Wraz z rozwojem Internetu coraz więcej osób poszukując informacji zwraca się w stronę globalnej sieci. Daje to olbrzymie możliwości reklamy różnorodnych produktów. Jednym z bardzo wydajnych i sprawdzających się sposobów jest reklama kontekstowa. Charakteryzuje się nowoczesnym podejściem polegającym na dostosowaniu treści serwowanych reklam do treści strony na której są wyświetlane. Dzięki temu reklamodawca może liczyć na przyciągniecie większej uwagi internautów do swoich produktów, jednocześnie znacznie zwiększając efektywność i zasięg kampanii reklamowej. Samo rozliczanie dostawcy rozwiązania z reklamodawcą odbywa się w oparciu o model płatności „za kliknięcie”.

Reklama kontekstowa – Onet Kontekst

Wiele firm widząc możliwość takiej formy reklamowej zaproponowało własne systemy reklamy kontekstowej. Odpowiedzią Onetu na potrzeby rynku jest Onet Kontekst, pozwalający definiować własne kampanie reklamowe na odpowiednie słowa kluczowe. Pierwotna wersja Onet Kontekstu zakładała wyświetlanie stosownych reklam (zwanych w dalszej części „boksami”) na stronach portalu, po wcześniejszym dopasowaniu słów kluczowych z kampanii do wyrazów zdefiniowanych dla danego serwisu lub jego poszczególnych podstron.

Rys.1 Wersja bez analizatora treści.

Klient odwiedzając konkretną stronę, na której powinny wyświetlać się boksy reklamowe uruchamiał zapytanie do mechanizmu serwującego boksy, który odpowiedzialny był za zwrócenie odpowiednich form reklamowych. Mechanizm, na który składała się niezależna aplikacja działająca na serwerze aplikacyjnym, zapewniał odpowiednią wydajność i cache przechowujący informację o słowach kluczowych dla danego URL’a. Dodatkowo aplikacja posiadała kolejkę dostępnych reklam, zasilaną przy pomocy odrębnego systemu. W bazach przechowywane były informacje o kampaniach, słowach kluczowych zdefiniowanych przez reklamodawców oraz inne informacje konieczne do ustalenia kolejki dostępnych reklam i odpowiedniego ich posortowania wg rangi. Sama ranga ustalana jest na podstawie CPC (cost per click) oraz CTR (click trough ratio). Jeżeli w pamięci podręcznej aplikacji nie znaleziono słów kluczowych dla konkretnej strony, system pobierał słowa domyślne dla serwisu. Słowa te definiowane były przez pracowników obszaru biznesowego. Ostatnim krokiem było powiązanie słów kluczowych dla danej strony z dostępnymi, odpowiadającymi reklamami.

Takie rozwiązanie zapewniało wyświetlanie reklam na strony, na których zgodnie z przewidywaniami miały ukazywać się treści zbliżone z obszarem produktowym reklamodawcy. Mechanizm ten pozwalał serwować odpowiednie kreacje z znacznie większym prawdopodobieństwem trafienia w gusta internautów, ale nie był jednak idealny gdyż słowa kluczowe przypisywane do konkretnej podstrony, nie zawsze okazywały się w stu procentach odpowiadające treściom prezentowanym w danej chwili. Przykładowo artykuły na danej stronie mogły ulegać modyfikacjom i pomimo iż na początku dopasowanie słów kluczowych było optymalne z czasem mogło się dezaktualizować.

Kolejny etap rozwoju – analizator treści

Wychodząc naprzeciw nowym wymaganiom biznesowym i jeszcze lepszemu dobieraniu reklam kontekstowych pojawiła się idea stworzenia analizatora treści.

Rys.2 Architektura zawierająca analizator treści.

Głównym zadaniem analizatora jest jak najdokładniejsze dopasowanie słów kluczowych do treści prezentowanych na stronie. Wartością dodaną analizatora jest odciążenie pracowników biznesowych z obowiązku definiowania słów kluczowych na konkretne podstrony serwisu. W tym momencie cała praca związana z dopasowaniem odpowiednich fraz wykonywana jest przez analizator. W momencie wprowadzenia do użytku analizatora reklamy na wszystkie strony z kampaniami, są zwracane na podstawie odpowiednich wyrazów z analizatora. Ważnym czynnikiem podczas projektowania tego rozwiązania była jak największa optymalizacja systemu, bez konieczności jego gruntownej przebudowy. Udało się to zrealizować poprzez dodanie analizatora jako kolejnego niezależnego modułu systemu zasilającego istniejącą bazę dodatkowymi informacjami dotyczącymi adresu url, jakiego dotyczą dane słowa zwracane z analizatora. Mechanizm serwujący boksy w momencie zapytania z danego adresu, wyszukuje i zwraca dla niego informacje o słowach kluczowych.

Kiedy z danego adresu przyjdzie po raz pierwszy zapytanie o boksy, zostaje on odłożony na kolejkę do przeanalizowania, a w miedzyczasie zwrócone zostają reklamy na słowa domyślne (przypisane do danej domeny, nie konkretnego url’a). Analizator zaciąga treść strony wybierając najczęściej powtarzające sie słowa. Są one indeksowane na podstawie przygotowanego słownika. Sam słownik budowany jest na podstawie słów kluczowych zdefiniowanych dla aktywnych kampanii reklamowych. Zapewnia to optymalne przeszukiwanie treści tylko pod kątem aktualnie dostępnych i czekających na wyświetlenie reklam. W celu zapewnienia aktualności, słownik jest odświeżany codziennie. Sam analizator napisany jest w technologii Java i pracuje w środowisku serwera aplikacyjnego Jboss. Informacje o wyselekcjonowanych słowach kluczowych zapisuje do bazy, z której cały czas korzystał mechanizm serwujący boksy, który poszukiwał wyrazów definiowanych wcześniej przez pracowników biznesowych.

Po jakimś czasie od ostatniej analizy danej strony, trafia ona ponownie na kolejkę analizatora w celu odświeżenia słów kluczowych.

Podsumowanie

Reklama kontekstowa jest bardzo precyzyjnym sposobem przekazywania informacji o produktach, szczególnie dla promocji produktów rzadko wyszukiwanych w wyszukiwarce (np. nowości rynkowych). Zarówno reklamobiorca jak i reklamodawca mogą za jej pomocą uzyskać maksymalny efekt przy minimalnych kosztach własnych. Godnym odnotowania faktem, związanym z powstaniem mechanizmu analizatora jest jego uniwersalność. Optymalizuje on proces dopasowania reklam kontekstowych do prezentowanych treści, jednak możliwości jego zastosowania mogą być znacznie szersze. Analiza treści dostarcza bogaty zasób wiedzy o słowach z wysoką frekwencją na stronie co pozwala na wykorzystanie w innych mechanizmach m.in. automatyczne wyszukiwanie i prezentacja adresów stron o określonej tematyce, co daje duże możliwości w działaniach optymalizujących SEO. Inną możliwością użycia analizatora treści jest automatyczne tagowanie artykułów na poszczególnych stronach portalu. Niezależność analizatora jako osobnego modułu, jest jego istotnym atutem pozwalającym szerszej wykorzystać biznesowo możliwości jakich dostarcza.

 

Paweł Witek
Starszy Programista