Πολλαπλασιαστής Προσφοράς / Προσαρμογή Προσφοράς
Ένας πολλαπλασιαστής προσφοράς (ή προσαρμογή προσφοράς) αυξάνει ή μειώνει τη βασική σας προσφορά κατά ένα καθορισμένο ποσοστό για μια συγκεκριμένη συνθήκη, όπως τύπος συσκευής, γεωγραφική περιοχή ή χρονικό διάστημα, χωρίς να αγγίζει τη συνολική προσφορά της καμπάνιας.

Ένας πολλαπλασιαστής προσφοράς, που ονομάζεται επίσης προσαρμογή προσφοράς, είναι μια ποσοστιαία αύξηση ή μείωση που εφαρμόζεται στη βασική σας προσφορά υπό μια συγκεκριμένη συνθήκη, όπως τύπος συσκευής, γεωγραφική περιοχή, εκδότης ή ώρα της ημέρας, χωρίς να αλλάζει την προσφορά που ορίσατε για όλα τα υπόλοιπα. Αντί να τρέχετε ξεχωριστές καμπάνιες για κάθε κομμάτι κοινού που θέλετε να αντιμετωπίσετε διαφορετικά, ένας πολλαπλασιαστής προσφοράς επιτρέπει σε μια καμπάνια να προσαρμόζει τη δαπάνη της προς τα πάνω ή προς τα κάτω όπου έχει νόημα.
Πώς λειτουργεί ο πολλαπλασιαστής#
Ας πούμε ότι η βασική σας προσφορά CPC σε μια καμπάνια είναι $0.40. Ένας πολλαπλασιαστής συσκευής +25% για κινητή κίνηση ωθεί την πραγματική προσφορά για κινητά στα $0.50, ενώ οι υπολογιστές παραμένουν στα $0.40, όλα μέσα στην ίδια καμπάνια και χρησιμοποιώντας την ίδια στόχευση και τον κοινό προϋπολογισμό. Ένας πολλαπλασιαστής -20% σε μια γεωγραφική περιοχή με χειρότερη απόδοση τραβά την προσφορά για αυτό το τμήμα στα $0.32 αντί να τη διακόψει εντελώς. Πολλά εγγενή δίκτυα και πλατφόρμες DSP εκφράζουν τους πολλαπλασιαστές με αυτόν τον τρόπο, ως πολλαπλασιαστή της βασικής προσφοράς, που στρώνονται ανά διάσταση (συσκευή, γεωγραφική περιοχή, ώρα, τοποθέτηση) έτσι ώστε πολλοί να μπορούν να συνδυαστούν στην ίδια εμφάνιση.
Πού χρησιμοποιούνται οι πολλαπλασιαστές προσφοράς#
Οι πιο συνηθισμένες εφαρμογές είναι για συσκευή (τα κινητά συχνά μετατρέπουν διαφορετικά από τους υπολογιστές στην ίδια προσφορά), γεωγραφική περιοχή (μια χώρα Tier 1 μπορεί να δικαιολογεί υψηλότερη προσφορά από μια Tier 3 ακόμα και μέσα στην ίδια καμπάνια) και ώρα της ημέρας, που επικαλύπτεται με τον προγραμματισμό ανά ώρα αλλά λειτουργεί μέσω μιας ποσοστιαίας προσαρμογής αντί ενός πλήρους προγράμματος ενεργοποίησης/απενεργοποίησης. Ορισμένες πλατφόρμες υποστηρίζουν επίσης πολλαπλασιαστές ανά εκδότη ή τοποθέτηση, επιτρέποντάς σας να πληρώνετε περισσότερο για αποθέματα σε ιστότοπους που ιστορικά έχουν μετατρέψει καλά χωρίς να χτίσετε ξεχωριστή καμπάνια γύρω από τον καθένα.
Πολλαπλασιαστές προσφοράς έναντι ξεχωριστών καμπανιών#
Πριν οι λεπτομερείς πολλαπλασιαστές γίνουν κοινοί, οι αγοραστές το χειρίζονταν αυτό διασπώντας μια καμπάνια σε πολλές, μία για κάθε συσκευή ή γεωγραφική περιοχή, η καθεμία με τη δική της σταθερή προσφορά. Αυτή η προσέγγιση δίνει περισσότερο έλεγχο αλλά κατακερματίζει τον προϋπολογισμό και, πιο σημαντικά, κατακερματίζει τα δεδομένα που τροφοδοτούν έναν αλγόριθμο έξυπνης προσφοράς. Η διατήρηση της κίνησης σε μια καμπάνια με στρωμένους πολλαπλασιαστές πάνω της συνήθως επιτρέπει στο αυτοματοποιημένο σύστημα προσφοράς να βελτιστοποιεί με ένα μεγαλύτερο, λιγότερο αραιωμένο σύνολο δεδομένων, ενώ ταυτόχρονα επιτρέπει στον αγοραστή να ωθήσει τη δαπάνη προς τμήματα που γνωρίζει ότι μετατρέπουν καλύτερα από τη δική του ανάλυση δημιουργικού περιεχομένου διαφήμισης.
Ορισμός πολλαπλασιαστών από πραγματικά δεδομένα, όχι εικασίες#
Οι πολλαπλασιαστές προσφοράς λειτουργούν καλύτερα όταν χτίζονται από τα δικά σας δεδομένα διανομής (ποσοστό μετατροπής και κόστος ανά αποτέλεσμα αναλυμένα ανά συσκευή, γεωγραφική περιοχή και ώρα) αντί για υποθέσεις που μεταφέρονται από έναν διαφορετικό κλάδο ή ένα διαφορετικό δίκτυο. Ένας πολλαπλασιαστής που είχε νόημα σε μια καμπάνια Taboola για μια προσφορά nutra μπορεί να είναι ακριβώς αντίστροφος για μια προσφορά χρηματοοικονομικών που τρέχει στο MGID, επειδή τα κοινά και το μείγμα αποθεμάτων διαφέρουν. Η ανασκόπηση μιας-δυο εβδομάδων τμηματικής απόδοσης πριν ορίσετε πολλαπλασιαστές, και η περιοδική επανεξέτασή τους καθώς η κούραση του δημιουργικού περιεχομένου ή η εποχικότητα αλλάζει τους αριθμούς, διατηρεί τις προσαρμογές βασισμένες σε αυτό που συμβαίνει πραγματικά αντί σε μια εφάπαξ εικασία.
Μια λέξη προσοχής#
Η στρώση πάρα πολλών πολλαπλασιαστών σε πάρα πολλές διαστάσεις ταυτόχρονα καθιστά δύσκολο να πούμε ποια προσαρμογή οδηγεί πραγματικά μια αλλαγή στην απόδοση. Η προσθήκη ενός πολλαπλασιαστή κάθε φορά, και η παροχή αρκετού όγκου για να κριθεί πριν προστεθεί ο επόμενος, σας γλιτώνουν από το να καταλήξετε με μια δομή προσφοράς που κανείς δεν μπορεί να εξηγήσει έξι μήνες αργότερα.







