OpenAdLibraryOpenAdLibrary
聯盟行銷與媒體採購

原生廣告轉換率:建立一套你可以實際運用的基準

定義轉換事件與分母,計算所需的轉換率,並以一致的族群比較原生廣告活動的成果。

編輯插圖:原生廣告轉換率基準:實際該預期什麼

原生廣告轉換基準只有在明確定義了轉換、分母、受眾、期間與歸因方法時才有用。電子郵件提交和付費銷售不可能共用一個有意義的「良好轉換率」。先從你的業務所需要的成果出發,再建立可比較的基準。

定義事件與分母#

階段 範例衡量指標 分母
廣告回應 點擊率 平台定義下的廣告曝光數
登陸頁送達 記錄到的到達數 付費點擊數
中間頁面推進 繼續前往提案的訪客 符合條件的頁面到達數
提案轉換 不重複的購買或潛在客戶 定義範圍內的提案訪客
業務品質 被接受的潛在客戶或留存的銷售 提交的潛在客戶或記錄到的銷售

請將事件計數與不重複的轉換訪客分開來看。有些平台允許單一次互動產生多次轉換,因此它們回報的事件轉換率可能超過 100%。Google 的轉換率定義說明了為什麼計數設定與可追蹤互動的分母很重要;請使用你自己平台的實際定義。

在多步驟漏斗中,只有在族群與轉換環節相互對應時,才能將各階段比率相乘。把行動裝置的登陸頁比率乘上全裝置的提案比率,並不能描述一個真實的漏斗。

計算你的經濟效益所要求的轉換率#

在每次點擊對應一次有價值的轉換、且歸因一致的情況下:

Required conversion rate = average CPC ÷ allowable media CPA

假設你可容許的媒體獲客成本是 $24,而你預期的平均 CPC 是 $0.48。所需的轉換率就是 2%。這是一個假設性的規劃計算,不是原生廣告產業的平均值。可容許的 CPA 應該已經把產品毛利、被拒絕的潛在客戶、退款、其他獲客成本,以及你需要留存的貢獻納入考量。

假設的平均 CPC 可容許媒體 CPA $10 可容許媒體 CPA $25 可容許媒體 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%

表格中的每一項都是根據上述假設算出的數學結果。它說明的是什麼樣的轉換率能達到目標,而不是廣告活動實際會達成什麼。如果收益或接受率有所變動,請直接建立預期淨價值的模型,而不是把全額收益套用到每一筆提交上。

建立第一方基準#

匯出固定期間內的曝光數、付費點擊數、到達數、轉換數、被接受的成果、花費與價值。一併保存幣別、時區、歸因窗口、事件計數方式,以及資料成熟的日期。在得出結論之前,先核對網路、追蹤器與接收業務之間的差異。

只在你有一個有意義的問題且有足夠觀察數量的地方進行分群:提案、市場、裝置、版位、流量溫度或登陸頁版本。在比率旁邊一併報告樣本數。將某個分群與它自己的歷史或刻意配對的群組比較,而不是與混合後的帳戶平均值比較。

使用不確定性區間,或採用針對你預期事件率與最小有用改善幅度所設計的檢定。固定天數或固定點擊數無法保證做出可靠的決策。在反覆查看結果之前,先定義花費上限與決策規則。

調查發生變化的那個階段#

如果付費點擊數保持穩定但到達數下降,請調查載入、同意聲明、重新導向與衡量方式。如果到達數不變但後續點擊下降,請檢查訊息匹配與導覽流程。如果提交的潛在客戶數不變但接受率下降,請檢視資格篩選與接收業務的規則。如果購買數不變但淨價值下降,請檢視折扣、退款與訂單組合。

針對一個定義明確的成果,測試一項具體的介入措施。更快的頁面、更清楚的表單與更好的說明都是合理的改善,但並不保證能帶來特定幅度的轉換提升。出價調整可能改變受眾組合,因此也可能同時改變轉換率與成本。

在使用外部基準之前先評估它#

要求提供具名來源、收集期間、樣本數、轉換定義與納入的廣告庫存範圍。確認該結果是廣告主自行回報、由供應商衡量,還是經過獨立審核。一個個案研究只是單一廣告活動的結果,並不是整個市場的分布。

本文較早的版本包含了沒有來源的漏斗範圍,並從競爭對手長期投放的廣告推斷出有利可圖的轉換率。那些都不是有效的基準。觀察到的存續期與廣告素材變體可以提示值得研究的問題;但它們並不會揭露點擊數、轉換數或利潤。

用基準來找出值得調查的問題。用你自己漏斗中經過核對的成果來決定要改變什麼。

常見問題

原生廣告的良好轉換率是多少?
有用的轉換率取決於事件、分母、受眾、成本與轉換價值。請比較定義明確的族群,並計算你自己的經濟效益所要求的轉換率。
我該如何計算達成目標 CPA 所需的轉換率?
當點擊數與轉換數的計算口徑一致時,將平均 CPC 除以可容許的媒體 CPA。在實際測量之前,這兩個輸入值都應視為假設。
競爭對手的廣告存續期能提供轉換基準嗎?
不能。觀察到的日期並不會提供競爭對手的點擊數、轉換數或價值。
OpenAdLibrary 團隊
作者OpenAdLibrary 團隊
廣告情報與原生廣告研究

我們打造了 OpenAdLibrary,這個公開的廣告透明度平台。每天,我們的系統都會捕捉 Taboola、Outbrain、MGID、Revcontent、Teads、Yahoo 和 MSN 上的原生廣告,識別每個廣告背後真正的廣告主,並追蹤點擊至其登陸頁面。這些指南精煉了我們從數據中觀察到的內容,讓您能更快地研究市場動態。