Digital Advertising

Table of Contents 筆者在之前的一篇文章提到，A/B Test其實就是用來驗證假設的工具。當你構思到一個可能提高廣告效益的假設時，A/B Test就能夠科學化地幫你驗證假設的實際影響。 不過，如果A/B Test的結果並不準確的話，我們反而會誤信不正確的實驗結果，然後在將來浪費更多的金錢於效益較低的廣告設定，得不償失。 因此，我們學會如何設定A/B Test之餘，亦必須謹記以下的要點來確保A/B Test能夠給予準確的結果。 要點1：測試變數 如果同一組A/B Test有兩個或以上的變數，即使其中一個版本的廣告或廣告組合跑出，都很難總結是因為哪一個因素影響。因此，每一組A/B Test都只改變一個變數，才是合理的做法。 具體一點來說，例如你設定了一個A/B Test，而兩個版本都有不同的廣告文案（變數A）和不同的投放觀眾（變數B），即使其中一個版本的廣告跑出，我們亦不能夠總結到底是變數A或是變數B導致實驗出現這樣的結果。 如果你想同時測試兩個或以上的變數，則應該使用多變量測試（Multivariate Test）。 簡單來說，例如你希望測試變數A和變數B，而每個變數都有兩個版本的廣告，那麼整個實驗則需要4則廣告：A1 + B1，A2 + B1，A1 +… Read More »提高Facebook/IG A/B Test成效！Ad Manager 4大A/B Test要點

Table of Contents A/B Test 簡介 如果你對A/B Test感到陌生，卻又想自行優化投放在Facebook/Instagram的廣告，這篇文章應該可以幫到你。 其實A/B Test的作用很簡單：驗證提升廣告成效的假設。 例如你設計了一個版本的廣告後，覺得另一個廣告標題的表現可能更好。為了驗證你的假設（A種類的廣告標題比B種類的廣告標題更高效益），你便需要設定A/B Test來把廣告費投放到兩款廣告，來觀察它們的表現。 A/B Test在廣告投放的最大好處，就是省卻了利用主觀邏輯來推斷廣告成效的手法，而是直接採用客觀的方式來比較不同廣告版本的成效。 新增Campaign 如果你之前完全沒有在Ad Manager中製作A/B Test的話，在Ad Manager中加設A/B Test的步驟並不複雜。首先，你需要新增一個Campaign 新增Campaign時揀選A/B Test 揀選A/B Test 分類（稍後會談及這四個分類）和揀選版本數量… Read More »如何設定A/B Test？Facebook Ad Manager教學

Table of Contents Facebook Ad Manager是眾多社交媒體之中數據較為齊備和選項比較自由的廣告投放工具。雖然它的功能十分齊全，可是對於初學者來說，Facebook Ad Manager界面上很多的數據都會令人感到十分困惑。 因此，這篇文章將會解釋20個在Facebook Ad Manager中較為常見的廣告數據。 Impression（曝光次數） 當廣告在用戶畫面中顯示一次，則會計算為一次曝光。 如果廣告載入Facebook後，用戶不斷上下滑動畫面經過廣告，這個情況依然會當作一次曝光。但如果同一廣告第二次載入Facebook（例如用戶重新開啟Facebook App），然後再出現在畫面的話，就會被計算作第二次曝光。 Reach （觸及人數） 看過廣告一次或以上的人數。 同一用戶無論看過廣告多少次，都只會被計算為一個觸及人數。 Frequency（頻率） 每個曾經看過廣告的人，平均看到廣告的次數。 頻率其實就是曝光次數除以觸及人數的數值。例如曝光次數是20而觸及人數是10的話，就代表每個人平均看了廣告兩次。 頻率最低的數值為1（所有看過廣告的人都只看了一次）。 CPM/Cost Per… Read More »20個Facebook Ad Manager投放廣告必懂的術語