TBM ve BGBM Teklif Verme: Hangi Model Hedefinize Uygun?

Kampanyanın başarısı, bir potansiyel müşteri formu veya satın alma gibi tıklamaya kadar izlenebilen belirli bir eyleme bağlıysa TBM teklifi verin; erişim veya dikkat için ödeme yapıyorsanız ve her gösterimin kendi başına dönüşüm sağlamasını beklemiyorsanız BGBM teklifi verin. Çoğu yerel kampanya varsayılan olarak TBM'yi kullanır çünkü çoğu yerel reklamveren doğrudan yanıt veya ortaklık teklifleri yayınlar, ancak BGBM'nin gözden kaçan gerçek, daha dar bir kullanım alanı vardır.

TBM ve BGBM yerel ağlarda gerçekte nasıl çalışır?#

TBM (tıklama başına maliyet), yalnızca birisi reklama tıkladığında ödeme yaptığınız anlamına gelir; ağ, görülüp göz ardı edilen gösterimlerin riskini üstlenir. BGBM (bin gösterim başına maliyet), birisi tıklasa da tıklamasalar da teslimat için ödeme yaptığınız anlamına gelir ve bu da performans riskini size yükler.

Her iki model de aynı temel açık artırmayı besler: teklifiniz, ağın yaratıcınız için tahmin ettiği TO ile birleşerek, aynı envanteri hedefleyen diğer her reklamverene karşı rekabet eden bir etkin BGBM belirler. Düşük bir TBM teklifinin yüksek tahmin edilen TO ile eşleştirilmesi, zayıf yaratıcıya sahip daha yüksek bir BGBM teklifini geçebilir; bu nedenle yaratıcı kalitesi, yalnızca maliyeti değil, her iki modelde de teslimatı etkiler.

TBM ne zaman daha iyi bir seçimdir?#

TBM, bir dönüşüm olayını ölçebildiğiniz hemen hemen her kampanyaya uyar: ortaklık teklifleri, potansiyel müşteri yaratma formları, e-ticaret ödemeleri, uygulama yüklemeleri. Yalnızca tıklayarak zaten niyet gösteren trafik için ödeme yapıyorsunuz ve bilinen EBM hedefiniz ve dönüşüm oranınızdan kabaca bir başabaş TBM hesaplayabilirsiniz. Huniniz %2 dönüşüm sağlıyorsa ve hedef EBM'niz 40$ ise, tavan TBM'niz kabaca 0,80$'dır; bunun üzerinde ödediğiniz her şey, kampanya kendini kanıtlama şansı bulamadan marjı aşındırır.

TBM ayrıca sizi ağın kendi hedefleme hatalarından korur. Algoritma reklamınızı tıklamadan geçip giden bir kitleye gösterirse, bu gösterimler için ödeme yapmamış olursunuz. Taboola, Outbrain ve MGID'deki çoğu ortaklık ve DTC medya alıcısının standart model olarak TBM'yi varsayılan olarak kullanmasının temel nedeni budur.

TBM'nin yerel medya satın alımına özel olarak hakim olmasının ikinci, daha az belirgin bir nedeni daha vardır: yerel envanter, okuyucunun zaten etkileşimde olduğu içeriğin içinde yer alır; bu, temel TO'nun özel bir reklam yerleşimine kıyasla genellikle düşük olduğu anlamına gelir. Düşük TO'lu envanterde BGBM teklifi, hiçbir zaman ölçülebilir bir şeye dönüşmeyen çok sayıda gösterim için ödeme yapmak anlamına gelir; bu, tüm iş modeliniz izlenebilir bir EBM üzerine kuruluyken haklı çıkarması daha zor bir maliyettir.

BGBM ne zaman daha iyi bir seçimdir?#

BGBM, hedefin hemen bir tıklama eyleminden ziyade erişim veya marka hatırlanabilirliği olduğunda veya yaratıcınızın TO'su, BGBM'nin tıklama başına TBM'den daha ucuza gelmesini sağlayacak kadar gerçekten güçlü olduğunda daha anlamlıdır. BGBM'de yayınlanan yüksek TO'lu bir yaratıcı, aynı yaratıcının TBM'de yayınlanmasından daha düşük bir etkin tıklama başına maliyet üretebilir çünkü ağın tıklama garantili teslimat için yerleşik primini ödemiyorsunuz.

BGBM ayrıca, özellikle belirli görüntülü reklamla ilişkili yerel yerleşimler ve video odaklı akış dışı birimler olmak üzere, hiç TBM teklifi sunmayan bazı yerleşimlerde ve ağlarda tek seçenektir. Temel performans göstergenizin tıklamalardan ziyade tanımlanmış bir kitleye teslim edilen gösterimler olduğu bir farkındalık kampanyası yürütüyorsanız, BGBM gerçekte optimize ettiğiniz şey için daha dürüst bir eşleşmedir.

Ayrıca BGBM için gözden kaçan bir ölçek argümanı da vardır. Bir yaratıcı uzun, kanıtlanmış bir geçmişe sahip olduğunda ve büyük miktarda trafikte dönüşüm oranına güvendiğinizde, BGBM teklif verme, ağın kendi tıklama tahmin katmanının sürtünmesini tamamen ortadan kaldırabilir. Artık bir tıklamanın gerçekleştiğine dair ağın garantisi için bir prim ödemiyorsunuz; ham envanteri doğrudan satın alıyor ve nasıl dönüşüm sağladığı konusunda kendi geçmiş verilerinize güveniyorsunuz. Bu, yalnızca bu kadar geçmiş veriye sahip olduğunuzda ve ona güvenebildiğinizde işe yarar; bu da yepyeni bir kampanya için bunu geçersiz kılar.

eBGBM ve hibrit teklif verme: orta yol#

Birkaç ağ, bir TBM hedefi belirlemenize izin verirken algoritmanın teslimatı dönüşümlere doğru optimize ettiği ve tahmin edilen dönüşüm olasılığına göre etkin teklifi açık artırma başına yukarı veya aşağı ayarladığı eBGBM (etkin tıklama başına maliyet) veya otomatik akıllı teklif verme modları sunar. Bu işlevsel olarak bir hibrittir: bütçeleme amaçları için hala TBM terimleriyle düşünüyorsunuz, ancak ağ, teklif düzeyindeki kararları gösterim gösterim yönetiyor.

Akıllı teklif verme, manuel TBM'den daha fazla dönüşüm verisine ihtiyaç duyma eğilimindedir; bu nedenle, bir kampanya, ilk günden değil, makul miktarda dönüşüm olayı kaydedilmiş öğrenme aşamasını tamamladığında daha iyi çalışır.

Herhangi bir otomatik teklif verme modunun takası görünürlüktür. Manuel TBM size doğrudan bir kaldıraç ve bir şey değiştiğinde doğrudan bir açıklama verir: teklifi değiştirdiniz, teslimat da onunla birlikte değişti. Akıllı veya otomatik teklif verme, bu kaldıracı algoritmaya devreder; bu, performans değiştiğinde genellikle net bir neden izlemek yerine çay yapraklarını okuduğunuz anlamına gelir. Bu, onu besleyen dönüşüm verilerine güvendiğinizde makul bir takastır ve bir kampanyanın neden yetersiz performans gösterdiğini teşhis etmeye çalışıyorsanız sinir bozucu bir takastır.

İki modeli farklı şekilde bütçeleme#

TBM ve BGBM, kampanya başlatılmadan önce bile farklı bütçe matematiği gerektirir. TBM'de bütçe planlamanız bir hedef EBM'den başlar ve huninizin dönüşüm oranı üzerinden maksimum uygulanabilir TBM'ye geriye doğru çalışır; yukarıda ayrıntılı olarak açıklanan matematiğin aynısı. BGBM'de matematik diğer yönde çalışır: tanımlanmış bir kitleye karşı kaç gösterim satın almak istediğinize karar verir, BGBM oranınızla çarpar ve ortaya çıkan tıklamaları veya dönüşümleri birincil başarı metriğinden ziyade ikincil bir fayda olarak ele alırsınız.

Bu iki zihinsel modeli karıştırmak, kafa karıştırıcı kampanya sonrası analizlerin çoğunun kaynağıdır. Yalnızca EBM'ye göre değerlendirilen bir BGBM kampanyası, yanında yürütülen bir TBM kampanyasından neredeyse her zaman daha kötü görünecektir; BGBM kötü performans gösterdiği için değil, başlangıçta bu metriğe göre optimize edilmediği için.

Ağ bazında notlar#

Bir modelin mevcut olduğunu varsaymadan önce her ağın güncel belgelerini kontrol edin; arayüzler ve varsayılan seçenekler, temel açık artırma mekaniğinden daha sık değişir.

Kampanya ortasında teklif modellerini değiştirme#

Kampanya ortasında TBM'den BGBM'ye (veya tersi) geçiş yapmak, algoritmanın teslimat kalibrasyonunun önemli bir bölümünü sıfırlar çünkü artık farklı bir sinyale göre optimize ediyordur. Bir teklif modeli değişikliğine, yepyeni bir kampanya başlatıyormuş gibi davranın: kısa bir yeniden öğrenme penceresi bekleyin ve değişiklikten sonraki ilk bir veya iki günlük verilere göre performansı değerlendirmeyin.

Belirli bir yüksek TO'lu yaratıcı için BGBM'nin TBM'den daha iyi performans gösterip göstermeyeceğini test ediyorsanız, canlı kampanyayı ileri geri değiştirmek yerine kampanyayı kopyalamak ve her iki modeli bölünmüş bir bütçeyle paralel olarak yürütmek genellikle daha temizdir.

Yaygın hatalar#

• Yaratıcının TO'sunun BGBM'yi haklı çıkarıp çıkarmadığını kontrol etmeden varsayılan olarak TBM'yi kullanmak. Gerçekten güçlü bir yaratıcı, TO belirli bir eşiği geçtiğinde BGBM'de tıklama başına daha ucuz olabilir ve çoğu alıcı bunu asla test etmez.
• Bir BGBM kampanyasını yalnızca EBM'ye göre değerlendirmek. Kampanyanın gerçek hedefi erişimse, onu yalnızca dönüşüm başına maliyetle ölçmek, teklifin ne için verildiğini yanlış temsil eder.
• Öğrenme aşamasında modelleri değiştirmek. Altındaki teklif mekanizmasını değiştirmeden önce bir kampanyanın bir temel oluşturması için zaman tanıyın.
• Temel açık artırmanın modelden bağımsız olarak aynı olduğunu göz ardı etmek. Düşük TBM teklifine sahip zayıf bir yaratıcı, karşılaştırılabilir bir etkin BGBM'ye sahip güçlü bir yaratıcıya karşı açık artırmayı yine kaybeder; bu nedenle yaratıcı kalitesi her iki modelde de isteğe bağlı değildir.

Her iki modelde de bir başlangıç teklifi belirlemeden önce, bir ağın önerilen teklif aralığından (genellikle ağın kendi gelir çıkarına doğru eğilimli) tahmin yapmak yerine, diğer reklamverenlerin gerçekte ne ödediğini ve sizin dikeyinizde ne yayınladığını kontrol etmeye değer.