Analyzujte konkurenční reklamní texty ve velkém: háčky, úhly a vzorce

Analýza konkurenčních reklamních textů ve velkém znamená stáhnout desítky nebo stovky živých kreativ z jednoho vertikálu najednou a seskupit je podle typu háčku, úhlu a struktury tvrzení namísto jejich čtení po jedné. Výstupem není seznam titulků, ale malý počet opakujících se vzorců, které vám řeknou, co se skutečně testuje, a tedy co pravděpodobně konvertuje.

Proč čtení po jedné neškáluje#

Čtení deseti konkurenčních reklam vám dá deset názorů na deset reklam. Čtení tří set, seřazených podle vzorce, vám dá distribuci: které háčky se objevují neustále, které úhly jsou vzácné, které struktury tvrzení dominují vertikálu tento měsíc versus minulé čtvrtletí. Tato distribuce je skutečným výstupem výzkumu. Jeden výrazný titulek může být jen jednorázovým testem jednoho inzerenta; struktura titulku, která se objeví u dvanácti různých inzerentů ve stejném vertikálu, je tržním signálem.

Praktickým problémem je objem. Ruční screenshotování až ke třem stovkám reklam zabere hodiny, které nemáte. Zde se vyplatí nativní index reklam, vyhledávání reklam podle klíčového slova napříč velkým korpusem vám umožní získat vzorek, díky kterému je analýza vzorců smysluplná namísto anekdotické.

Krok 1: získejte skutečný vzorek, ne hrstku#

Před začátkem kategorizace si stanovte cíl alespoň 30-50 živých reklam v konkrétním vertikálu a geografické oblasti, kterou zkoumáte. Méně než to a hledáte vzorce v šumu. Užitečný sběr obsahuje:

• Titulek a tělo textu doslova
• Jméno inzerenta (abyste zkontrolovali, zda není jeden inzerent nadměrně zastoupen)
• Síť (konvence textů na Taboola se liší od MGID nebo Outbrain)
• Počet dní běhu, protože déle běžící reklamy jsou silnějším signálem toho, co funguje; viz délka života reklamy jako signál úspěchu

Krok 2: třídění podle typu háčku, ne podle tématu#

Třídění podle tématu ("hubnutí", "doplňky stravy") vám řekne vertikál, který už znáte. Třídění podle háčku vám řekne mechaniku. Běžné kategorie, které stojí za to označovat:

Pokud jste si dříve nevytyčili jasnou hranici mezi háčkem, úhlem a tvrzením, stojí za to si nejprve přečíst háček vs. úhel vs. tvrzení, spojování těchto tří je nejčastější důvod, proč analýza textů produkuje neostrý, nepoužitelný výstup.

Krok 3: oddělte signál inzerenta od signálu textu#

Když se díváte na vzorek reklam, dějí se dvě různé věci zároveň a jejich zaměňování vede k chybným závěrům:

1. Vzorce textů: jaké formulace a struktury se opakují napříč mnoha různými inzerenty. To vám řekne, na co vertikál široce reaguje.
2. Signály škálování inzerenta: jeden inzerent spouští stejný titulek ve dvanácti variacích, což vám řekne, že tento konkrétní inzerent našel vítěze, ne nutně že ho má celý vertikál.

Obojí je užitečné, ale odpovídá na různé otázky. Pokud se snažíte najít svůj další úhel, upřednostněte první. Pokud se snažíte odhadnout, jak konkurenční je přístup konkrétního inzerenta, podívejte se na druhé, náš návod na vytvoření seznamu sledovaných konkurentů pokrývá sledování jednotlivých inzerentů v čase namísto širokého vzorkování vertikálu.

Krok 4: křížová kontrola s cílovými stránkami#

Text, který přitáhne kliknutí, a text, který přežije až k prodeji, nejsou vždy totéž. Titulek s mezerou zvědavosti může přitáhnout levná kliknutí, která okamžitě odejdou, pokud cílovka nesplní implicitní příslib. Kdykoli můžete, trasujte vzorek stažených reklam až na jejich cílové stránky a zkontrolujte, zda se příslib háčku a skutečná nabídka stránky shodují, viz jak najít a analyzovat konkurenční cílové stránky pro mechaniku provádění tohoto ve velkém namísto po jednom odkazu.

Krok 5: sledujte fluktuaci, ne jen objem#

Háček, který je tento týden všude, ale minulý měsíc byl vzácný, je jiný signál než ten, který je stabilní šest měsíců. Rychle se obměňující vertikály (nutra, krypto, některé finanční sub-niky) agresivně rotují texty, protože únava z reklam nastává rychle a platformy označují opakující se tvrzení. Pokud stahujete jen snímek, tohle vám unikne. Provádění stejného sběru podle klíčového slova nebo vertikálu týdně a porovnávání týden po týdnu promění statickou analýzu v trendovou linii, což je užitečnější výstup pro rozhodování, kdy obnovit vlastní texty.

Kvantifikace namísto odhadů#

Jakmile máte označený vzorek, dejte ke každé kategorii háčku skutečná čísla namísto spoléhání se na dojem. Jednoduchá tabulka počtů postačí:

Háček používaný 14 různými inzerenty je tržním vzorcem. Háček používaný jedním inzerentem devětkrát je osobním vítězem tohoto inzerenta, užitečné vědět, ale ne stejný závěr. Vytváření této tabulky pro každý sběr vertikálu promění "přečetl jsem pár reklam" v porovnatelný dataset, který můžete příští měsíc znovu navštívit a porovnat.

Čtení tvrzení i pro riziko compliance, ne jen pro výkon#

Analýza ve velkém odhaluje také druhý, méně zřejmý benefit: ukazuje, které struktury tvrzení jsou v vertikálu hojně používané a mohly by přitáhnout pozornost regulátorů. Reklamy na zdraví a finance, které spoléhají na silná, specifická tvrzení o výsledcích ("léčí", "garantované výnosy"), jsou blíže pozornosti FTC než měkčí formulace. Pokud rozsáhlý vzorek ukáže, že třetina vašich konkurentů používá agresivní tvrzení, je to užitečný kontext, než se rozhodnete, jak blízko této hranice by měly být vaše vlastní texty, náš návod na pravidla FTC pro zveřejňování informací u advertoriálů a nativních reklam stojí za přečtení spolu s jakýmkoli výzkumem textů v regulovaném vertikálu.

Běžné chyby v analýze textů ve velkém#

• Zacházení se vzorkem deseti jako s trendem. Deset reklam od jednoho inzerenta je jeden datový bod převlečený za deset.
• Ignorování sítě. Struktura titulku běžná ve zdravotnickém feedu Taboola se nemusí nutně přenést na zábavou nabitý inventář MGID nebo na redakčnější umístění Outbrain.
• Přímé kopírování formulací. Smyslem analýzy vzorců je extrahovat mechaniku (jakou práci titulek dělá) a přepsat ji vlastním hlasem pro vlastní nabídku, ne přebírat přesná slova živého inzerenta.
• Přeskočení geografického filtru. Háček zvědavosti naladěný pro publikum Tier-1 v USA může při plochém překladu do Tier-2 gea působit nepatřičně nebo prostě matoucí.

Proměna analýzy v kalendář testování#

Výstup rozsáhlé analýzy je užitečný pouze tehdy, pokud vede k rozhodnutí. Jakmile máte označený vzorek a tabulku počtů, přeložte je do krátké fronty testování: první dva nebo tři háčky podle počtu inzerentů jdou do vašeho dalšího kreativního briefingu jako první, vzácnější jdou na krátký seznam k revizi, jakmile lídři začnou vykazovat známky únavy. Vynechání tohoto posledního kroku je nejčastější způsob, jak se solidní výzkum nikdy nepromění v reálné zlepšení kampaně, analýza zůstane v tabulce a nic se nezmění dále v procesu.

Jak pomáhá OpenAdLibrary#

Rychlé získání skutečného vzorku je úzké hrdlo, na které většina mediálních nákupčích narazí jako první. Prohledávatelný index, který vrací živá kreativa filtrovaná podle vertikálu, sítě a gea, s přiloženým inzerentem, délkou života a cílovou stránkou u každé z nich, promění několikahodinovou manuální výzkumnou seanci ve filtrovaný export, který můžete označit a přečíst v jednom sezení. Pro týmy, které to dělají každý týden, je naše platforma pro reklamní inteligenci postavena právě kolem tohoto opakovaného workflow sběru a hledání vzorců namísto jednorázových vyhledávání.