Šiame straipsnyje aptariami geriausios programos padidėjimo eksperimentų praktikos pavyzdžiai.
Šiame puslapyje
- Prieš kuriant naują eksperimentą
- Eksperimento sąranka
- Kol vykdomas eksperimentas
- 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 nustatyti biudžetą ir pasiūlymą, kad kampanija sulauktų bent 100 (geriausia 150 ar daugiau) konversijų per dieną ir mūsų modeliai galėtų optimizuoti jūsų kampanijas. Išmaniojo kainų siūlymo modeliuokliai padeda geriau suprasti, kiek konversijų tikėtina sulauksite, kai pakeisite biudžetą ir tikslinę kainos pasiūlymo strategiją.
- Kuo didesnis dienos konversijų skaičius eksperimente, tuo greičiau eksperimentas pasieks statistiškai reikšmingus rezultatus.
- Jei pagrindinėje kampanijoje yra daug esamų vaizdo įrašų išteklių (> ~50), biudžetas, reikalingas kasdien kiekvienam ištekliui įvertinti, tikriausiai yra daug didesnis.
Kampanijos kainos pasiūlymo strategijos tikslas (tikslinis MUD / tikslinis MUP / 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, pasiekia greitesnius ir tikslesnius rezultatus.
Esamų vaizdo įrašų išteklių tikrinimas
Jei kampanijos biudžetas yra 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 ribotas, tada įvertinkite padidinimo eksperimento poreikį.
Jei kampanijos biudžetas neribotas
- Jei dabartinėje kampanijoje yra vaizdo įrašų išteklių, bet jie sudaro nedidelę kampanijos bendrų išlaidų dalį, 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 reikšmingą išlaidų sumą, tada įvertinkite padidinimo eksperimento poreikį.
Eksperimento sąranka
Eksperimento tikslai
- Geriau pasirinkite eksperimento metriką, atitinkančią kampanijos optimizavimo tikslus.
- Pavyzdžiui, pasirinkite diegimų apimtį arba MUD, jei kampanija optimizuojama pagal diegimus.
- Jei kampanijos biudžetas neribojamas, pirmenybę teikite mokesčiui už konversiją (diegimas / veiksmas programoje), o ne konversijų apimties metrikai.
Eksperimento skiltis
- Daugumoje situacijų rekomenduojame naudoti 50/50 srauto ir biudžeto paskirstymą, kad kuo greičiau gautumėte eksperimento rezultatus mažiausiomis sąnaudomis.
- 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.
Eksperimento datos
- Jei įmanoma, rekomenduojame vykdyti eksperimentus 30 dienų, kad padidintumėte galimybę gauti patikimus eksperimento rezultatus.
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, kuriose reklamuojama ta pati programa
- 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 vykdomas eksperimentas
Biudžeto ir našumo tikslo pakeitimai
- Rekomenduojame pirmąsias septynias eksperimento dienas neatnaujinti šių nustatymų.
- Jei po to reikia atlikti pakeitimų, pirmenybę teikite nedideliems kasdieniams pakeitimams, o ne dideliems iš karto.
Išteklių pakeitimai
- Jei reikia pakeisti pagrindinės kampanijos išteklių, tuo pačiu metu atlikite tą patį pakeitimą atitinkamoje eksperimentinėje kampanijoje.
Eksperimentų stebėjimas
- Rekomenduojame iš rezultatų išskirti pirmąsias 5–10 eksperimento dienas (naudojant datos parinkiklį), kad kampanijos mokymosi laikotarpis nepaveiktų metrikos.
- Galite stebėti eksperimento rezultatus naudodami tris patikimumo lygius (80 proc., 85 proc., 95 proc.).
- Jei bandomojoje kampanijoje pridėjote kelis vaizdo įrašų išteklius, galite peržiūrėti atskiro vaizdo įrašo ištekliaus našumą „Google Ads“ ataskaitose.
Kai eksperimentas baigiasi
Eksperimentų 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 eksperimento tikslų rezultatų derinys: rekomenduojame priimti sprendimus atsižvelgiant į įmonės 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 pagal savo verslo poreikius ir priimtiną riziką. Pavyzdžiui, reklamuotojams, kuriems priimtini orientaciniai rezultatai, pagrįsta reklamuoti išteklius su teigiamais, bet statistiškai nereikšmingais rezultatais. Arba rekomenduojame atlikti ištekliaus pakeitimus ir atlikti kitą eksperimentą.
