चैंपियन / चैलेंजर टेस्टिंग

चैंपियन/चैलेंजर टेस्टिंग एक लाइव-ट्रैफ़िक विधि है जो यह तय करने के लिए है कि क्या एक नया विज्ञापन, हेडलाइन, या बिडिंग सेटअप ("चैलेंजर") वास्तव में आपके वर्तमान सर्वश्रेष्ठ प्रदर्शनकर्ता ("चैंपियन") को हराता है, इससे पहले कि आप उसे बदलें। अंधाधुंध परीक्षण करने के बजाय, आप अपने सिद्ध विजेता को चलाते रहते हैं और ट्रैफ़िक का एक हिस्सा चैलेंजर को भेजते हैं, फिर समान बाज़ार स्थितियों में परिणामों की तुलना करते हैं।

नाम कहां से आया है#

यह शब्द डिजिटल विज्ञापन से पुराना है। डायरेक्ट-मेल मार्केटर्स और बाद में बैंकिंग और बीमा कंपनियों ने चैंपियन/चैलेंजर का उपयोग यह वर्णन करने के लिए किया कि कैसे एक कंट्रोल ऑफर (चैंपियन) नए चैलेंजर्स के खिलाफ अपनी जगह बचाता था, और केवल तभी पीछे हटता था जब कोई चैलेंजर वास्तविक प्रतिक्रिया डेटा पर खुद को साबित कर देता था। नेटिव और सोशल विज्ञापन प्लेटफ़ॉर्म ने इसी तर्क को उधार लिया क्योंकि यह एक वास्तविक समस्या का समाधान करता है: शुद्ध ए/बी टेस्ट हर विज्ञापन को अज्ञात मानते हैं, लेकिन व्यवहार में आपके पास लगभग हमेशा एक मौजूदा विज्ञापन क्रिएटिव होता है जो पहले से ही कन्वर्ट कर रहा होता है।

एक नेटिव अभियान में यह कैसे काम करता है#

मान लीजिए आपके पास Taboola पर तीन हफ्तों से लाभदायक रूप से चल रही एक हेडलाइन है। इसे रोककर पांच नए हुक का समान रूप से परीक्षण करने के बजाय, आप चैंपियन को अधिकांश बजट देते रहते हैं और ट्रैफ़िक का एक छोटा, निश्चित हिस्सा एक या दो चैलेंजर्स को भेजते हैं। आप लागत प्रति अधिग्रहण और कन्वर्ज़न दर को पर्याप्त बड़े नमूने पर देखते हैं ताकि संख्याओं पर भरोसा किया जा सके, न कि सिर्फ एक या दो दिन। यदि कोई चैलेंजर चैंपियन को सार्थक अंतर से हरा देता है, तो वह नया चैंपियन बन जाता है और चक्र दोहराया जाता है। यदि नहीं, तो आप उसे हटा देते हैं और अगले विचार का प्रयास करते हैं, और मूल पूरे समय कमाई करता रहता है।

यह उन नेटवर्क्स पर अधिक मायने रखता है जिनके स्मार्ट बिडिंग एल्गोरिदम को ऑप्टिमाइज़ करने के लिए वॉल्यूम और समय की आवश्यकता होती है। लगातार अपने सर्वश्रेष्ठ प्रदर्शन करने वाले विज्ञापन को बदलने से वह ऑप्टिमाइज़ेशन रीसेट हो जाता है और एल्गोरिदम के लिए एक नया लर्निंग फेज़ भी शुरू हो सकता है, इसलिए चैंपियन की सुरक्षा करना केवल रूढ़िवादी नहीं है, बल्कि अक्सर समग्र खाता प्रदर्शन के लिए तेज़ रास्ता है, एक गतिशीलता जिसे Taboola विज्ञापन कैसे काम करते हैं में अधिक गहराई से कवर किया गया है।

चैंपियन/चैलेंजर बनाम सीधी ए/बी टेस्टिंग#

ए/बी टेस्टिंग आमतौर पर दो अज्ञात विकल्पों के बीच एक समान विभाजन के साथ शुरुआत से प्रतिस्पर्धा करने का संकेत देती है। चैंपियन/चैलेंजर मानता है कि एक पक्ष का पहले से ही ट्रैक रिकॉर्ड है, इसलिए विभाजन अक्सर असमान होता है (मान लीजिए 80/20 या 90/10) और चैलेंजर के जीतने की बाधा अधिक होती है, क्योंकि आप सिर्फ "बेहतर" नहीं ढूंढ रहे हैं, बल्कि "पहले से सिद्ध किसी चीज़ से बेहतर" ढूंढ रहे हैं। किसी वर्टिकल में जीतने वाले विज्ञापन कैसे ढूंढें पर शोध करने वाले खरीदार उसी प्रवृत्ति को पहचानेंगे: एक प्रतिस्पर्धी का लंबे समय से चल रहा क्रिएटिव संभवतः उस विज्ञापनदाता का वर्तमान चैंपियन होता है, और जिन नए वेरिएंट्स को आप उन्हें टेस्ट करते देखते हैं, वे ऐसे चैलेंजर हो सकते हैं जिन्हें वे उसके खिलाफ आज़मा रहे हैं।

चैलेंजर्स को बीज देने के लिए प्रतिस्पर्धी डेटा का उपयोग करना#

आपके अपने खाते के बाहर चैंपियन/चैलेंजर का एक व्यावहारिक उपयोग यह है कि पहले से ही कहीं और जीवित रह रही चीज़ों का खनन किया जाए। यदि किसी प्रतिद्वंद्वी का विज्ञापन Outbrain या MGID पर हफ्तों तक चलता हुआ देखा गया है, तो संभवतः वह अपने आंतरिक चैलेंजर दौरों में टिक चुका है। इसके हुक और एंगल का अध्ययन करने से आपको एक अंधा अनुमान लगाने की तुलना में एक मजबूत शुरुआती चैलेंजर मिलता है, यही कारण है कि OpenAdLibrary के विज्ञापन इंटेलिजेंस टूल्स मौजूद हैं: वे दिखाते हैं कि बाज़ार भर में क्रिएटिव्स कितने समय से चलते हुए देखे गए हैं, जो इस बात का मोटा संकेत है कि कौन से क्रिएटिव्स अपनी जगह बनाए हुए हैं, इससे पहले कि आप खुद पता लगाने के लिए बजट खर्च करें।

सामान्य गलतियाँ#

दो विफलता मोड हैं: बहुत जल्दी विजेता घोषित करना, इससे पहले कि नमूना आकार उसका समर्थन करे, और भावनात्मक लगाव या आलस्य के कारण एक चैलेंजर द्वारा स्पष्ट रूप से बेहतर प्रदर्शन करने के बाद भी वास्तव में कभी चैंपियन को सेवानिवृत्त न करना। दोनों बजट बर्बाद करते हैं। एक लिखित नियम (उदाहरण के लिए, परिणामों की तुलना करने से पहले न्यूनतम खर्च या कन्वर्ज़न संख्या, और एक स्वचालित स्वैप एक बार उस सीमा को पार करने के बाद) अनुमान लगाने और शोर-शराबे वाले शुरुआती आंकड़ों को आंख से देखने के प्रलोभन को दूर कर देता है।