เหตุใดการคลิกจึงเป็นการวัดที่ไม่ถูกต้อง

สรุป:

1. อัตราการคลิกผ่านของโฆษณาแบบดิสเพลย์ในอุตสาหกรรมไม่มีนัยสำคัญอย่างฉาวโฉ่ น้อยกว่า 0.1%

2. รายได้ที่เพิ่มขึ้นจากการเพิ่มประสิทธิภาพหลังการแสดงผลสูงกว่าการเพิ่มประสิทธิภาพหลังการคลิกถึงสิบเท่า

3. ในการทดสอบที่มีการควบคุม ลูกค้าที่เห็นโฆษณา IMVU (ชื่อของโลกเสมือนจริง) มีแนวโน้มที่จะกลายเป็นผู้ใช้ที่จ่ายเงินมากขึ้น 10% ไม่ว่าพวกเขาจะคลิกโฆษณาหรือไม่ก็ตาม

เมื่อหนึ่งศตวรรษก่อน John Wanamaker เคยกล่าวไว้ว่า "เงินครึ่งหนึ่งที่ฉันใช้ไปกับการโฆษณานั้นสูญเปล่า ปัญหาคือ ฉันไม่รู้ว่าครึ่งหนึ่งของใคร" ทุกวันนี้ นักการตลาดออนไลน์ยังคงพยายามเอาชนะปัญหาเดียวกันในการวิเคราะห์การวัดผล .

คำตอบดูเหมือนง่ายเพราะในโลกออนไลน์คุณสามารถติดตามการคลิกได้ ปัญหาก็คือการคลิกและการวิเคราะห์ตามการคลิกไม่สามารถทนได้ จำนวนคลิกไม่เพียงแต่ไม่สามารถบอกความจริงทั้งหมดได้ แต่ยังสามารถเปลี่ยนกลับด้านได้ โดยเฉพาะอย่างยิ่งเมื่อใช้เพียงอย่างเดียว

เนื่องจากความพร้อมใช้งานของเครื่องมือวิเคราะห์เว็บ นักการตลาดจำนวนมากจึงถือว่ากิจกรรมเว็บไซต์ (การมีส่วนร่วม คอนเวอร์ชัน – หมายเหตุบรรณาธิการของ semwatch) เป็นเพียงแคมเปญที่อิงจากการคลิก เช่น การคลิกบนโฆษณาแบบดิสเพลย์ อย่างไรก็ตาม นี่เป็นแนวทางที่จำกัดมาก

เนื่องจากอัตราการคลิกผ่าน (CTR) ของโฆษณาแบบรูปภาพต่ำมาก น้อยกว่า 0.1% คนส่วนใหญ่ที่เห็นโฆษณาออนไลน์จะไม่คลิกโฆษณานั้น นอกจากนี้จำนวนคลิกไม่เป็นสัดส่วนกับจำนวนคลิก คลิกประมาณ 85% มาจากคน 8% มีการศึกษาอุตสาหกรรมจำนวนมากเกี่ยวกับปัญหานี้

อย่างไรก็ตาม อัตราการคลิกผ่านที่ต่ำไม่ได้หมายความว่าโฆษณาไม่ทำงาน แต่ในความเป็นจริงกลับตรงกันข้าม ผู้บริโภคมักจะซื้อหลังจากเห็นโฆษณาโดยไม่ได้คลิกโฆษณา

ในการทดสอบล่าสุด เครือข่ายโซเชียลเสมือนจริงที่เรียกว่า IMVU ที่ให้คุณซื้อสินค้าเสมือนจริงได้ พยายามค้นหาว่าจะเกิดอะไรขึ้นเมื่อผู้ใช้ IMVU ฟรี (ผู้ที่ได้รับอีเมลการตลาดและเห็นโฆษณาในโลกเสมือนจริง) อยู่ในโลกแห่งความเป็นจริง คุณมีแนวโน้มที่จะกลายเป็นผู้ใช้ที่จ่ายเงินมากขึ้นเมื่อคุณเห็นโฆษณาออนไลน์ของ IMVU หรือไม่

ในการทดสอบแบบควบคุม ลูกค้าที่เห็นโฆษณา IMVU มีแนวโน้มที่จะกลายเป็นลูกค้าที่ชำระเงินมากขึ้น 10% ไม่ว่าพวกเขาจะคลิกโฆษณาหรือไม่ก็ตาม การเพิ่มขึ้น 10% นี้เป็นส่วนเพิ่มเติมจากความพยายามทางการตลาดที่มีอยู่ทั้งหมดเมื่อเปรียบเทียบกับกลุ่มควบคุม กลุ่มควบคุมมีโอกาสเห็นแคมเปญการตลาดอื่นๆ เหมือนกับกลุ่มทดสอบ ข้อแตกต่างเพียงอย่างเดียวระหว่างทั้งสองกลุ่มคือพวกเขาเห็นโฆษณาจริงหรือไม่ กลุ่มทดสอบเห็นโฆษณา IMVU ในขณะที่กลุ่มควบคุมเห็นโฆษณาที่ไม่เกี่ยวข้อง

IMVU ใช้วิธีการเดียวกันเพื่อทดสอบว่าผู้ใช้ที่ชำระเงินจะเต็มใจที่จะจ่ายเงินมากขึ้นหรือไม่ หากพวกเขาเห็นโฆษณาที่กระตุ้นการบริโภคในโลกแห่งความเป็นจริง โดยเฉลี่ยแล้ว สมาชิก IMVU ที่เห็นโฆษณาที่โปรโมตผลิตภัณฑ์เสมือนจริงจะใช้จ่ายมากกว่าสองเท่าของผู้ที่เห็นโฆษณาที่ไม่เกี่ยวข้อง ไม่ว่าพวกเขาจะคลิกโฆษณาหรือไม่ก็ตาม ขอย้ำอีกครั้งว่าการเพิ่มประสิทธิภาพนี้เป็นการเพิ่มเติมจากโปรโมชันผ่านอีเมลและโลกเสมือนจริง บริษัทอย่าง IMVU ขายสินค้าเสมือนจริงราวกับว่าพวกเขากำลังพิมพ์เงิน

ให้เรามุ่งเน้นไปที่บริษัทอีคอมเมิร์ซอีกครั้ง บริษัทอาศัยเครื่องมือวิเคราะห์เว็บไซต์อย่างมากในการวิเคราะห์ข้อมูลพฤติกรรมผู้ใช้หลังการคลิก (เพื่อเพิ่มประสิทธิภาพเอฟเฟกต์แคมเปญการตลาด - หมายเหตุบรรณาธิการของ semwatch) (วันที่หลังการคลิก) (การเข้าชมและรายได้ของเว็บไซต์มาจากการโฆษณา) ผู้ลงโฆษณาหวังว่าจะใช้เฉพาะข้อมูลพฤติกรรมผู้ใช้หลังการคลิกเป็นพื้นฐานในการเพิ่มประสิทธิภาพ เนื่องจากลูกค้าไม่ได้ติดตามรายได้ที่เกี่ยวข้องกับการแสดงผล (รายได้หลังการดู) จึงไม่มีวิธีใดที่จะเพิ่มประสิทธิภาพได้

มาทบทวนสองสถานการณ์นี้กัน: การเพิ่มประสิทธิภาพที่จัดสรรการมีส่วนร่วมของ Conversion ตามข้อมูลหลังการคลิก (หลังการคลิก) กับการเพิ่มประสิทธิภาพที่จัดสรรการมีส่วนร่วมของ Conversion ตามข้อมูลหลังการแสดงผล (หลังการดู) รายได้ที่เพิ่มขึ้นจากการเพิ่มประสิทธิภาพหลังการแสดงผลนั้นสูงกว่าการเพิ่มประสิทธิภาพหลังการคลิกถึงสิบเท่า เมื่อวิเคราะห์รายได้จากมุมมองหลังการคลิก เราจะเรียกโฆษณาที่ดีที่สุดว่า A และโฆษณาที่แย่ที่สุด C แต่เมื่อวิเคราะห์จากมุมมองหลังการแสดง ผลลัพธ์กลับตรงกันข้ามเลย C นั้นดีที่สุดและ A นั้นแย่ที่สุด สิ่งนี้นำไปสู่โซลูชันการปรับให้เหมาะสมที่แตกต่างอย่างสิ้นเชิง

อาจมีคนโต้แย้งในสิ่งที่ตรงกันข้ามและโต้แย้งว่าการวิเคราะห์หลังการแสดงผลเกินจริงในการโฆษณาออนไลน์ เนื่องจากผู้มีโอกาสเป็นผู้บริโภคมีแนวโน้มที่จะซื้อผลิตภัณฑ์ไม่ว่าพวกเขาจะเคยเห็นโฆษณาออนไลน์หรือไม่ก็ตาม และโฆษณาเหล่านี้อาจไม่มีอิทธิพลต่อการตัดสินใจของพวกเขา อย่างไรก็ตาม หลังจากการทดสอบซ้ำแล้วซ้ำเล่า เราพบว่าผลลัพธ์กลับตรงกันข้ามเลย เราวิเคราะห์กรอบเวลาระหว่างการดูโฆษณาและการซื้อผลิตภัณฑ์ ข้อมูลแสดงให้เห็นว่า Conversion ที่เพิ่มขึ้นอย่างรวดเร็วเกิดขึ้นภายในระยะเวลาสั้นๆ หลังจากที่ผู้บริโภคเห็นโฆษณา ซึ่งสะท้อนถึงผลกระทบของการระบุแหล่งที่มาหลังการแสดงผล ในตัวอย่างด้านล่าง Conversion ครึ่งหนึ่งเกิดขึ้นภายในหกชั่วโมงหลังจากแสดงโฆษณา และ 70% ของ Conversion เกิดขึ้นภายใน 24 ชั่วโมงหลังจากแสดงโฆษณา หากการระบุแหล่งที่มาหลังการแสดงผลไม่มีผลกระทบดังกล่าว เราควรเห็นอัตรา Conversion กระจายแบบสุ่มเมื่อเวลาผ่านไปเพื่อให้เป็นไปตามรูปแบบเชิงเส้นแทนที่จะเป็นรูปแบบเส้นโค้ง

สิ่งที่สำคัญที่สุดคือแคมเปญโฆษณาแต่ละแคมเปญมีความแตกต่างกัน ทั้งหมดควรได้รับการปรับให้เหมาะสมตามข้อมูลให้ได้มากที่สุด อย่าพึ่งพาการวิเคราะห์ตามการคลิกเพียงอย่างเดียว เป็นการดีกว่าที่จะใช้จุดแข็งและทรัพยากรของคุณให้เกิดประโยชน์สูงสุด

ความเห็นจากเทียนอัน:

การวิเคราะห์ประสิทธิภาพของการโฆษณาแบบรูปภาพควรอ้างอิงถึงปัจจัยต่างๆ เช่น:

1. จุดประสงค์ของการโฆษณาแบบดิสเพลย์คืออะไร? โฆษณานี้หวังว่าจะมีผลกระทบต่อการตัดสินใจของผู้บริโภคในขั้นตอนใด

2. คุณมีลักษณะเฉพาะของอุตสาหกรรมนี้อย่างไร? วงจรการตัดสินใจของผู้บริโภคใช้เวลานานเท่าใด?

ที่จริงแล้ว โฆษณาแบบรูปภาพนั้นเป็นสื่อที่ต้องชำระเงิน และเว็บไซต์ที่คุณเข้าไปหลังจากคลิกนั้นเป็นสื่อที่มีเจ้าของเอง แต่จริงๆ แล้ว สื่อทั้งสองนั้นเป็นสื่อที่ผู้ลงโฆษณาสามารถควบคุมได้ สำหรับผู้ลงโฆษณา การคลิกเป็นเพียงการถ่ายโอนจากการแสดงโมดูลข้อมูลหนึ่งไปยังการแสดงโมดูลข้อมูลอื่น

จากมุมมองของผู้บริโภค ทั้งสองกำลังถ่ายทอดข้อมูลให้เขา ความแตกต่างอยู่ที่ปริมาณข้อมูลและการมุ่งเน้นการอ่านของเขาเองเท่านั้น การคลิกแสดงถึงระดับการมีส่วนร่วมที่ค่อนข้างสูง แต่การแสดงผลก็เป็นการส่งข้อมูลเช่นกัน ผลกระทบของการส่งข้อมูลนี้คือ "สิ่งสำคัญที่สุด" ในการตัดสินใจ เช่น ถ้าเห็นโฆษณาเครื่องออกกำลังกายบางทีก็ดูแต่ไม่ได้คลิกดู แต่ถ้ามีความต้องการคล้ายๆ กัน แล้วค้นหาเครื่องออกกำลังกายผ่านเสิร์ชเอ็นจิ้นอีกครั้ง ก็เห็นชื่อเดิมเพราะเป็น การแสดงผลโฆษณาครั้งที่สอง ดังนั้น ฉันอาจมีความรู้สึกคุ้นเคย/ไว้วางใจที่นำไปสู่การคลิก

สถานะปัจจุบันของการวิเคราะห์ข้อมูลโฆษณาแบบดิสเพลย์อาจถูกจำกัดโดยความยากในการรวบรวมข้อมูลเป็นส่วนใหญ่ ในสื่อที่เป็นเจ้าของเอง ด้วยเทคโนโลยีการวิเคราะห์เว็บไซต์ที่แพร่หลาย ข้อมูลการคลิกจะถูกรวบรวมได้ง่ายและสามารถนำไปใช้ในทางปฏิบัติได้อย่างง่ายดาย อย่างไรก็ตาม ในสื่อที่ต้องชำระเงิน โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมของสื่อของตลาดโฆษณาแบบดิสเพลย์ในประเทศ ข้อมูลจำนวนมากไม่สามารถรวบรวมได้ หรือแบ่งปันกับผู้ลงโฆษณา ดังนั้นจึงถูกกำหนดให้ละเลยในการวิเคราะห์และการเพิ่มประสิทธิภาพ ยิ่งไปกว่านั้น เพื่อให้ได้ข้อสรุปข้างต้น จำเป็นต้องมีการวิเคราะห์ข้อมูลจำนวนมากอย่างระมัดระวัง นี่ถือได้ว่าเป็นความเจ็บปวดในกระบวนการพัฒนาของอุตสาหกรรม

ข้อความต้นฉบับ: http://www.imediaconnection.com/content/29020.asp

ผู้เขียน Jarvis Mak เกิดในสาขาชีววิทยาและทำหน้าที่ให้กับ Yahoo และ Neilson ตามลำดับในการวิเคราะห์ลูกค้า รวมถึงโครงการ MegaPanel ตอนนี้มุ่งเน้นไปที่สื่อดิจิทัลและการตลาดในอุตสาหกรรมค้าปลีก -

ที่มาคำแปล: http://semwatch.org/