Lyft 的营销自动化平台 -- Symphony
获取效率问题:如何在广告中实现更好的投资回报率?
具体来说,Lyft 的广告应满足以下要求:
- 能够管理区域特定的广告活动
- 以数据驱动的增长为指导:增长必须是可扩展的、可衡量的和可预测的
- 支持 Lyft 独特的增长模型,如下所示
然而,最大挑战是管理跨区域营销的所有流程,包括选择竞标、预算、创意、激励和受众,进行 A/B 测试等。您可以看到数字营销人员一天的工作:
我们发现 执行 占用了大部分时间,而 分析,被认为更重要的,所花的时间要少得多。一个扩展策略将使营销人员能够专注于分析和决策过程,而不是操作活动。
解决方案:自动化
为了降低成本并提高实验效率,我们需要
- 预测新用户对我们产品感兴趣的可能性
- 有效评估并在各渠道分配营销预算
- 轻松管理成千上万的广告活动
营销绩效数据流入 Lyft 的强化学习系统:Amundsen
需要自动化的问题包括:
- 更新搜索关键词的竞标
- 关闭表现不佳的创意
- 按市场更改推荐值
- 识别高价值用户细分
- 在活动之间共享策略
架构
技术栈包括 - Apache Hive、Presto、ML 平台、Airflow、第三方 API、UI。
主要组件
生命周期价值(LTV)预测器
用户的生命周期价值是衡量获取渠道效率的重要标准。预算由 LTV 和我们愿意在该地区支付的价格共同决定。
我们对新用户的了解有限。历史数据可以帮助我们在用户与我们的服务互动时更准确地 进行预测。
初始特征值:
随着互动历史数据的积累,预测会得到改善:
预算分配器
在预测 LTV 之后,接下来是根据价格估算预算。一个形式为 LTV = a * (spend)^b
的曲线拟合数据。在成本曲线创建过程中将注入一定程度的随机性,以便收敛到全局最优解。
竞标者
竞标者由两个部分组成 - 调整器和执行者。调整器根据价格决定特定渠道的确切参数。执行者将实际竞标传达给不同的渠道。
一些在不同渠道应用的流行竞标策略如下所示:
结论
我们必须重视自动化过程中的人类经验;否则,模型的质量可能会是“ 垃圾进,垃圾出”。一旦从繁重的任务中解放出来,营销人员可以更多地专注于理解用户、渠道以及他们想要传达给受众的信息,从而获得更好的广告效果。这就是 Lyft 如何以更少的时间和精力实现更高的投资回报率。