ทำความเข้าใจกับโมเดลคอนเวอร์ชั่นของ Facebook: กุญแจสำคัญในการปลดล็อกการวัดผลที่ดีขึ้นในโลกหลังคุกกี้
เผยแพร่แล้ว: 2022-06-04ถึงตอนนี้ ทุกแพลตฟอร์มโฆษณาดิจิทัลรายใหญ่ได้เสนอแนวทางบางประการเกี่ยวกับ ผลกระทบที่คาดหวังจากการเปลี่ยนแปลงความเป็นส่วนตัวล่าสุดของ Apple กับ iOS 14.5 ขึ้น ไป และที่สำคัญที่สุดคือคุณสมบัติความโปร่งใสในการติดตามแอป (ATT)
Facebook ตอบโต้อย่างรุนแรงที่สุด โดยกล่าวหา Apple ว่าสร้างความเสียหายให้กับธุรกิจขนาดเล็ก และยุติกรอบเวลาการระบุแหล่งที่มา 28 วันสำหรับโฆษณาก่อนที่จะมีการเผยแพร่การอัปเดต
แม้ว่าผลกระทบในขั้นต้นของ iOS 14.5+ (ซึ่งเปิดตัวในปลายเดือนเมษายน) ต่อทั้งนักการตลาดและข้อมูลที่นำเสนอนั้นน้อยมาก แต่นั่นก็เปลี่ยนไปทั้งหมด: ไม่กี่วันก่อน การประชุม WWDC ของ Apple ในต้นเดือนมิถุนายน อัตราการนำไปใช้ที่คาดคะเนได้เพิ่มสูงขึ้นกว่า 60% และ คาดการณ์ได้ จำนวนนั้นคาดว่าจะถึงมวลวิกฤตในไม่ช้า
นักการตลาดต่างคาดการณ์ถึงผลกระทบที่จะมีต่อโฆษณาบน Facebook โดยตั้งคำถามทุกอย่างตั้งแต่ความถูกต้องของข้อมูลประสิทธิภาพไปจนถึงความสามารถในการค้นหากลุ่มเป้าหมาย แต่ขอลงที่งานทองเหลือง สิ่งที่ทุกคนอยากรู้คือบริการโฆษณาอัลกอริธึมของ Facebook จะสามารถทำงานได้อย่างมีประสิทธิภาพด้วยข้อมูลน้อยลงหรือไม่
กุญแจสำคัญในการปลดล็อกการวัดที่แม่นยำ: การแปลงแบบจำลอง
วิธีหนึ่งในการเติมช่องว่างที่อาจเกิดขึ้นในเส้นทางของลูกค้าและประเมินประสิทธิผลของการลงทุนทางการตลาดได้อย่างถูกต้องคือผ่านการสร้างแบบจำลองคอนเวอร์ชัน และนั่นคือสิ่งที่ Facebook กำลังเริ่มใช้
การสร้างแบบจำลองการแปลงคืออะไร?
การสร้างแบบจำลองคอนเวอร์ชันหมายถึงการใช้แมชชีนเลิร์นนิงเพื่อวัดผลกระทบของความพยายามทางการตลาดของคุณเมื่อไม่สามารถวัดข้อมูลคอนเวอร์ชันได้ ไม่ว่าจะเกิดจากข้อจำกัดในการติดตามบนอุปกรณ์ iOS หรือจุดบอดจากพฤติกรรมการซื้อข้ามอุปกรณ์
แบบจำลองคอนเวอร์ชั่นใช้ข้อมูลที่รวบรวมและไม่ระบุตัวตนเพื่อประเมินคอนเวอร์ชั่นที่แพลตฟอร์มโฆษณาอย่าง Facebook หรือ Google ไม่สามารถสังเกตได้โดยตรง ให้รายงานที่สมบูรณ์ยิ่งขึ้นเกี่ยวกับคอนเวอร์ชั่นของคุณในขณะที่เคารพความยินยอมของผู้ใช้
เหตุใดการสร้างแบบจำลองการแปลงจึงมีความสำคัญมากในตอนนี้
การสร้างแบบจำลองคอนเวอร์ชันช่วยให้นักการตลาดสามารถวัดความสำเร็จตลอดเส้นทางของลูกค้าได้อย่างมีประสิทธิภาพมากขึ้น และเพิ่มประสิทธิภาพการทำงานที่ข้อมูลการแปลงอาจบางส่วนหรือหายไป โดยใช้วิธีดังนี้:
- การวัดผลและการรายงาน: นักการตลาดที่ใช้ประโยชน์จากการสร้างแบบจำลองสามารถพิจารณาจำนวน Conversion ทั้งหมดที่เกิดขึ้นเพื่อให้เข้าใจผลกระทบของการตลาดได้อย่างถูกต้องและรักษาการเสนอราคาคุณภาพสูงเพื่อป้องกันไม่ให้มีการเสนอราคาต่ำหรือเสนอราคาสูงเกินไป
- การเพิ่มประสิทธิภาพและประสิทธิภาพ: หากไม่มีการสร้างแบบจำลอง วิธีการปรับให้เหมาะสมจะต้องดำเนินการกับข้อมูลบางส่วน ซึ่งอาจส่งผลให้ประสิทธิภาพลดลง ด้วยแบบจำลองการแปลง แพลตฟอร์มสามารถเรียนรู้จากข้อมูลที่เป็นตัวแทนมากขึ้น นำไปสู่การประมาณค่าและผลลัพธ์ที่ดีขึ้น
ขณะนี้ ธุรกิจของคุณน่าจะพลาดกลุ่มย่อยที่มีนัยสำคัญของบุคคลซึ่งเข้าถึงได้น้อยกว่าเนื่องจากการเปลี่ยนแปลงของ iOS การสร้างแบบจำลองช่วยแก้ปัญหานั้นด้วยการป้อนอัลกอริทึมให้กับข้อมูลมากขึ้น เพื่อให้แน่ใจว่าโฆษณาของคุณจะแสดงต่อผู้คนที่เหมาะสมในเวลาที่เหมาะสม
เนื่องจากอัตราการเลือกไม่รับมีจำนวนมาก การแปลงแบบจำลองจะมีความสำคัญสูงสุดสำหรับนักการตลาดที่ต้องการปลดล็อกภาพรวมของพฤติกรรมผู้บริโภคในขณะที่เคารพในความเป็นส่วนตัวของผู้ใช้
มีอะไรใหม่ใน Conversion จำลองบน Facebook
เพื่อตอบสนองต่อการเปลี่ยนแปลงการติดตามครั้งใหญ่ของ Apple ตอนนี้ Facebook จะสร้างแบบจำลองข้อมูล Conversion เป็นครั้งแรกเพื่อช่วยปรับปรุงการแสดงโฆษณาและประสิทธิภาพของอัลกอริธึมโฆษณา
ดังนั้นสิ่งนี้หมายความว่าอย่างไรสำหรับคุณ?
ก่อนหน้านี้ ผู้ใช้ที่เลือกไม่ใช้จะถูกนับเฉพาะในหน้าต่างการคลิก 1 วัน แทนที่จะเป็นหน้าต่างการคลิก 7 วัน 1 วัน นั่นหมายความว่าผู้ใช้ที่ซื้อหลังจากหน้าต่างคลิก 1 วันจะไม่ถูกรวมเข้ากับอัลกอริธึมของ Facebook เมื่อพิจารณาว่าคนใดที่จะรวมไว้ในผู้ชมเพราะ Facebook ไม่รู้จักว่าพวกเขาทำการซื้อเลย
เมื่อเร็ว ๆ นี้ Facebook ได้ส่งการอัปเดตใหม่เพื่อเลือกผู้ลงโฆษณาที่มีรายละเอียดการเปลี่ยนแปลงสามประการในการติดตามเหตุการณ์และคอนเวอร์ชั่น จากการเปลี่ยนแปลงทั้งสาม การเปลี่ยนแปลงหนึ่งมีความโดดเด่นมากที่สุด: 
ตอนนี้ นักการตลาดสามารถ "จำลอง" พฤติกรรมของผู้ใช้ที่เลือกไม่รับเพื่อดูข้อมูลเชิงลึกเกี่ยวกับสิ่งที่พวกเขาทำในหน้าต่างการคลิก 7 วัน 1 วัน และสุดท้ายก็ช่วยปรับรูปร่างและกำหนดค่าเครื่องมือการเรียนรู้ของเครื่องของ Facebook ด้วยคุณสมบัติเพิ่มเติม ข้อมูลที่สมบูรณ์และมีประสิทธิภาพ
สิ่งที่เรารู้จนถึงตอนนี้เกี่ยวกับ Conversion แบบจำลองของ Facebook
ด้วยการเปลี่ยนแปลง ATT ทำให้ Facebook ไม่สามารถใช้ตัวระบุอื่น (เช่น ที่อยู่ IP) เพื่อจัดเก็บข้อมูลกิจกรรมบนเว็บและแอพของบุคคลที่สามของผู้ใช้ที่เลือกไม่ใช้งานควบคู่ไปกับบัญชี Facebook หรือ Instagram ของพวกเขา ข้อจำกัดเหล่านี้ทำให้ผู้โฆษณาบน Facebook บางรายเห็นว่าข้อมูลประสิทธิภาพลดลงใน UI (โดยเฉพาะ CPA ที่เพิ่มขึ้นและ ROAS ที่ลดลง )

ด้วยการเพิ่มคอนเวอร์ชั่นโดยประมาณในการคลิกใน 7 วัน หน้าต่างการระบุแหล่งที่มาของมุมมอง 1 วัน Facebook สามารถช่วยให้นักการตลาดระบุข้อมูลที่สูญหายและให้มุมมองที่แม่นยำยิ่งขึ้นของประสิทธิภาพตามการประมาณการแบบจำลอง
นี่คือสิ่งที่เรารู้เกี่ยวกับโซลูชันการวัดใหม่ของ Facebook จนถึงตอนนี้:
- ใช้เพื่อประมาณ Conversion ที่ไม่สามารถสังเกตได้บนอุปกรณ์ iOS เท่านั้น
- เทคนิคการสร้างแบบจำลองใช้ข้อมูลที่รวบรวมไว้ เช่น คอนเวอร์ชั่นในอดีตและคอนเวอร์ชั่นที่ Facebook ยังคงมองเห็นได้ เพื่อประเมินจำนวนคอนเวอร์ชั่นทั้งหมดที่ขับเคลื่อนโดยแพลตฟอร์ม จากนั้นจะคำนึงถึงอัตราคอนเวอร์ชั่นที่ต่ำกว่าของผู้ใช้ที่เลือกไม่ใช้เพื่อหลีกเลี่ยงเงินเฟ้อมากเกินไป
- ผลลัพธ์ที่รายงานจะไม่รวมโมเดลคอนเวอร์ชั่นในกรณีที่ Facebook ไม่มีข้อมูลเพียงพอที่จะประมาณการว่าแคมเปญจะดำเนินการอย่างไร
การสร้างแบบจำลองการแปลงไม่ใช่เรื่องใหม่สำหรับการโฆษณาดิจิทัล: Google ทำสิ่งนี้มาโดยตลอด
ไม่ว่าคุณจะรู้เรื่องนี้หรือไม่ก็ตาม การสร้างแบบจำลองคอนเวอร์ชันเป็นสิ่งที่เป็นที่ยอมรับในด้านการตลาด ที่จริงแล้ว คุณอาจใช้มันอยู่แล้ว
นั่นเป็นเพราะ Google ได้กำหนดรูปแบบ Conversion มาหลายปีแล้ว และคุณ (หรือคู่หูของคุณในด้านการค้นหา) มีแนวโน้มที่จะใช้ Conversion เหล่านี้ในการรายงานของคุณ เพื่อทำการตัดสินใจ และสร้างกลยุทธ์การค้นหาที่เสียค่าใช้จ่าย
เมื่อเวลาผ่านไป วิธีการของ Google ได้ค่อยๆ เปลี่ยนจากวิธีการกำหนดขึ้นที่หมุนเวียนไปรอบ ๆ คุกกี้ ไปสู่แนวทางแบบจำลองความน่าจะเป็นที่เราเห็นอยู่ในขณะนี้ ในช่วงต้นเดือนเมษายน ยักษ์ใหญ่ด้านการค้นหาได้แนะนำ การสร้างแบบจำลองการแปลงผ่านโหมดยินยอม เพื่อช่วยให้นักการตลาดรักษาความสามารถในการวัดผลออนไลน์ต่อไปโดยใช้แนวทางที่เน้นความเป็นส่วนตัว
โหมดคำยินยอมสร้างขึ้นด้วยความเข้าใจว่าผู้ใช้ที่ไม่ได้รับความยินยอมทำ Conversion ในอัตราที่ต่ำกว่า ดังที่แสดงในตัวอย่างด้านล่าง: 
จากข้อมูลของ Google การสร้างแบบจำลองการแปลงผ่านโหมดคำยินยอมสามารถช่วยกู้คืนเส้นทางการคลิกสู่ Conversion มากกว่า 70% ที่สูญเสียไปเนื่องจากการจำกัดข้อมูล
คุณควรกังวลเกี่ยวกับ Facebook ที่รายงานเกินจริงเกี่ยวกับ Conversion แบบจำลองของพวกเขาหรือไม่?
ในระยะสั้นไม่มี
ลองคิดดู: Facebook มีส่วนได้ส่วนเสียในการทำให้ Conversion จำลองทำงานได้ หากพวกเขารายงานเกินจริงเกี่ยวกับข้อมูลแบบจำลอง และจบลงด้วยการออกจากเครื่องหมายอย่างสมบูรณ์ พวกเขาเสี่ยงที่จะสูญเสียความไว้วางใจ (และธุรกิจ) ของผู้โฆษณาของตน ซึ่งเป็นสิ่งที่พวกเขาจะไม่เสี่ยงต่อต้นทุนใดๆ
ที่จริงแล้ว เพื่อให้การรายงานคอนเวอร์ชั่นของพวกเขามีประสิทธิภาพมากที่สุด Facebook ได้ เปิดตัวคำอธิบายประกอบตัวชี้วัดใหม่ เพื่อเน้นว่าการสร้างแบบจำลองสามารถใช้เพื่อพิจารณาคอนเวอร์ชั่นบางประเภทได้ที่ไหน พวกเขายังวางแผนที่จะรวมเฉพาะข้อมูลแบบจำลองเมื่อมีข้อมูลเพียงพอที่จะสร้างแบบจำลองอย่างมั่นใจ
สิ่งที่คุณต้องทำเพื่อเตรียมการ
เนื่องจากผลกระทบระยะยาวของ iOS 14 (และการเปลี่ยนแปลงโดยตรงของการติดตามในแอปบนอุปกรณ์เคลื่อนที่และเดสก์ท็อป) ยังคงอยู่ในอากาศ นักการตลาดดิจิทัลจึงต้องปรับตัวและปรับตัวโดยเร็วที่สุด ต่อไปนี้คือขั้นตอนสำคัญสองสามขั้นตอนที่คุณสามารถดำเนินการได้ในตอนนี้เพื่อเตรียมพร้อมในเชิงรุก
ขั้นตอนพื้นฐานที่คุณควรมีอยู่แล้ว:
- ยืนยันโดเมนของคุณบน Facebook: ในการกำหนดค่าเหตุการณ์คอนเวอร์ชั่น Facebook จะต้องยืนยันโดเมนของคุณโดยใช้ขั้นตอนที่อธิบายไว้ใน ศูนย์ช่วยเหลือ ของ Facebook
- ใช้ประโยชน์จากการจัดการเหตุการณ์รวมของ Facebook: สำหรับการวัดเหตุการณ์บนเว็บจากผู้ที่ใช้ iOS 14.5 ขึ้นไป ให้ กำหนดค่า กิจกรรมบนเว็บของคุณอย่างถูกต้องเพื่อให้โซลูชันการสร้างแบบจำลองของ Facebook สามารถประมวลผลได้
ขั้นตอนต่อไปที่สำคัญที่จะช่วยให้คุณเตรียมพร้อมสำหรับอนาคต:
- เป็นผู้ปรับใช้ Facebook Conversions API ก่อนใคร: ตามที่ Facebook อธิบายไว้ " Facebook Conversions API ช่วยให้ผู้โฆษณาสามารถส่งกิจกรรมบนเว็บและออฟไลน์จากเซิร์ฟเวอร์ของตนไปยัง Facebook ได้โดยตรง เหตุการณ์เซิร์ฟเวอร์เชื่อมโยงกับพิกเซลและได้รับการประมวลผลเหมือนเหตุการณ์พิกเซลของเบราว์เซอร์ ซึ่งหมายความว่ามีการใช้เหตุการณ์ของเซิร์ฟเวอร์ในการวัด การรายงาน และการเพิ่มประสิทธิภาพในลักษณะเดียวกับเหตุการณ์พิกเซลของเบราว์เซอร์” เราสนับสนุนให้ผู้โฆษณาใช้ Conversions API นอกเหนือจากพิกเซลของ Facebook เพื่อการมองเห็นแบบเต็มช่องทางและการแบ่งปันข้อมูลที่เชื่อถือได้มากขึ้น
