ads-bidding

競價ŸŸ。預算篇

在診斷廣告為何曝光量少的時候,我們通常會從廣告競價(Bidding)、預算(Budget )、素材(Creatives )及受眾(Audience)四個方向去診斷曝光稀少的原因,進而調整廣告的設定或內容。過去我們曾經為大家準備了「素材Ÿ受眾篇」,今天則為大家介紹競價及預算對廣告曝光的影響。

競價方式與金額

競價金額會直接影響到您的廣告曝光難易度。您的廣告並不是在建立後就直接出現在用戶的畫面上,而是會先通過實時競價(Real Time Bidding)系統的考驗。在實時競價系統中,同時有很多廣告在競爭。如果若干個廣告都欲投遞給同一群受眾,而這一秒某用戶只能看到一個廣告,系統會自動把這些廣告主所設定的CPM*、CPC、CPA競價換算成可比較之相同基準出價,並將出價和相關性分數總合最高的廣告投遞給該用戶。也就是說,這個公式決定您的廣告是否能在系統中搶到版位:

廣告投放的優先程度=廣告競標價+相關性分數
ads-bidding
系統會把總分最高的廣告首先投放出去,但是實際投放的價格不一定是您當選定的競價價格。舉例而言,假設廣告成效優化師當初將CPC的競價設定為10美元,且以10美元勝出,他的廣告成本就是10美元嗎?不是!在廣告投遞系統裡設定的價格,是您願意支付的最高價,但是Facebook會先賣出較便宜的版位,盡量以最低的價格價投放廣告。同時,您所設定的最高願付價格不一定是該群受眾的有效投放價格,因此您最後需要支付的廣告成本會被壓低。

現在我們應該有一個共識了:出價太低會造成廣告投遞困難!那麼,到底什麼數字是太低呢?我們建議您估算自己可以承受的最高成本,才不會因為出價太低而導致錯失廣告投遞的機會。同時也參考Facebook提供的建議出價,確保您可以接受的最高廣告投遞價格不會落在最低到中間值的區間,導致投放困難。將您的最高願付價格設定為廣告競標價、避免投機,才是操作Facebook廣告的致勝關鍵。

若您在設定廣告時,已經確定您的廣告競標價格高於Facebook的建議最高競標價格,但卻又在廣告執行後,發現廣告投遞量不佳之際,請再度查看該廣告的Facebook建議競標價格。為什麼呢?因為Facebook建議競標價格是隨著市場整體價格變動的。每分每秒在Facebook上競爭該版位、該受眾的廣告數量不同,廣告競價的設定也不同,建議競標價格也隨著浮動。若發現您的競標價格落在Facebook建議競標價格的中後段,代表您過去設定的價格在這個時間點已不具競爭力,使您失去市場交易的機會。我們建議您將競標價往上調,才能獲得更多刊登廣告的版位。

預算
預算太低可能影響廣告曝光,因為在API v2.4之後,競價與預算有了連動的關係,而競價的高低會直接影響廣告在市場上的競爭力。因此,您在廣告投遞系統上設定的預算,必須配合廣告競標價格做調整。
當廣告組合有自行設定競價時:
ads-bidding
同時包括台灣在內,以下的國家都需要再將上述的每日最低預算乘以2倍:澳洲、奧地利、比利時、加拿大、丹麥、芬蘭、法國、德國、希臘、香港、以色列、義大利、日本、荷蘭、紐西蘭、挪威、新加坡、南韓、西班牙、瑞典、瑞士、英國、美國。

舉例來說:
CPM*競價,競標價 = NT$300              最低日預算 = NT$300 x 2倍 = NT$600
CPC / CPA競價,競標價 = NT$5         最低日預算 = NT$5 x 5倍 x 2倍 = NT$50

因此,若您的每日預算過低,無法配合適當的競價金額,不用說在實時競價系統中受挫,系統一開始就不會讓您上傳廣告。

當然,假如您設定了夠多的預算,當下的競價也沒有過低,也不代表廣告曝光不足的情況不會發生。假設小明負責Hub線上購物的案子,以CPM*出價,並且優化最終結帳轉換,期待可以為Hub線上購物帶來高轉單數。但是,因為優化的母群體太小,廣告很快就開始就出不去。經檢查後發現結帳轉換率才0.05%,非常低。這時小明應該把優化的轉換設定成上一級,例如加入購物車或是產品頁面瀏覽,以提升轉換率及曝光次數。也就是說,單從競價方式和金額其實無法完整診斷廣告曝光不足的原因,優化轉換的標的以及我們之前介紹過的受眾和廣告素材,都是可能造成廣告投遞困難的因素。但是一開始就設定好適當的預算和競標金額,可以幫您省去許多來回更改設定的麻煩。

看完以上介紹,相信你對廣告曝光的邏輯、競價高低和預算設定的重要性有更進一步的認識。如果對Facebook廣告有進一步興趣,歡迎與我們連絡。這裡有強大的廣告成效優化師群,擁有豐富的廣告操作經驗,也善於分析廣告成效及發展廣告優化策略。我們將使用adHub廣告投遞平台,為您的廣告做最適切的操作,極大化數位廣告的效益。

*CPM: 本文所指知CPM為過去所述之oCPM。在2015年10月API改版後,所有競價方式皆可選擇廣告組合最佳化目標。