OpenAdLibraryOpenAdLibrary
联盟营销与媒体购买

原生广告转化率:构建一个可用的基准

定义转化事件和分母,计算所需转化率,并用一致的群组比较原生广告系列的结果。

编辑插图:原生广告转化率基准:实际预期值

原生广告转化率基准只有在明确定义了转化、分母、受众、周期和归因方法时才有用。一次邮箱提交和一笔付费销售不可能共享一个有意义的“良好转化率”。从你的业务所需要的结果出发,然后构建一个可比的基线。

定义事件和分母#

阶段 示例指标 分母
广告响应 点击率 平台定义下的广告展示量
着陆页送达 记录的到达量 付费点击
中间页推进 继续前往offer的访客 符合条件的页面到达量
Offer转化 去重的购买或线索 定义范围内的offer访客
业务质量 被接受的线索或留存的销售 提交的线索或记录的销售

将事件次数与去重的转化访客分开统计。有些平台允许单次互动产生多次转化,因此其报告的事件转化率可能超过100%。Google对转化率的定义说明了为什么计数设置和可追踪互动的分母很重要;请使用你自己平台的实际定义。

在多步骤漏斗中,只有当群组和流转口径一致时,各阶段转化率才可以相乘。用移动端着陆页转化率乘以全设备的offer转化率,并不能描述一个真实的漏斗。

计算你的经济模型所需的转化率#

对于每次点击产生一次有价值的转化、且归因一致的情况:

Required conversion rate = average CPC ÷ allowable media CPA

假设你的可接受媒体获客成本为$24,预期平均CPC为$0.48,那么所需的转化率就是2%。这是一个假设性的规划计算,而非原生广告行业的平均值。可接受的CPA应当已经考虑了产品毛利、被拒线索、退款、其他获客成本以及你需要保留的贡献。

假设的平均CPC 可接受的媒体CPA $10 可接受的媒体CPA $25 可接受的媒体CPA $50
$0.10 1% 0.4% 0.2%
$0.30 3% 1.2% 0.6%
$0.60 6% 2.4% 1.2%
$1.00 10% 4% 2%

表中的每一项都是从上述假设算出的算术结果。它说明的是达到目标需要什么转化率,而不是广告系列将会实现什么。如果单次转化的收益或接受率存在波动,请直接对预期净价值建模,而不是把全额收益赋予每一次提交。

构建第一方基线#

导出固定周期内的展示量、付费点击、到达量、转化、被接受的结果、支出和价值。记录货币、时区、归因窗口、事件计数方式以及数据成熟的日期。在下结论之前,先对网络、跟踪器和接收业务之间的差异进行核对。

只在你有一个有意义的问题且有足够观察量时才做细分:offer、市场、设备、展示位置、流量温度或着陆页版本。在报告转化率的同时报告样本量。将某个细分与其自身历史或刻意匹配的组进行比较,而不是与混合的账户平均值比较。

使用不确定性区间,或针对你预期的事件率和最小有用提升设计的测试。固定天数和固定点击数都无法保证可靠的决策。在反复查看结果之前,先定义支出上限和决策规则。

排查发生变化的那一阶段#

如果付费点击保持稳定但到达量下降,就排查加载、同意、重定向和衡量。如果到达量不变但后续点击下降,就检查信息匹配和导航。如果提交的线索不变但接受率下降,就检查资格审核和接收业务的规则。如果购买量不变但净价值下降,就检查折扣、退款和订单构成。

针对明确的结果测试某项具体干预。更快的页面、更清晰的表单和更好的解释是可能的改进,而不是对特定转化提升的承诺。竞价变化会改变受众构成,因此它可能既改变成本,也改变转化率。

在使用外部基准之前先评估它#

要求提供具名来源、收集周期、样本量、转化定义和所涵盖的库存。检查该结果是广告主自报、由供应商测量还是经过独立审计。一个案例研究只是一个广告系列的结果,而不是整个市场的分布。

本文的早期版本包含没有来源的漏斗区间,并从长期存在的竞争对手广告中推断出盈利的转化率。那些都不是有效的基准。观察到的长寿性和创意变体可以提示值得研究的问题;它们不会披露点击、转化或利润。

用基准来找出一个值得调查的问题。用你自己漏斗中经过核对的结果来决定要改变什么。

常见问题

原生广告的良好转化率是多少?
有用的转化率取决于事件、分母、受众、成本和转化价值。比较定义明确的群组,并计算你自己的经济模型所需的转化率。
如何计算实现目标CPA所需的转化率?
当点击数和转化数的口径一致时,用平均CPC除以可接受的媒体CPA。在实测之前,将这两个输入都视为假设。
竞争对手的广告长寿性可以提供转化基准吗?
不能。观察到的日期并不能提供竞争对手的点击次数、转化次数或价值。
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。