OpenAdLibraryOpenAdLibrary
Ad Creative & Funnels

Kreativ testbudsjett: Hvor mye skal du bruke før du vurderer

Å vurdere en kreativ test for tidlig kan kaste bort en nyttig test. Slik dimensjonerer du et testbudsjett etter konverteringstall, med hypotetiske inndata, et regneeksempel og en stop-loss-regel.

Redaksjonell illustrasjon: Kreativ testbudsjett: Hvor mye skal du bruke før du vurderer

Det finnes ingen universell forbruksmultippel som gjør en kreativ test avgjørende. Velg beslutningen, grunnraten, effektstørrelsen og akseptabel usikkerhet, anslå hvor mange observasjoner som kreves, og sett deretter et risikotak. Å nå det taket kan bety å stoppe med et uavklart resultat.

Hvorfor et fast dollartall ikke fungerer på tvers av annonsører#

Medieinnkjøpere spør "hvor mye bør jeg bruke på å teste en kreativ" og forventer et enkelt svar, men det ærlige svaret skalerer med dine egne tall, ikke et universelt tall. En annonsør som konverterer til $8 CPA trenger et helt annet testbudsjett enn en som konverterer til $80 CPA, selv om begge kjører på samme nettverk i samme bransje. Dollartallet som betyr noe er ikke forbruk, det er konverteringer: du trenger nok av dem per variant for å stole på sammenligningen.

Et hypotetisk budsjett på $500 ved $12 CPA tilsvarer omtrent 42 konverteringer; ved $60 CPA tilsvarer det omtrent 8. Disse forventede antallene alene forteller deg ikke om en sammenligning er konklusiv. Ta med eksponeringstall, allokering og usikkerhet.

Konverteringstaket som faktisk betyr noe#

Et konverteringstall eller en 2× forskjell alene kan ikke avgjøre om et resultat er pålitelig. Sammenlign konverteringsrater med nevnerne sine, planlagt testdesign og usikkerhet; ta hensyn til gjentatt sjekking og konverteringsforsinkelse.

Beslutningsprotokoll: eksponerings- og konverteringstall for hver variant; konverteringsrate og usikkerhet; planlagt minimumseffekt; forløpt konverteringsvindu; forbruk mot risikotak; resultat som støttet, ikke støttet eller uavklart.

Budsjettering for kreativt volum, ikke bare individuelle tester#

Velg en testallokering basert på tilgjengelig budsjett og forskningsbehov. Denne artikkelen gir ikke målte kontodata som støtter en universell allokering på 15–30%.

Annonsørene som håndterer dette godt, har en tendens til å behandle testbudsjett som en rullende funksjon av hvor mange aktive vinnere de for øyeblikket har, ikke en fast månedlig post. Få levende vinnere og en stagnerende konto krever mer testforbruk; flere sterke ytere som allerede bærer volum krever mindre, siden du beskytter margin i stedet for å jakte på den.

Hva "å vurdere for tidlig" faktisk koster deg#

Å stoppe tidlig kan forkaste en nyttig hypotese, men offentlig annonselang levetid kan ikke fortelle deg om det skjedde. Konkurrenters vedvarende tilstedeværelse beviser ikke lønnsomhet eller viser at utvalgsstørrelsen din forårsaket et dårlig resultat.

Å drepe en kreativ tidlig har også en sammensatt kostnad utover det bortkastede mediet: den fjerner et datapunkt du kunne ha brukt, og den kan presse deg mot å jage mer kostbart-å-produsere kreativ variasjon når den faktiske løsningen var tålmodighet med en eksisterende variant. Dette er et større problem med UGC-stil og native-format annonser som tar lengre tid å produsere enn en enkel overskriftbytte; du vil at ditt vurderingsterskel skal være enda mer konservativt på de, siden produksjonskostnaden for å erstatte dem er høyere.

Et enkelt rammeverk for å sette ditt eget testbudsjett#

Anslå et nødvendig antall observasjoner ut fra den planlagte testen. Multipliser separat et hypotetisk forventet konverteringstall med den antatte CPA-en for å modellere forbruk, og dokumenter en buffer og et hardt risikotak. Multipliser aldri en CPA i dollar med et konverteringstall; enhetene må holdes adskilt.

Regneeksempel: å gjøre rammeverket om til reelle tall#

Si at kontoen din kjører et nutra-tilbud som konverterer til en blandet $35 CPA over de siste to månedene. Bruk rammeverket ovenfor: 25 konverteringer (en hypotetisk planleggingsinput) ganger $35 gir et minimumstestforbruk på $875 per variant. Legg til en 35% buffer for underpresterende varianter, og du budsjetterer omtrent $1,180 per kreativ du tester seriøst. Hvis du tester fire overskriftvarianter mot ett eksisterende kontrollbilde, er det nær $4,700 i totalt testforbruk for den runden, som umiddelbart bør fortelle deg om fire er for mange varianter å kjøre samtidig gitt kontoens daglige budsjett, eller om du må spre variantene over to eller tre uker i stedet for å lansere alle samtidig.

Dette er også der en stop-loss betyr noe. Sett den til, for eksempel, 2,5 ganger gulvet ($2,190 i dette eksemplet) og du beskytter deg selv mot at en genuint død kreativ spiser en uforholdsmessig andel av testbudsjettet ditt mens du venter på konverteringer som statistisk sett ikke kommer. En variant som har brent $2,190 med 4 konverteringer mot et $35 CPA-mål er ikke en variant som trenger mer tålmodighet, det er en variant som må drepes og erstattes.

Nettverksforskjeller som endrer regnestykket#

Konverteringsgulvlogikken holder på tvers av nettverk, men hvor raskt du når den gjør ikke. En Taboola- eller MGID-kampanje som kjører bred rekkevidde i en Tier 1-geo kan brenne gjennom konverteringsgulvet for et $10 CPL-tilbud på en dag eller to. Den samme testen på en mindre eller mer nisjebasert plassering, eller i en Tier 2/3-geo der volumet er tynnere, kan ta en hel uke for å treffe samme gulv selv ved identisk daglig forbruk, rett og slett fordi det er færre kvalifiserte visninger tilgjengelig for å servere. Før du antar at en kreativ "feilet", sjekk om den faktisk fikk nok levering til å nå konverteringsgulvet ditt i det hele tatt, siden en sultet test og en genuint svak kreativ ser identiske ut på et dashbord hvis du bare ser på pass/fail-kolonnen.

En mindre variasjon kan ha en mindre effekt enn en ny vinkel og kan kreve flere observasjoner for å oppdages. Planlegg utvalgsstørrelsen rundt beslutningen og forventet effekt i stedet for å anta at en kjent kontroll tillater et mindre utvalg.

Hvordan OpenAdLibrary passer inn i testløkken#

Før du bruker en dollar på å teste en ny vinkel fra bunnen av, er det verdt å sjekke om vinkelen, eller noe nær den, allerede kjører og overlever i markedet. OpenAdLibrarys annonseintelligensverktøy lar deg hente live kreativer etter bransje og nettverk og sjekke hvor lenge lignende vinkler har kjørt, som gir deg en grov ekstern referanse for om en vinkel er verdt testforbruket i det hele tatt. Det vil ikke erstatte dine egne konverteringsdata, men det kan hindre deg i å bruke hele testbudsjettet ditt på å gjenoppdage en vinkel som allerede er observert i markedet, mens den faktiske ytelsen forblir ukjent.

Kombiner den eksterne sjekken med annonsekreativ analyse-rammeverket for å score kroker, vinkler og CTAs før lansering, og testbudsjettet ditt går lenger fordi færre av variantene du bruker det på var svake kandidater til å begynne med.

Ofte stilte spørsmål

Hvor mye bør jeg bruke på å teste en ny native kreativ?
Anslå hvor mange observasjoner den planlagte sammenligningen krever, oversett plausible leverings- og konverteringsscenarioer til forbruk, og sett et risikotak. Ingen fast CPA-multippel garanterer en avgjørende test.
Hvor mange konverteringer trenger jeg før jeg kan stole på en kreativ test?
Det avhenger av eksponering, grunnrate, effektstørrelse, allokering og usikkerhet. Et antall som 20 konverteringer eller en 2× forskjell i konverteringsraten er ikke i seg selv bevis på en vinner.
Hvor stor prosentandel av budsjettet bør gå til testing kontra beviste vinnere?
Velg en allokering du har råd til, basert på pipeline og usikkerhet. Denne artikkelen fastsetter ikke en bransjestandard for prosentandel.
Hva er en stop-loss i kreativ testing?
En stop-loss er et på forhånd erklært forbruks- eller tapstak. Den begrenser finansiell eksponering; å nå den beviser ikke automatisk at en variant ikke kan fungere.
Trenger alle native nettverk og geografier samme testbudsjett?
Nei. Høyvolum Tier 1-plasseringer når konverteringsminimumet ditt raskere enn mindre eller Tier 2/3-geografiplasseringer ved samme daglige forbruk, rett og slett fordi det er færre kvalifiserte visninger tilgjengelig. Sjekk levering før du antar at en treg test faktisk har feilet.
OpenAdLibrary-teamet
Skrevet avOpenAdLibrary-teamet
Ad-intelligens og forskning på native annonsering

Vi bygger OpenAdLibrary, den åpne annonsetransparensplattformen. Hver dag fanger systemene våre live native annonser på tvers av Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo og MSN, identifiserer den faktiske annonsøren bak hver enkelt, og følger klikket til landingssiden. Disse veiledningene destillerer det vi ser i disse dataene slik at du kan undersøke markedet raskere.