OpenAdLibraryOpenAdLibrary
原生廣告聯播網

網站每千次訪客收益:原生廣告、展示型廣告與聯盟行銷

若沒有利基市場、地理區域和裝置背景,單一的「平均 RPM」數字幾乎毫無用處。本文將說明真正決定您網站每千次訪客收益的因素。

Editorial illustration: Website Earnings Per 1,000 Visitors: Native, Display & Affiliate

網站每千次訪客收益(通常稱為 RPM,每千次收益)的範圍通常從低於 1 美元到遠超過 50 美元不等,這幾乎完全取決於利基市場、地理區域、裝置組合和變現技術堆疊,這就是為什麼您在網上讀到的任何單一「平均 RPM」數字,若沒有附帶這些限定條件,幾乎是毫無意義的。一個擁有美國桌面流量以及精心調校的展示型和原生廣告堆疊的金融網站,其每千次訪客收益比一個擁有混合地理區域移動流量和單一廣告單元的娛樂網站高出一個數量級。

真正決定您 RPM 的變數#

在與任何基準進行比較之前,先區分真正驅動該數字的因素:

  • 利基市場/垂直領域:金融、保險和 B2B 軟體內容的廣告主需求遠高於一般娛樂或生活方式內容,因為廣告主的客戶價值更高
  • 地理區域:美國、英國、加拿大和澳洲流量的收益幾乎在所有廣告格式上都比二線或三線地理區域流量高出數倍
  • 裝置:桌面裝置在展示型和原生廣告上的表現通常優於移動裝置,部分原因是螢幕空間可以容納更多廣告單元,部分原因是歷史上桌面裝置的廣告主需求更強
  • 流量來源和意圖:透過高意圖商業主題搜尋查詢而來的讀者,對廣告主來說比點擊社交媒體上出於好奇的標題而來的讀者更有價值
  • 變現技術堆疊深度:同時運行展示型廣告、原生內容推薦和聯盟連結的網站,其每千次訪客收益明顯高於僅運行單一渠道的網站,儘管每個額外的單元都會帶來收益遞減並增加頁面載入速度成本

為什麼「每訪客」思維在大規模時可能誤導您#

「每千次訪客」的框架對於粗略規劃很有用,但如果您用它來比較不同時期,卻不檢查這 1,000 名訪客的組成是否真的保持不變,它可能會悄悄地誤導您。某個月,一篇內容意外地在社交媒體上爆紅,可能會帶來大量低意圖、高跳出率的流量,從而稀釋您的混合 RPM,即使您的廣告設定沒有任何改變。相反地,某個月您的自然搜尋流量穩步增長(通常是意圖更高、參與度更高的訪客),可以在您不觸碰任何廣告設定的情況下提升您的混合 RPM。在得出您的 RPM 變化反映了您的變現技術堆疊狀況的結論之前,請先排除您底層流量組成的變化。

按變現類型劃分的粗略 RPM 範圍#

這些數字僅供參考,並非保證,並且以下每個範圍都可能因出色的利基市場/地理區域組合而被遠遠突破上限,或因不佳的組合而遠低於下限。

變現類型 典型 RPM 範圍 變異的主要驅動因素
展示型廣告(程序化) 個位數低段至 15-20+ 美元 利基市場價值、地理區域、可視率、標頭競價深度
原生內容推薦 個位數低段至 10-15 美元 所服務的垂直領域組合、小工具位置、廣告網路
聯盟連結 變化極大,常為 0 至 100+ 美元 佣金結構和轉換率比頁面瀏覽量更重要
直售/贊助版位 可能超過上述所有類型 依賴關係,無法僅憑流量擴展

原生內容推薦廣告的 RPM 與廣告主在您所服務的垂直領域中的實際出價密切相關。根據 OpenAdLibrary 索引 中的 725,882 個原生廣告素材,健康、金融和保險是廣告素材數量最多的三個垂直領域(分別為 24,472、24,068 和 22,427 個廣告素材),這大致反映了內容推薦需求(以及因此產生的 RPM)最集中的領域。

為什麼「平均 RPM」數字通常具有誤導性#

大多數已發布的 RPM 基準都以某種方式混合了不同地理區域、垂直領域和流量來源,這使得它們對於您的特定網站幾乎毫無用處。像「內容網站的平均 RPM 是 X 美元」這樣的數字,通常是從美國金融部落格到三線地理區域娛樂聚合器等所有網站的混合平均值,這兩類網站的 RPM 可能相差 10 倍或更多。唯一值得信賴的基準是根據您的實際利基市場、地理區域組合和裝置拆分進行細分的基準,即便如此,也請將其視為一個粗略的範圍,而非目標。

如何實際提升您的每千次訪客收益#

與其追逐一個基準數字,不如操作您真正可控的槓桿:

  1. 在增加廣告單元之前,先提升流量品質。 在低價值流量上投放更多展示型或原生廣告庫存,其收益低於在高意圖流量上投放相同單元。請先改善您的流量組合。
  2. 有意識地疊加變現渠道,測試每個新增單元的邊際 RPM 提升效果與其頁面載入速度成本的對比,而不是反射性地添加單元。
  3. 一旦您擁有真實流量規模,請進行談判而非接受預設條款,因為預設的自助服務條款很少是廣告網路的最佳報價。
  4. 主動管理哪些廣告主和類別可以投放廣告,因為一個充滿低階批量需求的小工具,其每次曝光收益低於一個僅限高價值垂直領域投放的小工具。
  5. 分別追蹤不同流量來源的 RPM,而非混合計算,這樣您就能看出是否某個特定的獲客渠道正在拉低您的平均值。

原生廣告基準在您規劃中的定位#

如果您試圖預測一個新的原生廣告版位可能實際帶來多少收益,了解原生廣告對廣告主的成本以及當前的原生廣告 CPC 基準可以為您提供需求方的一半資訊:廣告主實際願意為每次點擊支付的費用,決定了廣告網路在扣除自身利潤後,能傳遞給您作為發布商的上限。

OpenAdLibrary 如何幫助您進行現實的基準比較#

與其依賴通用的行業平均 RPM 數字,不如查看您特定垂直領域的實際需求密度。OpenAdLibrary 索引了 Taboola、Outbrain、MGID、Revcontent 和其他網路上的數十萬個活躍原生廣告素材,可按垂直領域搜尋,因此您可以評估您內容類別中目前存在多少活躍的廣告主需求,這是一個比混合的行業基準更具體的訊號。定價方案包含可供瀏覽的免費層級。

按順序建立變現技術堆疊#

大多數發布商都是被動地添加廣告單元,哪個最容易安裝就裝哪個,而不是有計劃地進行。一個更有用的順序是:

  1. 從一個配置良好的展示型廣告設定開始,因為一旦調校好,它需要最少的持續管理,並且能隨著頁面瀏覽量清晰擴展
  2. 一旦您擁有足夠的流量規模以吸引可觀的需求,再疊加原生內容推薦廣告,因為在大多數廣告網路上,填充品質和 RPM 都會隨著規模擴大而改善
  3. 有選擇性地添加聯盟連結,僅在內容推薦確實相關的內容中添加,而非到處放置;聯盟行銷的 RPM 更依賴於轉換意圖而非原始頁面瀏覽量,因此盲目放置會稀釋而非幫助收益
  4. 最後再尋求直售或贊助版位,當您擁有足夠的流量和品牌信譽,廣告主會主動聯繫您而非相反時,因為這些交易依賴於您長期建立的關係,而非自助服務註冊

每一層都應根據其邊際貢獻來衡量,而非孤立評估。一個原生廣告小工具即使其自身的項目看起來是正面的,但如果它可衡量地損害了您的頁面載入速度和長期有機流量,導致混合 RPM 僅有小幅提升,也可能造成淨損失。

季節性和流量組成如何扭曲您的平均值#

單一的混合 RPM 數字隱藏了大量內部變異,而這些變異對規劃很重要。零售和金融相關內容的 RPM 通常會隨著季節性需求高峰而發生顯著變化,因為廣告主對相同曝光的競爭加劇。一個擁有混合內容日曆(一些常青的教學內容,一些季節性或趨勢性內容)的網站,其混合 RPM 會隨著這些內容類型之間的流量組合每週變化而波動,這與您在廣告設定中進行的任何更改無關。

這在實踐中很重要:如果您正在評估一項更改(一個新的小工具、重新談判的價格、一個新的廣告單元)是否真的改善了您的 RPM,請比較相似的時期、相似的流量組合和季節,而不是比較原始的月環比數字,後者可能僅僅反映了您未控制的季節性或內容組合變化。

總結#

沒有一個單一的「每千次訪客收益」數字值得記憶。您的實際 RPM 是利基市場、地理區域、裝置和變現深度的函數,誠實的規劃方法是:在將您讀到的任何基準與您自己的數字進行比較之前,先根據這些變數進行細分,然後操作可控的槓桿(流量品質、堆疊深度、主動類別管理、談判條款),而不是追逐一個從一開始就未曾描述過像您這樣的網站的產業平均值。

常見問題

對網站來說,什麼是好的 RPM?
沒有一個通用的數字。這在很大程度上取決於利基市場、地理區域和裝置組合;一個美國金融網站的 RPM 可能比一個三線地理區域的娛樂網站高出許多倍。請根據您特定利基市場和地理區域的基準進行比較,而非混合的行業平均值。
原生廣告還是展示型廣告每千次訪客的收益更高?
這因網站而異。在高價值利基市場中,採用深度標頭競價設定的程序化展示型廣告往往有更高的天花板,而原生內容推薦廣告通常有更穩定的底線。大多數同時運行兩者的發布商發現它們是互補而非互相蠶食的關係。
為什麼我的 RPM 看起來與已發布的行業平均值相差甚遠?
已發布的平均值通常混合了所有地理區域、利基市場和裝置組合的流量,這會產生一個幾乎無法準確描述任何特定網站的數字。在比較之前,請根據您自己的利基市場、地理區域和裝置拆分來細分任何基準。
增加更多廣告單元是否總能提高我的 RPM?
不,每個額外的單元通常會帶來遞減的收益回報,並產生真實的頁面載入速度成本。請測試每個新增單元的邊際提升效果,並衡量其對載入時間和核心網頁指標的影響,而不是假設更多單元總是意味著更多收益。
流量來源對 RPM 的影響有多大?
影響顯著。對於廣告主來說,透過高意圖商業搜尋查詢而來的訪客,其價值通常高於點擊了社交媒體上出於好奇的標題而來的訪客,即使他們訪問的是同一個頁面。分別追蹤不同流量來源的 RPM(而非混合計算),通常能揭示您的平均值被拉低的原因。
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。