OpenAdLibraryOpenAdLibrary
Affiliate & Media Buying

Testing vs. skalering budsjettfordeling: Den 70/20/10-regelen som ikke er dogme

70/20/10 gjentas som evangeliet, men riktig fordeling mellom testing og skalering avhenger av vinnerbeholdningen og utmattelsesraten din, ikke en fast prosent. Her er rammeverket i stedet.

Redaksjonell illustrasjon: Testing vs. skalering budsjettfordeling: Den 70/20/10-regelen som ikke er dogme

En vanlig utgangsfordeling for testing vs. skalering av budsjett er omtrent 70 % til beviste vinnere, 20 % til nære varianter av ting som allerede fungerer, og 10 % til helt ny kreativ eller tilbudstester, men behandle den 70/20/10-regelen som et utgangspunkt å justere, ikke en regel å følge blindt. Riktig fordeling avhenger av hvor mange vinnere du for øyeblikket har, hvor raskt din beste kreativ blir utmattet, og hvor mye kapasitet du har til å overleve en dårlig testuke.

Hvorfor forholdet ikke er poenget#

70/20/10-rammeverket (eller 80/15/5, eller 60/30/10, avhengig av hvem du spør) gjentas fordi det er et rimelig standardvalg for noen uten annen informasjon. Men det svarer på feil spørsmål. Den faktiske beslutningen kjøpere må ta er ikke "hvilken prosentandel bør jeg teste med," det er "hvor mye kan jeg tillate meg å tape denne uken uten å true kampanjen, og hvor mange kreative konsepter trenger jeg å kjøre samtidig for å holde en pipeline med vinnere i gang."

Disse to spørsmålene gir svært forskjellige fordeling avhengig av kontostørrelse. En kjøper som bruker $500 om dagen og tester med 10 % har $50 om dagen til å finne en ny vinner, som til typiske native testkostnader knapt er nok til å få en retningsindikasjon på én ny vinkel. En kjøper på $10 000 om dagen har $1000 om dagen til testing, som støtter fire eller fem reelle tester parallelt. Prosentandelen er identisk; den praktiske testkapasiteten er ikke.

De virkelige inngangene til fordelingen din#

Vinnerbeholdning. Hvis du for øyeblikket har én fungerende annonse og den viser tidlige tegn på utmattelse, må du teste mer aggressivt enn 10 %, fordi du er én dårlig uke unna å ha null vinnere. Hvis du har fem stabile vinnere på tvers av forskjellige vinkler, har du råd til å legge mer vekt på skalering og teste mer konservativt.

Utmattelsesrate. Tidslinjer for utmattelse av native kreativ varierer etter bransje og nettverk, men mønsteret er konsekvent: ytelsen forringes når frekvensen bygges opp og det samme målgruppesegmentet ser annonsen gjentatte ganger. Spor hvor mange dager din typiske vinner holder før forfall starter, og dimensjoner testbudsjettet ditt til å ha en erstatning klar før det tidspunktet, ikke etter. Se creative fatigue for den underliggende mekanikken.

Kontokapasitet. Hvor mange dårlige uker kan virksomheten absorbere før utgiftene må reduseres? Mindre kapasitet argumenterer for en mindre, mer konservativ testallokering selv om det bremser hvor fort du finner nye vinnere; avveiningen er reell og det finnes ingen formel som fjerner den.

Testkostnad per læring. En billig Revcontent- eller MGID-test i en lavere-tier geo kan gi deg en retningsindikasjon for noen hundre dollar. En Taboola-test i en konkurransedyktig Tier-1-bransje som finans eller forsikring trenger betydelig mer utgifter før dataene er pålitelige. Budsjetter testallokeringen din til kostnaden for et reelt svar, ikke et vilkårlig dollarbeløp.

Et praktisk rammeverk i stedet for et fast forhold#

  1. Sett en testnedre grense, ikke en prosentandel. Bestem det minste ukentlige dollarbeløpet som trengs for å kjøre minst to reelle kreative eller vinkeltester til et statistisk nyttig utvalg. Det er din nedre grense uavhengig av totale utgifter.
  2. Skaler vinnerallokeringen for å fylle resten, men begrens hvor mye som går til en enkelt kreativ eller utgiver, siden ytelsesdata på utgivernivå ofte vil vise at selv en "vinnende" kampanje har svake områder som er verdt å beskjære heller enn å blindt skalere alt proporsjonalt.
  3. Reserver et mellomlag for iterasjon, ikke helt nye konsepter: variasjoner på en vinnende hook, et nytt bilde på en bevist overskrift, en annen CTA. Dette er billigere å teste enn helt nye konsepter og har en høyere treffrate, som er det meste av det "20 %" i 70/20/10 faktisk gjør.
  4. Vurder ukentlig, ikke månedlig. Riktig fordeling skifter når vinnere blir utmattet og nye tester enten lykkes eller mislykkes; en fast månedlig allokering blir fort foreldet i en kanal der kreativ forfall måles i dager eller uker, ikke kvartaler.

Hvor testbudsjettet faktisk bør gå#

Ikke hvert nettverk eller hver geo fortjener lik testutgift. Billigere geografier og nettverk lar deg få en indikasjon raskere og billigere: å teste en ny vinkel i en Tier-2-geo på MGID eller Revcontent før du forplikter den til en Tier-1 Taboola-kampanje er et vanlig mønster nettopp fordi kostnaden for et feil svar er lavere. Hvis vinkelen fungerer billig, er det et mye sikrere veddemål å skalere inn i premium-inventar. Dette er også der det lønner seg å sjekke om en lignende vinkel allerede er bevist andre steder. Før du bruker testbudsjett på et konsept fra bunnen av, kan analyse av vinnende native annonsekreativer som allerede er live i din bransje fortelle deg om vinkelen har potensiale før du betaler for å finne ut av det selv.

Et gjennomgått eksempel på tvers av kontostørrelser#

Tenk på to kontoer som begge nominelt kjører en 70/20/10-fordeling. Konto A bruker $400/dag; dens 10 % testallokering er $40/dag, som på de fleste native nettverk ikke er nok til å nå en enkelt konvertering i en Tier-1-bransje innen en uke, for ikke å snakke om å sammenligne to konsepter mot hverandre. Konto B bruker $8000/dag; dens 10 % er $800/dag, nok til å kjøre tre eller fire reelle tester samtidig og få en pålitelig indikasjon innen dager.

Løsningen for Konto A er vanligvis ikke "test mindre," det er å restrukturere forholdet slik at testnedre grensen er et fast dollarbeløp heller enn en prosentandel: kanskje $150/dag uavhengig av hva det representerer som en andel av totale utgifter, finansiert ved å beskjære skaleringsallokeringen litt heller enn å redusere testkvaliteten under punktet der den produserer brukbare data. En test som ikke kan nå et reelt utvalg er ikke billigere, det er bare en måte å bruke penger på uten å lære noe, som er verre enn å ikke teste i det hele tatt.

Signal om at fordelingen din må endres#

Noen konkrete utløsere det er verdt å se etter, heller enn å vente på en planlagt gjennomgang:

  • Ytelsen til din beste kreativ har falt to uker på rad. Det er et tidlig utmattelsessignal, og det betyr at testpipelinen din allerede må ha en kandidat klar, ikke starte fra null når vinneren fullstendig forfaller.

  • Testtreffraten din har vært uvanlig høy i det siste. Hvis tre av dine fem siste tester ble til levedyktige vinnere, er det et tegn på at bransjen eller vinkelpoolen du henter fra er uvanlig fruktbar akkurat nå, og å legge mer vekt på mer testing midlertidig kan komponere raskere enn å holde seg til et fast forhold.

  • Du har hatt null nye vinnere på en måned til tross for konsekvent testutgift. Dette er et signal om å se på hvor testkonseptene dine kommer fra, ikke nødvendigvis å endre forholdet; flere testdollar mot svake konsepter brenner bare budsjettet raskere.

Vanlige feil med fordelingen#

  • Behandle forholdet som fast uavhengig av resultater. Hvis testing produserer vinnere med en høy treffrate, er det et signal om å legge mer vekt på det, ikke å mekanisk begrense det til 10 %.
  • Teste for mange variabler samtidig. En test som endrer overskrift, bilde og landingsside samtidig forteller deg ikke hvilken endring som betød noe. Isoler variabler der budsjettet tillater det.
  • Avslutte tester for tidlig. Underfinansierte tester som blir bedømt på dag én eller to av utgifter blir vanligvis bedømt på støy, ikke signal. Dimensjoner testbudsjettet til utvalget du faktisk trenger før du bestemmer deg.
  • Aldri revurdere "skalerings"utgifter. Penger allokert til vinnere er ikke "sett og glemt"; det trenger fortsatt løpende disiplin på utgivernivå og enhet/geo-bud for å holde en vinner vinnende.

Hvordan vite om fordelingen din fungerer#

Spor et enkelt forhold over et glidende fireukers vindu: dollar brukt på testing versus nye vinnere produsert. Hvis det forholdet blir verre (flere testdollar per vinner funnet), er problemet vanligvis ikke prosentandelen av fordelingen, det er kvaliteten på konseptene som går inn i testing. Bedre innganger, informert av det som faktisk fungerer på tvers av bransjen akkurat nå, fikser det raskere enn å omfordele budsjettforholdet.

70/20/10 er et fint sted å starte på dag én av en ny konto. Innen uke fire bør din egen utmattelsesrate, vinnerantall og testtreffrate drive tallet, ikke en regel du leste i et blogginnlegg.

Ofte stilte spørsmål

Hva er 70/20/10-regelen i mediabruk?
Det er en vanlig utgangsheuristikk: 70 % av budsjettet til beviste vinnere, 20 % til nære varianter av det som fungerer, og 10 % til helt nye tester. Det er et rimelig standardvalg uten annen informasjon, men bør justeres basert på antall vinnere, utmattelsesrate og kontokapasitet.
Hvor mye budsjett bør jeg dedikere til testing av ny kreativ?
Sett en nedre grense basert på dollarbeløpet som trengs for å kjøre minst to reelle tester til et statistisk nyttig utvalg hver uke, ikke en prosentandel. Den nedre grensen varierer etter nettverk og bransje, siden en Tier-1 Taboola-finanstest koster mer for å gi pålitelig data enn en Tier-2 MGID-test.
Hvordan vet jeg om jeg tester for lite?
Hvis du har én eller to vinnere og ingen klar erstatning i pipelinen mens de viser tegn på utmattelse, tester du for lite. En sunn konto har alltid minst ett eller to konsepter i aktiv testing uavhengig av hvor godt dagens vinnere presterer.
Bør forholdet mellom testing og skalering endres over tid?
Ja. Vurder det ukentlig. Når vinnere blir utmattet, tester lykkes eller mislykkes, og treffraten din endres, blir et fast forhold satt på dag én feil innen noen få uker i en kanal der kreativ forfall skjer raskt.
Er det billigere å teste på noen nettverk enn andre?
Generelt ja. Tier-2-geografier og nettverk som MGID eller Revcontent lar deg få en retningsindikasjon på en ny vinkel for mindre utgifter enn en Tier-1 Taboola- eller Outbrain-test i en konkurransedyktig bransje, noe som er grunnen til at mange kjøpere tester billig og skalerer inn i premium-inventar når en vinkel har vist seg.
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.