Эксперименты внутри избирательной кампании

Внутрикампанийные эксперименты используются для проверки конкретной функции в рамках одной кампании. В отличие от экспериментов, управляемых системой, где трафик распределяется между контрольной и экспериментальной кампаниями , внутрикампанийные эксперименты распределяют трафик внутри кампании в зависимости от того, включена функция или нет.

Данный рабочий процесс поддерживается для следующих значений ExperimentType :

  • ADOPT_AI_MAX
  • ADOPT_BROAD_MATCH_KEYWORDS

Настраивать

  1. Опишите Experiment , указав тип эксперимента, контрольную ExperimentArm ) и группу воздействия ExperimentArm ). Каждая группа должна относиться к одной и той же кампании.
  2. Включите функцию тестирования для эксперимента, используя маску поля. Для параметра ADOPT_BROAD_MATCH_KEYWORDS это не требуется; вместо этого параметр кампании с широким соответствием будет включен автоматически при создании эксперимента.
  3. Отправьте запрос GoogleAdsService.Mutate , включающий операции изменения для создания эксперимента и экспериментальных групп, а также (при необходимости) для включения функции тестирования.

После настройки трафик внутри кампании распределяется таким образом, что 50% трафика подвергается воздействию включенной функции (экспериментальная группа), а 50% — нет (контрольная группа).

Java 

This example is not yet available in Java; you can take a look at the other languages.

C# 

This example is not yet available in C#; you can take a look at the other languages.

PHP 

This example is not yet available in PHP; you can take a look at the other languages.

Python 

# Create the experiment resource name using a temporary ID.
experiment_resource_name = googleads_service.experiment_path(
    customer_id, "-1"
)

# Create the experiment.
experiment_operation = client.get_type("MutateOperation")
experiment = experiment_operation.experiment_operation.create
experiment.resource_name = experiment_resource_name
experiment.name = f"ADOPT_AI_MAX Experiment #{uuid4()}"
experiment.type_ = client.enums.ExperimentTypeEnum.ADOPT_AI_MAX
experiment.status = client.enums.ExperimentStatusEnum.SETUP

# Create the control arm. Both arms in an intra-campaign experiment
# reference the same base campaign.
control_arm_operation = client.get_type("MutateOperation")
control_arm = control_arm_operation.experiment_arm_operation.create
control_arm.experiment = experiment_resource_name
control_arm.name = "Control Arm"
control_arm.control = True
control_arm.traffic_split = 50
control_arm.campaigns.append(
    googleads_service.campaign_path(customer_id, campaign_id)
)

# Create the treatment arm.
treatment_arm_operation = client.get_type("MutateOperation")
treatment_arm = treatment_arm_operation.experiment_arm_operation.create
treatment_arm.experiment = experiment_resource_name
treatment_arm.name = "Treatment Arm"
treatment_arm.control = False
treatment_arm.traffic_split = 50
treatment_arm.campaigns.append(
    googleads_service.campaign_path(customer_id, campaign_id)
)

# Create a campaign operation with an update mask to enable AI Max and
# configure asset automation settings.
campaign_operation = client.get_type("MutateOperation")
campaign = campaign_operation.campaign_operation.update
campaign.resource_name = googleads_service.campaign_path(
    customer_id, campaign_id
)
campaign.ai_max_setting.enable_ai_max = True

for asset_automation_type_enum in [
    client.enums.AssetAutomationTypeEnum.TEXT_ASSET_AUTOMATION,
    client.enums.AssetAutomationTypeEnum.FINAL_URL_EXPANSION_TEXT_ASSET_AUTOMATION,
]:
    asset_automation_setting = client.get_type(
        "Campaign"
    ).AssetAutomationSetting()
    asset_automation_setting.asset_automation_type = (
        asset_automation_type_enum
    )
    asset_automation_setting.asset_automation_status = (
        client.enums.AssetAutomationStatusEnum.OPTED_IN
    )
    campaign.asset_automation_settings.append(asset_automation_setting)

client.copy_from(
    campaign_operation.campaign_operation.update_mask,
    protobuf_helpers.field_mask(None, campaign._pb),
)

# Send all mutate operations in a single Mutate request.
mutate_operations = [
    experiment_operation,
    control_arm_operation,
    treatment_arm_operation,
    campaign_operation,
]

response = googleads_service.mutate(
    customer_id=customer_id,
    mutate_operations=mutate_operations,
)

Руби 

This example is not yet available in Ruby; you can take a look at the other languages.

Perl 

This example is not yet available in Perl; you can take a look at the other languages.

локон

Отчет об эксперименте

Поскольку в рамках одной кампании смешаны трафики контрольной и экспериментальной групп, для сравнения показателей между контрольной и экспериментальной группами необходимо использовать прямые отчеты по эксперименту . Стандартные отчеты на уровне кампании показывают только агрегированные показатели для всей кампании и не позволяют различать две группы.

Следующий GAQL-запрос можно использовать для получения статистики кликов в рамках внутрикампанийного эксперимента ADOPT_AI_MAX .

SELECT
  experiment.resource_name,
  experiment.name,
  metrics.clicks,
  metrics.control_clicks,
  metrics.clicks_point_estimate,
  metrics.clicks_p_value
FROM experiment
WHERE experiment.type = 'ADOPT_AI_MAX'

Продолжить или завершить эксперимент

После оценки результатов вы можете либо завершить, либо продолжить эксперимент, используя ExperimentService .

  • Завершение : Если вас не устраивают результаты, используйте EndExperiment . Функция будет отключена, и кампания вернется к показу всего трафика без экспериментальной функции. Это синхронная операция.
  • Promote : Если вас устраивают результаты, используйте PromoteExperiment . Это применит экспериментальное изменение в качестве нового постоянного состояния кампании. Это асинхронная операция; подробности см. в разделе «Асинхронные ошибки» .

Процедура поэтапного проведения лечения не поддерживается для экспериментов в рамках одной кампании, поскольку не существует отдельной кампании лечения, для которой проводилось бы поэтапное проведение лечения.

Назад
Эксперименты, управляемые системой
Далее
Эксперименты по оптимизации активов