Assegna algoritmo

Assegna l'algoritmo a una risorsa quando è pronto.

Controllare se l'algoritmo è pronto

Un modello di algoritmo deve essere addestrato su una quantità minima di dati prima di essere pronto.

Gli algoritmi addestrano un modello per ogni inserzionista che può utilizzarli. I modelli vengono addestrati sulla base dei dati sulle impressioni esistenti. L'addestramento di un modello può richiedere da 1 a 3 giorni dopo che l'inserzionista ha soddisfatto i requisiti dei dati.

Recupera l'idoneità di ciascun modello dall'algoritmo. Il ReadinessState determina i passaggi successivi:

ReadinessState
READINESS_STATE_NO_VALID_SCRIPT Non esiste uno script valido. Carica un nuovo script o un nuovo file delle regole.
READINESS_STATE_EVALUATION_FAILURE Non è presente alcuno script che possa essere valutato nel tempo assegnato. Carica un nuovo script o un nuovo file delle regole.
READINESS_STATE_INSUFFICIENT_DATA Non sono disponibili dati sufficienti nell'account inserzionista per addestrare il modello. Continua a pubblicare campagne per l'inserzionista per soddisfare i requisiti minimi dei dati.
READINESS_STATE_TRAINING Il modello è in fase di addestramento sui dati esistenti e non è pronto per la distribuzione. Attendi 12-24 ore prima di verificare se il modello è pronto per la distribuzione.
READINESS_STATE_ACTIVE Il modello è completamente addestrato e pronto per essere assegnato alle campagne dell'inserzionista.

Assegnare l'algoritmo all'elemento pubblicitario

Per misurare e aggiustare il rendimento delle offerte viene utilizzato un algoritmo. Può essere utilizzato con strategie di offerta che ottimizzano la spesa dell'intero budget o il raggiungimento di un obiettivo. In questi casi, il tipo di obiettivo di rendimento della strategia sarebbe BIDDING_STRATEGY_PERFORMANCE_GOAL_TYPE_CUSTOM_ALGO.

Ecco come aggiornare un elemento pubblicitario per utilizzare un algoritmo con una strategia di offerta che ottimizza la spesa dell'intero budget:

Java

// Provide the ID of the advertiser that owns the parent algorithm.
long advertiserId = advertiser-id;

// Provide the ID of the parent algorithm.
long algorithmId = algorithm-id;

// Provide the ID of the line item to assign the algorithm to.
long lineItemId = line-item-id;

// Create the line item structure.
LineItem lineItem =
    new LineItem()
        .setBidStrategy(
            new BiddingStrategy()
                .setMaximizeSpendAutoBid(
                    new MaximizeSpendBidStrategy()
                        .setPerformanceGoalType(
                            "BIDDING_STRATEGY_PERFORMANCE_GOAL_TYPE_CUSTOM_ALGO")
                        .setCustomBiddingAlgorithmId(algorithmId)));

// Configure the patch request and set update mask to only update the bid
// strategy.
LineItems.Patch request =
    service
        .advertisers()
        .lineItems()
        .patch(advertiserId, lineItemId, lineItem)
        .setUpdateMask("bidStrategy");

// Update the line item.
LineItem response = request.execute();

// Display the new algorithm ID used by the line item.
System.out.printf(
    "Line item %s now uses algorithm ID %s in its bidding strategy.",
    response.getName(),
    response.getBidStrategy().getMaximizeSpendAutoBid().getCustomBiddingAlgorithmId());

Python

# Provide the parent advertiser ID of the line item and creative.
advertiser_id = advertiser-id

# Provide the ID of the creative to assign.
algorithm_id = algorithm-id

# Provide the ID of the line item to assign the creative to.
line_item_id = line-item-id

# Build bidding strategy object.
bidding_strategy_obj = {
    "maximizeSpendAutoBid": {
        "performanceGoalType": (
            "BIDDING_STRATEGY_PERFORMANCE_GOAL_TYPE_CUSTOM_ALGO"
        ),
        "customBiddingAlgorithmId": algorithm_id,
    }
}

# Build line item object.
line_item_obj = {"bidStrategy": bidding_strategy_obj}

# Build and execute request.
line_item_resp = (
    service.advertisers()
    .lineItems()
    .patch(
        advertiserId=advertiser_id,
        lineItemId=line_item_id,
        updateMask="bidStrategy",
        body=line_item_obj,
    )
    .execute()
)

# Print the algorithm ID now assigned to the line item.
print(
    f'Line Item {line_item_resp["name"]} now uses algorithm ID'
    f' {line_item_resp["bidStrategy"]["maximizeSpendAutoBid"]["customBiddingAlgorithmId"]}'
    " in its bidding strategy."
)

PHP

// Provide the ID of the advertiser that owns the parent algorithm.
$advertiserId = advertiser-id;

// Provide the ID of the parent algorithm.
$algorithmId = algorithm-id;

// Provide the ID of the line item to assign the algorithm to.
$lineItemId = line-item-id;

// Create the bidding strategy structure.
$maxSpendBidStrategy = new Google_ServiceDisplayVideo_MaximizeSpendBidStrategy();
$maxSpendBidStrategy->setPerformanceGoalType('BIDDING_STRATEGY_PERFORMANCE_GOAL_TYPE_CUSTOM_ALGO');
$maxSpendBidStrategy->setCustomBiddingAlgorithmId($algorithmId);
$biddingStrategy = new Google_ServiceDisplayVideo_BiddingStrategy();
$biddingStrategy->setMaximizeSpendAutoBid($maxSpendBidStrategy);

// Create the line item structure.
$lineItem = new Google_Service_DisplayVideo_LineItem();
$lineItem->setBidStrategy($biddingStrategy);
$optParams = array('updateMask' => 'bidStrategy');

// Call the API, updating the bid strategy for the identified line
// item.
try {
    $result = $this->service->advertisers_lineItems->patch(
        $advertiserId,
        $lineItemId,
        $lineItem,
        $optParams
    );
} catch (\Exception $e) {
    $this->renderError($e);
    return;
}

printf(
    '<p>Line Item %s now uses algorithm ID %s in its bid strategy.</p>',
    $result['name'],
    $result['bidStrategy']['maximizeSpendAutoBid']['customBiddingAlgorithmId']
);