การประมาณค่าใช้จ่ายโฆษณามีความแม่นยำแค่ไหน? สิ่งที่เครื่องมือสอดแนมเข้าใจผิด

การประมาณค่าใช้จ่ายโฆษณาจากเครื่องมือข่าวกรองการแข่งขันใดๆ เป็นตัวเลขที่มาจากการสร้างแบบจำลอง ไม่ใช่ข้อเท็จจริงที่สังเกตได้ และคำตอบที่ตรงไปตรงมาสำหรับคำถามว่ามันแม่นยำแค่ไหนคือ: มีประโยชน์ในเชิงทิศทาง แต่ไม่น่าเชื่อถือในระดับตัวเงิน ไม่มีเครื่องมือภายนอกใดเห็นใบแจ้งหนี้หรือข้อมูลการประมูลจริงของผู้โฆษณา สิ่งที่มันเห็นคือปริมาณครีเอทีฟ รูปแบบการวางตำแหน่ง และการประมาณจำนวนอิมเพรสชัน จากนั้นนำสิ่งเหล่านี้ผ่านสมมติฐานเกี่ยวกับ CPM หรือ CPC เพื่อสร้างตัวเลขเงินตราที่ดูแม่นยำแต่ตั้งอยู่บนการคาดเดาหลายชั้น

การประมาณค่าใช้จ่ายถูกสร้างขึ้นมาอย่างไรจริงๆ#

การประมาณค่าใช้จ่ายของเครื่องมือสอดแนมทั่วไปมักเป็นห่วงโซ่ดังนี้: นับว่าครีเอทีฟของผู้โฆษณาดูเหมือนจะได้รับตำแหน่งวางหรืออิมเพรสชันกี่ครั้ง คูณด้วย CPM หรือ CPC เฉลี่ยที่สมมติสำหรับเครือข่ายและอุตสาหกรรมนั้นๆ จากนั้นนำเสนอผลลัพธ์เป็น "การประมาณค่าใช้จ่ายรายเดือน" ทุกขั้นตอนในห่วงโซ่นี้ทำให้เกิดข้อผิดพลาด:

1. การนับอิมเพรสชันเองก็เป็นการประมาณ เครื่องมือส่วนใหญ่ไม่มีข้อมูลอิมเพรสชันโดยตรงจากเซิร์ฟเวอร์โฆษณา พวกมันอนุมานปริมาณจากความถี่และความกว้างของการพบเห็นครีเอทีฟระหว่างการสำรวจข้อมูล ซึ่งเป็นตัวอย่าง ไม่ใช่การสำรวจทั้งหมด
2. สมมติฐาน CPM/CPC เป็นค่าเฉลี่ยที่ใช้กับทุกคน ราคาประมูลจริงแตกต่างกันอย่างมากตามชื่อเสียงของผู้โฆษณา ความแม่นยำของการกำหนดเป้าหมาย ภูมิศาสตร์ อุปกรณ์ และช่วงเวลาของปี อัตรารวมเดียวที่ใช้กับอุตสาหกรรมทั้งหมดจะผิดสำหรับผู้โฆษณาแต่ละรายเกือบทุกคน บางครั้งก็ผิดในวงกว้าง
3. เครือข่ายและรูปแบบไม่ได้แยกจากกันอย่างชัดเจนเสมอไป สินค้าคงคลังเดสก์ท็อปและมือถือ การวางตำแหน่งในฟีดเทียบกับวิดเจ็ต และราคาภูมิศาสตร์ Tier-1 เทียบกับ Tier-3 ล้วนมีอัตราจริงที่แตกต่างกัน แต่การประมาณที่เผยแพร่จำนวนมากรวมสิ่งเหล่านี้เข้าด้วยกันเป็นตัวเลขเดียว

เมื่อรวมการประมาณทั้งสามนี้เข้าด้วยกัน "การประมาณค่าใช้จ่าย" ที่ได้สามารถผิดพลาดได้หลายเท่าในทั้งสองทิศทางสำหรับผู้โฆษณาเฉพาะรายใดๆ แม้ว่าจะประมาณถูกโดยเฉลี่ยในตัวอย่างที่ใหญ่พอ

เหตุใดนี่ไม่ใช่ข้อบกพร่องที่คุณสามารถแก้ไขด้วยวิศวกรรมได้#

นี่ไม่ใช่กรณีที่ผู้ขายรายหนึ่งทำได้ไม่ดีและอีกรายทำได้ดี มันเป็นโครงสร้าง: ไม่มีใครนอกเหนือจากผู้โฆษณาและเครือข่ายที่มีข้อมูลการประมูลและการส่งมอบจริง แม้แต่เครือข่ายเองก็รู้เพียงสิ่งที่เรียกเก็บจากผู้โฆษณารายนั้นโดยเฉพาะ ไม่ใช่สิ่งที่สมมติฐานรวมของเครื่องมือสอดแนมควรจะเป็น เครื่องมือใดๆ ที่อ้างตัวเลขเงินตราต่อผู้โฆษณาที่แม่นยำ กำลังนำเสนอผลลัพธ์ของแบบจำลองด้วยความมั่นใจมากกว่าที่ข้อมูลพื้นฐานรองรับได้

การประมาณค่าใช้จ่ายมีประโยชน์จริงๆ สำหรับอะไร#

แม้จะไม่แม่นยำ แต่ตัวเลขค่าใช้จ่ายจากแบบจำลองก็ไม่ไร้ค่า หากใช้อย่างถูกต้อง พวกมันตอบคำถามที่แตกต่างและซื่อตรงมากขึ้น:

• การเปรียบเทียบสัมพัทธ์ ผู้โฆษณา A ใช้จ่ายมากกว่าผู้โฆษณา B ในอุตสาหกรรมและเครือข่ายเดียวกันโดยประมาณหรือไม่? ข้อผิดพลาดการสร้างแบบจำลองที่แบ่งปันกันมักจะใช้กับทั้งสองฝ่ายคล้ายกัน ดังนั้นการจัดอันดับระหว่างพวกมันจึงมักน่าเชื่อถือกว่าตัวเลขสัมบูรณ์ของฝ่ายใดฝ่ายหนึ่ง
• ทิศทางแนวโน้ม การประมาณค่าใช้จ่ายของผู้โฆษณากำลังเพิ่มขึ้นหรือลดลงเมื่อเทียบเดือนต่อเดือนหรือไม่? การเคลื่อนไหวในเชิงทิศทางอยู่รอดจากข้อผิดพลาดการสร้างแบบจำลองได้ดีกว่าตัวเลขสัมบูรณ์
• การประมาณขนาดคร่าวๆ การแยกแยะงบประมาณทดสอบห้าหลักจากแคมเปญต่อเนื่องเจ็ดหลักมักทำได้แม้ด้วยแบบจำลองที่มีสัญญาณรบกวน แต่การแยกแยะ $40,000 กับ $55,000 ได้อย่างน่าเชื่อถือนั้นทำไม่ได้

สัญญาณที่น่าเชื่อถือมากกว่าการประมาณค่าใช้จ่าย#

หากเป้าหมายจริงของคุณคือการเข้าใจว่าคู่แข่งลงทุนในออฟเฟอร์อย่างจริงจังแค่ไหน สัญญาณที่สังเกตได้หลายอย่างมีข้อผิดพลาดจากการสร้างแบบจำลองน้อยกว่าตัวเลขเงินตราที่ได้มา:

สิ่งเหล่านี้จะไม่มอบตัวเลขเงินตราให้คุณ แต่จะให้ข้อมูลเกี่ยวกับขนาดและความมุ่งมั่นที่ซื่อตรงกว่าตัวเลขค่าใช้จ่ายจากแบบจำลองที่แต่งตัวให้ดูแม่นยำ

วิธีใช้การประมาณค่าใช้จ่ายอย่างรับผิดชอบ หากเครื่องมือให้มา#

หากคุณกำลังดูการประมาณค่าใช้จ่ายที่เผยแพร่ที่ใดก็ได้ จัดการกับมันเหมือนที่คุณจัดการกับการประมาณแบบ Fermi คร่าวๆ: มีประโยชน์สำหรับการจัดลำดับสิ่งต่างๆ ไม่ปลอดภัยที่จะอ้างเป็นข้อเท็จจริงในรายงานต่อลูกค้าหรือเจ้านาย กฎปฏิบัติบางประการ:

• อย่านำเสนอการประมาณค่าใช้จ่ายสำหรับผู้โฆษณาเดียวเป็นตัวเลขตายตัวในรายงานภายนอก กำหนดกรอบให้เป็นช่วงทิศทางมากที่สุด
• ให้ความสำคัญกับการประมาณมากขึ้นเมื่อตัวอย่างพื้นฐาน (จำนวนครีเอทีฟ ระยะเวลาการสังเกต) มีขนาดใหญ่ ตัวเลขค่าใช้จ่ายที่ได้มาจากข้อมูลหนึ่งสัปดาห์บนครีเอทีฟเดียวมีข้อผิดพลาดมากกว่าที่สร้างจากการสังเกตอย่างต่อเนื่องหลายเดือน
• ตรวจสอบข้ามกับสัญญาณที่สังเกตได้โดยตรง (ความยืนยาว จำนวนครีเอทีฟ การกระจายภูมิศาสตร์) ก่อนสรุปผล และหากสัญญาณที่สังเกตได้โดยตรงกับการประมาณค่าใช้จ่ายไม่ตรงกัน ให้เชื่อถือสัญญาณที่สังเกตได้โดยตรง

ตัวอย่างการทำงานของวิธีที่ข้อผิดพลาดรวมตัวกัน#

สมมติว่าเครื่องมือสังเกตเห็นครีเอทีฟของผู้โฆษณาปรากฏในตำแหน่งวางผู้เผยแพร่ที่แตกต่างกันประมาณ 200 แห่งในหนึ่งเดือน และสมมติ CPM รวมสำหรับอุตสาหกรรมนั้น คูณตำแหน่งวางด้วยจำนวนอิมเพรสชันต่อตำแหน่งที่สมมติ จากนั้นด้วย CPM ที่สมมติ และคุณจะได้ตัวเลขเงินตรา ตอนนี้เปลี่ยนอินพุตใดๆ หนึ่งอย่าง: CPM จริงที่ผู้โฆษณารายนี้จ่ายอาจเป็นสองเท่าหรือครึ่งหนึ่งของค่าเฉลี่ยรวม ขึ้นอยู่กับความแม่นยำของการกำหนดเป้าหมายและคะแนนคุณภาพครีเอทีฟของพวกเขา อิมเพรสชันจริงต่อตำแหน่งอาจแตกต่างกันตามส่วนผสมของภูมิศาสตร์และอุปกรณ์ในแบบที่แบบจำลองไม่เห็น และจำนวนตำแหน่งวางที่สังเกตได้เองก็เป็นตัวอย่างจากการสำรวจข้อมูล ไม่ใช่การสำรวจทั้งหมดของทุกอิมเพรสชันที่ให้บริการ อินพุตทั้งสามนี้แต่ละอย่างสามารถผิดพลาดได้ในขอบเขตที่มีความหมาย และเนื่องจากค่าประมาณสุดท้ายคูณพวกมันเข้าด้วยกัน ข้อผิดพลาดจึงรวมตัวกันแทนที่จะเฉลี่ยออก นั่นคือเหตุผลทางกลไกที่การประมาณค่าใช้จ่ายของผู้โฆษณาเดียวสามารถดูมั่นใจและแม่นยำบนแดชบอร์ด ในขณะที่แท้จริงแล้วไม่น่าเชื่อถือภายใต้

เหตุใด OpenAdLibrary จึงไม่เผยแพร่ตัวเลขค่าใช้จ่ายที่สร้างขึ้น#

เมื่อพิจารณาจากการคาดเดาจำนวนมากที่อยู่ภายใต้การประมาณตัวเงินจากแบบจำลองใดๆ เราไม่ได้สร้างตัวเลขค่าใช้จ่ายที่แม่นยำเพื่อใส่ในโปรไฟล์ผู้โฆษณาโดยเจตนา สิ่งที่เราติดตามและนำเสนอคือสิ่งที่สังเกตได้จริง: จำนวนครีเอทีฟ ระยะเวลาการทำงาน การมีอยู่ของเครือข่าย การกระจายตามภูมิศาสตร์และอุปกรณ์ ทั้งหมดดึงมาจากการบันทึกอย่างต่อเนื่องทั่วเครือข่าย แทนที่จะอนุมานจากสมมติฐานราคา หากเวิร์กโฟลว์ของคุณขึ้นอยู่กับการประเมินว่าคู่แข่งลงทุนในออฟเฟอร์อย่างจริงจังแค่ไหน สัญญาณที่สังเกตได้โดยตรงเหล่านั้น ซึ่งครอบคลุมในเชิงลึกใน วิธีประมาณค่าใช้จ่ายโฆษณาเนทีฟของคู่แข่ง เป็นสถานที่ที่ซื่อตรงกว่าที่จะมองหา มากกว่าตัวเลขเงินตราเดียวที่เครื่องมือมอบให้คุณ เครื่องมือ ข่าวกรองโฆษณา ของเราถูกสร้างขึ้นโดยใช้แนวทางที่ให้ความสำคัญกับข้อมูลที่สังเกตได้ก่อน แทนที่จะนำเสนอการคาดเดาจากแบบจำลองเป็นข้อเท็จจริง

คำถามที่ควรถามเครื่องมือใดๆ ที่เผยแพร่ตัวเลขค่าใช้จ่าย#

หากคุณกำลังประเมินการประมาณค่าใช้จ่ายของผู้ขายก่อนที่จะพึ่งพาพวกมัน คำถามตรงๆ ไม่กี่ข้อสามารถตัดผ่านภาษาการตลาดจำนวนมาก: แหล่งข้อมูลพื้นฐานคืออะไร การสังเกตจากการสำรวจข้อมูลหรือฟีดข้อมูลที่ได้รับอนุญาต? สมมติฐาน CPM หรือ CPC ได้มาอย่างไร และมันแตกต่างกันตามเครือข่าย ภูมิศาสตร์ และอุตสาหกรรมหรือไม่ หรือเป็นอัตรารวมเดียวที่ใช้ทุกที่? หน้าต่างการสังเกตเบื้องหลังตัวเลขของผู้โฆษณาเดียวมีขนาดใหญ่แค่ไหน การสำรวจข้อมูลหนึ่งสัปดาห์สร้างการประมาณที่มีสัญญาณรบกวนมากกว่าการติดตามอย่างต่อเนื่องหลายเดือน ผู้ขายที่สามารถตอบคำถามเหล่านี้ได้อย่างตรงไปตรงมา กำลังซื่อตรงกับคุณมากกว่าผู้ที่เพียงนำเสนอตัวเลขเงินตราที่ดูสะอาดตาโดยไม่มีวิธีการแนบมา

สรุป#

การประมาณค่าใช้จ่ายโฆษณาจากเครื่องมือการแข่งขันใดๆ รวมถึงของเราหากเราเผยแพร่ ถูกสร้างขึ้นจากสมมติฐานหลายชั้นที่ห่างจากธุรกรรมจริง พวกมันมีประโยชน์ในเชิงทิศทางสำหรับการเปรียบเทียบผู้โฆษณาหรือตรวจจับการเปลี่ยนแปลงแนวโน้ม แต่การปฏิบัติต่อตัวเลขเงินตราเฉพาะว่าน่าเชื่อถือในระดับผู้โฆษณารายบุคคลเป็นความผิดพลาด ไม่ว่าผู้ขายรายใดจะผลิตมันขึ้นมา เส้นทางที่น่าเชื่อถือกว่าคือการสังเกตสัญญาณที่สังเกตได้โดยตรง ปริมาณครีเอทีฟ ความยืนยาว การกระจายเครือข่าย และใช้เหตุผลจากสิ่งเหล่านั้น แทนที่จะเชื่อถือตัวเลขจากแบบจำลองที่ดูแม่นยำกว่าที่เป็นจริง