创意测试预算：花多少钱才能下结论？

在每个创意变体上，计划花费大约平均每次转化成本的3到5倍，然后再判定测试是赢、输还是不确定。低于这个花费，你通常只是在读噪音：一个在4次转化后“赢”的变体同样可能只是运气好，而一个在最初一小时内零转化“输”的变体可能只是需要更多展示次数，直到算法找到它的受众。

为什么固定金额在不同广告主间无效#

媒体买家询问“测试一个创意应该花多少钱”时，期望得到一个单一答案，但诚实的答案是随你自己的数据而变化的，并非一个通用数字。一个以$8 CPA 转化的广告主，与一个以$80 CPA转化的广告主需要的测试预算完全不同，即使两者在同一个网络和垂直领域运行。重要的美元数字不是花费，而是转化次数：每个变体需要足够的转化次数才能信任比较。

这就是为什么“花$500测试一个新广告”本身是一个糟糕的建议。对于一个以$12 CPA转化的潜在客户开发offer，$500大约能购买40次转化，足以在有一定信心的情况下比较两个变体。对于一个以$60 CPA转化的电商offer，同样的$500只能购买大约8次转化，远远不足以信任任何一种结果。首先要以转化次数来规划你的测试预算，然后使用你自己的CPA或CPL将其换算成美元，而不是反过来。

真正重要的转化次数基准#

作为一个工作基准，大多数媒体买家希望在得出结论前每个变体至少获得20到30次转化，如果两个变体表现接近而非明显悬殊，则需要更多（50次以上）。如果变体A在各自10次转化后转化率是变体B的2倍，这个差距很可能是真实的，你不需要等待更多数据再行动。如果变体A在各自10次转化后转化率是变体B的1.2倍，这个差距很可能随着另外20次转化而翻转，现在杀死变体B只是一个伪装成决定的猜测。

为创意数量而非单个测试做预算#

测试预算不是一次性成本，它是花费中持续的一个百分比。我们在成功扩展原生广告的账户中看到的一种模式是，在任何时候将总预算的15%到30%分配给主动测试，其余用于已证实的赢家。这个比例太低，你的账户将停滞在一套老化的创意上，最终会遭遇创意疲劳；比例太高，你永远无法让一个赢家运行足够长的时间来真正收回其测试成本。

处理得好的广告主倾向于将测试预算视为他们当前活跃赢家数量的滚动函数，而不是固定的月度预算项。赢家少且账户停滞时需要更多测试花费；已有多个强劲表现者承担量时则需要较少，因为你在保护利润而非寻找利润。

“过早评判”实际上会付出什么代价#

昂贵的错误不是在测试上花费太多，而是在数据不足时评判测试并杀死一个本可能成为长期赢家的创意。因为广告寿命是创意实际盈利的最清晰公开信号之一（广告主不会持续为输家付费），你可以用外部市场来验证自己的直觉：如果你刚刚杀死的创意非常相似的切入点仍在你的垂直领域其他地方运行了20天以上，这说明你的样本量有问题，而不是切入点本身。

提前杀死创意除了浪费媒体费用外，还有复合成本：它移除了一个你可以使用的数据点，并且可能推动你追逐更昂贵的创意多样性，而实际解决方法是耐心对待现有变体。对于UGC风格和原生格式广告来说，这是一个更大的问题，因为它们比简单的标题替换需要更长的制作时间；在这些广告上，你的判断阈值应该更加保守，因为替换它们的制作成本更高。

制定自己测试预算的简单框架#

1. 从你最近30到60天的花费中提取综合CPA或CPL。
2. 将其乘以20到30，得到每个变体的最低转化基准。
3. 将转化基准乘以你的CPA/CPL，得到每个变体的最低测试花费（美元）。
4. 为表现低于平均水平的变体增加25%到50%的缓冲，这些变体需要更多花费才能达到相同的转化基准。
5. 设置一个硬性止损（一个远高于基准的花费上限，达到此上限时无论转化如何都终止变体，通常是基准的2到3倍），这样真正无效的创意就不会在你等待永远不会到来的转化时无限消耗预算。

实际案例：将框架转化为真实数字#

假设你的账户在过去两个月运行一个营养品offer，综合CPA为$35。使用上述框架：25次转化（20到30基准的中位数）乘以$35，得到每个变体的最低测试花费$875。为表现不佳的变体增加35%缓冲，你每个认真测试的创意预算大约为$1,180。如果你正在测试四个标题变体与一个现有对照图片，那么该轮测试总花费接近$4,700，这应立即告诉你，根据账户的日预算，四个变体是否太多无法同时运行，或者你是否需要将变体错开两到三周而不是同时启动所有变体。

这也是止损重要之处。将其设置为基准的2.5倍（本例中为$2,190），你就保护自己免受真正无效的创意吞噬测试预算中不成比例的份额，同时你等待的转化在统计上不会到来。一个已经消耗$2,190且只有4次转化、目标是$35 CPA的变体，不是一个需要更多耐心的变体，而是一个需要被杀死并替换的变体。

改变计算的网络差异#

转化基准逻辑在所有网络中都适用，但达到该基准的速度却不相同。在Tier 1地理位置运行广泛覆盖的Taboola或MGID活动，可能在一两天内就消耗掉$10 CPL offer的转化基准。同样的测试在一个较小或更小众的广告位，或者在流量较少的Tier 2/3地理位置，即使在相同的日花费下，也可能需要整整一周才能达到相同的基准，仅仅是因为可用的合格展示次数更少。在假设一个创意“失败”之前，检查它是否真的获得了足够的投放量以达到你的转化基准，因为一个饥饿的测试和一个真正弱的创意在仪表板上看起来一模一样，如果你只看通过/失败列的话。

对于全新的切入点和已验证角度的变体，预算也应该有所不同。你从未运行过的全新切入点风险更大，因此它应该在评判前达到完整的转化基准。对于已经确认的赢家的微小变化（例如，同一张图片上的新标题），通常可以用稍小的样本进行评判，因为你是在测试一个变量，与你已经信任的基线进行比较，而不是从零开始评估。

OpenAdLibrary如何融入测试循环#

在你花一分钱测试一个全新切入点之前，值得检查这个切入点或类似的东西是否已经在市场上运行并存活。OpenAdLibrary的广告情报工具允许你按垂直领域和网络拉取实时创意，并检查相似切入点已经运行了多长时间，这为你提供了一个粗略的外部基准，判断一个切入点是否值得一开始就投入测试费用。它不会取代你自己的转化数据，但可以阻止你花费整个测试预算去重新发现市场已经验证的切入点，或重新测试市场已经杀死的切入点。

将该外部检查与广告创意分析框架结合起来，在发布前对钩子、切入点和CTA进行评分，你的测试预算将走得更远，因为你花费的变体中一开始就较弱的候选者更少。