Šiame straipsnyje aprašoma geriausia programos padidėjimo eksperimentų praktika.
Šiame puslapyje
- Prieš kuriant naują eksperimentą
- Eksperimento sąranka
- Kol eksperimentas vykdomas
- Kai eksperimentas baigiasi
Prieš kuriant naują eksperimentą
Supraskite, kaip naudojant programos padidinimo eksperimentą išsprendžiami jūsų naudojimo atvejai
Kas yra programos padidinimo eksperimentas? Naudodami programos padidinimo eksperimentus galite eksperimentuoti ir suprasti vaizdo įrašų išteklių pridėjimo prie esamos kampanijos našumo padidėjimą.
-
Naudojant programos padidėjimo eksperimentą rekomenduojame naudoti toliau nurodytus metodus, atsižvelgdami į savo naudojimo atvejus.
- Pirmą kartą vaizdo įrašą išbandykite: jei šiuo metu kampanijoje neturite vaizdo įrašo, programos padidėjimo eksperimentas gali padėti suprasti, ar našumas padidėjo pridėjus vaizdo įrašo išteklių.
- Išsirinkite nugalėtoją iš kelių vaizdo įrašų su kryptingais rezultatais: jei turite kelis vaizdo įrašo išteklius, programos padidėjimo eksperimentas gali padėti suprasti:
- ar visi vaizdo įrašo ištekliai bendrai padeda pagerinti našumą;
- kaip kiekvienas vaizdo įrašo išteklius orientuojasi į bendrą našumo padidėjimą.
Minimalus biudžetas ir kainos pasiūlymas
Rekomenduojame naudoti biudžetą ir kainos pasiūlymą, kad kampanija sulauktų bent 100 (geriausia daugiau nei 150) konversijų per dieną, kad mūsų modeliai galėtų optimizuoti kampanijas. Išmaniojo kainų siūlymo modeliuokliai padeda geriau suprasti, kiek konversijų tikėtina sulaukti pakeitus biudžetą ir kainos pasiūlymo strategijos tikslinę vertę.
- Kuo didesnis eksperimento konversijų skaičius per dieną, tuo greičiau eksperimentas pasieks statistiškai reikšmingus rezultatus.
- Jei pagrindinėje kampanijoje yra daug esamų vaizdo įrašų išteklių (daugiau nei ~50), biudžetas, reikalingas kasdien įvertinti kiekvieną išteklių, tikriausiai yra daug didesnis.
Kampanijos kainos pasiūlymo strategijos tikslas (tikslinis MUD / TMUĮT / tikslinė SIG)
Jei kampanijos biudžetas apribotas, įsitikinkite, kad faktinis MUD arba MUĮT nėra daugiau nei du kartus mažesnis nei tikslinis MUD ar MUĮT (tas pats taikytina ir SIG). Tai padės užtikrinti, kad nepatirtume nenumatytos elgsenos, kai paleidžiama išjungus ir (arba) mažinamas kainos pasiūlymas.
Paprastai kampanijos, kurių neriboja biudžetas ar kainos pasiūlymai, pasieks greitesnių ir tikslesnių rezultatų.
Esamų vaizdo įrašų išteklių tikrinimas
Jei kampanijos biudžetas apribotas
- Jei dabartinėje kampanijoje nėra vaizdo įrašų arba vaizdo įrašų yra, bet kampanijoje nėra išlaidų, tikėtina, kad išbandžius naujų vaizdo įrašų pridėjimą našumas padidės.
- Apsvarstykite galimybę padidinti kampanijos biudžetą, kol jis nebebus apribotas, ir įvertinkite padidėjimo eksperimento poreikį.
Jei kampanijos biudžetas neapribotas
- Jei dabartinėje kampanijoje yra vaizdo įrašų išteklių, bet jų visų kampanijos išlaidų procentas yra mažas, mažai tikėtina, kad išbandžius naujų vaizdo įrašų išteklių pridėjimą našumas padidės.
- Apsvarstykite galimybę padidinti tikslinį mokestį už konversiją (arba sumažinti tikslinę SIG), kol esami vaizdo įrašų ištekliai pasieks prasmingą išlaidų sumą, tada įvertinkite, ar reikia padidėjimo eksperimento.
Eksperimento sąranka
Eksperimento tikslai
- Pageidautina pasirinkti eksperimento metriką, atitinkančią kampanijos optimizavimo tikslus.
- Pavyzdžiui, pasirinkite „Diegimų apimtis“ arba MUD, jei kampanija optimizuojama diegimams.
- Jei kampanijos biudžetas neribojamas, pirmenybę teikite mokesčiui už konversiją (diegimas / veiksmas programoje), o ne konversijų apimties metrikai.
Eksperimento skiltis
- Daugeliu atvejų rekomenduojame naudoti 50/50 srauto ir biudžeto paskirstymą, kad kuo greičiau pasiektumėte greičiausių eksperimento rezultatų už mažiausią mokestį.
- Tam tikrais atvejais, pavyzdžiui, jei manote, kad tikrinami ištekliai daro didelį neigiamą poveikį, gali būti naudinga naudoti kitą srauto padalijimą (pvz., 40 proc. bandomojoje kampanijoje ir 60 proc. pagrindinėje kampanijoje).
Patikimumo lygis
- Rekomenduojame naudoti 80 proc. patikimumo lygį, kuris paprastai yra geras eksperimento rezultatų tikslumas su mažesne trukme ir kaina, palyginti su 85 proc. arba 95 proc. patikimumo lygiu.
- Jei nesate tikri, kokį patikimumo lygį pasirinkti eksperimentui, galite naudoti priedo lentelę ir rasti konversijų, kurių reikės norint pasiekti nurodytą patikimumo lygį, skaičių.
Eksperimento datos
- Jei įmanoma, rekomenduojame eksperimentus vykdyti 30 dienų, kad maksimaliai padidintumėte galutinių eksperimento rezultatų galimybes.
Eksperimento būsenos patikra
- Būsenos patikra teikia diagnostikos ir patikrų seriją, kad padidintų galutinių eksperimento rezultatų tikimybę. Rekomenduojame pašalinti rimtas problemas (raudona spalva), pvz., „iOS“ programos naudojimas (šiuo metu nepalaikoma), ir bandyti išspręsti vidutines problemas (geltona spalva), pvz., apribotas biudžetas. Sužinokite daugiau apie programos padidėjimo eksperimento kūrimo būsenos patikrą.
Bendrosios rekomendacijos
Sąveikos su kitomis kampanijomis, reklamuojančiomis tą pačią programą
- Įsitikinkite, kad paskyroje nėra kitos kampanijos, reklamuojančios tą pačią programą tose pačiose geografinėse vietovėse kaip testuojama kampanija, kad išvengtumėte kampanijos apimties sumažėjimo.
Politikos pažeidimai
- Pašalinkite galimus kampanijos politikos pažeidimus (jei įmanoma), nes dėl jų gali būti nevykdoma viena iš eksperimento kampanijų arba gali vėluoti rezultatai.
Kol eksperimentas vykdomas
Biudžeto ir našumo tikslo pakeitimai
- Rekomenduojame neatnaujinti šių nustatymų pirmąsias septynias eksperimento dienas.
- Jei po to reikia atlikti pakeitimų, pirmenybę teikite nedideliems kasdieniams pakeitimams, o ne dideliems iš karto.
Išteklių pakeitimai
- Jei norite pakeisti pagrindinės kampanijos išteklių, būtinai tuo pačiu metu atlikite tokius pat pakeitimus atitinkamoje eksperimentinėje kampanijoje.
Stebėjimo eksperimentai
- Rekomenduojame iš rezultatų išskirti pirmąsias 5–10 eksperimento dienas (naudojant datos parinkiklį), kad kampanijos mokymosi laikotarpis nepaveiktų metrikos.
- Eksperimento rezultatus galite stebėti naudodami tris patikimumo lygius (80 proc., 85 proc., 95 proc.).
- Jei bandomojoje kampanijoje pridėjote kelis vaizdo įrašų išteklius, „Google Ads“ ataskaitose galite peržiūrėti atskiro vaizdo įrašo ištekliaus našumą.
Kada eksperimentas baigiasi
Eksperimento rezultatų aiškinimas
- Statistiškai reikšmingi rezultatai
- Teigiami abiejų eksperimento tikslų rezultatai: rekomenduojame reklamuoti išteklių pagrindinėje ir potencialiai kitose paskyros kampanijose (pvz., kampanijose su panašiais tikslais, bet skirtingose geografinėse vietovėse), kad padidintumėte bendrą našumą.
- Neigiami abiejų eksperimento tikslų rezultatai: rekomenduojame nereklamuoti ištekliaus kampanijoje ar paskyroje.
- Teigiamų ir neigiamų rezultatų, susijusių su eksperimento tikslais, derinys: rekomenduojame priimti sprendimus atsižvelgiant į verslo poreikius ir IG apribojimus. Pvz., jei MUD padidėja 5 proc. ir diegimų skaičius padidėja 10 proc., reklamuotojai turėtų reklamuoti išteklius, jei nori sulaukti daugiau diegimų šiek tiek padidinę vidutinį MUD.
- Statistiškai nereikšmingi rezultatai
- Rekomenduojame priimti sprendimus atsižvelgiant į savo verslo poreikius ir priimtiną riziką. Pavyzdžiui, jei reklamuotojai patenkinti orientaciniais rezultatais, reklamuoti išteklius su teigiamais, bet statistiškai nereikšmingais rezultatais yra pagrįsta. Taip pat patariame pakeisti išteklių ir atlikti kitą eksperimentą.
