Pre-Lander Konverteringsmål: CTR-til-Offer-tall du må slå

Det finnes ikke én enkelt "god" konverteringsrate for pre-landere; det avhenger av bransje, geografisk nivå, enhet og hvor strenge tilbudets kvalifikasjonskriterier er. Det som er viktigere enn å treffe et tall du så i et foruminnlegg, er å måle tre separate rater riktig (annonse-til-pre-lander CTR, pre-lander-til-tilbud CTR, og total trakt-CVR) og bygge din egen basislinje fra din egen trafikk før du sammenligner noe med andres tall.

De tre ratene folk forveksler#

"Pre-lander konverteringsrate" brukes løst til å bety tre forskjellige ting, og å blande dem er grunnen til at så mange målestokk-påstander flyter rundt uten kontekst.

• Annonse-til-pre-lander CTR: andelen annonsevisninger som klikker videre til din pre-lander. Dette ligger på nettverkssiden og er en funksjon av ditt kreativ og overskrift, ikke pre-landeren din i det hele tatt.
• Pre-lander-til-tilbud CTR: andelen pre-lander-besøkende som klikker videre til den faktiske tilbudssiden. Dette er det folk vanligvis mener med "pre-lander konverteringsrate."
• Full-funnel CVR: andelen annonsevisninger (eller klikk) som ender i en fullført konvertering på tilbudet. Dette baker inn tilbudssidens egen ytelse, som pre-landeren ikke kontrollerer.

Hvis du sammenligner med et tall fra en Slack-gruppe eller et kurs, spør hvilken av disse tre det beskriver. De fleste siterte tall viser seg å være full-funnel CVR som kalles en "pre-lander rate," noe som gjør den ubrukelig for å isolere om pre-landeren din i seg selv er problemet.

Hvorfor publiserte målestokker nesten alltid er feil for ditt tilfelle#

Pre-lander ytelse beveger seg med for mange variabler til at et enkelt tall kan reise på tvers av kontekster:

• Bransje: en helse-pre-lander som kvalifiserer for et kosttilskuddstilbud oppfører seg helt annerledes enn en finans-pre-lander som kvalifiserer for en lånesammenligning.
• Geografisk nivå: Tier-1-trafikk har en tendens til å konvertere annerledes enn Tier-2/3-trafikk på samme ordliste-term for geografiske nivåer, delvis på grunn av nettverksmetning og delvis enhetsblanding.
• Enhet: mobilbrukere på native-plasseringer forlater siden raskere og er langt mindre tolerante for et ekstra trykk før tilbudet enn desktop-brukere.
• Tilbudsfriksjon: en ett-klikks "se tilbud"-pre-lander konverterer veldig annerledes enn en som filtrerer brukere gjennom flere kvalifikasjonsspørsmål før den avslører CTA-en.

Behandle ethvert tall sitert uten at disse fire variablene er spesifisert som retningsgivende i beste fall, og ikke jage det.

Bygge din egen målestokk#

Dette er delen som faktisk flytter resultater. En praktisk sekvens:

1. Kjør en ren basislinjeperiode. To til fire uker, én pre-lander-variant, stabilt kreativ, ingen endringer midt i kampanjen, slik at du har et ærlig tall å sammenligne mot senere.
2. Segmenter før du gjennomsnittsberegner. Bryt ut pre-lander-til-tilbud CTR etter geografi, enhet og nettverk separat. Et blandet gjennomsnitt på tvers av tre geografier med helt forskjellig adferd forteller deg nesten ingenting handlingsbart.
3. Spor kvalifiserte klikk, ikke rå klikk. Hvis tilbudet ditt har et minimumskrav til tid på siden eller rulle-dybde før CTA-en vises, tell klikk som faktisk møtte den grensen. Rått klikkvolum overdriver en pre-lander som lar folk klikke seg gjennom uten å lese noe.
4. Sammenlign mot din egen historikk, ikke bransjen. Når du har to eller tre basislinjeperioder, er din egen trendlinje mer nyttig enn noe eksternt tall, fordi den allerede tar hensyn til din trafikkblanding, din geografi og ditt tilbud.

Vanlige årsaker til at pre-lander CTR underpresterer#

Når du skal avslutte vs. iterere en pre-lander#

Ikke trekk en konklusjon basert på en håndfull klikk. En grov tommelfingerregel som holder for de fleste native-kampanjer: vent med nok volum til at et sving på noen få prosentpoeng i begge retninger ikke ville snudd konklusjonen din, og ikke døm en variant før den har kjørt over minst en full ukedagssyklus, siden ukedags- og helgeadferd på native-plasseringer kan være betydelig forskjellig.

Hvis en pre-lander underpresterer din egen basislinje etter en ren testperiode, isoler én variabel om gangen: bytt bare overskriften, eller bare hovedbildet, eller bare CTA-teksten, aldri alle tre i samme test. En pre-lander bygget rundt virkelige eksempler på hva som fungerer er lettere å iterere på enn en bygget fra en mal uten referansepunkt, og det er der studiet av virkelige pre-lander-eksempler tjener seg inn før du lanserer, ikke etter.

Statistisk signifikans uten et regneark-obsessjon#

Du trenger ikke en full statistikkbakgrunn for å unngå den vanligste feilen, som er å erklære et testresultat før det betyr noe. En praktisk tommelfingerregel: hvis å snu utfallet av de neste håndfullene konverteringene ville endret hele konklusjonen din, har du ikke en konklusjon ennå, du har støy. Små daglige svingninger er normale i enhver trakt; spørsmålet er om mønsteret holder seg over flere dager, ikke om én dag så bra eller forferdelig ut.

Det hjelper også å skille "denne varianten er dårligere akkurat nå" fra "denne varianten er dårligere." En pre-lander kan underprestere en dag på grunn av en dårlig geografisk blanding i den dagens trafikk, en nettverksleveringsfeil, eller et midlertidig fall i annonsekvalitet oppstrøms, ingen av disse har noe med pre-landeren i seg selv å gjøre. Før du avslutter en variant, sjekk om underprestasjonen er konsistent på tvers av segmentene du forventer at den skal holde seg på tvers av (flere geografier, flere dager), eller konsentrert i ett uvanlig trafikksnitt.

Hvordan ditt annonsenettverksvalg indirekte former din målestokk#

Nettverket som leverer trafikken din endrer basislinjen du bør forvente, selv med en identisk pre-lander. Forskjellige nettverk varierer i publikumskvalitet, plasseringskontekst (in-feed-widgeter leses annerledes enn in-article-plasseringer) og typiske CPC-områder, noe som dekkes mer dypt i vår oppdeling av native annonse CPC-målestokker på tvers av Taboola, Teads, MGID og Revcontent. Hvis du kjører den samme pre-landeren på tvers av flere nettverk, hold ytelsesdataene segmentert etter nettverk fra starten i stedet for å blande dem, siden et sterkt nettverk kan maskere en middelmådig pre-lander og et svakt nettverk kan få en genuint god pre-lander til å se ut som den underpresterer.

Hvordan OpenAdLibrary hjelper her#

Du kan ikke se en konkurrents interne konverteringsdata, men du kan se en sterk proxy: hvor lenge deres kreativ har holdt på å kjøre. Annonser som overlever i uker på et nettverk er nesten alltid støttet av en trakt, inkludert pre-lander, som konverterer godt nok til å få annonsøren til å fortsette å betale for trafikk. OpenAdLibrary's native annonse-spionverktøy fremhever nettopp det longevitetssignalet sammen med den sporede landingssiden, så i stedet for å gjette på et målestokktall, kan du studere hvordan en bevist traktstruktur faktisk ser ut for din bransje før du bygger din egen.

Hva du skal gjøre med en målestokk når du har en#

En selvbygd målestokk er bare nyttig hvis du faktisk handler på avvik fra den. Sett en enkel intern terskel på forhånd, for eksempel et vedvarende fall med en meningsfull margin mot din egen basislinje over en hel uke, i stedet for å reagere på daglig støy. Når en kampanje utløser den terskelen, arbeid deg gjennom årsaker i rekkefølge etter hvor billige de er å sjekke: kreativ utmattelse på annonsesiden først, siden det er det raskeste å utelukke eller bekrefte, deretter overskriftsmatch mellom annonse og pre-lander, deretter tilbudssiden i seg selv, og først da strukturelle ombygginger av pre-landeren. Mest underprestasjon kan spores tilbake til en av de to første årsakene, og å starte med de billigste sjekkene sparer deg for å bygge om en pre-lander som aldri faktisk var problemet.

Det er også verdt å holde målestokker separate etter trafikkkilde. En pre-lander matet av Taboola-trafikk og den samme pre-landeren matet av MGID-trafikk vil svært sannsynlig vise forskjellige rater rent fra publikums- og plasseringsforskjeller, uavhengig av noe om selve siden. Å blande disse tallene til én målestokk skjuler nettopp segmenteringen som gjør en målestokk nyttig i utgangspunktet.

Bunnlinjen#

Slutt å lete etter ett universelt pre-lander konverteringstall. Definer hvilken av de tre ratene du faktisk måler, segmenter før du gjennomsnittsberegner, og bygg en basislinje fra din egen rene trafikk. Eksterne målestokker er verdt å lese for kontekst, aldri verdt å jage som et mål.