Bid Modifier / Bid Adjustment

Bid modifier หรือที่เรียกว่า bid adjustment คือการปรับเพิ่มหรือลดเป็นเปอร์เซ็นต์ที่นำมาใช้กับราคาเสนอซื้อพื้นฐานของคุณภายใต้เงื่อนไขเฉพาะ เช่น ประเภทอุปกรณ์ ภูมิศาสตร์ ผู้เผยแพร่ หรือช่วงเวลาของวัน โดยไม่เปลี่ยนราคาเสนอซื้อที่คุณตั้งไว้สำหรับสิ่งอื่นทั้งหมด แทนที่จะต้องรันแคมเปญแยกสำหรับกลุ่มเป้าหมายทุกส่วนที่คุณต้องการจัดการต่างกัน bid modifier ช่วยให้แคมเปญเดียวสามารถปรับค่าใช้จ่ายขึ้นหรือลงได้ในจุดที่เหมาะสม

วิธีการทำงานของตัวคูณ#

สมมติว่าราคาเสนอซื้อพื้นฐาน CPC ของคุณในแคมเปญคือ $0.40 ตัวปรับอุปกรณ์ +25% สำหรับการเข้าชมจากมือถือจะผลักดันให้ราคาเสนอซื้อที่มีผลจริงสำหรับมือถือเป็น $0.50 ในขณะที่เดสก์ท็อปยังคงอยู่ที่ $0.40 ทั้งหมดนี้อยู่ภายในแคมเปญเดียวกันและใช้การกำหนดเป้าหมายและพูลงบประมาณเดียวกัน ตัวปรับ -20% บนภูมิศาสตร์ที่มีประสิทธิภาพต่ำกว่าจะดึงราคาเสนอซื้อของส่วนนั้นลงเหลือ $0.32 แทนที่จะหยุดไปเลยทั้งหมด เครือข่ายเนทีฟและแพลตฟอร์มฝั่งความต้องการหลายแห่งแสดงตัวปรับในลักษณะนี้ คือเป็นตัวคูณบนราคาเสนอซื้อพื้นฐาน ซ้อนทับตามมิติ (อุปกรณ์ ภูมิศาสตร์ เวลา พื้นที่วาง) ดังนั้นหลายตัวสามารถซ้อนทับกันบนอิมเพรสชันเดียวกันได้

ที่ที่ใช้ bid modifier#

การใช้งานที่พบบ่อยที่สุดคืออุปกรณ์ (มือถือมักแปลงผลต่างจากเดสก์ท็อปในออฟเฟอร์เดียวกัน) geo (ประเทศ Tier 1 อาจสมเหตุสมผลที่จะเสนอราคาสูงกว่าประเทศ Tier 3 แม้จะอยู่ในแคมเปญเดียวกัน) และช่วงเวลาของวัน ซึ่งทับซ้อนกับการจัดตารางรายชั่วโมง แต่ทำงานผ่านการปรับเปอร์เซ็นต์แทนที่จะเป็นตารางเปิด/ปิดเต็มรูปแบบ บางแพลตฟอร์มยังรองรับตัวปรับตามผู้เผยแพร่หรือพื้นที่วาง ช่วยให้คุณจ่ายมากขึ้นสำหรับพื้นที่โฆษณาบนเว็บไซต์ที่เคยแปลงผลได้ดีในอดีตโดยไม่ต้องสร้างแคมเปญแยกสำหรับแต่ละเว็บไซต์

Bid modifier เทียบกับแคมเปญแยก#

ก่อนที่ตัวปรับแบบละเอียดจะกลายเป็นเรื่องปกติ ผู้ซื้อจัดการสิ่งนี้โดยแยกแคมเปญหนึ่งออกเป็นหลายแคมเปญ หนึ่งแคมเปญต่ออุปกรณ์หรือภูมิศาสตร์ แต่ละแคมเปญมีราคาเสนอซื้อคงที่ของตัวเอง วิธีการนั้นให้การควบคุมมากขึ้นแต่ทำให้งบประมาณแตกกระจาย และที่สำคัญกว่านั้นคือทำให้ข้อมูลที่ป้อนให้กับอัลกอริทึม smart bidding แตกกระจาย การรักษาการเข้าชมไว้ในแคมเปญเดียวโดยมีตัวปรับซ้อนทับอยู่ด้านบน มักจะทำให้ระบบการเสนอราคาอัตโนมัติสามารถปรับให้เหมาะสมด้วยชุดข้อมูลที่ใหญ่กว่าและไม่เจือจาง ในขณะที่ยังอนุญาตให้ผู้ซื้อผลักดันค่าใช้จ่ายไปยังส่วนที่พวกเขารู้ว่ามีอัตราการแปลงที่ดีกว่าจาก การวิเคราะห์ครีเอทีฟโฆษณา ของตัวเอง

การตั้งค่าตัวปรับจากข้อมูลจริง ไม่ใช่การเดา#

Bid modifier ทำงานได้ดีที่สุดเมื่อสร้างจากข้อมูลการส่งมอบของคุณเอง (อัตราการแปลงและต้นทุนต่อผลลัพธ์ แยกตามอุปกรณ์ ภูมิศาสตร์ และชั่วโมง) แทนที่จะเป็นข้อสันนิษฐานที่นำมาจากอุตสาหกรรมอื่นหรือเครือข่ายอื่น ตัวปรับที่สมเหตุสมผลสำหรับแคมเปญ Taboola สำหรับออฟเฟอร์ nutra อาจตรงกันข้ามโดยสิ้นเชิงสำหรับออฟเฟอร์การเงินที่รันบน MGID เนื่องจากกลุ่มเป้าหมายและส่วนผสมของพื้นที่โฆษณาแตกต่างกัน การทบทวนประสิทธิภาพที่แยกส่วนเป็นเวลาหนึ่งหรือสองสัปดาห์ก่อนตั้งค่าตัวปรับ และกลับมาดูเป็นระยะเมื่อ ความล้าของครีเอทีฟ หรือฤดูกาลเปลี่ยนตัวเลข ช่วยให้การปรับตั้งอยู่บนพื้นฐานของสิ่งที่เกิดขึ้นจริงแทนที่จะเป็นการเดาเพียงครั้งเดียว

คำเตือน#

การซ้อนทับตัวปรับมากเกินไปในหลายมิติพร้อมกัน ทำให้ยากที่จะบอกได้ว่าการปรับใดที่ขับเคลื่อนการเปลี่ยนแปลงในประสิทธิภาพจริงๆ การเพิ่มตัวปรับทีละหนึ่งตัว และให้ปริมาณเพียงพอที่จะประเมินก่อนเพิ่มตัวต่อไป ช่วยหลีกเลี่ยงการลงเอยด้วยโครงสร้างราคาเสนอซื้อที่ไม่มีใครสามารถอธิบายได้ในอีกหกเดือนต่อมา