כמה מדויקות הערכות ההוצאה על פרסום? מה כלי הריגול מפספסים

הערכות הוצאה על פרסום מכל כלי מודיעין תחרותי הן מספרים ממודלים, לא עובדות שנצפו, והתשובה הכנה לשאלה כמה הן מדויקות היא: שימושיות כיוונית, לא אמינות ברמת הדולר. אף כלי חיצוני לא רואה את חשבונית ההצעות או נתוני ההצעות בפועל של המפרסם. מה שהוא רואה זה נפח מודעות, דפוסי מיקום והערכות של ספירת חשיפות, ואז מריץ אותם דרך הנחות לגבי CPM או CPC כדי לייצר סכום בדולרים שנראה מדויק אך נשען על ניחושים בעומק של כמה שכבות.

איך הערכות הוצאה נבנות בפועל#

הערכת ההוצאה של כלי ריגול טיפוסי עוקבת אחר שרשרת כזו: ספור כמה מיקומים או חשיפות נראה שקיבלה המודעה של מפרסם, הכפל בהנחת CPM או CPC ממוצע לאותה רשת ונישה, ואז הצג את התוצאה כ"הוצאה חודשית משוערת". כל שלב בשרשרת הזו מציג שגיאה:

1. ספירת חשיפות היא עצמה הערכה. רוב הכלים לא מקבלים נתוני חשיפה ישירות משרת הפרסום, הם מסיקים נפח מכמה פעמים ובאיזו תפוצה נצפתה מודעה במהלך הסריקה, שזה מדגם, לא מפקד.
2. הנחות CPM/CPC הן ממוצעים שמיושמים על כולם. תמחור מכירה פומבית אמיתי משתנה מאוד לפי מוניטין המפרסם, דיוק הטרגוט, אזור גיאוגרפי, מכשיר ועונה בשנה. מחיר ממוצע אחד שמיושם על פני נישה שלמה יהיה שגוי עבור כמעט כל מפרסם בודד, לפעמים בפער גדול.
3. רשת ופורמט לא תמיד מופרדים בצורה נקייה. מלאי שולחני ונייד, מיקומים בפיד לעומת וידג'ט, ותמחור אזור גיאוגרפי Tier-1 לעומת Tier-3 – כולם נושאים תעריפים שונים בעולם האמיתי, אבל הרבה הערכות שפורסמו מערבבות את כל אלה למספר אחד.

ערמו את שלושת הקירובים האלה וה"הערכת ההוצאה" שנוצרת יכולה בקלות להיות רחוקה בכפולה גדולה לכיוון זה או אחר עבור כל מפרסם ספציפי, גם אם היא בערך נכונה בממוצע על פני מדגם גדול מספיק.

למה זו לא חולשה שאפשר להנדס אותה החוצה#

זה לא מקרה של ספק אחד שעושה את זה גרוע ואחר שעושה את זה טוב. זה מבני: לאף אחד מחוץ למפרסם ולרשת אין את נתוני ההצעות והמסירה בפועל. אפילו הרשת עצמה יודעת רק מה היא חייבה את המפרסם הספציפי הזה, לא מה ההנחה הממוצעת של כלי הריגול הייתה צריכה להיות. כל כלי שטוען לנתוני דולר מדויקים, למפרסם ספציפי, מציג את הפלט של מודל עם יותר ביטחון ממה שנתוני הבסיס תומכים בו.

למה הערכות הוצאה טובות בפועל#

למרות חוסר הדיוק, מספרי הוצאה ממודלים אינם חסרי ערך, אם משתמשים בהם נכון הם עונים על שאלות שונות, כנות יותר:

• השוואה יחסית. האם מפרסם A מוציא בערך יותר ממפרסם B באותה נישה ורשת? שגיאת מודל משותפת נוטה לחול באופן דומה על שניהם, כך שהדירוג ביניהם לרוב אמין יותר מכל מספר מוחלט.

• כיוון מגמה. האם ההוצאה המשוערת של מפרסם עולה או יורדת מחודש לחודש? תנועה כיוונית שורדת טוב יותר את שגיאת המודל מאשר הנתון המוחלט.

• מידול גס. הבחנה בין תקציב ניסיון בן חמש ספרות לקמפיין מתמשך בן שבע ספרות היא בדרך כלל אפשרית גם עם מודל רועש; הבחנה אמינה בין 40,000$ ל-55,000$ אינה אפשרית.

סימנים אמינים יותר מהערכת הוצאה#

אם המטרה האמיתית שלך היא להבין עד כמה מתחרה משקיע בהצעה, כמה סימנים נצפים נושאים פחות שגיאת מודל מאשר נתון דולרי נגזר:

אלה לא ימסרו לך נתון בדולרים, אבל הם יתנו לך קריאה כנה יותר של קנה מידה ומחויבות מאשר מספר הוצאה ממודל שמתלבש כמספר מדויק.

איך להשתמש בהערכת הוצאה באחריות אם כלי מספק אחת#

אם אתם מסתכלים על הערכת הוצאה שפורסמה איפשהו, התייחסו אליה כמו שהייתם מתייחסים לקירוב פרמי גס: שימושי לסידור דברים, לא בטוח לצטט כעובדה בדוח ללקוח או לבוס. כמה כללים מעשיים:

• לעולם אל תציגו הערכת הוצאה למפרסם בודד כמספר קשיח בדיווח חיצוני; מסגרו אותה כטווח כיווני לכל היותר.

• שקלו הערכות יותר כאשר המדגם הבסיסי (ספירת מודעות, משך תצפית) גדול; נתון הוצאה שנגזר מנתונים של שבוע אחד על מודעה אחת נושא הרבה יותר שגיאה מאחד שנבנה מחודשים של תצפית רציפה.

• בדקו מול סימנים שנצפו ישירות (אורך חיים, ספירת מודעות, התפשטות גיאוגרפית) לפני שמסיקים מסקנות, ואם הסימנים שנצפו ישירות והערכת ההוצאה לא מסכימים, בטחו באלה שנצפו ישירות.

דוגמה מעובדת לאיך השגיאה מצטברת#

נניח שכלי רואה מודעה של מפרסם מופיעה בבערך 200 מיקומי מפרסמים נפרדים במהלך חודש ומניח CPM מובנה ממוצע לנישה. הכפל מיקומים בהנחת ספירת חשיפות למיקום, ואז בהנחת ה-CPM, ותקבל נתון בדולרים. עכשיו שנו כל קלט אחד: ה-CPM האמיתי שהמפרסם הספציפי הזה משלם יכול להיות כפול או חצי מהממוצע הממוצע בהתאם לדיוק הטרגוט שלו וציון האיכות של המודעה, החשיפות בפועל למיקום יכולות להשתנות לפי שילוב אזור גיאוגרפי ומכשיר בדרכים שהמודל לא רואה, וספירת המיקומים שנצפו עצמה היא מדגם מסריקה, לא מפקד מלא של כל חשיפה ששירתה. כל אחד משלושת הקלטים האלה יכול באופן עצמאי להיות רחוק בשוליים משמעותיים, ומכיוון שההערכה הסופית מכפילה אותם יחד, השגיאות מצטברות במקום להתמצע. זו הסיבה המכנית לכך שההוצאה המשוערת של מפרסם בודד יכולה להיראות בטוחה ומדויקת בלוח מחוונים בעוד שהיא באמת לא אמינה מתחת לפני השטח.

למה OpenAdLibrary לא מפרסמת נתוני הוצאה מומצאים#

בהינתן כמה ניחושים יושבים מתחת לכל הערכת דולר ממודל, אנחנו בכוונה לא מייצרים מספר הוצאה מדויק לשים על הפרופיל של מפרסם. מה שאנחנו עוקבים אחריו ומציגים זה מה שנצפה בפועל: ספירת מודעות, משך ריצה, נוכחות ברשתות, התפשטות גיאוגרפית ומכשירים, כולם נשלפים מתפיסה רציפה על פני רשתות ולא מוסקים מהנחת תמחור. אם זרימת העבודה שלך תלויה בהערכת עד כמה מתחרה משקיע בהצעה, הסימנים שנצפו ישירות האלה, המכוסים לעומק באיך להעריך את ההוצאה על פרסום מקורי של מתחרה, הם המקום הכנה יותר לחפש בו מאשר כל נתון דולרי בודד שכלי מוסר לכם. כלי המודיעין על פרסום שלנו בנויים סביב אותה גישה של נתונים-נצפים-קודם ולא הצגת ניחושים ממודלים כעובדות.

שאלות ששווה לשאול כל כלי שמפרסם נתוני הוצאה#

אם אתם מעריכים את הערכות ההוצאה של ספק לפני שמסתמכים עליהן, כמה שאלות ישירות חותכות הרבה מהשפה השיווקית: מהו מקור הנתונים הבסיסי, תצפית מסורקת או הזנת נתונים מורשית? כיצד נגזרת הנחת ה-CPM או CPC, והאם היא משתנה לפי רשת, אזור גיאוגרפי ונישה, או שזה מחיר ממוצע אחד שמיושם בכל מקום? כמה גדול חלון התצפית שמאחורי הנתון של מפרסם בודד, שבוע אחד של סריקה מייצר הערכה רועשת הרבה יותר מחודשים של מעקב רציף. ספק שיכול לענות על אלה בפשטות מתנהג כלפיך ביושרה רבה יותר מאחד שפשוט מציג נתון דולרי נקי ללא מתודולוגיה מצורפת.

השורה התחתונה#

הערכות הוצאה על פרסום מכל כלי תחרותי, כולל שלנו אם היינו מפרסמים אותן, בנויות על הנחות במרחק של כמה שכבות מהעסקה בפועל. הן יכולות להיות שימושיות כיוונית להשוואת מפרסמים או זיהוי שינויי מגמות, אבל התייחסות לנתון דולרי ספציפי כמדיוק ברמת המפרסם הבודד היא טעות ללא קשר לאיזה ספק ייצר אותו. הדרך האמינה יותר היא צפייה בסימנים שנצפו ישירות, נפח מודעות, אורך חיים, התפשטות רשתות, והסקת מסקנות מאלה במקום לבטוח במספר ממודל שנראה מדויק יותר ממה שהוא באמת.