Алгоритм OneGA за счет создания новой цели с высокой степенью корреляции по отношению к макроцелям кампаний позволяет значительно ускорить процесс обучения алгоритма автооптимизации, а также сделать его более эффективным.

Сформированная цель будучи переданной в рекламные инициирует процесс обучения нейросети и в формате итерационных проверок гипотез выявляет те части аудитории, вероятностная картина конверсий по которым соответствует пороговым целевым значениям, после чего алгоритмы рекламной сети включают механизмы положительных обратных связей увеличивая процентаж целевой аудитории в структуре показов, снижая тем самым стоимость целевых действий для клиента.

Алгоритм OneGA при этом является регулярным, что позволяет в динамическом режиме корректировать целевое действие определяемое опорным, относительно которого происходит дальнейшая корректировка кампаний. Таким образом изменения конъюнктуры рынка, параметров продукта и симметричное изменение характеристик ЦА алгоритмом обрабатываются в режиме реального времени позволяя добиться нулевой дистанции между изменениями внешних факторов и реакцией в рекламе на них.