WS DATA

它是如何運作的（見上圖），我們的演算法將在歷史記錄（最多 天前）中搜尋每個購物產品的 次點擊和 次轉換。一旦找到這些數據，您就不會回頭。這是為了盡量減少季節性的影響。利用該信息，它將進行一系列計算來更改產品的每次點擊費用。該操作每小時進行一次。

如果演算法查看了過去 天的歷史記錄，但沒有發 台灣電話號碼數據 現轉換量和點擊量，它將根據每次轉換費用優化這些元素，在長尾策略中比我們選擇的策略更積極出價。如果演算法有次轉化，則將成本作為。

變更歷史
變更歷史
優點和缺點
讓我們從缺點開始。這些演算法不是機器學習，而是基於帳戶歷史記錄執行的一組規則和高階計算 。

也就是說，該演算法不會學習諸如哪一天或一天​​中的什麼時間有更多轉換、在什麼設備上我們有更好的 或哪些受眾群體轉化更好等資訊。因此，它不會根據一天中的時間、受眾或設備來改變我們的出價。這是我們必須繼續做的工作。因此，出價每天僅修改一次。

它也不允許您輸入預算並以盡可能最好的方式支出。它的工作原理相反：您指定一個目標，演算法會花費必要的資金（始終尊重 廣告系列預算）來實現目標。

一方面，這可能會造成不便，但如果您在沒有明確預算的情況下努力實現目標，這可能會成為一種優勢。我們已經見過許多出價管理工具，而且大多數都有預定的預算。在這方面，走得更遠。它允許您優化 並更改產品和關鍵字層級的每次點擊費用（這是我們分析的許多工具無法做到的）。這使得 的出價管理更加精細和有效。

一般來說，並非所有活動都有相同的目標。 讓您對廣告活動甚至特定廣告群組套用不同的出價策略。這是一個很大的優勢，因為其他工具只允許適用於整個帳戶的單一出價策略。