Algorytm czy mediowiec – kto lepiej optymalizuje kampanie w Meta?

Case study

Nikogo nie dziwi, że sztuczna inteligencja (AI) jest na szeroką skalę wykorzystywana w branży reklamowej. Pytanie tylko, jak wykorzystywać ją najskuteczniej. Czy AI ma szanse sprawdzić się w planowaniu i optymalizowaniu kampanii reklamowych i dostarczaniu lepszych wyników niż doświadczony mediowiec? We współpracy z agencją Bees & Honey sprawdziliśmy to, przeprowadzając eksperyment na 24 kampaniach w ekosystemie Meta.

Wyzwania marketera w ekosystemie Meta

Ekosystem Meta to miejsce, gdzie bez działań reklamowych coraz ciężej jest prowadzić skuteczną komunikację. Dla największych i najpopularniejszych marek wspomaganie reklamą całej lub prawie całej komunikacji jest normą już od dawna. Choć zdarza się, że można osiągnąć satysfakcjonujące zasięgi w sposób organiczny, to są to sytuacje raczej rzadkie lub dotyczące bardzo specyficznych branż.
Meta Business Suite, a konkretnie Ads Manager, który służy do ustawiania kampanii reklamowych na Facebooku czy Instagramie, nie jest narzędziem zbyt lubianym. Nie tylko często się zmienia, ale jest też dość skomplikowany i stwarza dość dużą barierę wejścia. Aby w pełni wykorzystywać jego możliwości, należy mieć sporo wiedzy teoretycznej i praktycznej.
Osoby zajmujące się mediami społecznościowymi poza swoimi dotychczasowymi zadaniami – tworzeniem treści, moderowaniem wiadomości i komentarzy, pilnowaniem kalendarza publikacji na wszystkich prowadzonych kanałach, muszą teraz często prowadzić dodatkowo działania reklamowe. W większych agencjach, w których są wydzielone oddzielne zespoły mediowe, mimo większej specjalizacji profesjonaliści są również przeciążeni liczbą obowiązków.

POLECAMY

Czym jest optymalizacja wielokryterialna

To, co w przypadku Mety jest największą zaletą, jest też jedną z większych trudności – mowa o targetowaniu reklam. Obecnie dostępnych jest blisko 100 tys. różnych opcji targetowania – a to i tak mniej niż było kiedyś. Platforma ma unikalną wiedzę o użytkownikach i można to doskonale zastosować w działaniach marketingowych, wykorzystując wiedzę o lokalizacji, demografii, wydarzeniach z życia i przede wszystkim zainteresowaniach odbiorców. Kryteria te można ze sobą łączyć, przez co liczba możliwych kombinacji jest niemal nieskończona. Stwarza to wspaniałe szanse na precyzyjne targetowanie, ale z drugiej strony utrudnia jednak zadanie.
Z perspektywy analitycznej operacja, w której chcemy docierać z przekazem np. do mężczyzn w średnim wieku, którzy mieszkają w dużych miastach i dodatkowo ostatnio podróżowali, nazywa się optymalizacją wielokryterialną.
Stykamy się z nią wszyscy, niemal każdego dnia, chociażby korzystając z nawigacji w Google Maps, gdy chcemy, jak najszybciej dojechać w wybrane miejsce (biorąc pod uwagę ruch na drodze, długość trasy, godzinę wyjazdu).
Analogicznie działa to w reklamie. Obecnie większość platform reklamowych oferuje swoje rozwiązania, wspomagane algorytmami, optymalizujące reklamy. W przypadku Mety jest to Advantage+, który ma swoje plusy i minusy. Choć pomaga on poprawiać wyniki emitowanych reklam (np. zwiększać zasięg przy niezmienionym koszcie), to z drugiej strony jednak nie informuje reklamodawców, jakie zmiany dokonywane są w jej ustawieniach. I choć większość reklamodawców z Advantage+ przynajmniej czasem korzysta, robi to raczej ze sceptycyzmem.

Advantage+ jest to bowiem czarna skrzynka, w której mediowiec nie ma kontroli nad ustawieniami i nie wie, komu dokładnie jego reklama się wyświetli. 

Świadomy marketer chciałby mieć kontrolę nad swoimi reklamami, zwłaszcza w przypadku kampanii zasięgowych. W kampaniach sprzedażowych na koniec najważniejsza jest konwersja – czy dokonano zakupu, a nie kto go dokonał. Natomiast w przypadku kampanii zasięgowych nadrzędnym celem jest budowanie zasięgu w konkretnej grupie docelowej, a nie np. w grupie, do której dotarcie jest najtańsze (jeśli nasi odbiorcy do niej nie należą).
Założeniem Optymalizacji reklam w Sotrenderze jest wsparcie marketera, dzięki wykorzystaniu AI, jednak bez efektu „czarnej skrzynki”. By nie pozbawiać marketerów wiedzy o ich kampaniach, działanie Optymalizacji w Sotrenderze oparte jest na pryncypium wyjaśnialności, tak by wiedzieli, jakie ustawienia i dlaczego są im rekomendowane.
Do jakiego stopnia AI może więc wspierać marketerów, a kiedy warto postawić wyłącznie na działania specjalistów?

Kto lepiej optymalizuje kampanie w Meta – eksperyment 

Sotrender w bliskiej współpracy z agencją Bees & Honey przeprowadził eksperyment na konkretnych kampaniach, by znaleźć odpowiedź na to pytanie.
Konkretne ustawienia rzeczywistych kampanii były później optymalizowane na dwa sposoby – w warunkach eksperymentalnych Optymalizacją reklam w Sotrenderze i w warunkach kontrolnych, gdzie robił to doświadczony media planner. Na koniec porównaliśmy wyniki. Co istotne, początkowe ustawienia kampanii wynikały z briefu klienta i mogły być kontynuowane bez optymalizacji.

Rys. 1. Schemat eksperymentu przeprowadzonego przez Sotrendera i agencję Bees and Honey

Kampanie dotyczyły dwóch klientów:

  1. North Fish – sieci restauracji seafood, największej sieci restauracji rybnych w Polsce;
  2. TACTICA Pharmaceuticals – firmy farmaceutycznej i jej dwóch marek Rinotac i Isonasin – leków na katar i przeciwbólowych.
     

Przebieg eksperymentu 

Eksperyment miał miejsce na przełomie grudnia 2024 i stycznia 2025 r. i objął 24 kampanie w sieci reklamowej Meta (Facebook, Instagram, Messenger). Wszystkie operowały na samej górze lejka sprzedażowego. Były to kampanie zasięgowe, których celem jest budowanie świadomości o marce i zainteresowania nią.
Optymalizacja przebiegała na poziomie grup reklam – grup docelowych i placementów ustawionych zgodnie z założeniami klienta (i zgodnie z założeniami Optymalizacji reklam w Sotrenderze, która umożliwia ustawienie tych kryteriów). Kreacje pozostały niezmienione. Wyniki miały dotyczyć wyłącznie różnic w ustawieniach na poziomie grup reklam.
Eksperyment przebiegał według schematu przedstawionego na rycinie 2. 

Rys. 2. Szczegółowy schemat przeprowadzonego eksperymentu

Wyniki eksperymentu i wskaźniki mediowe

W przypadku dłuższych kampanii optymalizacja AI zadziałała lepiej. Generalnie optymalizacja dłuższych kampanii była bardziej opłacalna – wskaźniki CPM i CPC spadły zarówno optymalizowane przez AI, jak i przez człowieka, choć algorytm był skuteczniejszy (jednak z drugiej strony nie przełożyło się to na lepsze CTR-y).

Rys. 3. Wyniki eksperymentu dla dłuższych kampanii (20-dniowych)

W przypadku krótszych kampanii (7-dniowych) wyniki były bardziej niejednoznaczne. W sytuacji promowania postów na Facebooku algorytmy były w stanie bardzo mocno obniżyć wartość wskaźnika CPC, a dodatkowo zwiększyć CTR-y. W przypadku tych kampanii ponownie lepsze wyniki osiągnęły kampanie optymalizowane przez AI. 

Rys. 4. Wyniki eksperymentu dla kampanii na Facebooku trwających 7 dni

Z kolei w przypadku Instagrama wyniki były zbliżone i pod pewnymi względami lepszy był algorytm, a pod innymi mediowiec. 

Rys. 5. Wyniki eksperymentu dla kampanii na Instagramie trwających 7 dni

Choć w przypadku krótkich kampanii (4-dniowych) nieco lepsze wyniki osiągały te optymalizowane przez człowieka, poprawa wskaźników była niewielka lub wręcz ujemna i lepsze okazywały się ustawienia początkowe. Dotyczyło to zarówno kampanii na Facebooku, jak i na Instagramie – ustawienia początkowe były w większości przypadków najlepsze i ich optymalizacja w tak krótkim okresie nie przynosiła wymiernych korzyści. 

Rys. 6. Wyniki eksperymentu dla kampanii na Instagramie trwających 4 dni

Wnioski

Sztuczna inteligencja spisywała się zdecydowanie najlepiej w kampaniach długoterminowych, gdzie możliwe było znaczne obniżenie wskaźnika CPM. Z kolei media planner zazwyczaj okazywał się skuteczniejszy w działaniach krótkoterminowych.
Już teraz algorytmy mogą wyprzedzać człowieka, jeśli chodzi o optymalizację i szybką analizę danych czy obniżanie kosztów, natomiast człowiek ciągle wygrywa kreatywnością oraz umiejętnością lepszego dopasowania się do kontekstu i klienta.
Czy algorytmy odbiorą nam pracę? Czy lepiej inwestować w działania specjalistów, czy jednak zaufać AI? Na ten moment zdecydowanie najlepsze jest połączenie działań ludzkich wspieranych przez AI.
Ciągle najskuteczniejszy będzie doświadczony specjalista w mądry sposób korzystający z narzędzi, które wspierają jego pracę. W tym momencie AI może z powodzeniem zastępować juniora, natomiast w niewielu sytuacjach będzie w stanie zastąpić specjalistę czy eksperta w swojej dziedzinie. Najlepsze wyniki osiągnie człowiek, który jest kompetentny w tym, co robi, i który wspomaga się AI, by działać szybciej i sprawniej – m.in. automatyzując część swojej pracy, wykonując ją znacznie szybciej, poszukując nietypowych, nieoczywistych rozwiązań, by ustrzec się przed popełnianiem błędów. 

Podziękowania: 
Maciej Leonard Żybula i Alex Kulaha (Agencja Bees&Honey).

 

  1. Sztuczna inteligencja nie zastąpi obecnie specjalisty.
  2. Najlepsze wyniki jest w stanie osiągać kompetentny marketer wsparty AI. 
  3. Optymalizacja przez AI pomaga ekspertom w swojej dziedzinie uniknąć błędów i podsuwa im oryginalne rozwiązania.

Przypisy