Hur man mäter native-annonsering: Mått som faktiskt spelar roll

Att mäta native-annonsering bra innebär att spåra en kedja av mått från visning till intäkt, inte bara att titta på CTR. Måtten som faktiskt spelar roll är klickfrekvens som en tidig hälsokontroll, konverteringsgrad och kostnad per förvärv som den verkliga lönsamhetssignalen, och annonsens livslängd som en proxy med längre fönster för om en kampanj fungerar tillräckligt bra för att dess annonsör ska fortsätta finansiera den. Var och en av dessa i isolering kan vilseleda dig; tillsammans berättar de om en kampanj faktiskt tjänar pengar.

Här är hela måttstacken, i den ordning som faktiskt spelar roll för beslutsfattande, och där native-mätning skiljer sig från sök eller social.

Den centrala tratten: visning till intäkt#

Varje steg finns därför att ett starkt tal uppströms inte garanterar ett starkt tal nedströms. En hög CTR med låg CVR betyder vanligtvis att din rubrik överlöfte i förhållande till vad landningssidan levererar. En bra CVR med hög CPA betyder vanligtvis att din trafik är för dyr i förhållande till vad varje konvertering är värd. Du behöver insyn i varje länk, inte bara den första eller sista.

Varför CTR ensamt är fel optimeringsmål#

CTR är användbart som ett tidigt filter (en annons med nästan inga klick är död vid ankomst), men det är ett dåligt mål att optimera direkt mot, eftersom nyfikenhetsdrivna native-rubriker kan dra klick från läsare som aldrig skulle konvertera. En kampanj som jagar CTR i isolering tenderar att driva mot allt mer clickbait-vinklade angrepp som ökar kostnaden utan att förbättra intäkterna. Använd CTR för att fånga uppenbart trasig kreativ tidigt, flytta sedan din uppmärksamhet nedströms snabbt.

Konverteringsgrad och kostnad per resultat är där den verkliga avläsningen sker#

Konverteringsgraden berättar om landningssidan och erbjudandet gör sitt jobb när klicket kommer. Men CVR i sig är fortfarande inte hela bilden, eftersom en lågkostnadskampanj med en medioker CVR kan överträffa en dyr med en bra CVR på ren ekonomi. Det är därför kostnad per förvärv eller kostnad per lead, den faktiska dollarkostnaden för varje resultat, är siffran som bör driva beslut om uppskalning eller avslut, inte CTR eller CVR i isolering.

Om du specifikt kör lead-gen-erbjudanden är EPC (intäkt per klick) ofta den renaste enskilda siffran för att jämföra vinkelprestanda, eftersom den viker ihop klickvolym, konverteringsgrad och utbetalning till en siffra du kan jämföra direkt mellan kreativa varianter.

Attribuering: den delen native-mätning oftast får fel#

Native-kampanjer lider vanligtvis av attribueringsgap som sök och social hanterar renare. En läsare som klickar på en native-annons, inte konverterar omedelbart, men återvänder senare via ett bokmärke eller ett direktbesök, kan dyka upp som organisk trafik i en grundläggande analysinställning, vilket underskattar kampanjens verkliga bidrag. Ett korrekt konfigurerat attribueringsfönster och konsekvent användning av konverteringsspårning, med en spårningspixel eller postback-URL som utlöses vid den faktiska försäljningen eller leaden, är vad som förhindrar att detta tyst underskattar dina resultat.

View-through-attribuering, som ger äran för en visning som sågs men inte klickades på för en senare konvertering, används mer försiktigt i native än i display, eftersom native:s kärnlöfte är en äkta klickdriven interaktion. De flesta mediabrytare viktar klickbaserad attribuering mycket tyngre här och behandlar view-through-data som en sekundär signal i bästa fall.

Annonsens livslängd: signalen unik för native-mätning#

Detta är måttet som inte har en ren motsvarighet i sök- eller social rapportering, och det är ett av de mest användbara. Eftersom annonsörer betalar kontinuerligt för native-placeringar och slutar när en kampanj går med förlust, har en annons som fortfarande körs efter flera veckor effektivt testats för lönsamhet av sin egen annonsörs utgifter. Vårt inlägg annonsens livslängd som en vinnande signal går djupare på varför detta håller som en forskningsproxy, och det är särskilt användbart när du mäter konkurrenters kampanjer snarare än dina egna, eftersom du inte kan se deras interna konverteringsdata direkt men du kan se hur länge deras annonser överlever.

Ett mätfel värt att peka ut direkt#

Att jämföra två nätverk, eller två kreativa varianter, på CTR ensamt är ett av de vanligaste sätten köpare felavläser sina egna data. En Taboola-kampanj och en MGID-kampanj för samma erbjudande kan visa mycket olika CTR:er enbart på grund av publiksammansättning och placeringsstil, utan relation till vilken som faktiskt är mer lönsam. Den enda rättvisa jämförelsen är nedströms, vid CPA eller EPC, efter att ha tagit hänsyn till varje nätverks egen CPC-baslinje. Behandla CTR som en diagnostik inom nätverk, inte en cross-network-leaderboard.

Samma fälla gäller för att jämföra dina egna kreativa varianter över tid. En variant som hade en stark CTR under sina första dagar och en svagare en månad senare är inte nödvändigtvis en sämre annons; den kan helt enkelt vara uttröttad från upprepad exponering för samma publik, eftersom widgeten för innehållsrekommendationer som serverar den föredrar färskare kreativ framför en som visats för samma läsare för många gånger. Att uppdatera kreativet, inte överge vinkeln, är ofta det rätta svaret.

Om du är på utgivarsidan, vänder måttstacken#

Allt ovan är skrivet från annonsörens plats. Om du är en utgivare som kör native-widgets för intäktsgenerering istället, är måttet som spelar störst roll RPM, intäkt per tusen sidvisningar, eftersom ditt jobb är att maximera avkastningen från den trafik du redan har snarare än att bedöma din egen kreativ. Annonsörssidans mått som CVR och CPA är till stor del osynliga för dig; din avläsning på om en widgetplacering är hälsosam kommer från RPM-trender och totalt visningsvolym istället. Detta inlägg förblir fokuserat på annonsörssidan, eftersom det är där den största delen av native-mätningens verkliga komplexitet finns.

Segmentering av de siffror som spelar roll#

Aggregerade mått döljer de beslut du faktiskt behöver fatta. Bryt ner varje kärnmått efter:

• Nätverk. Taboola, Outbrain/Teads, MGID och Revcontent har alla olika publiksammansättningar och visar vanligtvis olika CVR:er för identiskt erbjudande.
• Geo. Prestanda på en Tier-1-marknad och en Tier-2- eller Tier-3-marknad ser sällan likadan ut, även för identisk kreativ.
• Enhet. Desktop- och mobilanvändare konverterar med betydligt olika takter på de flesta native-placeringar, och kreativ som fungerar på en överförs inte alltid till den andra.
• Kreativ variant. Utan spårning per variant genomsnittar du dina vinnare och förlorare, vilket döljer exakt den signal du behöver agera på.

En enkel veckovis mätningsrutin#

1. Hämta CTR per kreativ variant för att fånga allt som är dött vid ankomst.
2. Hämta CVR och CPA per nätverk och geo för att hitta var utgifterna faktiskt är lönsamma.
3. Kontrollera annonsens livslängd på dina egna toppresterande och på konkurrentannonser i samma bransch, för att bedöma hur mycket rullbane en fungerande vinkel typiskt har innan den tröttnar.
4. Avsluta allt som tydligt underpresterar på CPA, och omfördela budget till det som konverterar, snarare än det som bara har bäst CTR.

Hur OpenAdLibrary hjälper#

Livslängd och kreativnivåjämförelse är svåra att göra från enbart dina egna kampanjdata, särskilt när du vill ha en avläsning på vad som fungerar för konkurrenter, inte bara dig själv. OpenAdLibrary:s annonsintelligensverktyg visar hur länge specifika kreativ har förblivit live över nätverk, vilket låter dig jämföra din egen kampanjs körtid mot vad som är normalt för en genuint vinnande annons i din bransch, inte bara mot ditt egen historiska genomsnitt.

Sammanfattning#

Inget enskilt mått mäter native-annonsering bra på egen hand. CTR fångar död kreativ tidigt, konverteringsgrad och kostnad per förvärv berättar om tratten faktiskt fungerar, och livslängd, unik för hur native-lager prissätts, berättar om en kampanj har överlevt tillräckligt länge för att vara pålitlig. Bygg din rapportering runt alla tre, segmenterad efter nätverk, geo och enhet, så fångar du problem som rubriksiffrorna ensamma skulle dölja.