OpenAdLibraryOpenAdLibrary
广告创意与转化漏斗

创意测试预算:花多少钱才能下结论?

过早评判创意测试可能会浪费一次有用的测试。以下是如何围绕转化次数来制定测试预算,包括假设输入、一个实例演算和一条止损规则。

编辑插图:创意测试预算:花多少钱才能下结论?

不存在一个通用的花费倍数能让创意测试具有决定性。先确定要做的决策、基准转化率、效应大小和可接受的不确定性,估算所需的观测数,然后设定一个风险上限。达到该上限可能意味着以不确定的结果停止。

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。

$500的假设预算在$12 CPA下对应大约42次转化;在$60 CPA下则对应大约8次。仅凭这些预期转化次数,并不能判断一次比较是否具有决定性。还需要考虑展示次数、预算分配和不确定性。

真正重要的转化次数基准#

仅凭转化次数或2倍的差距,无法判断一个结果是否可靠。要结合各自的分母、计划的测试设计和不确定性来比较转化率;还要考虑反复查看数据和转化延迟的影响。

决策记录:每个变体的展示次数和转化次数;转化率与不确定性;计划的最小效应;已过的转化窗口;花费与风险上限的对比;结果为支持、不支持或不确定。

为创意数量而非单个测试做预算#

根据你可用的预算和研究需求来选择测试预算的分配比例。本文并未提供支持通用15–30%分配比例的实测账户数据。

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#

过早停止可能会丢弃一个有价值的假设,但公开的广告寿命并不能告诉你是否真的发生了这种情况。竞争对手的持续投放既不能证明盈利,也不能说明是你的样本量导致了糟糕的结果。

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#

根据计划的测试估算所需的观测数。另外,将假设的预期转化次数乘以假设的CPA来模拟花费,并记录一个应急方案和硬性风险上限。切勿把以美元计的CPA乘进转化次数里;两者的单位必须保持区分。

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(一个假设的规划输入)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。

相比全新切入点,微小变化的效果可能更小,可能需要更多观测数才能检测出来。应围绕要做的决策和预期效应来规划样本量,而不是想当然地认为熟悉的对照允许使用更小的样本。

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一个市场上已经观察到的切入点,而其实际表现仍然未知。

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。

常见问题

测试新的原生广告创意应该花多少钱?
估算你计划中的比较所需的观测数,将合理的投放和转化情景换算成花费,并设定一个风险上限。没有任何固定的CPA倍数能保证测试具有决定性。
在信任创意测试结果之前,需要多少次转化?
这取决于展示量、基准转化率、效应大小、预算分配和不确定性。像20次转化这样的次数或2倍的转化率差距,本身并不能证明某个变体就是赢家。
预算中应有多大比例用于测试,而非已证实的赢家?
根据你的创意储备和不确定性,选择一个你负担得起的分配比例。本文并未确立一个行业标准百分比。
创意测试中的止损是什么?
止损是一个预先声明的花费或损失上限。它限制财务风险敞口;达到该上限并不自动证明某个变体行不通。
所有原生广告网络和地理位置都需要相同的测试预算吗?
不是。高流量的Tier 1广告位比小型或Tier 2/3地理位置的广告位在相同日花费下更快达到转化基准,仅仅是因为可用的合格展示次数更少。在假设测试缓慢实际上已经失败之前,请检查投放情况。
OpenAdLibrary 编辑团队
作者OpenAdLibrary 编辑团队
广告情报与原生广告研究

我们构建了 OpenAdLibrary,一个开放的广告透明度平台。我们的系统每日捕捉 Taboola、Outbrain、MGID、Revcontent、Teads、Yahoo 和 MSN 上的实时原生广告,识别每个广告背后的真实广告主,并追踪点击至其落地页。这些指南提炼了我们在数据中的发现,助您更快地研究市场动态。