התאמות הצעות מחיר לפי מכשיר וגיאוגרפיה: משתנים שמניעים ROAS
הצעת מחיר אחידה בכל מכשיר וגיאוגרפיה יכולה להסתיר הבדלים בביצועים בין קטעים. כך בונים משתנים לפי מכשיר וגיאוגרפיה, בודקים אותם מול תוצאות הקטעים שלכם ושומרים על השינוי הפיך; אין הבטחה לרווח ב-ROAS.

התאמות הצעות מחיר לפי מכשיר וגיאוגרפיה יכולות לשנות הצעות מחיר עבור קטעי תעבורה נבחרים, במקומות שבהם הפלטפורמה ואסטרטגיית ההצעות תומכות בכך. השוו ערך המרה בפועל, עלויות ואי-ודאות לפני שינוי הגדרה. מאמר זה אינו קובע שמשתנים משפרים ROAS מהר יותר מעבודה על קריאייטיב.
למה הצעה אחת לכל המכשירים והאזורים הגיאוגרפיים משאירה כסף על השולחן#
המכירה הפומבית של כל רשת מקורית היא עיוורת לשולי הרווח שלך כברירת מחדל. היא ממטיבה את ההצעה והטרגוט שקבעת, לא למקום שבו ערך ההמרה האמיתי שלך מרוכז. אם המרות במכשירים ניידים הן בחצי מהקצב של המרות במכשירים שולחניים עבור ההצעה שלך, אבל אתה מציע את אותו הסכום על שניהם, אתה או משלם יותר מדי על תעבורה ניידת או משלם פחות מדי על תעבורה שולחנית, ובדרך כלל שניהם בו זמנית. אותו ההיגיון חל על פני אזורים גיאוגרפיים: מדינה מדרגה ראשונה עם ערכי הזמנה ממוצעים גבוהים יותר יכולה לספוג הצעה גבוהה יותר ממדינה מדרגה שלישית שבה אותה לחיצה שווה פחות עבורך.
משתנים לפי מכשיר וגיאוגרפיה קיימים במיוחד כדי לתקן זאת מבלי לדרוש קמפיינים נפרדים לכל שילוב.
איפה נמצאים המנופים#
אמתו את זמינות המשתנה והתנהגותו בתיעוד העדכני של הפלטפורמה, החשבון ואסטרטגיית ההצעות המדויקים. טרגוט של מכשיר או מדינה אינו בהכרח זהה להחלת מכפיל הצעה.
בדקו את התיעוד הנוכחי של כל רשת עבור שמות השדות המדויקים והאם המשתנה הוא מכפיל קשיח או אות רך שהאלגוריתם שוקל לצד גורמים אחרים; זה משתנה מעת לעת והמכניקה שונה מעט בין רשת לרשת. ראה כיצד מודעות Taboola עובדות וכיצד Outbrain עובד עבור מכניקת ההצעות הבסיסית שעליה יושבים המשתנים הללו.
בניית משתנה המכשיר הראשון שלך#
לפני קביעת כל משתנה, הוציאו דוח המרות מפוצל לפי מכשיר מהמעקב שלכם, לא מדוח הלחיצות של הרשת. אתה צריך שיעור המרה וערך הזמנה ממוצע לפי מכשיר, לא רק לחיצות או CTR, כי למכשיר יכול להיות CTR גבוה ושיעור המרה נמוך, מה שיוביל אותך להציע בכיוון הלא נכון אם רק הסתכלת על מעורבות.
גישה התחלתית פשוטה:
בדקו עלויות והמרות ברמת המכשיר יחד עם מספרי החשיפות וחלונות ההמרה שלהן. בחרו כל שינוי בהצעה שנמצא בתוך תקרת הסיכון שלכם, ומדדו את השפעתו. לא הוצאה בגובה שניים או שלושה CPAs מהיעד ולא המתנה של שבוע מבטיחים די ראיות.
בניית משתנה הגיאוגרפיה הראשון שלך#
משתנים גיאוגרפיים פועלים לפי אותו ההיגיון אך משפיעים על דירוגים גיאוגרפיים בצורה ישירה יותר. מדינות מדרגה ראשונה תומכות בדרך כלל בהצעות מחיר גבוהות יותר כי ערך ההזמנה הממוצע שם גבוה יותר; אזורים גיאוגרפיים מדרגה שנייה ושלישית צריכים בדרך כלל הצעות מחיר נמוכות יותר כדי להישאר רווחיים בהתחשב בערכי הזמנה נמוכים יותר בדרך כלל, אך יכולים גם להיות עם תחרות נמוכה בהרבה, כלומר הצעה צנועה עדיין זוכה בהרבה נפח. זה אותו הדינמיקה שמאחורי הרחבה לאזורים גיאוגרפיים חדשים כדרך למצוא מלאי זול יותר ופחות תחרותי לאחר שקמפיין מדרגה ראשונה מבשיל.
אל תקבעו משתנים גיאוגרפיים על סמך הנחה בלבד. הוציאו ביצועים בפועל לפי מדינה אם הנפח שלכם תומך בכך; הנחות לגבי אילו אזורים גיאוגרפיים "אמורים" להמיר היטב שגויות לעתים קרובות מספיק כדי שהנתונים יהיו שווים את שלב הדיווח הנוסף.
שילוב משתנים לפי מכשיר וגיאוגרפיה#
השניים משפיעים זה על זה. אזור גיאוגרפי שממיר היטב במכשירים שולחניים עשוי להמיר בצורה גרועה במכשירים ניידים באותה מדינה, וטיפול ב"משתנה גיאוגרפי" וב"משתנה מכשיר" כהגדרות עצמאיות לחלוטין יכול לייצר הצעה משולבת שהיא שגויה בכל כיוון. במקומות שבהם רשת תומכת בכך, בדקו פילוחים משולבים של מכשיר לפי גיאוגרפיה, לא רק כל מימד בנפרד, לפני סיום המשתנים. זה גם המקום שבו הצעות מחיר ברמת המפרסם מוסיפות מימד שלישי: קהל המפרסם נוטה לתמהיל מכשיר וגיאוגרפיה מסוים, ולכן משתנים של מפרסם, מכשיר וגיאוגרפיה אינם מנופים עצמאיים לחלוטין למרות שדשבורד הרשת מציג אותם כהגדרות נפרדות.
דוגמה מעובדת#
נניח שה-CPA הכולל של קמפיין יושב בדיוק על המטרה, 35 דולר, מעורב על פני מכשיר וגיאוגרפיה. הוצאת הפילוח מראה שולחניים בארה"ב ממירים ב-CPA של 22 דולר, ניידים בארה"ב ב-CPA של 48 דולר, ואזור גיאוגרפי משני מדרגה שנייה ב-CPA של 30 דולר על שני המכשירים יחד. הממוצע המעורב מסתיר קטע שולחניים בארה"ב שכבר רווחי מאוד וקטע ניידים בארה"ב שמפסיד כסף באופן פעיל ביחס למטרה.
בדוגמה ההיפותטית הזו, לקטעים יש CPAs נצפים שונים. זה מעלה שאלה לבדיקה, ולא התאמה מוכחת של 25–30% או תחזית של תוצאות השבוע הבא. בדקו ערך המרה, גודל מדגם והתנהגות פלטפורמה לפני קביעת משתנה.
טעויות נפוצות#
- קביעת משתנים על סמך הנחות תעשייה במקום הנתונים שלך. "ניידים תמיד ממירים גרוע יותר" אינו נכון באופן אוניברסלי; זה תלוי בעמוד הנחיתה שלך, בהצעה ובתהליך התשלום.
- תיקון יתר על מדגם קטן. משתנה מכשיר של 50%- המבוסס על שלושה ימים של נתונים מגיב בדרך כלל לרעש, לא לדפוס אמיתי.
- שוכחים לחזור לאחר שינוי בעמוד נחיתה או בקריאייטיב. עמוד נחיתה לא ידידותי לנייד שתוקן מאוחר יותר אומר שהמשתנה הנייד הישן שלך הוא כעת מיושן וכנראה שמרני מדי.
- התעלמות מהשפעות הדדיות. אופטימיזציה של מכשיר וגיאוגרפיה באופן עצמאי מבלי לבדוק את הפילוח המשולב יכולה להשאיר רווח אמיתי על השולחן או, גרוע מכך, לדכא באופן פעיל שילוב רווחי.
שילוב משתנים במחזור הדיווח שלך#
משתנים לפי מכשיר וגיאוגרפיה אינם תצורה שנקבעת פעם אחת. בנו אותם לאותו מחזור שבועי שהיית משתמש בו לסקירות הצעות מחיר ברמת המפרסם: הוציאו את הפילוח לפי מכשיר וגיאוגרפיה לצד דוח המפרסם, בדקו האם המשתנים של השבוע שעבר הזיזו את ה-CPA המעורב בכיוון הנכון, והתאימו בהדרגה במקום לאפס מחדש מאפס בכל פעם. מכיוון ששלושת המימדים, מפרסם, מכשיר וגיאוגרפיה, משפיעים זה על זה, שינוי שלושתם בבת אחת מקשה לדעת איזו התאמה גרמה בפועל לתוצאה. במידת האפשר, שנה מימד אחד בשבוע עד שתרגיש עד כמה החשבון הספציפי שלך רגיש לכל מנוף.
בדיקת התוכנית מול התנהגות השוק האמיתית#
לכידות מודעות של מתחרים יכולות להראות נוכחות מדגמית לפי מכשיר וגיאוגרפיה. הן אינן חושפות איזה מלאי היה רווחי או איזה משתנה הניב את המיקומים; השתמשו בראיות מהקמפיינים שלכם להחלטות האלה.
המסקנה#
השתמשו במשתנים, במקומות שבהם הם נתמכים, כהשערה אחת לבדיקה מול תוצאות בפועל ברמת הקטע. שמרו את ההגדרות הקודמות ואת תקופת המדידה כדי שניתן יהיה להעריך את השינוי ולהפוך אותו; אין הבטחה לשיפור ב-ROAS.







