Por norma general nos toca a los creadores de sitios web decidir dónde va la publicidad o los bloques de contenidos… esto, junto al departamento de marketing acaba constituyendo la creación de un sitio web. Pero, en muchas ocasiones tener la publicidad o determinados bloques de contenido «que generan beneficios» no es siempre el adecuado… ¿qué tal si dejamos a Yahoo! decidir cuál es el sitio óptimo para colocar un bloque de contenido relacionado (tal y como explica en System and method using sampling for allocating web page placements in online publishing of content?
Los medios de comunicación offline, principalmente los periódicos, tienen una estructura de contenidos que poco puede variar, ya que el espacio es limitado en espacio… pero en Internet el espacio no lo es tanto, ya que si es necesario la página se puede estirar o enlazar a otro lugar donde colocar galerías de imágenes u otros elementos.
Es cierto que existen sistemas de testing A/B que pueden ayudar a decidir qué elemento o versión de página es más recomendable para sacar mayor rendimiento, herramientas que permiten personalizar a los usuarios determinados tipos de contenidos dentro de las páginas pero… ¿y si esto se pudiera hacer de forma automática?
El objetivo es tener una herramienta que te permita decidir qué bloques se pueden «mover», qué tipos de bloques se pueden añadir (por ejemplo poner un bloque de enlaces relacionados, de contenidos relacionados, de galerías, de últimos contenidos, publicidad, etc…) con el objetivo de maximizar los beneficios. De esta forma, el sistema de forma automática iría tomando muestras y probando los contenidos en distintos sitios midiendo lo que el usuario hace cuando navega o pulsa en enlaces. De esta forma se conseguiría que los contenidos que mejor conversión tienen se queden en la página y en las zonas donde mejor conversión hay.
If there may be a significant proportion of potential content items to be sampled that do not have click-through rates, then web page placements may be allocated for content items to be sampled using fair chance slotting. In this case, web page placements sorted in ascending order may be matched with the content items sorted in descending order. This may allow content items with a lower payoff to be allocated locations of web page placements with a higher click probability in order to provide a fair chance to learn click through rates of content items. Otherwise, web page placements may be allocated for content items to be sampled using iterative sampling. In this case, web page placements may be sorted in rank order by normalized click probability. Then a content item may be randomly selected from an optimal subset of content items for allocation to the highest ranked unallocated web page placement. After the content item may be allocated, the content item may be removed from the set of content items. Each remaining highest ranked unallocated web page placement may be similarly allocated a content item randomly selected from an optimal subset of content items until the unallocated web page placements are allocated.
Aunque esto puede parece bastante sencillo, sin duda es un sistema interesante de análisis que podría hacer que el diseño de los sitios cambiase radicalmente e incluso que se personalizase por un determinado perfil de usuario, consiguiendo maximizar los ingresos de los sitios al máximo.
Deja una respuesta