Πόσο Ακριβείς Είναι οι Εκτιμήσεις Δαπανών Διαφήμισης; Τι Κάνουν Λάθος τα Εργαλεία Κατασκοπίας

Οι εκτιμήσεις δαπανών διαφήμισης από οποιοδήποτε εργαλείο ανταγωνιστικής νοημοσύνης είναι μοντελοποιημένοι αριθμοί, όχι παρατηρούμενα γεγονότα, και η ειλικρινής απάντηση στο πόσο ακριβείς είναι είναι: χρήσιμες κατευθυντικά, όχι αξιόπιστες σε επίπεδο δολαρίου. Κανένα εξωτερικό εργαλείο δεν βλέπει το πραγματικό τιμολόγιο ή τα δεδομένα προσφοράς ενός διαφημιστή. Αυτό που βλέπει είναι ο όγκος δημιουργικού, τα μοτίβα τοποθέτησης και οι εκτιμώμενοι αριθμοί εμφανίσεων, και μετά τα τρέχει μέσα από υποθέσεις για CPM ή CPC για να παράγει ένα ποσό σε δολάρια που φαίνεται ακριβές αλλά στηρίζεται σε εικασίες πολλών επιπέδων.

Πώς χτίζονται πραγματικά οι εκτιμήσεις δαπανών#

Μια τυπική εκτίμηση δαπανών ενός εργαλείου κατασκοπίας ακολουθεί μια αλυσίδα όπως αυτή: μετράει πόσες τοποθετήσεις ή εμφανίσεις φαίνεται να έλαβε το δημιουργικό ενός διαφημιστή, πολλαπλασιάζει με ένα υποτιθέμενο μέσο CPM ή CPC για αυτό το δίκτυο και τον κλάδο, και μετά παρουσιάζει το αποτέλεσμα ως "εκτιμώμενη μηνιαία δαπάνη". Κάθε βήμα σε αυτή την αλυσίδα εισάγει σφάλμα:

1. Η μέτρηση εμφανίσεων είναι από μόνη της μια εκτίμηση. Τα περισσότερα εργαλεία δεν έχουν άμεσα δεδομένα εμφανίσεων από τον διακομιστή διαφημίσεων, συμπεραίνουν τον όγκο από το πόσο συχνά και ευρέως παρατηρήθηκε ένα δημιουργικό κατά τη διάρκεια της συλλογής, που είναι ένα δείγμα, όχι απογραφή.
2. Οι υποθέσεις CPM/CPC είναι μέσοι όροι που εφαρμόζονται σε όλους. Η πραγματική τιμή του διαγωνισμού ποικίλλει τεράστια ανάλογα με τη φήμη του διαφημιστή, την ακρίβεια του στοχευτικού κοινού, τη γεωγραφική περιοχή, τη συσκευή και την εποχή του χρόνου. Ένας ενιαίος μικτός συντελεστής που εφαρμόζεται σε ολόκληρο έναν κλάδο θα είναι λάθος για σχεδόν κάθε μεμονωμένο διαφημιστή, μερικές φορές σε μεγάλο βαθμό.
3. Το δίκτυο και η μορφή δεν διαχωρίζονται πάντα καθαρά. Οι αποθέματα desktop και mobile, οι τοποθετήσεις εντός ροής έναντι widget και οι τιμές για κορυφαίες έναντι χαμηλότερων γεωγραφικών περιοχών έχουν όλες διαφορετικές πραγματικές τιμές, αλλά πολλές δημοσιευμένες εκτιμήσεις τα συγχέουν όλα μαζί σε έναν αριθμό.

Στοιβάστε αυτές τις τρεις προσεγγίσεις και η προκύπτουσα "εκτίμηση δαπανών" μπορεί εύκολα να είναι εκτός κατά ένα μεγάλο πολλαπλάσιο προς οποιαδήποτε κατεύθυνση για οποιονδήποτε συγκεκριμένο διαφημιστή, ακόμα κι αν είναι κατά προσέγγιση σωστή κατά μέσο όρο σε ένα αρκετά μεγάλο δείγμα.

Γιατί αυτό δεν είναι ένα ελάττωμα που μπορείς να διορθώσεις με μηχανική#

Αυτό δεν είναι περίπτωση ενός προμηθευτή που το κάνει κακώς και ενός άλλου που το κάνει καλά. Είναι δομικό: κανείς εκτός από τον διαφημιστή και το δίκτυο δεν έχει τα πραγματικά δεδομένα προσφοράς και παράδοσης. Ακόμα και το ίδιο το δίκτυο γνωρίζει μόνο τι χρέωσε αυτόν τον συγκεκριμένο διαφημιστή, όχι ποια θα έπρεπε να ήταν η μικτή υπόθεση ενός εργαλείου κατασκοπίας. Οποιοδήποτε εργαλείο που ισχυρίζεται ακριβή, ανά διαφημιστή ποσά σε δολάρια παρουσιάζει την έξοδο ενός μοντέλου με περισσότερη βεβαιότητα από όση υποστηρίζουν τα υποκείμενα δεδομένα.

Για τι είναι πραγματικά καλές οι εκτιμήσεις δαπανών#

Παρά την ανακρίβεια, οι μοντελοποιημένοι αριθμοί δαπανών δεν είναι άχρηστοι, χρησιμοποιημένοι σωστά απαντούν σε διαφορετικές, πιο ειλικρινείς ερωτήσεις:

• Σχετική σύγκριση. Ο Διαφημιστής Α ξοδεύει κατά προσέγγιση περισσότερα από τον Διαφημιστή Β στον ίδιο κλάδο και δίκτυο; Ένα κοινό σφάλμα μοντελοποίησης τείνει να εφαρμόζεται παρόμοια και στους δύο, επομένως η κατάταξη μεταξύ τους είναι συχνά πιο αξιόπιστη από οποιονδήποτε απόλυτο αριθμό.
• Κατεύθυνση τάσης. Η εκτιμώμενη δαπάνη ενός διαφημιστή αυξάνεται ή μειώνεται μήνα προς μήνα; Η κατευθυντική κίνηση επιβιώνει το σφάλμα μοντελοποίησης καλύτερα από ό,τι το απόλυτο ποσό.
• Κατά προσέγγιση μέγεθος. Η διάκριση ενός πενταψήφιου προϋπολογισμού δοκιμής από μια επταψήφια συνεχή καμπάνια είναι συνήθως εφικτή ακόμα και με ένα θορυβώδες μοντέλο· η αξιόπιστη διάκριση των $40,000 από τα $55,000 δεν είναι.

Σήματα που είναι πιο αξιόπιστα από μια εκτίμηση δαπανών#

Εάν ο πραγματικός σας στόχος είναι να κατανοήσετε πόσο σοβαρά επενδύει ένας ανταγωνιστής σε μια προσφορά, πολλά παρατηρήσιμα σήματα φέρουν λιγότερο σφάλμα μοντελοποίησης από ένα παραγόμενο ποσό σε δολάρια:

Αυτά δεν θα σας δώσουν ένα ποσό σε δολάρια, αλλά θα σας δώσουν μια πιο ειλικρινή ανάγνωση της κλίμακας και της δέσμευσης από έναν μοντελοποιημένο αριθμό δαπανών ντυμένο ως ακριβής.

Πώς να χρησιμοποιήσετε μια εκτίμηση δαπανών υπεύθυνα εάν ένα εργαλείο την παρέχει#

Εάν κοιτάτε μια δημοσιευμένη εκτίμηση δαπανών οπουδήποτε, αντιμετωπίστε την όπως θα αντιμετωπίζατε μια κατά προσέγγιση εκτίμηση Fermi: χρήσιμη για ταξινόμηση πραγμάτων, επικίνδυνη να αναφερθεί ως γεγονός σε μια αναφορά προς πελάτη ή αφεντικό. Μερικοί πρακτικοί κανόνες:

• Ποτέ μην παρουσιάζετε μια εκτίμηση δαπανών ενός διαφημιστή ως σκληρό αριθμό σε εξωτερική αναφορά· πλαισιώστε την το πολύ ως μια κατευθυντική περιοχή.
• Βαρύντε περισσότερο τις εκτιμήσεις όταν το υποκείμενο δείγμα (αριθμός δημιουργικών, διάρκεια παρατήρησης) είναι μεγάλο· ένα ποσό δαπανών που προέρχεται από μία εβδομάδα δεδομένων σε ένα δημιουργικό φέρει πολύ περισσότερο σφάλμα από ένα που χτίζεται από μήνες συνεχούς παρατήρησης.
• Ελέγξτε διασταυρωτικά έναντι άμεσα παρατηρούμενων σημάτων (μακροβιότητα, αριθμός δημιουργικών, γεωγραφική εξάπλωση) πριν βγάλετε συμπεράσματα, και εάν τα άμεσα παρατηρούμενα σήματα και η εκτίμηση δαπανών διαφωνούν, εμπιστευτείτε τα άμεσα παρατηρούμενα.

Ένα εργασιακό παράδειγμα του πώς το σφάλμα συνδυάζεται#

Ας πούμε ότι ένα εργαλείο παρατηρεί το δημιουργικό ενός διαφημιστή να εμφανίζεται σε περίπου 200 διαφορετικές τοποθετήσεις εκδότη σε ένα μήνα και υποθέτει ένα μικτό CPM για εγγενείς διαφημίσεις για τον κλάδο. Πολλαπλασιάστε τις τοποθετήσεις με έναν υποτιθέμενο αριθμό εμφανίσεων ανά τοποθέτηση, μετά με το υποτιθέμενο CPM, και παίρνετε ένα ποσό σε δολάρια. Τώρα αλλάξτε οποιαδήποτε είσοδο: το πραγματικό CPM που πληρώνει αυτός ο συγκεκριμένος διαφημιστής θα μπορούσε να είναι διπλάσιο ή μισό από τον μικτό μέσο όρο ανάλογα με την ακρίβεια του στοχευτικού κοινού και το βαθμό ποιότητας του δημιουργικού του, οι πραγματικές εμφανίσεις ανά τοποθέτηση θα μπορούσαν να ποικίλλουν ανάλογα με το μείγμα γεωγραφικής περιοχής και συσκευής με τρόπους που το μοντέλο δεν βλέπει, και ο παρατηρούμενος αριθμός τοποθετήσεων είναι από μόνος του ένα δείγμα από συλλογή, όχι μια πλήρης απογραφή κάθε εμφάνισης που εξυπηρετήθηκε. Κάθε μία από αυτές τις τρεις εισόδους μπορεί ανεξάρτητα να είναι εκτός κατά ένα σημαντικό περιθώριο, και επειδή η τελική εκτίμηση τις πολλαπλασιάζει μαζί, τα σφάλματα συνδυάζονται αντί να εξομαλύνονται. Αυτός είναι ο μηχανικός λόγος που η εκτιμώμενη δαπάνη ενός μεμονωμένου διαφημιστή μπορεί να φαίνεται με σιγουριά ακριβής σε έναν πίνακα ελέγχου ενώ είναι γνήσια αναξιόπιστη από κάτω.

Γιατί το OpenAdLibrary δεν δημοσιεύει κατασκευασμένους αριθμούς δαπανών#

Δεδομένου του πόσου στοιχειώματος βρίσκεται κάτω από οποιαδήποτε μοντελοποιημένη εκτίμηση σε δολάρια, σκοπίμως δεν κατασκευάζουμε ένα ακριβές ποσό δαπανών για να βάλουμε στο προφίλ ενός διαφημιστή. Αυτό που παρακολουθούμε και επισημαίνουμε είναι αυτό που είναι πραγματικά παρατηρήσιμο: αριθμός δημιουργικών, διάρκεια λειτουργίας, παρουσία σε δίκτυα, γεωγραφική και συσκευαστική εξάπλωση, όλα εξαγόμενα από συνεχή καταγραφή σε δίκτυα αντί να συμπεραίνονται από μια υπόθεση τιμολόγησης. Εάν η ροή εργασιών σας εξαρτάται από την αξιολόγηση του πόσο σοβαρά επενδύει ένας ανταγωνιστής σε μια προσφορά, αυτά τα άμεσα παρατηρούμενα σήματα, που καλύπτονται σε βάθος στο πώς να εκτιμήσετε τη δαπάνη εγγενών διαφημίσεων του ανταγωνιστή, είναι το πιο ειλικρινές μέρος για να κοιτάξετε από οποιοδήποτε μεμονωμένο ποσό σε δολάρια που σας δίνει ένα εργαλείο. Το εργαλείο μας νοημοσύνης διαφημίσεων είναι χτισμένο γύρω από αυτήν την ίδια προσέγγιση με προτεραιότητα τα παρατηρούμενα δεδομένα αντί να παρουσιάζει μοντελοποιημένες εικασίες ως γεγονότα.

Ερωτήσεις που αξίζει να κάνετε σε οποιοδήποτε εργαλείο που δημοσιεύει αριθμούς δαπανών#

Εάν αξιολογείτε τις εκτιμήσεις δαπανών ενός προμηθευτή πριν τις στηριχτείτε, μερικές άμεσες ερωτήσεις διαπερνούν πολλή από τη γλώσσα μάρκετινγκ: Ποια είναι η υποκείμενη πηγή δεδομένων, παρατηρήσεις από συλλογή ή μια άδεια ροή δεδομένων; Πώς προέρχεται η υπόθεση CPM ή CPC, και ποικίλλει ανά δίκτυο, γεωγραφική περιοχή και κλάδο, ή είναι ένας ενιαίος μικτός συντελεστής που εφαρμόζεται παντού; Πόσο μεγάλο είναι το παράθυρο παρατήρησης πίσω από το ποσό οποιουδήποτε μεμονωμένου διαφημιστή, μια εβδομάδα συλλογής παράγει μια πολύ πιο θορυβώδη εκτίμηση από μήνες συνεχούς παρακολούθησης. Ένας προμηθευτής που μπορεί να απαντήσει σε αυτά ξεκάθαρα είναι πιο ειλικρινής μαζί σας από έναν που απλώς παρουσιάζει ένα καθαρό ποσό σε δολάρια χωρίς συνημμένη μεθοδολογία.

Η ουσία#

Οι εκτιμήσεις δαπανών διαφήμισης από οποιοδήποτε ανταγωνιστικό εργαλείο, συμπεριλαμβανομένων των δικών μας αν τις δημοσιεύαμε, χτίζονται σε υποθέσεις πολλών επιπέδων μακριά από την πραγματική συναλλαγή. Μπορεί να είναι χρήσιμες κατευθυντικά για τη σύγκριση διαφημιστών ή τον εντοπισμό αλλαγών τάσης, αλλά η αντιμετώπιση ενός συγκεκριμένου ποσού σε δολάρια ως ακριβούς σε επίπεδο μεμονωμένου διαφημιστή είναι λάθος ανεξάρτητα από τον προμηθευτή που το παρήγαγε. Η πιο αξιόπιστη διαδρομή είναι να παρακολουθείτε άμεσα παρατηρούμενα σήματα, όγκο δημιουργικού, μακροβιότητα, εξάπλωση σε δίκτυα, και να συλλογίζεστε από αυτά αντί να εμπιστεύεστε έναν μοντελοποιημένο αριθμό που φαίνεται πιο ακριβής από όσο πραγματικά είναι.