Hvor nøyaktige er annonseringsbudsjettestimater? Hva spionverktøy gjør feil

Annonseringsbudsjettestimater fra ethvert konkurranseovervåkingsverktøy er modellerte tall, ikke observerte fakta, og det ærlige svaret på hvor nøyaktige de er er: retningsvis nyttige, ikke pålitelige på dollarnivå. Ingen eksterne verktøy ser annonsørens faktiske faktura eller buddata. Det den ser er kreativvolum, plasseringsmønstre og estimerte visningstall, og kjører disse gjennom forutsetninger om CPM eller CPC for å produsere et dollartall som ser presist ut, men hviler på gjetninger flere lag dypt.

Hvordan budsjettestimater faktisk bygges#

Et typisk spionverktøys budsjettestimat følger en kjede som denne: tell hvor mange plasseringer eller visninger en annonsørs kreativ ser ut til å ha fått, multipliser med en antatt gjennomsnittlig CPM eller CPC for det nettverket og vertikalen, og presenter deretter resultatet som "estimert månedlig budsjett." Hvert trinn i den kjeden introduserer feil:

1. Visningstelling er i seg selv et estimat. De fleste verktøy har ikke direkte visningsdata fra annonseserveren, de utleder volum fra hvor ofte og hvor bredt et kreativ ble observert under innsamling, som er et utvalg, ikke en full telling.
2. CPM/CPC-forutsetninger er gjennomsnitt som brukes på alle. Reell auksjonsprising varierer enormt basert på annonsørens omdømme, målgruppepresisjon, geografi, enhet og årstid. En enkelt blandet sats brukt på en hel vertikal vil være feil for nesten hver enkelt annonsør, noen ganger med stor margin.
3. Nettverk og format skilles ikke alltid klart fra hverandre. Desktop- og mobilinventar, i-feed kontra widget-plasseringer, og Tier-1 kontra Tier-3 geografiskprising har alle forskjellige reelle satser, men mange publiserte estimater blander disse sammen til ett tall.

Legg disse tre tilnærmingene på hverandre, og det resulterende "budsjettestimatet" kan enkelt avvike med en stor faktor i begge retninger for en spesifikk annonsør, selv om det er omtrent riktig i gjennomsnitt over et stort nok utvalg.

Hvorfor dette ikke er en feil du kan utvikle bort#

Dette er ikke et tilfelle hvor én leverandør gjør det dårlig og en annen gjør det bra. Det er strukturelt: ingen utenfor annonsøren og nettverket har de faktiske bud- og leveringsdataene. Selv nettverket selv vet bare hva det fakturerte den spesifikke annonsøren, ikke hva et spionverktøys blandede forutsetning burde vært. Ethvert verktøy som hevder presise, per-annonsør dollartall presenterer et modells utdata med mer selvtillit enn de underliggende dataene støtter.

Hva budsjettestimater faktisk er gode til#

Til tross for upresisjonen er modellerte budsjettall ikke verdiløse. Brukt riktig svarer de på forskjellige, mer ærlige spørsmål:

• Relativ sammenligning. Bruker Annonsør A omtrent mer enn Annonsør B i samme vertikal og nettverk? En delt modelleringsfeil gjelder vanligvis likt for begge, så rangeringen mellom dem er ofte mer pålitelig enn noen av de absolutte tallene.
• Trendretning. Stiger eller synker en annonsørs estimerte budsjett måned for måned? Retningsbevegelse overlever modelleringsfeil bedre enn det absolutte tallet gjør.
• Grov størrelsesbestemmelse. Å skille et fem-sifret testbudsjett fra en sju-sifret vedvarende kampanje er vanligvis mulig selv med en støyete modell; å pålitelig skille $40,000 fra $55,000 er ikke.

Signaler som er mer pålitelige enn et budsjettestimat#

Hvis ditt virkelige mål er å forstå hvor seriøst en konkurrent er investert i et tilbud, har flere observerbare signaler mindre modelleringsfeil enn et avledet dollartall:

Disse gir deg ikke et dollartall, men de gir deg en mer ærlig vurdering av skala og engasjement enn et modellert budsjettall utstyrt som presist.

Hvordan bruke et budsjettestimat ansvarlig hvis et verktøy gir ett#

Hvis du ser på et publisert budsjettestimat hvor som helst, behandle det slik du ville behandlet et grovt Fermi-estimat: nyttig for å ordne ting, usikkert å sitere som et faktum i en rapport til en klient eller sjef. Noen praktiske regler:

• Presenter aldri et enkelt-annonsør budsjettestimat som et hardt tall i ekstern rapportering; ram det inn som et retningsindikativt område på det meste.
• Vektlegg estimater mer når det underliggende utvalget (antall kreativer, observasjonsvarighet) er stort; et budsjettall avledet fra én uke med data på ett kreativ har langt større feil enn ett bygget fra måneder med kontinuerlig observasjon.
• Krysssjekk mot direkte observerte signaler (varighet, antall kreativer, geografisk spredning) før du trekker konklusjoner, og hvis de direkte observerte signalene og budsjettestimatet er uenige, stol på de direkte observerte.

Et gjennomgått eksempel på hvordan feilen forsterkes#

Si at et verktøy observerer en annonsørs kreativ som vises på omtrent 200 distinkte utgiverplasseringer over en måned og antar en blandet native CPM for vertikalen. Multipliser plasseringer med et antatt visningstall per plassering, deretter med den antatte CPM-en, og du får et dollartall. Endre nå én inngangsverdi: den reelle CPM-en denne spesifikke annonsøren betaler kan være dobbelt eller halvparten av det blandede gjennomsnittet avhengig av deres målgruppepresisjon og kreativkvalitetsscore, de faktiske visningene per plassering kan variere basert på geografisk og enhetsblanding på måter modellen ikke ser, og det observerte antallet plasseringer i seg selv er et utvalg fra innsamling, ikke en full telling av hver servert visning. Hver av disse tre inngangsverdiene kan uavhengig avvike med en meningsfull margin, og fordi det endelige estimatet multipliserer dem sammen, forsterkes feilene i stedet for å utjevnes. Det er den mekaniske grunnen til at en enkelt annonsørs estimerte budsjett kan se selvsikkert presist ut på et dashbord, mens det under er genuint upålitelig.

Hvorfor OpenAdLibrary ikke publiserer fabrikkerte budsjettall#

Gitt hvor mye gjetning som ligger under ethvert modellert dollarestimat, velger vi bevisst å ikke fabrikkere et presist budsjettall å sette på en annonsørs profil. Det vi sporer og viser frem er det som faktisk er observerbart: antall kreativer, kjøretid, nettverkstilstedeværelse, geografisk og enhetsspredning, alt hentet fra kontinuerlig innsamling på tvers av nettverk i stedet for utledet fra en prisforutsetning. Hvis arbeidsflyten din avhenger av å vurdere hvor seriøst en konkurrent er investert i et tilbud, er de direkte observerte signalene, dekket mer i dybden i hvordan estimere konkurrents native annonseringsbudsjett, det mer ærlige stedet å se enn noe enkelt dollartall et verktøy gir deg. Vårt annonseovervåkingsverktøy er bygget rundt den samme observerte-data-først-tilnærmingen i stedet for å presentere modellerte gjetninger som fakta.

Spørsmål verdt å stille ethvert verktøy som publiserer budsjettall#

Hvis du evaluerer en leverandørs budsjettestimater før du stoler på dem, kutter noen få direkte spørsmål gjennom mye av markedsføringsspråket: Hva er den underliggende datakilden, innsamlede observasjoner eller en lisensiert datafeed? Hvordan er CPM- eller CPC-forutsetningen utledet, og varierer den etter nettverk, geografi og vertikal, eller er det én blandet sats brukt overalt? Hvor stor er observasjonsvinduet bak en enkelt annonsørs tall, én uke med innsamling gir et mye mer støyete estimat enn måneder med kontinuerlig sporing. En leverandør som kan svare på disse åpent er mer ærlig med deg enn en som bare presenterer et rent utseende dollartall uten metodologi festet til.

Konklusjonen#

Annonseringsbudsjettestimater fra ethvert konkurranseovervåkingsverktøy, vårt inkludert hvis vi publiserte dem, er bygget på forutsetninger flere lag unna den faktiske transaksjonen. De kan være retningsvis nyttige for å sammenligne annonsører eller oppdage trendskift, men å behandle et spesifikt dollartall som nøyaktig på individuell-annonsør-nivå er en feil uavhengig av hvilken leverandør som produserte det. Den mer pålitelige veien er å følge direkte observerte signaler, kreativvolum, varighet, nettverksspredning, og resonnere fra disse i stedet for å stole på et modellert tall som ser mer presist ut enn det faktisk er.