Die Berechnung der prognostischen Variablen und damit des eCPM-Werts ist zu komplex, um in diesem Artikel adäquat dargestellt werden zu können. Doch mit dem folgenden vereinfachten Beispiel können wir hoffentlich das Verständnis erleichtern.
eCPM = ƒ(CPC oder COS oder CPO, pCTR, pCR, pAOV)
Drei Käufer, die zuvor euren Onlineshop besucht haben, surfen jetzt unabhängig voneinander auf der gleichen Website eines Publishers. Die Criteo AI Engine hat ermittelt, dass es sinnvoll wäre, diesen Käufern eure Kampagne zu zeigen, und gibt gleich ein Gebot für Ad-Inventar ab. Bei der Einrichtung eurer Kampagne habt ihr euch für einen Cost-per-Click (Kosten pro Klick) von einem Euro entschieden.
eCPM = ƒ(1, pCTR, pCR, pAOV)
Predictive Bidding nutzt seine Vorhersagemodelle sowie die zur Verfügung stehenden Daten zu Käufern, Kontext und verfügbarem Inventar, um die Wahrscheinlichkeit jedes Käufers zur Interaktion (pCTR) und Conversion (pCR) sowie seinen zu erwartenden Bestellwert (pAOV) zu berechnen.
Käufer 1
pCTR = 0,5 %, pCR = 10 %, pAOV = € 100
Käufer 2
pCTR = 0,75%, pCR = 6 %, pAOV = € 200
Käufer 3
pCTR = 1,25%, pCR = 6 %, pAOV = € 75
Diese Zahlen fließen jetzt in die Formel ein, um für jeden Käufer den jeweiligen eCPM-Wert zu berechnen – also das Gebot, das diese für euch wert sind.
Käufer 1 eCPM = € 5
Käufer 2 eCPM = € 9
Käufer 3 eCPM = € 5,62
Beachtet aber bitte: Dies ist ein äußerst vereinfachtes Beispiel, um das Konzept von eCPM zu verdeutlichen. Reale Situationen sind deutlich komplexer. Das Machine Learning hinter Predictive Bidding nutzt einen gigantischen Datenbestand sowie in Echtzeit ermittelte Signale zum Kaufinteresse, um die prognostischen Variablen der Formel sowie die weiteren Parameter zu bestimmen.
Diese Berechnungen erfolgen quasi in Echtzeit, um Käufer genau in diesem Moment ansprechen zu können. Für jede Impression benötigt Predictive Bidding nur 10 Mikrosekunden, um die relevanteste Kampagne auszuwählen, alle Variablen einschließlich des eCPM zu berechnen und in der Inventar-Aktion das passende Gebot abzugeben.