Inkrementalitási tesztelés: Definíció és működése

Az inkrementalitási tesztelés egy kontrollált kísérlet, amely azt méri, hogy a jelentett konverzióidból mennyit okoz valójában egy hirdetési csatorna, nem pedig azt, hogy a platform pixelje hány konverziót követel magának. Visszatartasz egy felhasználói vagy földrajzi csoportot attól, hogy egy adott csatorna hirdetéseit lássa, majd összehasonlítod az eredményt egy olyan csoporttal, amely látta azokat. A két csoport közötti különbség a csatorna valódi, inkrementális hozzájárulása. Minden más olyan konverzió, ami egyébként is megtörtént volna.

Miért túlzóak a platformok által jelentett számok#

Minden hirdetési hálózat el akarja követelni az eladásért járó elismerést. Ha valaki egyébként is vásárolt volna organikus keresésen vagy márkakeresési kattintáson keresztül, és közben véletlenül látott egy remarketing hirdetést is, a szabványos konverziókövetés továbbra is oda tudja adni a kreditet a hirdetésnek az attribúciós ablakán belül. Még a lágyabb kreditelés, amikor egy platform konverziót számol fel azután, hogy valaki csak látta a hirdetést, hozzájárul a problémához; ezt a mechanizmust view-through attribúciónak hívják. Az inkrementalitási tesztelés kiszűri ezt a zajt egy egyszerűbb kérdés feltevésével: ha ez a csatorna nulla dollárt költött volna ebben a hónapban, akkor is megtörtént volna a konverzió?

Ez egy másik kérdés, mint amire egy követő pixel önmagában válaszol, ezért a hatjegyű havi natív vagy közösségi költségvetéseket kezelő csapatok végül egy inkrementalitási programot építenek ki a platform-irányítópultjaik mellé, nem helyettük.

Hogyan valósítják meg a csapatok a gyakorlatban#

Két kísérleti tervezés lefedi a legtöbb valós esetet. Egy földrajzi szintű teszt teljesen leállít egy csatornát egy sor összevont régióban, és összehasonlítja a konverziós rátát azokkal a régiókkal, ahol a költés folytatódott. Egy felhasználói szintű teszt a hirdetési platform beépített konverzió-növekedési eszközeit használja, amelyet több demand-side platform natívan kínál, hogy véletlenszerű szeletben visszatartsa a hirdetéseket a közönségtől.

Akárhogy is, a matek ugyanaz: az inkrementális növekedés egyenlő a tesztcsoport konverziós rátája mínusz a hátralévő csoport konverziós rátája. Egy olyan csatorna, amely erős, önjelentett ROAS-t mutat a platformon belül, közel nulla inkrementális növekedést mutathat, miután egy tiszta hátralévő csoport eltávolítja azokat a felhasználókat, akik egyébként is konvertáltak volna.

Mire használják#

A médiavásárlók inkrementalitási teszteket futtatnak, hogy a hálózatok közötti költségvetés-elosztást döntsék el, nem csak egy csatorna önálló auditálására. Egy minta, amit látunk az indexben: azok a márkák, amelyek ugyanazt a kreatív szöget futtatják egyszerre több hálózaton, gyakran feltételezik, hogy mindegyik húzza a súlyát, amikor egy növekedési teszt azt mutatja, hogy az egyik csatorna főként csak visszanyeri a másik által már létrehozott keresletet.

Mielőtt formális tesztet futtatnának, a legtöbb csapat azzal kezdi, hogy figyeli, hogy a vertikálisukban lévő versenytársak mit is skáláznak valójában, mivel egy olyan csatorna, amely tele van hosszú hirdetési élettartammal, jó közelítése annak, hogy hol szokott működni az inkrementális költségvetés. Az OpenAdLibrary hirdetési intelligencia eszközeivel ellenőrizheted a kreatív átfedést és a futási időt a hálózatok között, mielőtt teszt hirdetési költségvetést köteleznél egy hátralévő csoportra.

Gyakori hibák#

A hátralévő csoportnak elég nagynak és elég véletlenszerűnek kell lennie ahhoz, hogy egy valós jelet, nem csak zajt észleljen. Egy egyhetes teszt egy alacsony forgalmú csatornán általában nem érhet el statisztikai szignifikanciát. A csapatok gyakran szezonális csúcs vagy oldalszintű promóció idején futtatják a tesztet, ami egyformán szennyezi mindkét csoportot, és értelmetlenné teszi a növekedési számot. Futtasd a tesztet egy reprezentatív időszakban, méretezd a hátralévő csoportot megfelelő teljesítményszámítással, és ne állj le korán csak azért, mert a köztes szám jónak vagy rossznak tűnik.