Table of Contents
מדוע משתמשים מזינים יותר מאי פעם עבור הנדסה אתר Ad Income
עבור אתרי הנדסה שמסתמך על הכנסות מודעות דיגיטליות, השולי בין קמפיין רווחי לבין מאכזב לעתים קרובות צר למשתנה יחיד: רלוונטיות כאשר המבקרים נתקלים בפרסומות שמרגישות פולשניות, לא רלוונטיות, או מחוץ להקשר, הם קופצים.שיעורי בואז עולים, שוהים טיפות זמן, ומפרסמים רואים ירידה בהוצאות שלהם.
משוב משתמש - בין אם במפורש באמצעות סקרים או אימפולסיבי באמצעות אותות התנהגותיים - מספק צינור ישיר לתוך מה קהל ההנדסה שלך באמת רוצה.מהנדסים הם צרכנים סלקטיבית של תוכן; הם מעריכים דיוק, בהירות, ותועלת. מפרסמים מיקוד אנשי מקצוע אלה לשלם פרמיה עבור קהלים שמתאימים לערכים אלה.על ידי איסוף ופעולה באופן שיטתי על משוב, מו"ל יכול ליצור סביבות מודעות שמרגישים, חינוכיים, או מועיל באמת מאשר להפריע לחוויות גבוהות יותר מאשר ל- Cretrerereretretretrerererereretretrerereme.
מדריך זה חוקר את הספקטרום המלא של איך משוב משתמש יכול להיות מבצעי כדי לחדד אסטרטגיות מודעות באתרי הנדסה.מ פריסת כלי איסוף משוב לניתוח גרפינרי של נתונים התנהגותיים ואת ההתאמה הטקטית של פורמטי מודעות, כל צעד נועד למקסם את שביעות הרצון של המשתמשים ואת ההכנסות למבקרים.
הבנת שכבות של הזנת משתמשים
משוב משתמש אינו מונוליטי.זה קיים על ספקטרום מכוונות מאוד (למשל, תגובה בכתב) לפאסיבי לחלוטין (למשל, דפוסי תנועת עכברים).
Explicit Feedback: סקרים, פולס והערות
משוב אקספונס מסופק מרצון על ידי המשתמש, לעתים קרובות בתגובה לשאלה ישירה או על אתרי הנדסה, זה יכול לקחת את הטופס של:
- (ב) ,0) סקרים באתר (FLT:1) - פופ-אפים קצרים המבקשים על רלוונטיות או רמת עצבנות.
- [ה]ה' [ה]'[ה]'[דרוש מקור]]'[דרוש מקור], [ה]
- (FLT:0)Comment חוטים fLT:1 - בדרך כלל לא מטומטמים, אלה חושפים כיצד משתמשים מרגישים לגבי מיקומים ספציפיים (למשל, "דגל מקל זה חוסם את התרבמה המתפתלת").
- (FLT:0) אדג'טים אדג'טים 1 (Persistent "Send משוב" כפתורים המאפשרים למשתמשים לדווח על בעיות או להציע שיפורים.
מכיוון שהמהנדסים מעריכים יעילות, מנגנוני משוב מפורשים חייבים להיות סקרים ללא פשרות לאחר שמשתמש בילה שתי דקות על מאמר טכני יכול לתת תשובות באיכות גבוהה.הנתונים עשירים אך חסונים; רוב המבקרים לא יפריעו אלא אם כן יגרורו, כך האתגר הוא לדעת מתי וכיצד לשאול.
משוב: אותות התנהגות שלא משקרים לעולם
בעוד משוב מפורש אומר לך מה משתמשים (FLT:0) אומרותראונדים 1:1 הם רוצים, משוב בלתי מאויש מגלה מה הם FLT:2actuallyph 3: do.
- (FLT:0)Scroll DeepigFLT:1 - משתמש מפסיק לגלול ביחידת מודעה הוא קריאה של תוכן קשור או התעלמות מהמודעה. Deep Scrolls לפני אמצע העמודים מצביעים על הסחת דעת נמוכה.
- שיעור ה-Click-through (CTR)BuildFLT:1) - המדד הישיר ביותר של רלוונטיות, אם כי באתרי הנדסה CTRs הם בדרך כלל נמוך כי משתמשים הם מוכווני משימה.אפילו CTR נמוך ניתן להשוות בין היתר על ידי מיקומים לזיהוי מנצחים יחסיים.
- (FLT:0)Time on PageigFLT:1) - מודעה שלא מגדילה את קצב הסימון היא התחלה טובה; אחד שמתאים עם זמן ארוך יותר הוא מצוין, כי נוכחות המודעה אינה מרחיקה משתמשים משם.
- (FLT:0)ViewabilityFLT:1) - אחוז יחידות המודעות באמת ראו על ידי משתמשים. נמוך ראייה אותות מיקום גרוע - נמוך מדי בעמוד או קטן מדי.
- (FLT:0) מדד קלוטריאר (FLT:1) - מדד מותאם אישית המעקב אחר היחס של אזור המודעות-לתוכן.כאשר הוא עולה על סף (למשל 30%), שביעות רצון המשתמש יורדת באופן בלתי צפוי.
ניתן לאסוף נתונים מדויקים באמצעות פלטפורמות ניתוח כגון:0 (Google AnalyticsFelo: 1) או כלי אד-טק ייעודי כגון FLT:2MediavineureFLT 3: 3 (עבור אופטימיזציה של CPM).
איסוף מזון: כלים וטקטיקות עבור קהלי הנדסה
פשוט רוצה משוב הוא לא מספיק.אתה צריך אסטרטגיית איסוף מכוונת שמכבדת את זמן המשתמש ואת הרגישות הטכנית של המבקרים בהנדסה הם פחות סובלניים של פופ-אפים, חטיבות, סקרים רב עמודים מאשר קהלים כלליים.כאן הם שיטות מוכחות שעובדות באתרים טכניים.
1-Question Survey
שאלה אחת על תת-קבוצה של רשמים בעמוד: "האם אתה ממליץ על החוויה של האתר הזה לעמיתה?", עם אפשרויות בינאריות או כוכבים, המפתח הוא לעורר את הסקר רק לאחר שמשתמש מגולל מעבר ליחידת המודעות הראשונה - כך שהם באמת חוו את המודעות כמו FLT:0 עיגול 1 או LT:2Svicrated: לאפשר תנאים כאלה לקוד ללא תנאי קוד כזה.
2.S. Session Replays and Heatmaps
להקליט מפגשים משתמשים אנונימיים לצפות בדיוק איך המבקרים אינטראקציה עם מיקומים מודעות. Heatmaps לחשוף "אזורי לחץ" שבו משתמשים נוחתים בטעות על מודעות מול איפה הם אינטראקציה בכוונה לאתר הדרכה הנדסי, מפת חום עשוי להראות כי משתמשים לעתים קרובות ללחוץ על כפתור "Down Dataload" המתרחש כדי לשבת ליד עוגן הקשור למודע - על מנת להציג clutter ראייה.
A/B Testing Feedback Loops
במקום לשאול משתמשים מה הם רוצים, לבדוק שתי הגדרות מודעות נגד זה ולדרג את משוב התנהגותי.לדוגמה, להשוות מלבן סטנדרטי 300×250 בצד מול יליד יחידת תוכן.הגרסה שמייצרת גלאז' דרך ושיעורי הסימון התחתון נשמרת.לאחר מכן לפרוס סקר מעקב ששואל "האם שמתם לב למודעות במאמר זה?"
4. סקרי דואר אלקטרוני ישירים למשתמשים
מנויים רשומים - במיוחד אלה שהורידו מסמכים טכניים לבנים או פורומים משומשים - מוכנים לעתים קרובות לספק משוב מפורט. סקר דואר אלקטרוני רבעי (עם 3-5 שאלות) על ניסיון המודעה יכול לתת תשובות באיכות גבוהה, לטווח ארוך.
ניתוח תבניות משוב לזהות נקודות פרידה
משוב רול הוא רעש עד שתבניות מופקות.המטרה היא לחלק משוב לקטגוריות ניתנות להפעלה.עבור אתרי הנדסה, נקודות חיכוך נפוצות כוללות:
פורמטים Adtrusive Ad Formats
Interstitials, קטעי וידאו עם קול, ו- מסך מלא הם הפורמטים השנואים ביותר בכל משתמשי האינטרנט, אבל מהנדסים במיוחד resent אותם כי הם להפריע קריאה עמוק מיקוד נתונים אם משוב מראה עלייה בהערות שליליות לאחר פריסת יחידת מודעות וידאו חדשה, הגיע הזמן למשוך פורמט זה או להוסיף אפשרויות מלוטשות / סגורות של המשתמש.
המונחים: Creative content
מהנדסים רוצים מודעות המתייחסות לתחום שלהם: כלים, רכיבים, תוכנה או הכשרה מקצועית.מודעה עבור יישום צרכנים על מדריך עיצוב מעגלים מייצרת רק עצבנות.אם משוב לא רצוי מראה ליד אפס CTR בשילוב עם יציאות דף מוגברת, התסריט התואם צריך התאמה. השתמש ב- CRM או DMP נתונים (אם זמין) כדי לחדד את קטעי הקהל עבור פרסומות matic.
עדות
יותר מדי מודעות בעמוד מדגימים את התוכן של המערכת ומאטים את זמני העומס.ה משוב אקספוצי כמו "יותר מדי קלוטר" תואם עם יחס מודעות גבוה לתוכן.תיקון פשוט הוא להפחית את מספר החניכים בעמוד או ליישם טעינה עצלה כי עיכובים מפרסומות מסך עד לגלולות המשתמש לידם.
כלים לניתוח: לשלב תנאי חיפוש מ משוב (למשל, "מפריע", "נמוך", "חסרי חשיבות") עם נתונים התנהגותיים המסוננים על ידי משתמשי מכשירים.נייד של אתרי הנדסה לעתים קרובות יש את החוויה הגרועה ביותר, כי המודעות הן כבדות יותר.
סירוב לאסטרטגיות אד: מהתבוננות ועד ליישום
ברגע שתבניות ברורות, תהליך הזיקוק עוקב אחר מחזור מובנה: גודל השינוי - חזור על כך.למטה הן התאמות אסטרטגיות ספציפיות שאתרי הנדסה יכולים לעשות בהתבסס על ממצאי משוב משותפים.
אופטימיזציה של מיקום באמצעות חימום מפות אימות אזורי
(ב) (הופנה מהדף ה-Hypothesis: FLT:1igture Ads) שהוצבו מיד מתחת ל- H2 הראשון כותרת ניתן לראות יותר ופחות אובססיבי מאשר אלה בצד ימין.FLT:2 (FLT 3: 3) ראו את ה- CLT:4 מזיז את החריץ הראשי מן הצד השני לתכנים, לאחר הסעיף השני של סעיף 5)
פורמט CTR ו- Feedback Ratings
אם משוב מפורש מעיד על כך שפופ-ups ודגלים שניתן להרחיב אינם אוהבים, מחליפים אותם עם יחידות אדמיניסטרציה בסגנון Native-סגנון שתואמים את הטיפוגרפיה של האתר.מהנדס המודעה להיראות כמו סיכום מאמר בחסות, עם ברור (FLT:0) "Sponsored"FLT:1 תווית אם שיעור הקליק-באמצעות יחידות אלה לפצות על ה-CPM הנמוך ביותר, כי לעיתים קרובות הוא הערך המפרסמים הוא גבוה יותר.
עבור חילופי מודעות מתכנתים, להגדיר פריטים קו נפרדים עבור Native לעומת תצוגה ולהקצות מלאי מבוסס על פלח המשתמש. מבקרים Frequent עשויים לראות רק יחידות ילידיות; מבקרים חדשים יכולים לראות תערובת של תצוגת סטנדרטית עד שהם מפגינים מעורבות.
תדירות Capping Using ההיסטוריה
משתמשים שלחצו בעבר על "Close" על מודעה או נתנו דירוגים נמוכים על סקרים צריכים לראות תדירות מופחתת של אותו קמפיין של מפרסם. תדירות יישום ריצוף ברמת המשתמש באמצעות פלטפורמה לניהול נתונים (DMP) או הגדרות שרת המודעה. עבור אתרי הנדסה, לכסים את אותו יצירתי למקסימום של שלוש פעמים עבור הפגישה.
טקטיקה זו מתייחסת ישירות לנושא משוב משותף: "אני רואה את אותה מודעה שוב ושוב" זה גם שומר על קצב רענון המודעות גבוה, אשר יכול לשפר את CPM על חילופי תוכנה כי להענשת רשמים נשמרים יתר.
צמצום ההשפעה על CPM Outcomes
CPM הוא מדד כוכב הצפון האולטימטיבי עבור רוב המו"ל.סירוב אסטרטגיות מודעות באמצעות משוב משתמש צריך להוביל לשיפורים למדידה ב- CPM לאורך זמן, בהנחה כי לולאת משוב סגורה כראוי.
תוצאות חיפוש משופרות
כאשר המודעות ממוקמות במקומות בעלי יכולת גבוהה (כפי שמצוין על ידי מפות של מגילת משתמשים), אחוז ההשקפה עולה. Ad Exchanges מתגמל רשמים בולטים עם CPMs גבוה יותר כי מפרסמים משלמים רק עבור מודעות אשר למעשה נראים.FLT:0IAB סטנדרטים FLT:1 דורש 50% מהמודעה בתצוגה לפחות שנייה אחת (וידאו) או שתיים (וידאו) לרושם כאפשרות לתרגם 10% ל- C.
שיעור מעורבות המשתמשים גבוה יותר
מודעות ⁇ שמשלים את התוכן ההנדסי מובילים ליותר קליקים וזמן רב יותר באתר.מפרסמים מציעים יותר אגרסיבי עבור קהלים שנראים מעורבים.אם משתמש נוחתים בדף, רואה מודעה אחת, נשאר במשך שלוש דקות לקרוא מדריך, כי הפגישה של המשתמש שווה יותר - ואת האלגוריתם ההחלפה לומדת להציע גבוה יותר על המלאי של אותו מפרסם.
הורדת Bounce Rate ו-Lower Ad Fatigue
הפחתות מונעות משוב במגידנטים מורידות את שיעור ה-CDC. שיעור קפיצה בריא יותר מסמן חווית משתמש איכותית הן למפרסמים והן ל- ad Tech intermediaries.נמוך גם להגדיל את המספר הכולל של רשמים מודעה לפגישה, אשר מגביר את ההכנסות הכוללות גם אם CPM נשאר שטוח.
יחסי חסות ישירים
כאשר משוב משתמש מראה רגשות חיוביים חזקים כלפי קטגוריות מודעות מסוימות (למשל, תוכנת CAD, יצרני Semiconductor), המו"ל יכול לגשת למותגים האלה עבור ספונסרים ישירים.ספקי מלאי ישירות CPMs 2 עד 5 פעמים גבוה יותר מאשר מלאי משיכה מתודולוגי.הנתוני משוב עצמו הופך לנקודת מכירה כאשר הוא מציג למפרסמים: "הקהל שלנו מדורג מודעות בקטגוריה זו 4.2/5 רלוונטיות".
אתר הנדסה Tutorial Boosted CPM ב -35%
אתר הנדסה התמקד במערכות משובצות (מיקרובקר, FPGA הדרכות) יצר 500 אלף צפיות דף חודשיות של קהל טכני מאוד.הכנסות Ad התמקדו בממוצע CPM של 8.50.האתר השתמש ב- 300×250 ו- 728x90 מיקום ראשי עם משוב מולטימדיה.
(ב) ויקרא י"ד:
- הסרת כל משבי ה-sidebar לחלוטין.
- הציג מודעה מקומית תוכן למאמר שהוצב לאחר הסעיף השלישי (מעלה את התקפל בנייד).
- נוסף על יחידת מודעות תוכן שנייה לאחר המסקנה, עם תווית ברורה ו"ראה פחות פרסומות" העדפה להתחקות.
- החלפתו את ראש הממשלה עם מודעה של הולכי רגל מקלה שהופיעה רק לאחר שהמשתמש לגלל 80% מהמאמר.
- הגדר משוב על החלק התחתון של כל דף: "האם חווית המודעה הזו הייתה מועילה?", עם אגודל / ⁇ s-down.
(ב) ,0) ,7 ימים לאחר 90 יום:
- יכולת צפייה השתפרה מ-42% ל-83% (ביחידות תוכן מופיעות בדרך כלל על ידי כמעט כל מי שקורא את המאמר).
- CPM עלתה מ- 8.50 ל-11.45 - עלייה של 34.7%.
- שיעור הבעייה ירד מ-58% ל-42%.
- דירוג Thumbsup על משוב על 84%.
- אורך הפגישה של פייג' גדל ב-18 שניות.
מקרה זה מדגים כי ירידה אגרסיבית במלאי מודעה - מונחה על ידי משוב - יכול למעשה להגדיל את ההכנסות הכוללות כי המודעות הנותרים להופיע ב CPM גבוה הרבה יותר, וההתקשרות מוגברת מביאה יותר רשמים מוחלטים לכל מבקר.
Best Practices for Sustaining a Feedback-Driven Ad Strategy
כדי לשמור על הרווחים של לולאת משוב לאורך זמן, על המו"לים להטמיע את התרגול לתוך זרימת העבודה הרגילה שלהם ולא לטפל בו כפרויקט חד פעמי.
יצירת אודיפטה יוקרתית
כל שלושה חודשים, יצוא הן מפורשות (תוצאות מבטיחות, הערות) ואימפולסיבי (מפת חום, עומק גלילה, העלאה) נתונים.חפש דפוסים חדשים: יש פורמט מודעה חדש שהוצג כי משתמשים מרגיזים?יש פריסת דף חדשה שינתה את האופן שבו משתמשים מגלגלים בעיות דגל ותיקון מראש של תיקונים המבוססים על השפעה בהכנסות.
Integrate Feedback with A/B Testing
לעולם אל תסמכו רק על חוות דעת המשתמש כדי לבצע שינויים.תמיד לאמת בניסויים מבוקרים.לדוגמה: 50% מהמבקרים רואים את הפריסה הנוכחית של המודעה, 50% רואים גרסה עם פחות חריצים. Measure הן CPM והן בסימני שביעות רצון.זה מונע חיובי כוזב ממיעוטים קולניים.
שינויים קושרים משתנים באופן דומה
כאשר משתמש שולח משוב ולאחר מכן משפר את חוויית המודעה, שקול להציג אנר קצר או הודעה: "תודה למשוב שלך, הפחתנו הפרעות מודעות" זה בונה אמון ומעודד השתתפות עתידית מהנדסים להעריך כאשר קלטם מוביל לשיפור משמעותי.
איזון UX ו-Fragmatic Trade-offs
לא כל משוב יכול להיות מופעל על ללא פגיעה בהכנסות.משתמש עשוי לבקש אפס פרסומות, אבל זה יסלק את המודל העסקי. במקום זאת, פשרה: להציע "מצב קורא" עם מודעות מינימליות עבור משתמשים הרשומים, או מנוי חינם מודעה שכבת.המפתח הוא להכיר את המשוב ולהסביר את ה- Trading-off. רוב קהלי הנדסה הם רציונליים ויגש הודעות סבירות אם הערך הוא ברור.
מסקנה
משוב משתמש אינו מושג מעורפל השמור עבור צוותי המוצר.עבור אתרי הנדסה המחלחלים באמצעות פרסום, זה המנוף הישיר ביותר לשיפור תוצאות CPM. על ידי שילוב סקרים מפורשים והערות עם אותות התנהגותיים לא רצויים - ולאחר מכן באופן שיטתי על מיקומים, פורמטים, צפיפות, רלוונטיות - publishers יכול ליצור סביבה שבה מודעות מרגישות כמו הרחבה טבעית של התוכן ולא הפרעה.
הכלכלה פשוטה: חוויות משתמש טובות יותר מובילות למעורבות גבוהה יותר, אשר פקודות CPMs גבוה יותר.הדרך היחידה ליישר אסטרטגיות מודעות ברציפות עם ציפיות המשתמש היא להקשיב, לנתח ולהתאים.הפידבק שאתה אוסף היום הוא הדפסה כחולה לצמיחת ההכנסות של מחר. בנה את הלולאה, לסגור אותו, ולצפות ב- CPMs שלך משקפים את איכות הקהל ההנדסי שלך.