Um Verkäufern zu helfen, konkurrenzfähiger zu sein, nutzte eBay machine learning, um einen Algorithmus zu entwickeln, der einen empfohlenen Anzeigentarif (Eng: suggested ad rate) zur Verfügung stellt, welcher dabei hilft, die Balance zwischen Kosten und Performance zu finden.

Für alle, die technische Hintergründe interessieren:

Wie funktioniert dies

Um die Wahrscheinlichkeit einzuschätzen, dass ein Angebot eine signifikant höhere Sichtbarkeit mit einem bestimmten Anzeigentarif bekommt, hat eBay ein Xgboost-Klassifikationsmodell mit Krylov gebaut. Eine interne Machine-learning-Plattform.

›Erfolg‹ ist hier definieret als eine signifikante Verbesserung der Impressionen eines Angebots, dadurch, dass es in einem besseren Slot, einem ›Higher Rank‹ gezeigt wird, im Vergleich zu ihrer organischen Reichweite in der Surchergebnisseite und den Artikelseiten.

Dieses Modell wertet die Eigenschaften des Angebots aus (die vergangene Impressionen, Klicks, Verkäufe, Anzahl an Konkurrenzangeboten in derselben Unterkategorie, Preis usw.) über eine Menge an Anzeigentarif-Kandidaten und generiert dann einen dazugehörigen Wahrscheinlichkeitswert.

Das Ausrechnen des optimalen Tarifs

Anschließend wertet das Modell alle Anzeigentarif-Kandidaten und ihre Erfolgswahrscheinlichkeiten aus, um den empfohlenen optimalen Anzeigentarif zu bestimmen, der die folgende Formel maximiert:

(price – final value fee – ad fee) * score

Price: = Preis des Angebots

Final Value Fee: = eBay Gebühr pro Verkauf

ad fee: = die Werbekosten, genauer der Anzeigentarif multipliziert mit dem Angebotspreis

(Ad fee = Angebotspreis x Anzeigentarif)

score: = die Wahrscheinlichkeit, die mithilfe des Xgboost-Modells ausgerechnet wurde, welches oben beschrieben wurde.

Der daraus resultierende empfohlene Anzeigentarif ist nicht nur dafür gemacht, die Sichtbarkeit zu fördern, sondern auch die Kosten auszubalancieren.

Auswertung des Modells

Vergleich mit den Trendtarifen

Bevor dieses Machine-learning-Modell eingeführt wurde, stellte eBay einen Trendtarif (Eng: trending ad rate) für jedes Angebot zur Verfügung. Dies war der gewichtete Durchschnitt des Anzeigentarifs ähnlicher Angebote, die über gesponsorte Anzeigen verkauft wurden. eBay hat den neu empfohlenen Anzeigentarif mit dem Trendtarif bei über 81 Millionen Angeboten verglichen und machte dort eine wichtige Entdeckung.

Die Trendtarife besitzen eine unimodale Verteilung, die neuen empfohlenen Anzeigentarife eine multimodale.

Dies zeigt, dass das Modell nicht nur Verkäufern hilft, effektive Anzeigentarife zu wählen, sondern auch dabei, die Werbekosten zu senken, indem günstigere Anzeigentarife empfohlen werden als die Trendtarife, wenn es angebracht ist.

Eine andere Untersuchung zeigte, dass Verkäufer, die den empfohlenen Anzeigentarif nutzten, ein höhere Conversion Rate bzw. Umwandlungsrate hatten als Verkäufer, die die Trendtarife nutzten. Die durchschnittliche Erhöhung betrug 2,85%. Diese Daten zeigen, dass die neue Anzeigentarifempfehlung eine gute Richtung für eBay-Verkäufer aufzeigt.

Prüfung der Effektivität

eBay hat ebenfalls die Effektivität der empfohlenen Anzeigentarife durch eine Backtesting-Analyse geprüft, die historische Impressionen, Klicks und Transaktionsdaten genutzt hat.

Zunächst hat der Plattformbetreiber die Versuchsangebote in drei verschiedene Segmente eingeteilt, abhängig davon, ob der derzeitiger Anzeigentarif, geringer, gleich oder größer war als der empfohlene Anzeigentarif. Dann kalkulierte eBay von jedem Segment die durchschnittliche Anzahl an täglichen Impressionen, Klicks und Transaktionen pro Angebot.

Das Ergebnis seht ihr in dem Balkendiagramm unten. Es zeigt, dass die Angebote mit einem eingestellten Anzeigentarif die gleich oder höher als die empfohlenen Anzeigentarife sind, signifikant besser performen als die Angebote mit einem geringeren Anzeigentarif als den empfohlenen.

Die Angebote mit einem Anzeigentarif, die dem empfohlenen Tarif gleichen, haben 78%, 76% und 38% Steigerung der durchschnittlichen Impressionen, Klicks und Transaktionen, im Vergleich zu den Angeboten mit geringerem Anzeigentarif als den empfohlenen.

Ebenfalls, für Angebote mit höherem Anzeigentarif als den empfohlenen, ist die Steigerung in Impressionen, Klicks und Transaktionen mit 188%, 238% und 48% noch höher.