# Особенности работы ML-моделей

## Особенности работы ML-модели:

**Особенности работы ML модели:**\
ML модели не требуют дополнительной оптимизации, как стандартные кампании. Они функционируют на уровне аукциона, поэтому добавление черных списков (BL) может негативно сказаться на их работе. Отключение целых площадок ограничивает модель в трафике на котором она может выбирать хорошие и плохие аукционы, что ухудшает ее эффективность.

**Оптимизация ML модели:**\
Ручная оптимизация не рекомендуется. Однако, если возникает крайняя необходимость и стоит выбор между ручной оптимизацией и отключением кампании с ML моделью, можно выбрать ручную оптимизацию и немного настроить кампанию. Помните, что модель сама по себе является оптимизатором.

**Снижение стоимости CPM и конверсий:**\
Для снижения стоимости CPM и конверсий можно уменьшить коэффициент мультиплаера. Однако это может привести к снижению процента выкупа и количества показов.

**Сравнение показателей:**\
Проводите регулярное сравнение показателей кампаний с ML моделью и без нее. Идеально делать это ежедневно, но как минимум еженедельно. Если показатели модели хуже, чем у кампаний без оптимизации, стоит проанализировать возможные причины.

**Рекомендации по количеству событий для запуска модели:**

* 20 – может быть лучше
* 50 – уже почти хорошо
* 100 – неплохо
* 200 – хорошо
* 500 – отлично
* 1000 – превосходно
* 2000 – замечательно
* 5000 – идеально

{% hint style="warning" %}
Не рекомендуется запускать модель, если количество событий менее 500
{% endhint %}

**Таргетинг и производительность:**\
Модель будет плохо работать при узком таргетинге или несоответствующем таргетинге, на который она обучена. Например, сравнение кампании с аудиторией 100k и кампании с аудиторией 1M может быть некорректным.

**Рекомендации по использованию ML модели:**

* сравнивать результативность между кампаниями с ML оптимизацией и без нее;
* обучать модель на рекламодателе с количеством конверсионных событий более 500;
* стараться выдерживать одинаковый СРМ между кампаниями с ML оптимизацией и без нее;
* оставлять 10-15% трафика на стандартные кампании, даже если модель работает лучше, чтобы получать статистику с новых источников трафика;
* работать с Multiplier для управления итоговым СРМ и количеством трафика.

**Автоотключение моделей:**\
Модели автоматически отключаются, если по их кампаниям не было статистики более 7 дней.

## Дополнительные материалы:

[Презентация ML оптимизация](https://docs.google.com/presentation/d/e/2PACX-1vQ7twRYTOR6sOe_rZozWx41hpUhybV0StHjAtQwAkomwg0Id8n1V2GfvGXVffUrwovtsXr5Na1LszGV/pub?start=false\&loop=false\&delayms=3000)

[Кейс MGCom, «Росбанка» и Hybrid: как на 50% снизить стоимость заявки с помощью ML](https://www.sostav.ru/publication/kejs-mgcom-rosbank-i-hybrid-66896.html)

<br>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://hybrid.gitbook.io/platform-documentation/ml-optimization/osobennosti-raboty-ml-modelei.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.