PPC 광고 로테이션 설정을 평가하는 방법

광고 로테이션은 잊어버린 설정 중 하나입니다. 모든 사람은 "항상 무한 순환" 또는 "항상 전환에 따라 최적화"와 같은 기본 설정이 있지만 선택한 설정은 종종 설정 유틸리티가 아닌 관리자의 기본 기본 설정을 반영합니다. 선호도가 아니라 설정을 추가 분석을 위한 도구 및 주제로 사용해야 합니다.

이 도움말에서는 광고 로테이션에 사용할 수 있는 옵션과 기회를 빠르게 식별하는 방법에 대해 설명합니다. 그것은 큰 주제처럼 들릴 수 있고 주제에 대한 많은 의견이 있을 수 있지만 일단 개념을 이해하면 매우 직관적이라는 것을 알게 될 것입니다.

광고 로테이션 설정

광고 로테이션 설정은 몇 가지 형태로 제공됩니다. 애드워즈를 예로 들면 다음과 같은 이점이 있습니다.

• 클릭으로 최적화
• 전환으로 최적화
• 무기한 회전
• 회전 및 최적화

각 설정은 광고그룹에서 개별 광고의 잠재적 노출 점유율을 변경하여 실적에 큰 영향을 미칠 수 있습니다.

생각의 두 줄

설정을 두 가지 주요 그룹으로 나눌 수 있습니다. 하나는 인간의 통제를 선호하고 수동으로 승자를 선택합니다. 두 번째는 시스템이 자체 데이터를 기반으로 광고 로테이션을 변경할 수 있도록 합니다.

수동 테스트 지지자들은 균일한 회전을 "공정한 테스트"로 사용합니다. 각 광고는 경매에 참여할 수 있는 가능성이 동일합니다. 이렇게 하면 각 광고가 테스트에서 승리하고 충분한 데이터 샘플을 구축할 수 있도록 노출의 균형을 더 균등하게 맞춰야 합니다. 물론 경매에 들어갈 수 있는 기회일 뿐이고, 형편없는 광고는 다른 광고만큼 많은 경매에서 낙찰받지 못할 수도 있습니다.

자동 최적화 지지자들은 시스템의 빠른 특성을 옹호합니다. 최적화는 수동 프로세스보다 훨씬 빠르게 발생합니다. 시스템에는 광고주보다 더 많은 데이터가 있습니다. 경매 데이터, 사용자 행동 등을 사용하여 실제 광고 실적을 식별할 수 있습니다. 시스템은 또한 더 많은 뉘앙스를 제공할 수 있습니다. 평균적으로 실적이 저조한 특정 광고가 실제로 특정 사용자 하위 집합에게 가장 좋은 광고인 경우가 있을 수 있습니다. 시스템은 이론적으로 이를 포착하여 해당 시간에만 해당 광고를 표시할 수 있습니다. 이러한 최적화의 한계 이득은 상당한 성능 이득을 추가할 수 있습니다.

자동 최적화의 단점은 제어력 상실입니다. 이는 CTC와 같은 명시적인 광고 테스트 프로세스를 제시하고 고수함으로써 얻은 가치를 뒤집을 수 있습니다. 자동 최적화는 광고 테스트를 설정하는 방식도 변경할 수 있습니다. A/B 테스트 대신 광고 그룹당 더 많은 수의 광고를 실행하고 시간이 지남에 따라 손실되는 광고를 선별할 수 있습니다. 이것은 사소한 것처럼 들리지만 프로세스에 미치는 영향을 과소평가해서는 안 됩니다.

기회 식별

자신의 계정에서 두 가지 옵션을 평가하려면 어떻게 해야 합니까? 클릭 기준 최적화로 전환해야 합니까 아니면 균등 로테이션으로 전환해야 합니까?

우리는 대략적인 수학으로 평가할 수 있고 이 블로그 게시물의 경우 피벗 테이블을 사용할 수 있습니다. PowerPivot 또는 SQL을 통해 이 작업을 더 쉽게 완료할 수 있지만 접근성을 위해 건너뛰겠습니다. 이러한 기술을 사용하는 데 관심이 있다면 아래에서 사용하는 것과 동일한 설정을 계속 사용할 수 있습니다.

분석 설정

이 예에서는 계정이 무기한 회전하도록 설정되어 있다고 가정합니다. 클릭별 최적화로 전환할 때의 영향을 평가하려고 합니다. 먼저 모든 광고와 데이터를 다운로드합니다. 지난 30일 또는 더 긴 기간의 최근 데이터를 사용할 수 있습니다.

명심하세요:

• 해당 기간 동안 진행되는 모든 프로모션
• 광고 카피의 주요 변경 사항
• 광고 형식
• 광고 상태 변경

현재 표준 텍스트 광고에 대한 의존도에 따라 광고 유형별로 분류할 수도 있습니다.

탁자

이제 데이터가 있으므로 피벗 테이블 작성을 시작할 수 있습니다! 캠페인 및/또는 광고그룹을 행으로 설정하려고 합니다. 이를 통해 캠페인마다 다른 결정을 내릴 수 있으므로 각 수준에서 영향을 계산할 수 있습니다. 광고 그룹이 크게 다른 경우 구조 조정 기회를 식별할 수 있습니다.

열에는 총 노출수, 최대 CTR 및 평균 전환율이 삽입됩니다. 참조를 위해 추가 열을 포함할 수 있지만 위의 세 개는 필요합니다. 노출수 또는 클릭수별로 분류할 수도 있습니다. 이렇게 하면 2번의 클릭과 4번의 노출이 있는 광고와 같이 비현실적인 CTR이 있는 소량 광고의 수를 제한해야 합니다. 아래에서 필터에서 1,000회 이상의 노출에 대해 TRUE/FALSE 플래그를 사용합니다.

영향 계산

필요한 모든 데이터가 있습니다. 여기의 수학도 매우 간단합니다. 클릭 최적화로 전환하면 CTR이 더 높은 광고가 더 자주 게재됩니다. 계정의 노출수가 동일하다고 가정하면 총 노출수에 해당 광고의 최대 CTR을 곱하여 잠재적 클릭수를 계산할 수 있습니다.

잠재적 클릭수 = 총 노출수 x 최대 CTR

이제 최대 잠재 클릭이 있으므로 잠재 클릭에 평균 전환율을 곱하여 잠재 전환을 계산할 수 있습니다.

잠재적 전환 = 잠재적 클릭 x 평균 전환율

또는

잠재적 전환 = 총 노출수 * 최대 CTR * 평균 전환율

이 시점에서 몇 가지 계산을 수행하여 실제 전환과 잠재적 전환 간의 차이를 조사하고 변경할 영역을 식별할 수 있습니다.

왜 평균 전환율인가?

평균 전환율이 왜 광고당 실제 전환율이 아닌가? 이 예에서는 전환율이 광고 문구가 아닌 방문 페이지에 따라 달라진다고 가정합니다. 물론 최종 도착 URL에서 방문 페이지를 테스트하거나, 프로모션과 같은 매우 다른 광고를 실행하거나, "무료"와 같은 단어를 포함하여 광고 CTR을 부풀리는 경우에는 작동하지 않습니다.

좀 더 편하시면 CTR이 가장 높은 광고의 전환율을 사용하시면 됩니다. 이는 다양한 유형의 방문자를 유치할 수 있는 완전히 다른 광고 문구가 있는 경우 적절할 수 있습니다. 차이의 일부만 광고로 인한 것이라고 말할 수도 있습니다.

그것으로 재미를! 각 라운드에 대해 더 많은 데이터를 수집하고 특히 이 계정에 대해 더 잘 이해함에 따라 시간이 지남에 따라 계산을 항상 조정할 수 있습니다.

데이터에 기반한 의사 결정

이러한 유형의 분석은 계정 관리를 위한 새로운 옵션을 제공합니다. 트래픽 및 전환의 증가와 광고 테스트 과정에서 얻은 학습 중 어느 것이 더 가치가 있습니까? 잠재적 전환과 실제 전환 사이에 큰 차이가 있는 경우 전술이 바뀔 수 있습니다. 성수기에 접어든 경우 트래픽과 수익을 늘리기 위해 클릭을 기반으로 광고를 회전하도록 선택할 수 있습니다. 또는 수치가 비슷하면 광고 테스트를 최대화하기 위해 같은 기간에 새로운 테스트를 시작하도록 선택할 수 있습니다. 여기서 핵심 개념은 옵션을 더 잘 이해하여 최상의 비즈니스 결정을 내리고 기본 관행에 구속되지 않도록 하는 것입니다.