OpenAdLibraryOpenAdLibrary
שיווק שותפים ורכישת מדיה

הצעות מחיר ברמת המו"ל: התאמת הצעות מחיר לפי אתר, מדור ווידג'ט

הביצועים יכולים להשתנות באופן נרחב בין מו"לים שונים בקמפיין Native אחד; דוח המיקומים שלך מראה עד כמה. הצעות מחיר ברמת המו"ל קובעות הצעות מחיר שונות לכל אתר, מדור או וידג'ט, עם תהליך עבודה לסקירה ודוגמה מעובדת.

איור מערכת: הצעות מחיר ברמת המו"ל: התאמת הצעות מחיר לפי אתר, מדור ווידג'ט

הצעות מחיר ברמת המו"ל משמען הגדרת הצעת מחיר שונה, או התאמת הצעת מחיר, לאתרי מו"לים בודדים, למדורים או למזהי וידג'ט בתוך קמפיין Native, במקום להריץ הצעת מחיר אחידה אחת על פני כל הרשת. ב-Taboola, Outbrain, MGID ו-Revcontent, הביצועים יכולים להשתנות במידה רבה בין מו"לים שונים בתוך אותו קמפיין, אפילו אחרי שהאלגוריתם היה לו זמן ללמוד; עד כמה זה רחב בחשבון שלך זה משהו שרק דוח המיקומים שלך יכול לספר לך. התאמת הצעות מחיר במקומות שבהם הראיות תומכות בכך היא אחת הדרכים להפסיק לשלם את אותו מחיר על מיקומים שמתפקדים באופן שונה מאוד.

למה הצעת מחיר אחידה אחת היא ברירת המחדל השגויה#

כשאתה קובע הצעת מחיר אחת על פני קמפיין, הרשת מיישמת את ההצעה הזו בכל מקום שבו התמקדות הקהל שלך תואמת, מאתרי חדשות גדולים ועד אתרי תוכן קטנים שמציגים את אותו וידג'ט. חלק מהמיקומים האלה עשויים לעלות הרבה יותר להמרה מאשר היעד שלך; אחרים עשויים לא להפיק המרות בכלל. הצעת מחיר אחידה מתמחרת אותם באופן זהה. הכלים של הרשתות עצמן מאפשרים לך לשנות זאת לפי אתר (Taboola), לפי מדור של מו"ל (Outbrain) או לפי וידג'ט או מקור (MGID ו-Revcontent).

הצעות מחיר אוטומטיות מייעלות רק לכיוון האותות שהן מקבלות. אם אתה מציע מחיר על קליקים, או שמעקב ההמרות שלך לא מדווח חזרה לרשת, הפלטפורמה לא יכולה לראות אילו מו"לים מספקים לידים גרועים, ונתוני ההמרה שלך עצמך עשויים לפגר מאחורי ההוצאה. Conversion Bid Strategy של Outbrain מכווננת CPCs לכיוון המרות במעקב, ו-SmartBid של Taboola מתאימה הצעות מחיר באופן אוטומטי, אבל אף אחת מהן לא יכולה לראות אותות עסקיים שאתה אף פעם לא שולח, כמו איכות לידים, החזרים או ערך חיים. התאמות ברמת המו"ל מחזירות את האותות האלה אל תוך הצעת המחיר; Section Volume Control של Outbrain קיים בדיוק בשביל המקרה הזה.

מה אתה באמת משנה#

כל רשת גדולה חושפת את המנוף הזה, רק תחת שמות שונים:

רשת איפה זה נמצא איך ההתאמה עובדת
Taboola (Realize) דוח לפי אתר בסיכום הקמפיין הגברה או הפחתה באחוזים על ה-CPC של הקמפיין לפי אתר: ‎-99% עד ‎+100% ב-Fixed Bid, ‎-99% עד ‎+200% ב-SmartBid; ניתן לחסום מו"לים לפי קמפיין או עבור כל החשבון
Outbrain (Teads) דיווח ב-Amplify, לפי מו"ל ולפי מדור התאמת CPC באחוזים לפי מדור של מו"ל (לא לפי מו"ל שלם); ניתן להוציא מו"לים ומדורים באופן זמני או קבוע; Section Volume Control לקמפיינים של Conversion Bid Strategy עם לפחות 300 קליקים
MGID Widget Optimization (Selective Bidding) ו-Sources Optimization מכפיל CPC לפי מזהה וידג'ט או מקור, מינימום 0.1, בתוך מינימום ומקסימום CPC אזוריים; רשימות חסימה לקמפיין ולחשבון
Revcontent לשונית Widget Targeting הצעת מחיר CPC אבסולוטית לפי מזהה וידג'ט (או שינוי באחוזים), כולל העלאת CSV; ניתן לחסום וידג'טים לקמפיין או לכל החשבון

המכניקה שונה. Taboola, Outbrain ו-MGID מיישמות אחוז או מכפיל על הצעת המחיר הבסיסית שלך, בעוד שהצעות המחיר ברמת הוידג'ט של Revcontent הן CPCs אבסולוטיים (עם כלי באחוזים לשינויים גורפים). הגדר התאמה של 1.4x על מו"ל חזק ו-0.6x על מו"ל חלש, והרשת מתאימה את הצעת המחיר האפקטיבית שהיא מזינה בכל אחד מהם, בתוך המגבלות ומינימום ה-CPC שלה עצמה. כל הארבע גם מאפשרות לך להוציא מו"ל או וידג'ט לחלוטין, שזו הגרסה הבוטה יותר של אותו רעיון. ב-Outbrain, התאמות CPC ידניות לפי מדור דורסות את Conversion Bid Strategy, ו-Outbrain ממליצה להסיר אותן מקמפיינים של CBS. עבור השדות והפרמטרים ל-API המדויקים שכל רשת חושפת לכך, ראה איך מודעות Taboola עובדות, איך Outbrain עובד, איך מודעות Native של MGID עובדות ואיך Revcontent עובד.

למה קל לדלג על זה#

שלוש סיבות, בכנות:

  • הדיווח דורש חפירה. נתונים ברמת המו"ל יושבים בדרך כלל כמה קליקים עמוק בלוח המחוונים של הרשת, מיוצאים כ-CSV שטוח עם שורות רבות וללא פעולה הבאה ברורה.
  • זה נראה כמו עבודה סיזיפית לחשבונות קטנים. אם אתה מוציא $200 ביום, האינסטינקט הוא שמספר הרחקות מו"לים לא יזיז את המחט. אבל בהוצאה נמוכה מו"ל בודד יכול לקחת חלק משמעותי מהתקציב היומי לפני שתשים לב, אז בדוק איזה חלק כל מו"ל תופס בדוח שלך עצמך.
  • זה דורש המתנה לדגימה אמיתית. אפס המרות בהוצאה קטנה מוכיח מעט. אם מו"ל היה ממיר בדיוק ב-CPA המטרה שלך, הסיכוי לראות אפס המרות הוא כ-37% אחרי הוצאה של CPA מטרה אחד, כ-14% אחרי שניים וכ-5% אחרי שלושה (חשבון פואסון, בהתעלם מהשהיית המרות). זו הסיבה שפי 2 עד 3 מה-CPA המטרה לכל מו"ל הוא רצפה סבירה לפני ששופטים מו"ל עם אפס המרות, ולא ערובה. קונים שמושכים את הדוח ביום השני לא רואים שום דבר חד-משמעי ומוותרים על התרגיל.

הנקודה האחרונה היא העלות האמיתית. הצעות מחיר ברמת המו"ל היא משמעת, לא הגדרה חד-פעמית. היא צריכה סקירה קבועה בלוח זמנים סדיר.

תהליך עבודה מעשי#

  1. תן לקמפיין לרוץ לדגימה אמיתית. שפוט כל מו"ל לפי ההוצאה שלו עצמו, לא לפי זו של הקמפיין: קמפיין שהוציא פי שניים מה-CPA המטרה שלו צבר מעט מדי המרות כדי להשוות בין מו"לים. השתמש ברצפה שלכל מו"ל שתוארה למעלה לפני שאתה פועל על מו"ל עם אפס המרות.
  2. משוך את דוח המיקום או האתר ומיין לפי הוצאה, בסדר יורד. התחל במו"לים שלוקחים את רוב התקציב שלך, ובדוק איזה חלק מההוצאה הם מהווים בחשבון שלך במקום להניח אותו.
  3. חלק לשלוש קבוצות: רווחי (העלה הצעה), נקודת איזון (השאר כפי שהוא), מפסיד (הורד הצעה או הרחק). כמה להזיז כל אחד זו ההחלטה שלך; הזזה של 20-50% בכל פעם ומדידת התוצאה היא נקודת התחלה להמחשה, לא בנצ'מרק. ההנחיה של MGID עצמה אומרת ששינויי מכפיל בדרך כלל לא מזיזים נפח במו"לים קטנים וממליצה על מכפילים מוגברים של 2, 3 או 4 כשאתה מעלה הצעה. אל תנסה לכוונן עדין כל שורה; החלק העליון והתחתון של הרשימה חשובים ביותר.
  4. החל התאמות, לא עצירות מוחלטות, בסיבוב הראשון שלך. הרחקה של מו"ל לחלוטין מאבדת את האפשרות לבדוק אותו מחדש מאוחר יותר; הצעת מחיר מופחתת עדיין מאפשרת לך ללמוד אם הבעיה הייתה מחיר או התאמה. בדוק קודם את המגבלות של הפלטפורמה שלך: המכפיל הנמוך ביותר ב-MGID הוא 0.1, וההפחתה הגדולה ביותר ב-Taboola היא ‎-99%.
  5. בדוק מחדש לפי לוח זמנים. ביצועי המו"ל משתנים כשתוכן חדש מתווסף ותמהיל התעבורה מסתובב. שבועי הוא ברירת מחדל סבירה לחשבונות פעילים; התאם אותו לנפח ההמרות שלך.
  6. הזן מנצחים להחלטות הרחבה (scaling). מו"ל שהוא רווחי בהצעה של 1.5x הוא גם מועמד לקמפיין ייעודי, שזו תנועת הרחבה אופקית ברגע שמיצית רווחים אנכיים על המקוריים.

דוגמה מעובדת#

דוגמה היפותטית (מספרים מומצאים, לא קמפיין שנמדד): נניח שאתה מריץ קמפיין של $300 ליום ב-Taboola עם CPA מטרה של $40. אחרי שבועיים הוצאת $4,200, ודוח המיקום מראה ש-40 מו"לים לקחו הוצאה משמעותית. חמשת המו"לים המובילים לפי הוצאה הפיקו 60% מההמרות בממוצע CPA של $28. שמונת המו"לים התחתונים לקחו 25% מההוצאה ($1,050) והפיקו שתי המרות בסך הכל, CPA אפקטיבי של כ-$525. כל השאר יושבים באמצע, בערך בנקודת האיזון.

בדוגמה הזו, מהלך ברור הוא להעלות הצעה לחמישה המובילים ולחתוך את השמונה התחתונים להצעת מחיר מופחתת במקום להרחיק אותם לחלוטין, מכיוון שאחד או שניים אולי רק בדגימה נמוכה מדי ולא באמת גרועים. כקבוצה הם רחוקים מאוד מהיעד, אבל בדוק כל מו"ל מול הרצפה שלכל מו"ל לפני שאתה פועל עליו לבדו. אם ה-CPA הכללי של הקמפיין ישתפר לאחר מכן זה משהו שיש למדוד בשבועות הבאים, לא משהו שהדוגמה הזו יכולה לחזות: שינוי ההוצאה משנה אילו מכירות פומביות אתה זוכה בהן, וגם האופטימיזציה של הרשת עצמה מגיבה. הטיעון לטיפול בהצעות מחיר ברמת המו"ל כמשימה קבועה ולא כניקוי חד-פעמי הוא שתמהיל המיקומים בתוך "הקמפיין" מתנהג כמו שווקים מיקרו נפרדים רבים, והצעת מחיר אחידה מתמחרת את כולם באותו אופן.

הגדרת סקירה קבועה#

בלוק לוח שנה חוזר עובד טוב יותר מלהסתמך על זכירה לבדוק. גרסה פשוטה: כל יום שני, משוך את דוח המיקום של השבוע הקודם לכל קמפיין פעיל, מיין לפי הוצאה, והשקע 15 דקות לכל קמפיין בהתאמת העשירונים העליונים והתחתונים. תעד את ההתאמות שהגדרת כדי שתוכל לדעת מאוחר יותר אם השיפור של מו"ל הגיע משינוי ההצעה שלך או ממשהו אחר שהשתנה בחשבון. מזהי מו"לים, פורמטי דוחות וכלי התאמה שונים בין Taboola, Outbrain ו-MGID, ולכן הסקירה הזו צריכה לקרות לכל רשת בנפרד, לא פעם אחת על פני החשבון.

איך נראים נתוני מו"ל טובים#

נתוני ההמרה שלך עצמך הם הראיות שקובעות כאן. לפני שהוצאת משהו על מו"ל, מחקר חיצוני יכול לספר לך אילו מפרסמים הופיעו שם ומתי, אבל לא אם המיקומים האלה המירו: כמה זמן נצפו המודעות של מפרסמים אחרים משקף את התקציבים, הבדיקות וכיסוי האיסוף שלנו לא פחות מאשר ביצועים (ראה מה אורך חיים של מודעה יכול להראות ומה לא). פרטי המודעה ב-OpenAdLibrary מציגים מודעות שנאספו, ולמודעות Native גם את שרשרת האספקה שמאחוריהן; השתמש בזה כדי לבחור מו"לים למעקב, לא כדי לחזות את איכותם. אתה יכול להצליב היסטוריית קריאייטיב שנאספה דרך כלי המודיעין למודעות לצד נתוני החשבון שלך עצמך.

טעויות נפוצות#

  • הורדת הצעה בצורה אגרסיבית מדי. הצעת מחיר נמוכה מאוד יכולה לרדת מתחת למה שמנצח במו"ל הזה, מה שעשוי לעצור שם את האספקה ולהשאיר אותך בלי כלום לצפות בו. חלק מהפלטפורמות דווקא קובעות רצפה: MGID מיישמת את מינימום ה-CPC האזורי שלה, ו-Taboola מיישמת את מינימום ה-CPC שלה על הצעות מחיר ברמת האתר.
  • תגובה ליום גרוע אחד. תעבורת Native רועשת מיום ליום, במיוחד במו"לים קטנים יותר. יום אחד של אפס המרות על $40 הוצאה הוא לא פסק דין.
  • התעלמות מפיצול מכשיר בתוך מו"ל. מו"ל יכול להיות מצוין בנייד ומת בשולחן העבודה (או להפך); קריסת השניים להתאמת הצעה אחת מסתירה זאת. שכבות של התאמות למכשיר וגיאוגרפיה על גבי עבודה ברמת המו"ל, במקומות שבהם הפלטפורמה תומכת בהן, סוגרות את הפער הזה.
  • שכחה לבדוק מחדש מו"לים שהורחקו אחרי רענון קריאייטיב. מו"ל שנכשל עם זווית שחוקה עשוי לבצע אחרת עם וו חדש. ההרחקות הזמניות של Outbrain, שפגות אחרי תקופה מוגדרת, מקלות על זה.

תובנות מה-FAQ#

הצעות מחיר ברמת המו"ל היא תחזוקת חשבון לא מלהיבה, אבל זה אחד המעטים ממנופי האופטימיזציה שהם לגמרי בשליטתך, בניגוד לדינמיקות מכירה פומבית או שינויים באלגוריתם הפלטפורמה. אין לנו נתונים השוואתיים על כמה זה משפר את ה-CPA, אז מדוד את זה בחשבון שלך עצמך: תעד כל שינוי, השווה את השבועות הבאים לשבועות שלפני, ושמור על השינויים שמחזיקים מעמד. איזה פיצול שאתה משתמש בו בין בדיקת קונספטים חדשים להרחבת קונספטים מוכחים, הצעות מחיר ברמת המו"ל היא איך שאתה הופך את צד ההרחבה ליעיל יותר ולא סתם רועש יותר.

שאלות נפוצות

מה הן הצעות מחיר ברמת המו"ל?
זו הגדרת הצעת מחיר או התאמת הצעת מחיר שונה לאתרי מו"ל בודדים, למדורים או למזהי וידג'ט בתוך קמפיין Native, במקום הצעת מחיר אחידה אחת על פני כל הרשת. Taboola מחילה התאמות באחוזים לפי אתר, Outbrain לפי מדור מו"ל, MGID מכפיל לפי וידג'ט או מקור, ו-Revcontent הצעת מחיר CPC אבסולוטית לפי וידג'ט.
כמה הוצאה אני צריך לפני שאני מתאים הצעות מחיר למו"לים?
הוצאה של פי שניים עד שלושה מה-CPA המטרה שלך על מו"ל היא רצפה סבירה לפני שמגיבים לאפס המרות: אם המו"ל היה ממיר ביעד שלך, היית רואה אפס המרות בערך ב-14% מהמקרים אחרי שני CPAs מטרה ובערך ב-5% אחרי שלושה (חשבון פואסון, תוך התעלמות מעיכוב המרות). שיפוט של מו"ל שכן יש לו כמה המרות דורש עדיין יותר נתונים, מכיוון שמספרי המרות קטנים רועשים.
האם עליי להוציא מו"לים גרועים או פשוט להוריד את ההצעה?
הורד את ההצעה קודם; עד כמה זה נתון לשיקולך (0.5x עד 0.7x מהבסיס שלך הוא נקודת מוצא להמחשה, לא בנצ'מרק), במסגרת המגבלות של הפלטפורמה שלך. הרחקה מלאה מסירה את האפשרות לבדוק מחדש את המו"ל הזה מאוחר יותר אם הקריאייטיב או ההצעה שלך משתנים, אלא אם הפלטפורמה מציעה הרחקות זמניות, כפי ש-Outbrain עושה כעת. שמור הרחקות קבועות למו"לים עם בעיות ברורות של הונאה או בטיחות מותג, או לכאלה שנשארים רחוק מהיעד אחרי בדיקה מחדש.
האם הצעות מחיר ברמת המו"ל עובדות אותו דבר בכל רשת Native?
הקונספט זהה אבל המכניקה שונה. Taboola מתאימה הצעות מחיר לפי אתר מתוך דוח לפי אתר; Outbrain מתאימה לפי מדור מו"ל (לא מו"ל שלם), והצעות המחיר הידניות למדורים שלה דורסות את Conversion Bid Strategy; MGID מכפילה הצעות מחיר לפי וידג'ט או מקור; Revcontent קובעת הצעות מחיר אבסולוטיות לפי וידג'ט. בדוק את התיעוד הנוכחי של כל רשת עבור שמות שדות וגישה ל-API מדויקים.
באיזו תדירות עליי לסקור את ביצועי המו"לים?
שבועי הוא ברירת מחדל מעשית לחשבונות פעילים רבים: סקירות יומיות נוטות להגיב לרעש, וסקירות חודשיות עלולות לתת למו"לים מפסידים לבזבז זמן רב מדי. התאם את התדירות לנפח ההמרות שלך; אין לנו נתונים על באיזו תדירות תמהיל המלאי משתנה בכל רשת.
צוות OpenAdLibrary
נכתב על ידיצוות OpenAdLibrary
מודיעין פרסום ומחקר פרסום מקורי

אנחנו בונים את OpenAdLibrary, פלטפורמת השקיפות הפרסומית הפתוחה. מדי יום המערכות שלנו לוכדות פרסומות מקוריות חיות ברחבי Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo ו-MSN, מזוהות את המפרסם האמיתי מאחורי כל אחת מהן, ועוקבות אחרי הקליק עד לדף הנחיתה. המדריכים האלה מסננים את מה שאנחנו רואים בנתונים האלה כדי שתוכלו לחקור את השוק מהר יותר.