Ringkasan:
1. Rasio klik-tayang iklan bergambar di industri ini sangat tidak signifikan, kurang dari 0,1%.
2. Peningkatan pendapatan dari optimasi pasca-tampilan sepuluh kali lebih tinggi dibandingkan dengan optimasi pasca-klik.
3. Dalam pengujian terkontrol, pelanggan yang melihat iklan IMVU (nama dunia virtual) memiliki kemungkinan 10% lebih besar untuk menjadi pengguna berbayar, terlepas dari apakah mereka mengeklik iklan tersebut.
Satu abad yang lalu, John Wanamaker pernah berkata, "Separuh dari uang yang saya keluarkan untuk iklan terbuang sia-sia; masalahnya adalah, saya tidak tahu separuhnya yang mana." Saat ini, pemasar online masih berusaha mengatasi permasalahan yang sama dalam pertanyaan analisis pengukuran .
Jawabannya nampaknya sederhana, karena di dunia online, Anda bisa melacak klik. Masalahnya adalah klik dan analisis berbasis klik tidak dapat bertahan. Jumlah klik tidak hanya gagal menjelaskan keseluruhan kebenaran, bahkan dapat membalikkan keadaan, terutama jika digunakan sendiri.
Karena ketersediaan alat analisis web, banyak pemasar mengaitkan aktivitas situs web (keterlibatan, konversi – catatan editor semwatch) hanya pada kampanye berbasis klik, seperti klik pada iklan bergambar. Namun, ini adalah pendekatan yang sangat terbatas.
Karena rasio klik-tayang (RKT) iklan bergambar sangat rendah, kurang dari 0,1%; kebanyakan orang yang melihat iklan online tidak akan mengkliknya. Selain itu, jumlah klik tidak sebanding dengan jumlah klik. Sekitar 85% klik berasal dari 8% orang. Banyak penelitian industri telah dilakukan mengenai masalah ini.
Namun, rasio klik-tayang yang rendah tidak berarti iklan tersebut tidak berfungsi—bahkan sebaliknya. Konsumen sering kali melakukan pembelian segera setelah melihat iklan tanpa mengkliknya.
Dalam pengujian baru-baru ini, jejaring sosial virtual bernama IMVU yang memungkinkan Anda membeli barang virtual mencoba mencari tahu apa yang terjadi ketika pengguna IMVU gratis (mereka yang telah menerima email pemasaran dan melihat iklan di dunia virtual) berada di dunia nyata Anda lebih mungkin menjadi pengguna berbayar ketika melihat iklan online IMVU?
Dalam pengujian terkontrol, pelanggan yang melihat iklan IMVU memiliki kemungkinan 10% lebih besar untuk menjadi pelanggan yang membayar, terlepas dari apakah mereka mengeklik iklan tersebut. Peningkatan sebesar 10% ini merupakan tambahan dari seluruh upaya pemasaran yang ada dibandingkan dengan kelompok kontrol. Kelompok kontrol memiliki kesempatan yang sama untuk melihat kampanye pemasaran lainnya sebagai kelompok uji. Satu-satunya perbedaan antara kedua kelompok adalah apakah mereka benar-benar melihat iklan tersebut. Kelompok uji melihat iklan IMVU, sedangkan kelompok kontrol melihat iklan yang tidak relevan.
IMVU menggunakan metode yang sama untuk menguji apakah pengguna yang membayar bersedia mengeluarkan lebih banyak uang jika mereka melihat iklan yang merangsang konsumsi di dunia nyata. Rata-rata, anggota IMVU yang melihat iklan yang mempromosikan produk virtual menghabiskan lebih dari dua kali lipat dibandingkan mereka yang melihat iklan yang tidak relevan, terlepas dari apakah mereka mengklik iklan tersebut. Sekali lagi, peningkatan ini di luar promosi melalui email dan dunia maya. Perusahaan seperti IMVU menjual barang virtual seolah-olah sedang mencetak uang.
Mari kita fokus pada perusahaan e-commerce lagi. Perusahaan ini sangat bergantung pada alat analisis situs web untuk menganalisis data perilaku pengguna pasca-klik (untuk mengoptimalkan efek kampanye pemasaran - catatan editor semwatch) (tanggal pasca-klik) (lalu lintas dan pendapatan situs web dihasilkan oleh iklan). Pengiklan berharap hanya menggunakan data perilaku pengguna pasca-klik sebagai dasar pengoptimalan. Karena klien tidak melacak pendapatan terkait tampilan (pendapatan pasca-tampilan), tidak ada cara untuk mengoptimalkannya.
Mari kita tinjau dua situasi ini: pengoptimalan yang mengalokasikan kontribusi konversi berdasarkan data pasca-klik (pasca-klik) vs. pengoptimalan yang mengalokasikan kontribusi konversi berdasarkan data pasca-tayangan (pasca-tampilan). Pendapatan tambahan dari pengoptimalan pasca-tayangan sepuluh kali lebih tinggi dibandingkan pengoptimalan pasca-klik. Saat menganalisis pendapatan dari perspektif pasca-klik, kami menyebut iklan terbaik sebagai Iklan A dan iklan terburuk sebagai C. Namun jika dianalisis dari perspektif pasca pertunjukan, hasilnya justru sebaliknya. C adalah yang terbaik dan A adalah yang terburuk. Hal ini mengarah pada solusi pengoptimalan yang sangat berbeda.
Ada yang mungkin berpendapat sebaliknya dan berpendapat bahwa analisis pasca-tayangan melebih-lebihkan kinerja periklanan online. Karena calon konsumen kemungkinan besar akan membeli suatu produk terlepas dari apakah mereka pernah melihat iklan online, dan iklan tersebut mungkin tidak memengaruhi keputusan mereka. Namun, setelah diuji berkali-kali, kami menemukan bahwa hasilnya justru sebaliknya. Kami menganalisis jangka waktu antara melihat iklan dan membeli produk. Data menunjukkan bahwa peningkatan konversi yang pesat terjadi dalam waktu singkat setelah konsumen melihat iklan, yang mencerminkan dampak atribusi pasca-tayangan. Pada contoh di bawah, separuh konversi terjadi dalam waktu enam jam setelah iklan ditayangkan, dan 70% konversi terjadi dalam waktu 24 jam setelah iklan ditayangkan. Jika atribusi pasca-tayangan tidak memiliki pengaruh seperti itu, kita akan melihat tingkat konversi didistribusikan secara acak dari waktu ke waktu mengikuti pola linier, bukan pola lengkung.
Intinya adalah bahwa setiap kampanye periklanan berbeda. Semuanya harus dioptimalkan berdasarkan data sebanyak mungkin. Jangan hanya mengandalkan analisis berbasis klik. Lebih baik manfaatkan kekuatan dan sumber daya Anda semaksimal mungkin.
Komentar dari Tianan:
Analisis efektivitas iklan bergambar sebaiknya lebih mengacu pada berbagai faktor, seperti:
1. Apa tujuan dari iklan bergambar? Apakah untuk branding atau promosi penjualan? Pada tahap pengambilan keputusan konsumen manakah iklan ini diharapkan mempunyai dampak?
2. Apa karakteristik industri tempat Anda berada? Berapa lama siklus pengambilan keputusan konsumen?
Faktanya, iklan bergambar adalah media berbayar, dan situs web yang Anda masuki setelah diklik adalah media milik. Namun nyatanya, keduanya adalah media yang dapat dikontrol oleh pengiklan. Mereka dapat menentukan konten, metode, dan waktu penayangan. Bagi pengiklan, klik hanyalah perpindahan dari tampilan satu modul informasi ke tampilan modul informasi lainnya.
Dari sudut pandang konsumen, keduanya sama-sama menyampaikan informasi kepadanya. Yang membedakan hanyalah jumlah informasi dan fokus bacaannya sendiri. Klik mewakili tingkat partisipasi yang relatif kuat, namun tampilan juga merupakan transmisi informasi. Dampak dari transmisi informasi ini adalah “top of mind” dalam pengambilan keputusan. Misalnya saya melihat iklan alat fitnes, mungkin saya meliriknya tetapi tidak mengkliknya, tetapi jika saya memiliki kebutuhan serupa dan mencari alat fitnes melalui mesin pencari lagi, saya melihat nama yang sama karena itu adalah iklan kedua. tayangan, jadi saya mungkin memiliki rasa keakraban/kepercayaan yang mengarah ke klik.
Status analisis data iklan bergambar saat ini mungkin sebagian besar dibatasi oleh sulitnya pengumpulan data. Di media yang dimiliki, dengan mempopulerkan teknologi analisis situs web, data klik mudah dikumpulkan dan diterapkan dengan mudah dalam praktik. Namun, di media berbayar, terutama di lingkungan media pasar iklan bergambar domestik, Banyak data yang tidak dapat dikumpulkan atau dibagikan kepada pengiklan, sehingga ditakdirkan untuk diabaikan dalam analisis dan pengoptimalan. Terlebih lagi, untuk mencapai kesimpulan di atas, sejumlah besar data perlu dianalisis dengan sangat hati-hati. Hal ini dapat dianggap sebagai hambatan dalam proses perkembangan industri.
Teks asli: http://www.imediaconnection.com/content/29020.asp
Penulisnya, Jarvis Mak, lahir di bidang biologi dan melayani Yahoo dan Neilson masing-masing dalam analisis pelanggan termasuk proyek MegaPanel. Kini fokus pada media digital dan pemasaran di industri ritel. ,
Sumber terjemahan: http://semwatch.org/