

Привет, на связи fb1.shop. Рекламные объявления в Facebook стремительно эволюционируют. Ограничения конфиденциальности и достижения в области машинного обучения привели к тому, что старые стратегии, которые были рабочими, теперь относительно устарели.
Для того чтобы со временем улучшить результаты в Facebook, нужно иметь структурированный процесс тестирования. Каждый структурированный тест содержит выигрышную «контрольную переменную» и новую «тестовую переменную». В большинстве случаев это делается в контексте тестирования креатива. Мы должны создать «контрольную переменную» из наших текущих объявлений с наилучшими показателями, а затем запустить «тестовые переменные» (новые объявления) против этой контрольной переменной. Этот постоянный процесс тестирования постепенно улучшает нашу «контрольную переменную» и создает постепенное улучшение тест за тестом.
Частой ошибкой является создание новых объявлений, а затем их запуск в новых кампаниях по масштабированию. Это большая ошибка, которая пагубно сказывается на эффективности. Каждый новый рекламный креатив должен быть протестирован в рамках структурированного процесса. Объявления, которые побеждают в этом процессе тестирования, затем должны быть перенесены в выигрышную «контрольную переменную» для масштабирования. Такие кампании являются вечнозелеными и никогда не должны отключаться.
В Facebook «фаза обучения» и основная часть оптимизации происходит на уровне набора объявлений. Чем меньше наборов объявлений, тем больше данных для оптимизации каждого набора. Это приводит к значительному повышению эффективности таргетинга и производительности по сравнению с сегментированными аккаунтами.
Однако в большинстве случаев мы должны сегментировать кампании по офферам и по странам. У каждого продукта будет разная стоимость реализованных товаров, средняя стоимость заказа и стоимость жизни клиента. Как правило, эти показатели значительно отличаются и в разных странах. Из-за различий в общей марже прибыли на продажу/клиента между каждым продуктом и каждой страной целевая стоимость приобретения (стоимость одной покупки) также должна различаться между офферами и странами. Поэтому важно выделить каждый оффер/страну в отдельную кампанию, чтобы вручную контролировать распределение бюджета и достигать целевых показателей стоимости приобретения.
Вопреки общепринятой практике, не стоит чрезмерно использовать группы интересов или похожие аудитории ни в одном из наших наборов объявлений (в подавляющем большинстве случаев). Единственный таргетинг, который следует использовать, — это широкий таргетинг, который означает отсутствие групп интересов, похожих аудиторий и ретаргетинга. Мы оставляем таргетинг полностью на усмотрение алгоритмов Facebook.
Не используя несколько аудиторий, мы объединяем наши наборы объявлений (делая каждый набор умнее), мы избегаем ставок против себя, поскольку аудитории контролируют алгоритмы, и мы избегаем усталости аудитории, что значительно повышает стабильность рекламного баланса. Сегодня в Facebook таргетингом занимаются сами алгоритмы. Каждое объявление создает свою собственную функциональную похожую аудиторию, которой оно будет показываться. Детальный таргетинг объявлений теперь лишь ограничивает возможности алгоритмов Facebook и мешает найти идеальных клиентов за пределами выбранной и ограниченной целевой аудитории.
Окно атрибуции — это способ, с помощью которого Facebook оценивает и оптимизирует продажи.
Чем больше окно атрибуции, тем больше данных Facebook будет учитывать и оптимизировать — однако эти данные будут более низкого качества. Чем меньше окно атрибуции, тем меньше данных Facebook учитывает и оптимизирует, но эти данные являются более качественными.