Pre-Lander-mätetal som faktiskt spelar roll (inte bara sidvisningar)

Mätetalen som faktiskt spelar roll på en pre-lander är klickfrekvens till erbjudandet, vistelsetid, scroll-djup och var läsare hoppar av innan de klickar. Sidvisningar och rå trafik säger nästan ingenting på egen hand; en pre-landers hela jobb är att förvandla ett kallt klick till ett varmt, försålt, så varje mätetal värt att spåra mäter någon del av den övergången.

De flesta media buyers som är nya inom advertorial-trattar har som standard att titta på samma tre siffror som de skulle titta på på en landningssida: besök, tid på sidan, avvisningsfrekvens. De är inte fel, exakt, de är bara inte byggda för vad en pre-lander gör. En pre-lander försöker inte hålla uppmärksamheten för sin egen skull. Den försöker bygga tillräckligt med sammanhang och förtroende på 20 till 60 sekunder så att läsaren klickar vidare till det faktiska erbjudandet redan övertygad. Det betyder att mätetalet som spelar mest roll inte är "stannade de", utan "lämnade de genom dörren jag byggde för dem."

Klickfrekvens till erbjudandet#

Det här är siffran. Varje pre-lander har en utgång som räknas: länken, knappen eller "Continue Reading"-klicket som för besökaren till det faktiska erbjudandet eller kassasidan. Allt annat på sidan finns för att flytta läsare mot den utgången.

Spåra det som en procentandel av pre-lander-besök som klickar vidare, inte som en procentandel av annonsklick. Om din annons-CTR är sund men din pre-lander-CTR är svag, ligger läckan i berättelsen, inte kroken. Ett vanligt mönster över trattarna i OpenAdLibrarys index är att vinnande pre-landers driver 60 till 85 % av besökarna vidare till erbjudandet; allt som är meningsfullt under det på en sida som har haft ett par dagar på sig att samla data innebär vanligtvis att vinkeln som utlovades i annonsen inte matchar vad pre-lander levererar, eller att CTA:n är begravd under folden.

Vistelsetid (och varför genomsnitt är fel statistik)#

Vistelsetid, hur länge en besökare stannar innan den klickar vidare eller lämnar, berättar om folk faktiskt läser eller bara skummar förbi. Men genomsnittet är missvisande i sig. En pre-lander med en genomsnittlig vistelsetid på 45 sekunder kan betyda att alla läser i 45 sekunder, eller att hälften av trafiken studsar på 3 sekunder och den andra hälften läser i 90. Det är två helt olika problem.

Där din tracker stöder det, titta på distributionen, inte bara medelvärdet. En klunga av mycket korta besök pekar vanligtvis på en mismatch mellan annonsens löfte och pre-landers inledning. Om folk landar och lämnar på under 5 sekunder, fortsätter rubriken eller hjältebilden på pre-lander inte historien som annonsen startade; det visuella och copy måste ta vid exakt där annonskreativt slutade, inte starta om pitchen från början.

Scroll-djup och avhoppskurvan#

Scroll-djup visar var historien tappar folk. De flesta trackers eller heatmap-verktyg ger dig procentsatser av sidan (25%, 50%, 75%, 100%), och formen på den kurvan är mer användbar än någon enskild siffra.

Om du ser en klippa precis före call to action, är det vanligtvis inte ett copy-problem, det är ett designproblem: CTA:n ser antingen ut som en annan native-annonsenhet (banner blindness) eller övergången till den är för abrupt efter en långsam, berättelsedriven uppbyggnad.

Tid till klick och dess relation till förtroende#

Tid till klick, gapet mellan sidladdning och klicket som skickar någon till erbjudandet, är en grov proxy för hur mycket övertalning sidan behövde göra. En mycket kort tid till klick på en sida som är designad för att köra 800+ ord av berättelse betyder vanligtvis att folk hoppar direkt till CTA:n utan att läsa, vilket är okej för varm eller mycket motiverad trafik men en röd flagga om ditt creative angle beror på att bygga sammanhang först. En lång tid till klick i kombination med en sund klickfrekvens är ofta ett tecken på en välbyggd advertorial: folk läser hela och konverterar ändå.

Ställa in spårning utan gissningar#

Inget av detta fungerar utan en tracker som kan separera pre-lander-händelsen från erbjudande-händelsen. Som minimum behöver du:

• Ett distinkt klick-ID för annonsklicket, pre-lander-vyn och klicket vidare till erbjudandet, så att du kan kedja de tre och beräkna verklig trattkonvertering vid varje steg.
• Scroll- och vistelsehändelser som utlöses från pre-lander själv, inte bara erbjudandesidan. De flesta trackers som används av affiliates och media buyers (Voluum, RedTrack och liknande) stöder anpassade postbacks för detta; postback-URL:en måste utlösas vid pre-landers egen utgångshändelse, inte bara den slutliga konverteringen.
• Segmentering efter trafikkälla och enhet. En pre-lander som konverterar med 70% på mobil Taboola-trafik kan konvertera med 40% på desktop Outbrain-trafik med exakt samma copy, eftersom läsbeteende och skärmyta skiljer sig tillräckligt för att ändra hur scroll-kurvan utspelar sig.

Vad lång livslängd berättar som en enda dags mätetal inte kan#

En enda dags pre-lander-mätetal är brusig. Trafikkvaliteten förändras timme för timme, och en dålig eftermiddag betyder inte en dålig tratt. Den mer pålitliga signalen, särskilt när du undersöker vad som fungerar istället för att testa din egen sida, är hur länge ett kreativt har varit live. Annonsörer fortsätter inte betala för trafik till en pre-lander som läcker konverteringar; en tratt som fortfarande körs efter två eller tre veckor har, nästan per definition, klarat vilken CTR- och vistelsetid-nivå annonsören satte för den.

Det är vinkeln som OpenAdLibrarys ad intelligence-verktyg är byggt kring: istället för att gissa på någon annans interna mätetal, observerar du hur länge deras exakta kombination av kreativt och landningssida överlever i det vilda. Ett pre-lander-mönster som fortsätter dyka upp hos olika annonsörer i samma vertikal, med långa observerade körtider, är en mycket starkare signal än någon enskild tratts dashboard.

Läsa dessa mätetal tillsammans med creative fatigue#

Pre-lander-mätetal lever inte isolerade från den annonskreativa som matar dem. En tratt med en stark klickfrekvens i vecka ett kan tyst försämras till vecka tre även om du inte har rört ett ord av copy, eftersom annonskreativet som driver trafik till den har nått creative fatigue: samma målgrupp har nu sett annonsen tillräckligt många gånger för att den initiala nyfikenheten som fick kroken att fungera har slitits ut. När du ser vistelsetid och scroll-djup hålla sig stabila men klickfrekvensen sakta glida, kontrollera annonssidan av tratten innan du rör pre-lander själv. Att byta ut en ny bild eller rubrik på annonsen, medan du behåller exakt samma pre-lander, är ofta tillräckligt för att återställa siffrorna, vilket berättar att sidan aldrig var problemet.

Det omvända händer också. En pre-lander kan börja starkt och sedan försämras för att erbjudandesidan som den matar har ändrats, ett pris har gått upp, ett formulär har blivit längre, utan att någon har uppdaterat pre-landers löften för att matcha. Om klickfrekvensen till erbjudandet förblir sund men din downstream-konverteringsfrekvens sjunker, titta på om pre-lander fortfarande gör ett korrekt löfte om vad som finns på andra sidan av det klicket.

Vanliga misstag vid läsning av dessa siffror#

Det största misstaget är att optimera vistelsetid uppåt som om det vore ett mål i sig. Längre är inte bättre; en pre-lander som håller uppmärksamheten i två minuter men konverterar sämre än en som håller den i 30 sekunder är den sämre sidan, punkt slut. Vistelsetid är diagnostisk, inte ett mål.

Det andra misstaget är att bedöma en tratt baserat på dag-ett-data. Nya pre-landers behöver minst ett par hundra besök, helst över mer än en tidsperiod, innan klick- och scroll-siffrorna stabiliseras tillräckligt för att agera på. Att döda en sida efter 40 besök för att CTR:n ser mjuk ut är hur köpare kastar bort sidor som skulle ha fungerat med ytterligare en dags data.

Det tredje misstaget är att jämföra pre-lander-CTR över olika trafikkällor som om det vore äpplen och äpplen. En pre-lander som matas av nyfikenhetsdriven content discovery-trafik kommer att bete sig annorlunda än en som matas av mer avsiktsdriven sök- eller shoppingtrafik, även med identisk copy. Jämför mot din egen historia på den källan, inte mot en siffra du läste någon annanstans.