OpenAdLibraryOpenAdLibrary
Konkurrent Ad Research

Sådan opbygger du en anvendelig swipe-fil til reklamer

De fleste swipe-filer dør inden for en måned, fordi de bare er skærmbilleder uden kontekst. Sådan bygger du en organiseret efter mønster, med metadata tilknyttet, som du faktisk vil åbne igen.

Editorial illustration: How to Build an Ad Swipe File That's Actually Useful

En swipe-fil er en løbende, organiseret samling af annoncer, du har sat til side, fordi noget ved dem virkede: et hook, en overskriftstruktur, en tilbudsvinkel eller et landingssidemønster. Det, der adskiller en nyttig swipe-fil fra en mappe med tilfældige skærmbilleder, er organisering efter mønster, ikke efter annonce. Hvis du ikke kan finde "urgency hooks for kosttilskudstillbud" på under ti sekunder, så gør filen ikke sit job.

Hvorfor de fleste swipe-filer dør inden for en måned#

Næsten alle starter en swipe-fil på samme måde: en mappe kaldet "ad inspo," et par dusin skærmbilleder dumpet i over en weekend, og så stilhed. To ting dræber den. For det første mister skærmbilleder alene kontekst – du kan se det kreative, men ikke hvem der kørte det, hvor længe det kørte, eller hvilken geo det var rettet mod, så seks måneder senere er filen en bunke billeder uden historie. For det andet er der intet gendfindelsessystem. En fil, du skal scrolle igennem fra top til bund for at finde noget som helst, bliver åbnet mindre og mindre, indtil den aldrig bliver åbnet.

Løsningen er ikke mere disciplin. Det er struktur, der gør gendfindelse hurtig, og en kilde til annoncer, der kommer med metadata allerede tilknyttet i stedet for at kræve, at du rekonstruerer det fra hukommelsen.

Hvor du henter annoncer fra#

Du har tre praktiske kilder til native og native-nære annoncer:

  • Organisk browsing. Du ser en annonce i det vilde på en udgivers site, tager et skærmbillede. Langsomt, usystematisk, men af og til afdækker den noget, et værktøj ikke ville vise dig, fordi det er hyper-lokaliseret.
  • Officielle ad libraries. Meta, Google og TikTok kører alle offentlige repositorier, nyttige til sociale og søgekreativer, men de dækker ikke Taboola, Outbrain, MGID eller Revcontent, hvor det meste native volumen findes.
  • Et native ad index. Et værktøj bygget specifikt til at fange og arkivere native-placeringer giver dig det kreative plus metadata (annoncør, netværk, varighed, geo, enhed og ofte den sporede landingsside) i én post. OpenAdLibrary's native ad spy tool fungerer på denne måde på tværs af de store native-netværk, hvilket er den hurtigste vej til en swipe-fil, der faktisk er søgbar senere, da du ikke manuelt genindtaster "annoncør: X, netværk: Taboola, først set: for 12 dage siden" for hvert indlæg.

De fleste arbejdende swipe-filer ender som en blanding: et native-index til volumen og metadata, plus manuelle skærmbilleder til den enkelte iøjnefaldende annonce, du fanger i dit eget feed.

Hvad du skal fange for hver annonce, ikke kun billedet#

Et billede i sig selv fortæller dig næsten intet nyttigt seks uger senere. For hvert indlæg skal du fange:

Felt Hvorfor det betyder noget
Overskrift og brødtekst Selve sproget, ikke en omskrivning – du vil vil citere det senere
Annoncør / brand Lader dig gruppere efter "hvem bruger penge i denne branche"
Netværk Taboola-kopi lyder anderledes end MGID-kopi; hold dem adskilt
Dage kørende (varighed) Den enkeltstående bedste proxy for "dette fungerer sandsynligvis"; se nedenfor
Geo og enhed En vinkel, der virker i USA på desktop, kan floppe i Tier-2 mobile
Landingsside / tilbud Annoncen er halvdelen af tragtem; pre-lander eller landingssiden er den anden halvdel
Vinkel / hook type Nysgerrighed, frygt, social proof, før-efter osv., dit eget tag

Hvis du henter fra et index, der allerede gemmer dette sammen med det kreative, springer du over den manuelle transskription helt, hvilket er hvor de flestes disciplin med swipe-filer faktisk bryder sammen.

Organiser efter mønster, ikke efter dato#

En kronologisk mappe ("juli," "august") er næsten ubrugelig til kreativt arbejde. Du får ikke briefet en ny kampagne ved at spørge "hvad gemte jeg for to måneder siden." Du briefer den ved at spørge "hvilke nysgerrighedshooks har virket for sundhedstillbud" eller "hvilke advertoriestrukturer er almindelige i finans." Organiser i stedet omkring tre akser:

  1. Branche (sundhed, finans, forsikring, ecommerce og så videre)
  2. Hook eller vinkeltype (se hook vs. angle vs. claim hvis du ikke har adskilt disse begreber endnu)
  3. Tragtfase (kold hook kreativt vs. retargeting vs. landingsside)

Et regneark eller et tagget board med disse tre felter som filtre slår et indlejret mappetræ hver gang, fordi du kan krydsnedskære det (vis mig nysgerrighedshooks i sundhed, der stadig kører efter dag 20) i stedet for at bore ned i en gren ad gangen.

Brug varighed som dit kvalitetsfilter#

Det enkeltstående mest nyttige signal for at beslutte, hvad der er værd at swipe, er køretid. En annonce, der har været live i 30+ dage på et netværk, hvor annoncører betaler per klik, er meget sandsynligvis profitabel; ingen finansierer et tabende kreativt materiale en måned i træk. Vores egen longevity analysis behandler dette som den primære proxy for "dette er en vinder," og det er også en god tommelfingerregel for din egen swipe-fil: vægt indlæg, der har overlevet uger, højere end dem, du fangede på dag ét, da dag-ét kreativt materiale kunne være hvad som helst, inklusive en test, der bliver dræbt inden for 48 timer.

Det er også derfor en manuel skærmbilledevane underminerer dig. Du fanger en annonce én gang, på et tidspunkt, uden mulighed for at vide, om det er dag 2 eller dag 40. Et index, der følger først-set-og-sidst-set datoer, fjerner gætteriet. Se how to find winning ads for hele rammen om at læse varighed, netværk og geo-signaler sammen.

Omdanne filen til kampagnebriefings#

En swipe-fil, der bare ligger der, tjener ikke sin plads. Arbejdsgangen, der får den til at betale sig:

  1. Hent 15-20 indlæg tagget til den branche og vinkel, du skal briefe om.
  2. Kig efter den gentagne struktur, ikke de nøjagtige ord. Hvis otte af dine gemte sundhedshooks åbner med "læger er målløse" eller en variant, så er det mønsteret, ikke nogen enkelt overskrift.
  3. Skriv din egen version af mønsteret anvendt på dit tilbud. At kopiere den nøjagtige overskrift fra en live annonce er både dovent og risikabelt (se most common native ad angles for hvordan disse mønstre faktisk gentager sig på tværs af tusindvis af live kreativer), dit job er at ekstrahere mekanismen, ikke klone udførelsen.
  4. Noter hvilket netværk og geo mønsteret kom fra. Et hook trukket fra Tier-1 Outbrain-kampagner overføres ikke automatisk til et Tier-3 MGID-køb.

Behandl filen som en kilde til testede mekanikker, ikke et kopier-indsæt bibliotek, og den tjener sin plads i din arbejdsgang permanent i stedet for at blive endnu en forladt mappe.

Almindelige fejl at undgå#

  • Gemmer kun annoncen, ikke landingssiden. Et hook, der konverterer, er uadskilleligt fra tilbuddet og pre-landeren bag det; se reverse-engineering a competitor's ad funnel for hvorfor hele kæden betyder mere end det kreative alene.
  • Ingen udløbskontrol. Annoncer, du gemte for et år siden på et netværk, der siden har ændret sin politik eller kreative specifikationer, kan vildlede dig. Gennemgå periodisk.
  • Én gigantisk mappe, ingen tags. Gendfindelseshastighed er hele pointen. Hvis det tager længere end et minut at finde, hvad du har brug for, så har systemet fejlet uanset hvor mange annoncer der er i det.
  • Ignorerer hvem der kører den. Det samme overskriftmønster fra en seriel scaler med snesevis af live kreativer (se building a competitor watchlist) er et stærkere signal end det samme mønster fra en annoncør, der kører én annonce.

Hvordan OpenAdLibrary hjælper#

At bygge en swipe-fil manuelt betyder manuelt at tage skærmbilleder af annoncer og udskrive annoncør, netværk og geodetaljer hver gang. Et index, der allerede gemmer kreativt materiale sammen med varighed, annoncør, netværk, geo og sporet landingsside, ændrer det manuelle trin til et filter og eksport. Hvis du gør dette ugentligt, er det forskellen på en swipe-fil, der vedligeholdes, og en, der dør efter uge tre. Vores competitive ad intelligence workflow guide dækker, hvordan du folder dette ind i et gentageligt ugentligt tempo i stedet for en engangsbinge.

Ofte stillede spørgsmål

Hvad er forskellen på en swipe-fil og et moodboard?
Et moodboard samler visuel stil og tone til designreference. En swipe-fil samler funktionelle mønstre, hooks, overskriftstrukturer, tilbudsvinkler med henblik på reverse engineering og genbrug som mekanikker, ikke kopiering som billeder. Skellet er vigtigt, fordi en swipe-fil bør være tagget og søgbar, ikke kun visuelt gennemsøgt.
Hvor mange annoncer skal jeg gemme, før jeg begynder at se mønstre?
De fleste mediabuyere begynder at lægge mærke til gentagelige strukturer et sted mellem 20 og 50 gemte indlæg inden for en enkelt branche. Under det ser du sandsynligvis tilfældigheder frem for et reelt mønster. Det er også derfor mængde betyder noget; en swipe-fil bygget ud fra et håndfuld skærmbilleder om ugen tager måneder at nå den tærskel.
Skal jeg organisere min swipe-fil efter netværk eller branche?
Branche først, netværk som et sekundært tag. Kopimønstre har en tendens til at gentage sig på tværs af en branche (sundhed, finans, forsikring) mere konsekvent end inden for et enkelt netværk, da annoncører kører det samme tilbud på flere netværk samtidigt.
Er det lovligt at gemme konkurrentannoncer til forskning?
Ja, det at se og gemme offentligt viste annoncer til forskning er standard konkurrencepraksis og er ikke det samme som at kopiere beskyttet kreativt materiale helt og holdent til din egen kampagne. Se vores guide om de juridiske og etiske grænser for at udspionere konkurrentannoncer for et fuldere billede.
Hvor ofte bør jeg opdatere en swipe-fil?
Ugentligt er et rimeligt tempo for aktive mediabuyere. Annoncemønstre i hurtigt skiftende brancher som nutra eller finans ændrer sig i løbet af uger, ikke måneder, så en fil sidst opdateret for tre måneder siden viser dig allerede forældede mekanikker.
OpenAdLibrary-teamet
Skrevet afOpenAdLibrary-teamet
Ad-intelligence & native annoncering research

Vi bygger OpenAdLibrary, den åbne ad-transparency-platform. Hver dag indsamler vores systemer live native annoncer på tværs af Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo og MSN, identificerer den rigtige annoncør bag hver enkelt og følger klikket til dens landingsside. Disse guides destillerer, hvad vi ser i disse data, så du kan undersøge markedet hurtigere.