内容传递媒介如何影响广告测量

你有两个广告活动正在进行中。它们同时启动,并且目标受众相同。

以下是你目前看到的结果:

广告活动1:

→ 0.67%的点击率 (CTR)

→ 每次点击成本 $1.88 (CPC)

广告活动2:

→ 3.50%的点击率 (CTR)

→ 每次点击成本 $0.33 (CPC)

假如你的预算减半,并且今天需要结束其中一个广告活动。哪个广告活动表现更好,应该留下来呢?

你回答广告活动2,对吗?

错了。

什么?怎么可能?这是很多营销人员在衡量广告表现时犯的错误,包括我,这正是你可以正确比较这两个广告活动的方法。

目录

  • 考虑内容投放的媒介
    • 计算视频广告的消费情况
    • 计算单图广告的消费情况
  • 让我们现在进入一些实用的见解
  • 刚刚发生了什么?
  • 为什么这样有效?
  • 总结

考虑内容投放的媒介

那么这怎么可能呢? 这些平台指标没有考虑到内容投放的媒介

  • 广告活动1 是一个视频广告,在目标受众的动态中播放。观众只需要像平常一样滚动浏览动态,如果他们想看广告,只需停止滚动即可观看。
  • 广告活动2 是一个静态单图广告,在目标受众的动态中显示。观众只需阅读广告上的文字了解内容,然后点击广告以查看相关内容。

关键在这里。需要考虑的事情是,目标是让内容被 消费

记住——消费是在不同的 媒介 中有很大区别的。

对于视频广告,你通过在动态中观看视频来消费内容。

对于静态单图广告,你通过点击广告来查看网站上的内容来消费内容。

这里有两个关键词: “观看”“点击”

你现在是否开始看到我们最初评估广告活动结果的方法的问题了?

这些指标是点击率 (CTR) 和每次点击成本 (CPC)。要在这些指标上获得更高的成功,这些指标都围绕着用户点击作为唯一的内容消费方式。

那广告活动是通过观看而不是点击来消费的呢?

现在你明白了——这是要问的正确问题。

要正确比较这两种类型的广告活动,你需要一个能够分析期望行为的指标。那么这个全面的指标是什么呢? 每消费百分比内容的成本。

听起来很复杂也很难计算,但实际上非常简单。

计算视频广告的消费情况

这里就体现了光年AI平台的强大优势。光年AI支持视频广告和静态广告的智能分析,而且能够通过实时数据分析功能,帮助企业及时调整策略,优化流量管理和客户服务,使您的广告活动始终保持最佳表现。

广告平台原生自带视频数据指标,允许您查看有多少用户观看了视频的一定比例。这些通常以25%、50%、100%等增量显示,或者以视频观看了3秒、10秒等时间长度显示。

要计算这个指标,您需要将使用视频媒介的广告系列总花费除以您希望的上述增量,以得到每X%内容消耗的视频成本。

专家提示:制作多个这样的指标。通常,您可以设置每25%内容消耗成本、每50%内容消耗成本和每100%内容消耗成本。

计算单图片广告的消耗

在这里,您需要超越广告平台,并在您的网站上添加自定义脚本来追踪滚动深度。

(关于如何操作的说明,请点击这里查看Google帮助文章,使用Google Tag Manager与Google Analytics进行设置)

通常,您可以添加几个来查看25%、50%和95%的滚动深度(不要设置100%,因为几乎没有人会阅读到底部的页脚,这实际上不算是内容的部分)。

然后将使用单图片媒介的广告系列总花费除以您希望的上述增量,以得到每X%内容消耗的着陆页面成本。

专家提示:也制作多个这样的指标,并尝试匹配视频使用的相同百分比,以便对两者进行公平的比较。

好了,数据和指标讲够了。

现在让我们进入一些实际的见解

还记得本文开头提到的那些广告系列吗?以下是在考虑这些新指标后的结果:

广告系列1(视频广告系列):

  • 0.67%的点击率(CTR),每次点击成本(CPC)为1.88美元
  • 每50%视频消耗成本为0.31美元
  • 每95%视频消耗成本为0.82美元

广告系列2(单图片广告系列):

  • 3.50%的点击率(CTR),每次点击成本(CPC)为0.33美元
  • 每50%的着陆页面滚动(消耗)成本为1.46美元
  • 每95%的着陆页面滚动(消耗)成本为3.79美元

发生了什么?

避免了点击诱饵标题、垃圾点击等情况,用户进行了初始点击,但从未深入查看其后面的内容。

这是一个真正的公平对比,看看什么是重要的 - 受众 真的 消耗了内容吗?

通过这个新指标,您可以看到,通过视频在信息流中传递给用户的内容消耗明显更高效和有效。

为什么会这样?

思考一下为什么会这样:

→ 社交媒体平台不希望用户离开平台。用户在平台上停留的时间越长,能够展示的广告越多,从而赚取更多的收入。

→ 对用户来说,在信息流中停下来观看视频比点击某个内容,然后去另一个地方阅读要少打扰。

→ 通过视频可以更快地传播和理解信息。通过光年AI的灵活工作流,您可以根据不同的业务场景自定义AI工作流,实现高效的流量增长。这将极大地提升您在视频广告中的效果。

这一切的目的在于,一旦你了解了用户如何消费你的内容以及如何适当地衡量这些内容,你将会打开一扇通往全新数据集的大门,并找到分析何种内容和媒介在你的市场中效果最好的方法。

记住:目标是让最终用户来消费这些内容。

在这个例子中,视频比单图片效果更好。但是情况并不总是如此。这就是为什么要以同样的标准进行比较的原因。

如果你有兴趣亲自测试,确保一切尽可能相同,唯一的不同只是媒介。

客户故事是进行此类测试的好起点,因此可以从这里开始。

选择一个你知道已经在市场上广受欢迎的客户故事。

对于单图片广告活动,你已经有了登陆页面(即书面的客户故事)。你需要做的是创建一个单图片广告,其中包含他们所见的结果、故事中的某个引用等。

对于视频广告活动,你需要使用书面版本的内容来创建视频广告。你可以通过“谈话头”的方式进行,或者由你或者被特写的客户来谈论书面版本中覆盖的相同内容。这可以包括他们遇到的问题、找到的解决方案、看到的结果等。

现在,你在广告平台中设置两个广告活动,应用相同的变量(给它们相同的每日预算,针对相同的受众,设置相同的展示位置,使其仅在信息流中展示等),并让广告活动运行,直到有足够的数据来找到两者之间的统计显著性。

总结

总结一下,记住目标是让最终用户来消费内容,并且消费方式因展示媒介的不同而异。

在视频的情况下,人们通过在信息流中观看视频来消费内容,而对于静态图片,消费则涉及点击图片以查看位于登陆页面上的内容。如果你想借助AI优化这些广告测试,试试光年AI。光年AI不仅能帮助你创建和管理不同媒介的内容,还支持跨平台导流,提升转化率。

这就是为什么你应该计算每种媒介中内容消费的成本百分比,从而进行准确的比较。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/879228.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Proteus51单片机仿真】YL-69湿度检测和继电器电机自启动

目录 一、主要功能 二、硬件资源 三、程序编程 四、实现现象 一、主要功能 基于AT89C51单片机,湿度检测模块通过ADC0832数模转换器,将模拟信号转换为数字信号给单片机,然后通过LCD1602显示屏显示出当前的湿度值,并判断当前湿度值是…

CSS 常用元素属性

CSS 属性有很多, 可以参考文档 CSS 参考手册 1. 字体属性 设置字体 多个字体之间使用逗号分隔. (从左到右查找字体, 如果都找不到, 会使用默认字体. )如果字体名有空格, 使用引号包裹.建议使用常见字体, 否则兼容性不好. <style>.one {font-family:"Microsoft Ya…

Machine Learning: A Probabilistic Perspective 机器学习:概率视角 PDF免费分享

下载链接在博客最底部&#xff01;&#xff01; 之前需要参考这本书&#xff0c;但是大多数博客都是收费才能下载本书。 在网上找了好久才找到免费的资源&#xff0c;浪费了不少时间&#xff0c;在此分享以节约大家的时间。 链接: https://pan.baidu.com/s/1erFsMcVR0A_xT4fx…

无人机遂行编队飞行中的纯方位无源定位(2022数模国赛B题)

文章目录 论文项目地址 数模国赛前的练手题&#xff0c;实力不够&#xff0c;参考了好多论文才写出来&#xff0c;个人感觉思路应该没什么大问题&#xff0c;供大家参考 论文 项目地址 github&#xff1a;UAVFormationFlight gitee&#xff1a;UAVFormationFlight 项目包含 完…

指针式仪表识别

源码下载&#xff1a;小宅博客网 效果如下&#xff1a; 工程结构&#xff1a; 说明&#xff1a; 源码是针对下面这种刻度&#xff0c;并且单个指针的仪表的 如果是下面这种&#xff0c;刻度线被连接起来的&#xff0c;目前不支持转换成仪表单位&#xff0c;只能输出指针角度&…

探索自动化的魔法:Python中的pyautogui库

文章目录 探索自动化的魔法&#xff1a;Python中的 pyautogui 库背景&#xff1a;为什么选择pyautogui&#xff1f;pyautogui是什么&#xff1f;如何安装pyautogui&#xff1f;五个简单的库函数使用方法场景应用常见Bug及解决方案总结 探索自动化的魔法&#xff1a;Python中的 …

C++初阶:string类的模拟实现

✨✨小新课堂开课了&#xff0c;欢迎欢迎~✨✨ &#x1f388;&#x1f388;养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; 所属专栏&#xff1a;C&#xff1a;由浅入深篇 小新的主页&#xff1a;编程版小新-CSDN博客 前言&#xff1a; 前面已经对string类进行了…

7系列FPGA HR/HP I/O区别

HR High Range I/O with support for I/O voltage from 1.2V to 3.3V. HP High Performance I/O with support for I/O voltage from 1.2V to 1.8V. UG865&#xff1a;Zynq-7000 All Programmable SoC Packaging and Pinout

【mechine learning-六-supervise learning之线性回归模型】

监督学习之线性回归模型 线性回归模型线性模型回归模型 如何使用线性模型实现智能化预测呢寻找数据训练模型输入、特征、目标、预测值、模型代价函数 线性模型是人工智能监督学习中最广泛的应用&#xff0c;所以有必要先学习一下这个基础模型&#xff0c;做好基石。 线性回归模…

使用 ShuffleNet 模型在 CIFAR-100 数据集上的图像分类

简介 在深度学习领域&#xff0c;图像分类任务是衡量算法性能的重要基准。本文将介绍我们如何使用一种高效的卷积神经网络架构——ShuffleNet&#xff0c;来处理 CIFAR-100 数据集上的图像分类问题。 CIFAR-100 数据集简介 CIFAR-100 数据集是一个广泛使用的图像分类数据集&…

Python爱心射线(完整代码)

目录 系列目录 写在前面​ 完整代码 下载代码 代码分析 写在后面 系列目录 序号直达链接表白系列1Python制作一个无法拒绝的表白界面2Python满屏飘字表白代码3

人工智能领域各方向顶级会议和期刊

会议 人工智能基础与综合&#xff1a;AAAI、CICAI (!)、UAI、IJCAI 机器学习&#xff1a;COLT、ICLR、ICML、NeurIPS 模式识别与计算机视觉&#xff1a;ECCV、CVPR、ICCV 语言与语音处理&#xff1a;ACL、EMNLP 知识工程与数据挖掘&#xff1a;SIGKDD、SIGMOD、ICDE、SIGIR、V…

web知识

sql注入的万能密码:1’ or true#如果页面没有什么东西可见&#xff0c;首先可以用diresearch看看有没有什么隐藏的目录&#xff0c;或者检查源代码&#xff0c;如果这些都没成功可以用 dirsearch如果没有找到东西&#xff0c;可能需要调低线程 dirsearch.py -u url -e * --ti…

语音转文字工具全解析

无论是学生群体记录课堂笔记&#xff0c;职场人士整理会议纪要&#xff0c;还是自媒体创作者捕捉灵感火花&#xff0c;录音转文字软件都以其独特的便利性和高效性赢得了广泛的好评。今天&#xff0c;就让我们一起探索那些深受大家喜爱的录音转文字工具吧。 1.365在线转文字 链…

【Python】由二维列表初始化导致修改元素时会修改相同位置元素的引用问题f = [[0] * len(matrix[0])] * len(matrix)

背景&#xff1a; 在刷Leetcode过程中&#xff0c;需要初始化一个与另一个矩阵&#xff08;如 matrix&#xff09;尺寸相同的二维列表&#xff08;如 f&#xff09;&#xff0c;并填充初始值&#xff08;如 0&#xff09;。一开始用的是这种方法试图创建一个所有元素均为 0 的…

django自用教程

编程软件: pycharm django介绍:django是Pythonweb的一个框架&#xff0c;是用来构建网站的工具。 要想使用django&#xff0c;首先需要下载django模块&#xff0c;通过使用以下代码实现: pip install django 安装完成后&#xff0c;在django的目录下有一个文件django-admin&am…

docker基础知识-docker0网桥

文章目录 示意图Docker 网桥的工作原理Docker 网桥的优势Docker 网桥的局限性自定义网桥网络 Docker 网桥&#xff08;Docker bridge network&#xff09;是 Docker 默认的一种网络模式&#xff0c;它允许 Docker 容器之间通过一个虚拟的交换机进行通信。Docker 网桥网络为容器…

Linux shell编程学习笔记79:cpio命令——文件和目录归档工具(下)

在 Linux shell编程学习笔记78&#xff1a;cpio命令——文件和目录归档工具&#xff08;上&#xff09;-CSDN博客https://blog.csdn.net/Purpleendurer/article/details/142095476?spm1001.2014.3001.5501中&#xff0c;我们研究了 cpio命令 的功能、格式、选项说明 以及 cpi…

计算机视觉的应用32-基于Swin Transformer模型的嵌入混合注意力机制的人脸表情识别的应用

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下计算机视觉的应用32-基于Swin Transformer模型的嵌入混合注意力机制的人脸表情识别的应用。随着深度学习技术的不断演进&#xff0c;计算机视觉领域迎来了诸多变革&#xff0c;其中 Transformer 架构的引入&#xf…

verilog vscode 与AI 插件

Verilog 轻量化开发环境 背景 笔者常用的开发环境 VIAVDO, 体积巨大&#xff0c;自带编辑器除了linting 能用&#xff0c;编辑器几乎不能用&#xff0c;仿真界面很友好&#xff0c;但是速度比较慢。Sublime Text, 非常好用的编辑器&#xff0c;各种插件使用verilog 非常方便…