OpenAdLibraryOpenAdLibrary
Affiliate & Αγορά Μέσων

Διαχωρισμός Προϋπολογισμού Δοκιμών vs Κλιμάκωσης: Το 70/20/10 που Δεν είναι Δόγμα

Το 70/20/10 επαναλαμβάνεται ως ευαγγέλιο, αλλά ο σωστός διαχωρισμός δοκιμών προς κλιμάκωση εξαρτάται από το απόθεμα νικητών σας και τον ρυθμό κόπωσης, όχι από ένα σταθερό ποσοστό. Εδώ είναι το πλαίσιο αντί αυτού.

Εικονογραφημένη απεικόνιση: Διαχωρισμός Προϋπολογισμού Δοκιμών vs Κλιμάκωσης: Το 70/20/10 που Δεν είναι Δόγμα

Ένας κοινός διαχωρισμός εκκίνησης για τον προϋπολογισμό δοκιμών προς κλιμάκωση είναι περίπου 70% σε αποδεδειγμένους νικητές, 20% σε κοντινές παραλλαγές όσων ήδη λειτουργούν και 10% σε πραγματικά νέες δοκιμές δημιουργικού περιεχομένου ή προσφορών, αλλά αντιμετωπίστε αυτό το 70/20/10 ως ένα σημείο εκκίνησης για προσαρμογή, όχι ως κανόνα για τυφλή ακολούθηση. Ο σωστός διαχωρισμός εξαρτάται από το πόσους νικητές έχετε αυτήν τη στιγμή, πόσο γρήγορα κουράζεται το καλύτερο δημιουργικό σας περιεχόμενο και πόσο ορίζοντα έχετε για να επιβιώσετε από μια κακή εβδομάδα δοκιμών.

Γιατί ο λόγος δεν είναι το ζητούμενο#

Το πλαίσιο 70/20/10 (ή 80/15/5, ή 60/30/10, ανάλογα με το ποιον ρωτάτε) επαναλαμβάνεται γιατί είναι ένα λογικό προεπιλεγμένο για κάποιον χωρίς άλλες πληροφορίες. Αλλά απαντά στην λάθος ερώτηση. Η πραγματική απόφαση που πρέπει να πάρουν οι αγοραστές δεν είναι "τι ποσοστό πρέπει να δοκιμάζω", αλλά "πόσα μπορώ να αντέξω να χάσω αυτήν την εβδομάδα χωρίς να απειληθεί η καμπάνια, και πόσες έννοιες δημιουργικού περιεχομένου χρειάζομαι να τρέχουν ταυτόχρονα για να διατηρώ μια ροή νικητών που έρχονται".

Αυτές οι δύο ερωτήσεις παράγουν πολύ διαφορετικούς διαχωρισμούς ανάλογα με το μέγεθος του λογαριασμού. Ένας αγοραστής που ξοδεύει $500 την ημέρα δοκιμάζοντας στο 10% έχει $50 την ημέρα για να βρει έναν νέο νικητή, ποσό που στις τυπικές δαπάνες native δοκιμών είναι μόλις αρκετό για μια ενδεικτική ανάγνωση σε μια νέα προσέγγιση. Ένας αγοραστής με $10,000 την ημέρα έχει $1,000 την ημέρα για δοκιμές, που υποστηρίζει την εκτέλεση τεσσάρων ή πέντε πραγματικών δοκιμών παράλληλα. Το ποσοστό είναι ίδιο· η πρακτική δοκιμαστική ικανότητα δεν είναι.

Οι πραγματικές εισροές στον διαχωρισμό σας#

Απόθεμα νικητών. Εάν αυτήν τη στιγμή έχετε μία διαφήμιση που λειτουργεί και δείχνει πρώιμα σημάδια κόπωσης, πρέπει να δοκιμάζετε πιο επιθετικά από το 10%, γιατί είστε μία κακή εβδομάδα μακριά από το να έχετε μηδέν νικητές. Εάν έχετε πέντε σταθερούς νικητές σε διαφορετικές προσεγγίσεις, μπορείτε να αφιερώσετε περισσότερο στην κλιμάκωση και να δοκιμάζετε πιο συντηρητικά.

Ρυθμός κόπωσης. Οι χρονοδιαγράμματα κόπωσης native δημιουργικού περιεχομένου ποικίλλουν ανά τομέα και δίκτυο, αλλά το μοτίβο είναι σταθερό: η απόδοση υποβαθμίζεται καθώς η συχνότητα αυξάνεται και το ίδιο τμήμα κοινού βλέπει επανειλημμένα τη διαφήμιση. Παρακολουθήστε πόσες μέρες κρατάει ο τυπικός σας νικητής πριν αρχίσει η φθορά και διαμορφώστε τον προϋπολογισμό δοκιμών σας για να έχετε μια αντικατάσταση έτοιμη πριν από αυτό το σημείο, όχι μετά. Δείτε creative fatigue για τον υποκείμενο μηχανισμό.

Ορίζοντας λογαριασμού. Πόσες κακές εβδομάδες μπορεί να αντέξει η επιχείρηση πριν πρέπει να μειωθούν οι δαπάνες; Ένας λεπτότερος ορίζοντας υποστηρίζει μια μικρότερη, πιο συντηρητική κατανομή δοκιμών ακόμα κι αν επιβραδύνει το πόσο γρήγορα βρίσκετε νέους νικητές· η ανταλλαγή είναι πραγματική και δεν υπάρχει τύπος που την αφαιρεί.

Κόστος δοκιμής ανά μάθημα. Μια φθηνή δοκιμή Revcontent ή MGID σε μια γεωγραφική περιοχή χαμηλότερου επιπέδου μπορεί να σας δώσει μια ενδεικτική ανάγνωση για μερικές εκατοντάδες δολάρια. Μια δοκιμή Taboola σε έναν ανταγωνιστικό τομέα Tier-1 όπως οι οικονομικές υπηρεσίες ή οι ασφάλειες χρειάζεται σημαντικά περισσότερες δαπάνες πριν τα δεδομένα είναι αξιόπιστα. Προϋπολογίστε την κατανομή δοκιμών σας με βάση το κόστος μιας πραγματικής απάντησης, όχι ένα αυθαίρετο χρηματικό ποσό.

Ένα πρακτικό πλαίσιο αντί για έναν σταθερό λόγο#

  1. Ορίστε ένα ελάχιστο όριο δοκιμών, όχι ένα ποσοστό. Αποφασίστε το ελάχιστο εβδομαδιαίο χρηματικό ποσό που απαιτείται για να τρέξετε τουλάχιστον δύο πραγματικές δοκιμές δημιουργικού περιεχομένου ή προσεγγίσεων σε ένα στατιστικά χρήσιμο δείγμα. Αυτό είναι το ελάχιστο όριο σας ανεξάρτητα από τις συνολικές δαπάνες.
  2. Κλιμακώστε την κατανομή των νικητών για να γεμίσετε το υπόλοιπο, αλλά περιορίστε πόσο πηγαίνει σε οποιοδήποτε μεμονωμένο δημιουργικό περιεχόμενο ή εκδότη, καθώς τα δεδομένα απόδοσης σε επίπεδο εκδότη συχνά δείχνουν ότι ακόμα και μια "νικήτρια" καμπάνια έχει αδύναμα σημεία που αξίζει να περικοπούν παρά να κλιμακωθούν όλα τυφλά αναλογικά.
  3. Διατηρήστε ένα ενδιάμεσο επίπεδο για επανάληψη, όχι για εντελώς νέες έννοιες: παραλλαγές σε έναν νικητήριο κέντρο ενδιαφέροντος, μια νέα εικόνα σε έναν αποδεδειγμένο τίτλο, ένα διαφορετικό CTA. Αυτό είναι φθηνότερο να δοκιμαστεί από εντελώς νέες έννοιες και έχει υψηλότερο ποσοστό επιτυχίας, που είναι το μεγαλύτερο μέρος αυτού που κάνει πρακτικά το "20%" στο 70/20/10.
  4. Επανεξετάστε εβδομαδιαίως, όχι μηνιαίως. Ο σωστός διαχωρισμός αλλάζει καθώς οι νικητές κουράζονται και οι νέες δοκιμές είτε επιτυγχάνουν είτε αποτυγχάνουν· μια σταθερή μηνιαία κατανομή ξεθωριάζει γρήγορα σε ένα κανάλι όπου η φθορά του δημιουργικού περιεχομένου μετριέται σε μέρες ή εβδομάδες, όχι σε τρίμηνα.

Πού πρέπει πραγματικά να πηγαίνει ο προϋπολογισμός δοκιμών#

Όχι κάθε δίκτυο ή γεωγραφική περιοχή αξίζει ίσο προϋπολογισμό δοκιμών. Οι φθηνότερες γεωγραφικές περιοχές και δίκτυα σας επιτρέπουν να πάρετε μια ανάγνωση πιο γρήγορα και φθηνά: η δοκιμή μιας νέας προσέγγισης σε μια γεωγραφική περιοχή Tier-2 στο MGID ή στο Revcontent πριν την δεσμευτείτε σε μια καμπάνια Tier-1 Taboola είναι ένα κοινό μοτίβο ακριβώς επειδή το κόστος μιας λάθος απάντησης είναι χαμηλότερο. Εάν η προσέγγιση λειτουργεί φθηνά, είναι πολύ πιο ασφαλές στοίχημα να κλιμακωθεί σε premium απόθεμα. Εδώ είναι επίσης που πληρώνει να ελέγξετε αν μια παρόμοια προσέγγιση είναι ήδη αποδεδειγμένη αλλού. Πριν ξοδέψετε προϋπολογισμό δοκιμών σε μια έννοια από το μηδέν, η ανάλυση νικηφόρων native ad creatives που είναι ήδη ενεργές στον τομέα σας σας λέει αν η προσέγγιση έχει δυνατότητες πριν πληρώσετε για να το μάθετε μόνοι σας.

Ένα εργασιακό παράδειγμα σε διαφορετικά μεγέθη λογαριασμών#

Σκεφτείτε δύο λογαριασμούς που τρέχουν ονομαστικά έναν διαχωρισμό 70/20/10. Ο Λογαριασμός Α ξοδεύει $400/ημέρα· η κατανομή δοκιμών του 10% είναι $40/ημέρα, ποσό που στα περισσότερα native δίκτυα δεν είναι αρκετό για να φτάσει σε μια μόνο μετατροπή σε έναν τομέα Tier-1 μέσα σε μια εβδομάδα, πόσο μάλλον να συγκρίνει δύο έννοιες μεταξύ τους. Ο Λογαριασμός Β ξοδεύει $8,000/ημέρα· το 10% του είναι $800/ημέρα, αρκετό για να τρέξει τρεις ή τέσσερις πραγματικές δοκιμές ταυτόχρονα και να πάρει μια αξιόπιστη ανάγνωση μέσα σε μέρες.

Η λύση για τον Λογαριασμό Α συνήθως δεν είναι "δοκιμάστε λιγότερο", αλλά η αναδιάρθρωση του λόγου ώστε το ελάχιστο όριο δοκιμών να είναι ένα σταθερό χρηματικό ποσό παρά ένα ποσοστό: ίσως $150/ημέρα ανεξάρτητα από το τι αντιπροσωπεύει αυτό ως μερίδιο των συνολικών δαπανών, χρηματοδοτούμενο με την ελαφρά περικοπή της κατανομής κλιμάκωσης παρά με τη μείωση της ποιότητας της δοκιμής κάτω από το σημείο όπου παράγει χρησιμοποιήσιμα δεδομένα. Μια δοκιμή που δεν μπορεί να φτάσει σε ένα πραγματικό δείγμα δεν είναι φθηνότερη, είναι απλώς ένας τρόπος να ξοδέψετε χρήματα χωρίς να μάθετε τίποτα, που είναι χειρότερο από το να μην δοκιμάζετε καθόλου.

Σήματα ότι ο διαχωρισμός σας χρειάζεται αλλαγή#

Μερικοί συγκεκριμένοι παράγοντες που αξίζει να παρακολουθείτε, αντί να περιμένετε ένα προγραμματισμένο review:

  • Η απόδοση του καλύτερου δημιουργικού σας περιεχομένου έχει πέσει για δύο συνεχόμενες εβδομάδες. Αυτό είναι ένα πρώιμο σήμα κόπωσης και σημαίνει ότι η ροή δοκιμών σας πρέπει να έχει ήδη έναν υποψήφιο έτοιμο, όχι να ξεκινήσει από το μηδέν μόλις ο νικητής φθαρεί πλήρως.
  • Ο ρυθμός επιτυχίας των δοκιμών σας ήταν ασυνήθιστα υψηλός πρόσφατα. Αν τρεις από τις τελευταίες πέντε δοκιμές σας μετατράπηκαν σε βιώσιμους νικητές, αυτό είναι ένα σημάδι ότι ο τομέας ή η πηγή προσεγγίσεων από την οποία αντλείτε είναι ασυνήθιστα γόνιμη αυτήν τη στιγμή, και η προσωρινή έμφαση σε περισσότερες δοκιμές μπορεί να πολλαπλασιάσει τα αποτελέσματα πιο γρήγορα από την τήρηση ενός σταθερού λόγου.
  • Δεν έχετε κανέναν νέο νικητή σε ένα μήνα παρά τον σταθερό προϋπολογισμό δοκιμών. Αυτό είναι ένα σήμα να κοιτάξετε από πού προέρχονται οι έννοιες των δοκιμών σας, όχι απαραίτητα να αλλάξετε τον λόγο· περισσότερα δολάρια δοκιμών σε αδύναμες έννοιες απλώς καίνε τον προϋπολογισμό πιο γρήγορα.

Συχνά λάθη με τον διαχωρισμό#

  • Να αντιμετωπίζετε τον λόγο ως σταθερό ανεξάρτητα από τα αποτελέσματα. Εάν οι δοκιμές παράγουν νικητές με υψηλό ρυθμό επιτυχίας, αυτό είναι ένα σήμα να επενδύσετε περισσότερο, όχι να τον περιορίσετε μηχανικά στο 10%.
  • Δοκιμή πάρα πολλών μεταβλητών ταυτόχρονα. Μια δοκιμή που αλλάζει τίτλο, εικόνα και σελίδα προορισμού ταυτόχρονα δεν σας λέει ποια αλλαγή είχε σημασία. Απομονώστε μεταβλητές όπου το προϋπολογισμός το επιτρέπει.
  • Τερματισμός δοκιμών πολύ νωρίς. Υποχρηματοδοτημένες δοκιμές που κρίνονται την πρώτη ή δεύτερη μέρα των δαπανών συνήθως κρίνονται από θόρυβο, όχι από σήμα. Διαμορφώστε τον προϋπολογισμό δοκιμών στο δείγμα που πραγματικά χρειάζεστε πριν αποφασίσετε.
  • Να μην επανεξετάζετε ποτέ τις δαπάνες "κλιμάκωσης". Τα χρήματα που διατίθενται σε νικητές δεν είναι "βάλτε τα και ξεχάστε τα"· χρειάζονται συνεχή πειθαρχία σε επίπεδο εκδότη και προσφορών συσκευής/γεωγραφίας για να διατηρήσουν έναν νικητή νικητή.

Πώς να ξέρετε αν ο διαχωρισμός σας λειτουργεί#

Παρακολουθήστε έναν απλό λόγο σε ένα κυλιόμενο παράθυρο τεσσάρων εβδομάδων: δολάρια που δαπανήθηκαν σε δοκιμές έναντι νέων νικητών που παράχθηκαν. Εάν αυτός ο λόγος χειροτερεύει (περισσότερα δολάρια δοκιμών ανά νικητή που βρέθηκε), το πρόβλημα συνήθως δεν είναι το ποσοστό του διαχωρισμού, αλλά η ποιότητα των εννοιών που μπαίνουν στη δοκιμή. Καλύτερες εισροές, ενημερωμένες από τι λειτουργεί πραγματικά στον τομέα αυτήν τη στιγμή, διορθώνουν αυτό πιο γρήγορα από την αναδιάταξη του λόγου προϋπολογισμού.

Το 70/20/10 είναι ένα καλό σημείο εκκίνησης την πρώτη μέρα ενός νέου λογαριασμού. Μέχρι την τέταρτη εβδομάδα, ο δικός σας ρυθμός κόπωσης, ο αριθμός νικητών και ο ρυθμός επιτυχίας δοκιμών θα πρέπει να καθοδηγούν τον αριθμό, όχι έναν κανόνα που διαβάσατε σε μια ανάρτηση ιστολογίου.

Συχνές ερωτήσεις

Τι είναι ο κανόνας 70/20/10 στην αγορά μέσων;
Είναι μια κοινή ευρετική αρχή εκκίνησης: 70% του προϋπολογισμού σε αποδεδειγμένους νικητές, 20% σε κοντινές παραλλαγές όσων λειτουργούν και 10% σε πραγματικά νέες δοκιμές. Είναι ένα λογικό προεπιλεγμένο χωρίς άλλες πληροφορίες, αλλά πρέπει να προσαρμόζεται με βάση τον αριθμό των νικητών σας, τον ρυθμό κόπωσης και τον ορίζοντα του λογαριασμού.
Πόσο προϋπολογισμό πρέπει να αφιερώσω στη δοκιμή νέου δημιουργικού περιεχομένου;
Ορίστε ένα ελάχιστο όριο με βάση το χρηματικό ποσό που απαιτείται για να τρέξετε τουλάχιστον δύο πραγματικές δοκιμές σε ένα στατιστικά χρήσιμο δείγμα κάθε εβδομάδα, όχι ένα ποσοστό. Αυτό το όριο διαφέρει ανά δίκτυο και τομέα, καθώς μια δοκιμή Tier-1 Taboola στον τομέα των οικονομικών κοστίζει περισσότερο για αξιόπιστη ανάγνωση από μια δοκιμή Tier-2 MGID.
Πώς ξέρω αν δοκιμάζω πολύ λίγο;
Αν έχετε έναν ή δύο νικητές και καμία σαφή αντικατάσταση σε εξέλιξη καθώς δείχνουν σημάδια κόπωσης, τότε δοκιμάζετε πολύ λίγο. Ένας υγιής λογαριασμός έχει πάντα τουλάχιστον μία ή δύο έννοιες σε ενεργή δοκιμή, ανεξάρτητα από το πόσο καλά αποδίδουν οι τρέχοντες νικητές.
Πρέπει να αλλάζει ο λόγος δοκιμών προς κλιμάκωση με το χρόνο;
Ναι. Επανεξετάστε τον εβδομαδιαίως. Καθώς οι νικητές κουράζονται, οι δοκιμές επιτυγχάνουν ή αποτυγχάνουν και ο ρυθμός επιτυχίας σας αλλάζει, ένας σταθερός λόγος που ορίστηκε την πρώτη μέρα γίνεται λάθος μέσα σε λίγες εβδομάδες σε ένα κανάλι όπου η φθορά του δημιουργικού περιεχομένου συμβαίνει γρήγορα.
Είναι φθηνότερο να δοκιμάζω σε ορισμένα δίκτυα από άλλα;
Γενικά ναι. Οι γεωγραφικές περιοχές Tier-2 και δίκτυα όπως το MGID ή το Revcontent σας επιτρέπουν να πάρετε μια ενδεικτική ανάγνωση για μια νέα προσέγγιση με λιγότερες δαπάνες από μια δοκιμή Tier-1 Taboola ή Outbrain σε έναν ανταγωνιστικό τομέα, γι' αυτό πολλοί αγοραστές δοκιμάζουν φθηνά και κλιμακώνουν σε premium απόθεμα μόλις αποδειχθεί μια προσέγγιση.
Η Ομάδα του OpenAdLibrary
Συντάχθηκε απόΗ Ομάδα του OpenAdLibrary
Έρευνα για διαφημιστική νοημοσύνη και native διαφημίσεις

Δημιουργούμε το OpenAdLibrary, την ανοιχτή πλατφόρμα διαφανειας διαφημίσεων. Κάθε μέρα τα συστήματά μας καταγράφουν ζωντανές native διαφημίσεις σε Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo και MSN, αναγνωρίζουν τον πραγματικό διαφημιστή πίσω από κάθε μία και ακολουθούν το κλικ μέχρι τη σελίδα προορισμού. Αυτοί οι οδηγοι συνοψίζουν ό,τι βλέπουμε σε αυτά τα δεδομένα ώστε να μπορείτε να ερευνήσετε την αγορά πιο γρήγορα.