Publisher-Level Bidding: Justering af bud efter site, sektion og widget
Performance kan variere meget mellem udgivere i samme native kampagne; din placement-rapport viser, hvor meget. Publisher-level bidding sætter forskellige bud pr. site, sektion eller widget, med en arbejdsgang til gennemgang og et gennemregnet eksempel.

Publisher-level bidding betyder at sætte et forskelligt bud, eller budjustering, for individuelle udgiversites, sektioner eller widget-ID'er i en native kampagne, i stedet for at køre ét fast bud på tværs af hele netværket. På Taboola, Outbrain, MGID og Revcontent kan performance variere meget mellem udgivere i samme kampagne, selv efter algoritmen har haft tid til at lære; hvor meget i din konto er noget, kun din placement-rapport kan fortælle dig. At justere bud, hvor evidensen understøtter det, er én måde at stoppe med at betale samme pris for placements, der performer meget forskelligt.
Hvorfor ét fast bud er det forkerte standardvalg#
Når du sætter et enkelt bud på tværs af en kampagne, anvender netværket det bud overalt, hvor din målretning matcher, fra store nyhedssites til små indholdssites, der viser den samme widget. Nogle af disse placements kan koste langt mere pr. konvertering end dit mål; andre producerer måske slet ingen konverteringer. Et fast bud prissætter dem identisk. Netværkenes egne værktøjer lader dig ændre det pr. site (Taboola), pr. udgiversektion (Outbrain) eller pr. widget eller kilde (MGID og Revcontent).
Automatiseret budgivning optimerer kun mod de signaler, den modtager. Hvis du byder på klik, eller din konverteringssporing ikke rapporterer tilbage til netværket, kan platformen ikke se, hvilke udgivere der leverer dårlige leads, og dine egne konverteringsdata kan halte bagefter forbruget. Outbrains Conversion Bid Strategy justerer CPC'er mod sporede konverteringer, og Taboolas SmartBid justerer bud automatisk, men ingen af dem kan se forretningssignaler, du aldrig sender, såsom leadkvalitet, refusioner eller lifetime value. Publisher-level-justeringer sætter disse signaler tilbage i buddet; Outbrains Section Volume Control findes netop til det tilfælde.
Hvad du rent faktisk ændrer#
Hvert større netværk eksponerer denne løftestang, bare under forskellige navne:
| Netværk | Hvor det findes | Hvordan justeringen fungerer |
|---|---|---|
| Taboola (Realize) | By-site-rapport i kampagneoversigten | Procentvis op- eller nedjustering af kampagnens CPC pr. site: -99% til +100% på Fixed Bid, -99% til +200% på SmartBid; udgivere kan blokeres pr. kampagne eller for hele kontoen |
| Outbrain (Teads) | Amplify-rapportering, By Publisher og By Section | Procentvis CPC-justering pr. udgiversektion (ikke hele udgivere); udgivere og sektioner kan udelukkes midlertidigt eller permanent; Section Volume Control til Conversion Bid Strategy-kampagner med mindst 300 klik |
| MGID | Widget Optimization (Selective Bidding) og Sources Optimization | CPC-multiplikator pr. widget-ID eller kilde, minimum 0.1, inden for regionale minimum- og maksimum-CPC'er; kampagne- og konto-bloklister |
| Revcontent | Widget Targeting-fanen | Absolut CPC-bud pr. widget-ID (eller en procentvis ændring), inkl. CSV-upload; widgets kan blokeres for en kampagne eller hele kontoen |
Mekanikken er forskellig. Taboola, Outbrain og MGID anvender en procentdel eller multiplikator på dit basisbud, mens Revcontents widget-bud er absolutte CPC'er (med et procentværktøj til masseændringer). Sæt en 1.4x justering på en stærk udgiver og en 0.6x på en svag, og netværket justerer det effektive bud, det indgår med på hver, inden for sine egne grænser og minimum-CPC'er. Alle fire lader dig også udelukke en udgiver eller widget helt, hvilket er den grovere version af samme idé. På Outbrain tilsidesætter manuelle sektions-CPC-justeringer Conversion Bid Strategy, og Outbrain anbefaler at fjerne dem fra CBS-kampagner. For de nøjagtige felter og API-parametre, hvert netværk eksponerer for dette, se hvordan Taboola ads work, hvordan Outbrain works, hvordan MGID native ads work og hvordan Revcontent works.
Hvorfor det er nemt at springe over#
Tre grunde, ærligt talt:
- Rapporteringen kræver, at man graver. Publisher-level data sidder normalt et par klik dybt i et netværksdashboard, eksporteret som en flad CSV med mange rækker og ingen åbenlys næste handling.
- Det ligner tidsspilde for små konti. Hvis du bruger $200 om dagen, er instinktet, at en håndfuld udgiverudelukkelser ikke vil flytte nålen. Men ved lavt forbrug kan en enkelt udgiver tage en betydelig andel af det daglige budget, før du lægger mærke til det, så tjek, hvor stor en andel hver udgiver tager i din egen rapport.
- Det kræver at vente på en reel stikprøve. Nul konverteringer ved et lille forbrug beviser ikke meget. Hvis en udgiver konverterede præcis på din mål-CPA, er sandsynligheden for at se nul konverteringer cirka 37% efter at have brugt én mål-CPA, cirka 14% efter to og cirka 5% efter tre (Poisson-aritmetik, uden at tage højde for konverteringsforsinkelse). Derfor er to til tre gange mål-CPA pr. udgiver et rimeligt minimum, før man dømmer en udgiver med nul konverteringer, ikke en garanti. Købere, der trækker rapporten på dag to, ser intet afgørende og giver op på øvelsen.
Det sidste punkt er den reelle omkostning. Publisher-level bidding er en disciplin, ikke en engangsopsætning. Det kræver en fast gennemgang efter en regelmæssig tidsplan.
En praktisk arbejdsgang#
- Lad kampagnen køre til en reel stikprøve. Vurder hver udgiver ud fra dens eget forbrug, ikke kampagnens: en kampagne, der har brugt to gange sin mål-CPA, har for få konverteringer til at sammenligne udgivere. Brug minimumsgrænsen pr. udgiver ovenfor, før du handler på en udgiver med nul konverteringer.
- Træk placement- eller site-rapporten og sorter efter forbrug, faldende. Start med de udgivere, der tager størstedelen af dit budget, og tjek, hvor stor en andel af forbruget de står for i din konto, i stedet for at antage en.
- Inddel i tre niveauer: profitabel (bud op), break-even (lad være), tabende (bud ned eller udeluk). Hvor meget du flytter hver enkelt, er op til dig; at flytte 20-50% ad gangen og måle resultatet er et illustrativt udgangspunkt, ikke et benchmark. MGIDs egen vejledning siger, at ændringer i multiplikatoren normalt ikke flytter volumen på små udgivere, og anbefaler forhøjede satser på 2, 3 eller 4, når du byder op. Forsøg ikke at finjustere hver række; toppen og bunden af listen betyder mest.
- Anvend justeringer, ikke fulde stop, på din første gennemgang. At udelukke en udgiver helt mister muligheden for at gen-teste den senere; et reduceret bud lader dig stadig lære, om problemet var pris eller fit. Tjek først din platforms grænser: MGIDs laveste multiplikator er 0.1, og Taboolas største nedjustering er -99%.
- Genkontrollér efter en tidsplan. Udgiverperformance skifter, når nyt indhold tilføjes, og trafikmix roterer. Ugentlig er en fornuftig standard for aktive konti; juster den efter dit konverteringsvolumen.
- Fodr vindere ind i skaleringsbeslutninger. En udgiver, der er profitabel ved et 1.5x bud, er også en kandidat til en dedikeret kampagne, hvilket er horisontal skalering-trækket, når du har udtømt vertikale gevinster på den oprindelige.
Et konkret eksempel#
Et hypotetisk eksempel (opdigtede tal, ikke en målt kampagne): sig, du kører en $300/dag kampagne på Taboola med en mål-CPA på $40. Efter to uger har du brugt $4,200, og placement-rapporten viser, at 40 udgivere tog meningsfuldt forbrug. De fem bedste udgivere efter forbrug producerede 60% af konverteringerne ved en gennemsnitlig CPA på $28. De nederste otte udgivere tog 25% af forbruget ($1,050) og producerede to konverteringer i alt, en effektiv CPA på cirka $525. Alt andet ligger i midten, cirka break-even.
I dette eksempel er et oplagt træk at byde op på de fem bedste og skære de nederste otte til et reduceret bud i stedet for at udelukke dem helt, da en eller to måske bare er under-samplet i stedet for ægte dårlige. Som gruppe er de langt bag målet, men tjek hver udgiver op mod minimumsgrænsen pr. udgiver, før du handler på den alene. Om kampagne-dækkende CPA så forbedres, er noget, du skal måle over de følgende uger, ikke noget, dette eksempel kan forudsige: at flytte forbrug ændrer, hvilke auktioner du vinder, og netværkets egen optimering reagerer også. Argumentet for at behandle publisher-level bidding som en løbende opgave i stedet for en engangsoprydning er, at placement-mixet inde i "kampagnen" opfører sig som mange separate mikromarkeder, og et fast bud prissætter dem alle ens.
Opsætning af en løbende gennemgang#
En tilbagevendende kalenderblok fungerer bedre end at stole på at huske at tjekke. En simpel version: hver mandag, træk den foregående uges placement-rapport for hver aktiv kampagne, sorter efter forbrug, og brug 15 minutter per kampagne på at justere top- og bunddecilerne. Log de justeringer, du sætter, så du senere kan se, om en udgivers forbedring kom fra din budændring eller fra noget andet, der skiftede i kontoen. Udgiver-ID'er, rapportformater og justeringsværktøjer er forskellige mellem Taboola, Outbrain og MGID, så denne gennemgang skal ske per netværk, ikke én gang på tværs af kontoen.
Hvordan god udgiverdata ser ud#
Dine egne konverteringsdata er den evidens, der betyder noget her. Før du har brugt noget på en udgiver, kan ekstern research fortælle dig, hvilke annoncører der optrådte der, og hvornår, men ikke om de placements konverterede: hvor længe andre annoncørers annoncer blev observeret, afspejler deres budgetter, tests og vores indsamlingsdækning lige så meget som performance (se, hvad annoncelevetid kan og ikke kan vise). OpenAdLibrary's annoncedetaljer viser indsamlede annoncer og, for native annoncer, forsyningskæden bag dem; brug det til at vælge udgivere at holde øje med, ikke til at forudsige deres kvalitet. Du kan krydsreferere indsamlet kreativ historie gennem annonceintelligens-værktøjet sammen med dine egne kontodata.
Almindelige fejl#
- Bud ned for aggressivt. Et meget lavt bud kan falde under det, der vinder på den udgiver, hvilket kan stoppe levering der og efterlade dig intet at observere. Nogle platforme sætter i stedet et gulv: MGID anvender sin regionale minimum-CPC, og Taboola anvender sin minimum-CPC på site-niveau-bud.
- Reagere på én dårlig dag. Native trafik er støjende dag til dag, især på mindre udgivere. En enkelt dag med nul konverteringer på $40 forbrug er ikke en dom.
- Ignorere enhedsopdeling inden for en udgiver. En udgiver kan være fremragende på mobil og død på desktop (eller omvendt); at samle de to i én budjustering skjuler det. At lægge enheds- og geo-justeringer oven på publisher-level arbejde, hvor platformen understøtter dem, lukker det hul.
- Glemme at gen-teste udelukkede udgivere efter en kreativ opdatering. En udgiver, der mislykkedes med en træt vinkel, kan præstere anderledes med en ny krog. Outbrains midlertidige udelukkelser, som udløber efter en fastsat periode, gør dette lettere.
FAQ-opsummering#
Publisher-level bidding er uglamourøs kontovedligeholdelse, men det er en af de få løftestænger, der er fuldt inden for din kontrol, i modsætning til auktionsdynamik eller platformalgoritmeændringer. Vi har ingen sammenlignende data om, hvor meget det forbedrer CPA, så mål det i din egen konto: log hver ændring, sammenlign de følgende uger med ugerne før, og behold de ændringer, der holder. Uanset hvilken opdeling du bruger mellem at teste nye koncepter og skalere beviste, er publisher-level bidding måden at gøre skaleringssiden mere effektiv i stedet for bare højere.







