איך דאטה ו-ויזואליזציה אפשרו לנו להוזיל את העלויות בפייסבוק בכ-40%
התראות ישירות לתיבת המייל שלך
על כל מה שחדש בעולם הדיגיטל?
על כל מה שחדש בעולם הדיגיטל?
מעל עשור שפייסבוק הולכת ומשכללת את אלגוריתם הפרסום שלה – המוח שאחראי להגיש לגולש הנכון את המודעה הנכונה בזמן הנכון. האלגוריתם המפורסם מבוסס על “למידת מכונה” כך שבשלב שנקרא בפייסבוק “שלב הלמידה”, בכל פעם שמודעה מוצגת, מתבצעת אופטימיזציה למיקומים ולקהלים. המודעות המוצגות בשלב זה מקבילות ל”סט האימון” של תהליכי למידת מכונה ועל בסיסן האלגוריתם לומד ומשפר את ביצועיו. כשהאלגוריתם במיטבו הוא מאפשר למפרסמים לשפר את התוצאות העסקיות ולקבל תמורה טובה יותר לתקציב הפרסום. ועדיין, ליד האנושית שבונה ומנהלת את הקמפיין השפעה דרמטית על התוצאות- ככל שהיד מאומנת ומיומנת, כך התוצאות מטפסות בהתאם.
לפיכך, לאור הדרכות והכשרות רבות, הון אנושי ברמה הגבוהה ביותר בעולם, ובזכות שיתוף הפעולה ההדוק שלנו ב-McCann Digital עם צוותי המומחים וצוותי הטכנולוגיה בפייסבוק, פעלנו בשיתוף על מנת לייצר שכבה טכנולוגית חדשה, שתסייע למדוד, לעקוב ולמטב את המדדים השונים.
מזה מספר שנים שאנחנו מפתחים את ה-BI של UM (או בקיצור UMBI) – טכנולוגיה בלעדית וייחודית לניהול, ניתוח ודשבורדינג, המשלבת בין נתוני מדיה ונתונים עסקיים.
UMBI מחובר לכל חשבונות הפרסום שלנו, לצד נתוני אנליטיקס ודאטה עסקי, ובאמצעותו אנחנו מנהלים את הפעילות הדיגיטלית של לקוחותינו.
בשיתוף פעולה עם פייסבוק באמצעות ה-API הייעודי, יצאנו לפרויקט משותף, במסגרתו:
– תרגמנו את כל ה-best practice ל-KPIs
– הגדרנו את המדדים ב-UMBI
– אספנו אותם באופן שוטף ואוטומטי
– בנינו דשבורד שמציג את הנתונים בצורה נוחה, כזו שמנחה את מנהלי הקמפיין באופן מהיר ואינטואיטיבי לשיפור הביצועים.
כך ייצרנו לכל מנהל קמפיינים כלי שיאפשר לו במבט נוח להבין מה האזורים שבהם הוא צריך להשתפר (ומתי הוא צריך לטפוח לעצמו על השכם). גם מנהלי היחידות השונות יכלו להתחיל לעקוב אחר העמידה ב-KPIs של לקוחותיהם.
לאחר חודשיים בלבד, ראינו הוזלה של 38% בעלות הממוצעת להמרה (CPA), ביחס לממוצע השנתי – זאת כתוצאה משיפור משמעותי בניהול החשבונות ועמידה גבוהה יותר בבסט פרקטיס. כך למשל:
– בכל החשבונות היה שיפור של כמעט 100% בשיעור האדסטים שבהם היחס בין התקציב ובין הביד גדול מ-1 ל-5
– ירידה ממוצעת של 38% באדסטים שמטרגטים קהלים הקטנים מ-100K
– ירידה של 95% בכמות האדסטים שנמצאים בלמידה, עד לרמה של 8% (הבסט פרקטיס הוא לעמוד מתחת ל25%)
ומעבר למילים הטכניות והמספרים, בשורה התחתונה, ראינו כיצד הדשבורד שבנינו משפר ביצועים. חד וחלק.
במהלך בניית הדשבורד, עבדנו ביחד עם פייסבוק כדי להפוך את כללי העבודה למדדים ברורים. בין ה-best practices שאחריהם עקבנו בצורה פשוטה ואינטואיטיבית:
– מעקב אחר שיעור ה-ad sets שנמצאים בכל רגע נתון בתהליך למידה (אחוז מבוקר ונמוך מסייע לשמור על תוצאות טובות ועקביות, להוזיל עלויות ולהימנע מתנודתיות משמעותית בביצועים)
– שמירה על כמות סיגנלים (המרות) שבועית מספקת לכל ad set, על מנת לוודא שהמערכת מקבלת מספיק מידע ומצליחה לצאת מתהליך הלמידה, שהוא קריטי ליכולת להביא תוצאות טובות.
– שמירה על יחס של לפחות פי 5 בין העלות להמרה לבין התקציב היומי של אד סט, על מנת לאפשר למערכת לייצר מספיק המרות יומיות שיאפשרו יציאה מתהליך הלמידה (הבסט פרקטיס הוא 50 המרות בשבוע).
– שימוש בקהלים גדולים מ-100 אלף בפעילות direct response כדי לאפשר 50 המרות בשבוע.
– שימוש במיקומים אוטומטיים בפעילות direct response והתאמת קריאייטיבים לכל מיקום כדי לתת למערכת כמה שיותר חופש בהגשת המודעות ובאופטימזציה (קריאייטיב מותאם לפיד וקראייטיב מותאם לסטורי, לדוגמה).
– שמירה על גדלי קהלים דומים בין ad sets שונים בקמפיינים המשתמשים ב-campaign budget optimization (פער שלא עולה על 50% בגודל הקהל באדסטים השונים תחת אותו קמפיין) על מנת למנוע הטיה של ההוצאה לקהל הגדול והוצאה נמוכה בקהל הקטן.
– שמירה על תדירות אפקטיבית של חשיפות לגולש (לפחות 2 בשבוע).
– שמירה על חלוקה תקציבית נכונה בין קהלי רימרקטינג לקהלים חדשים, בין קראייטיב וידאו לקראייטיב סטאטי .
רוצים לשמוע עוד על האופן שבו data יכולה לעזור לשיווק הדיגיטלי שלכם? פנו אלינו!
תודה רבה ליוליה מנדייב מרום, אלמוג האובן, מעוז דגני וירון ראש על תרומתם הרבה בפרויקט.
