Partager via

Microsoft Monetize - Instructions de test de modificateur de segment

Ce document décrit les exigences techniques, les recommandations et les meilleures pratiques de test pour les clients qui prévoient d’intégrer le modificateur de segment à leurs campagnes.

Exigences techniques

Les clients souhaitant utiliser des modificateurs de segment doivent maîtriser les tâches et les concepts listés ci-dessous :

  • Mécanismes de vente aux enchères : les clients doivent comprendre les principes fondamentaux de la mise aux enchères afin de créer un modèle utilisateur qui ne sous-évalue pas les utilisateurs.
  • API Batch Segment : les clients qui effectuent des intégrations plus robustes (nécessitant des flux en bloc de données de segment entrant dans Monetize) bénéficieront d’une connaissance pratique du service Batch Segment. Pour les clients qui vont ajouter des valeurs de modificateur par le biais de tirs de pixels, consultez Modificateurs de niveau page ci-dessous.
  • Création d’audience : les clients sont chargés de créer leurs propres segments d’audience pour le ciblage, soit par le biais d’une collecte via un pixel de segment, soit par le calcul hors connexion basé sur leur propre analyse.
  • Optimisation : Pour les campagnes orientées performances, les clients doivent comprendre comment fonctionne notre algorithme d’optimisation V7 afin d’éviter les redondances si leur modèle utilisateur est utilisé conjointement avec le nôtre. L’optimisation de Microsoft Advertising utilise les performances passées de l’annonceur par rapport au même objectif de pixel/clic, et les données de performances par rapport à notre propre définition d’inventaire. Par conséquent, un modificateur qui tente de prendre en compte la combinaison domaine :utilisateur combat notre propre optimisation.
  • Données au niveau du journal : les clients peuvent utiliser des flux de données au niveau du journal pour effectuer des analyses de bas niveau sur les performances de leur modèle. Étant donné que les données de niveau de journal incluent les ID d’utilisateur individuels auxquels le modificateur est appliqué, l’analyse de la relation exacte entre les valeurs du modificateur et l’élévation globale sera beaucoup plus facile.

Exigences analytiques

L’un des éléments clés du modificateur de segment est que le client est responsable de la création du modèle d’optimisation. Par conséquent, Microsoft Advertising n’aura pas de visibilité sur la science exacte des performances du modèle. En outre, en raison des restrictions de notre base de données utilisateur, Microsoft Advertising n’aura pas non plus de visibilité sur les valeurs individuelles derrière chaque utilisateur. Par conséquent, le client doit accepter la majeure partie de l’analyse de test. Cela inclut l’analytique quotidienne périodique des performances du modificateur de segment ; étant donné que le client a créé le modèle, il doit être en mesure de l’analyser.

Microsoft Advertising peut mesurer l’élévation à un niveau élevé ou guider les bonnes pratiques en matière de test de performances.

Bonnes pratiques de test

La meilleure façon de tester le modificateur de segment (ou toute stratégie d’achat) consiste à utiliser la méthode Test/Control, également appelée test A/B.

Voici les recommandations pour la conception d’un test :

  • Stratégie de test/contrôle : en règle générale, lors de la conception d’un test A/B, les clients ont tendance à se diviser de 10/90 dans le ciblage des groupes d’utilisateurs. C’est généralement parce qu’ils testent un créatif par rapport au PSA pour mesurer l’élévation de la vue de la vraie post-vue, car dépenser l’argent de votre client sur un PSA n’est pas ce que la plupart des acheteurs sont payés pour faire. Toutefois, avec le modificateur de segment, l’approche doit presque toujours être de 50/50. Si le client souhaite également tester les performances par rapport à une autre stratégie d’achat telle qu’une enchère de base, il doit utiliser une configuration de test 10/45/45.
  • Lift de mesure : Mesurer la portance peut être difficile. Certaines métriques de performances, telles que eCPC lors de l’optimisation d’un clic, sont assez coupées et séchées. Toutefois, l’optimisation vers une conversion post-affichage est plus nébuleuse, car un utilisateur pourrait avoir « consulté » un créatif dans le sens où il a été servi sur la page, puis converti. Mais si le créatif était hors de la vue de l’utilisateur (par exemple, sous le pli et que l’utilisateur n’a pas fait défiler vers le bas pour le voir), le créatif n’a pas vraiment incité l’utilisateur à effectuer l’action. En tenant compte de cela, voici nos recommandations pour une approche de test basée sur les objectifs de performances :
    • Cliquez sur : fractionnement 50/50, Test/Contrôle
    • Post Click : 10/45/45 Test/Control, avec un objectif de performance sur chaque campagne et un APS sur le groupe de 10 utilisateurs
    • Affichage de la publication : 45/10/45 Test/Contrôle, avec un objectif de performance sur chaque campagne et un psa sur le groupe de 10 utilisateurs

Remarque

Pour les approches Post Click et Post View , si l’utilisateur cible également les utilisateurs sans cookie, il doit configurer une campagne distincte ciblant le groupe d’utilisateurs 101 avec un objectif de performances de clic.

Recommandations de campagne

La configuration de la campagne aura un impact important sur le processus de test. Dans V7 de l’optimisation, les performances continues des campagnes sous un nouvel annonceur ont un impact sur les enchères d’apprentissage des nouvelles campagnes. Par conséquent, les campagnes appropriées pour les tests doivent avoir les attributs suivants :

  • Campagnes de performance en cours : Le test d’une toute nouvelle campagne peut avoir un impact sur la compréhension de la véritable élévation d’un modificateur, car nous n’avons pas le contexte historique des performances d’une campagne. Dans l’idéal, la campagne sélectionnée pour le test de modificateur devrait avoir été en cours pendant au moins un mois ou plus, afin que nous puissions savoir quel type de métriques de performances nous devrions attendre de la campagne de contrôle.
  • Budget quotidien élevé : Un budget quotidien faible peut entraîner des données incohérentes en raison de la répartition du budget entre les groupes d’utilisateurs. En général, lors de l’utilisation de Test/Control sur un public, plus le budget quotidien est élevé, mieux c’est. Alors qu’une dépense quotidienne minimale de 250,00 $ devrait fonctionner, 500,00 $ est recommandé.

Exemples d’approches d’application

modificateurs de Page-Level

Les modificateurs au niveau de la page sont quand une valeur de modificateur est piggybackée sur un appel de segment sur page normal. Par exemple, si un annonceur a une hypothèse selon laquelle il doit modifier l’enchère en fonction du contenu du panier d’achat d’un site d’e-commerce, il doit calculer la valeur relative du chiffre d’affaires attendu pour le contenu du panier, puis déclencher l’appel de segment à l’aide du paramètre de chaîne de requête «&other= ». Selon que l’utilisateur est déjà présent ou non dans le segment de modificateur, cela crée ou met à jour une entrée dans le modificateur.

  • Avantages : cela nécessite le moins d’infrastructure technique de tous les déploiements du modificateur de segment. Bien que le pixel ait besoin d’une logique de calcul, aucun travail supplémentaire n’est nécessaire.
  • Inconvénients : Il n’existe aucune visibilité sur la relation entre les modificateurs des différents utilisateurs ; vous pouvez modifier chaque utilisateur d’une configuration de 1,5, ce qui est redondant et augmente votre coût multimédia. En outre, cela nécessite de compresser un modèle d’évaluation d’enchère complexe dans un script sur page, ce qui ralentira l’exécution de la page et ne sera probablement pas acceptable pour tous les annonceurs.

Modificateurs d’API de segment batch

Il s’agit de la méthode asynchrone la plus courante et également la meilleure par laquelle vous pouvez appliquer le modificateur de segment. Les clients peuvent charger leur segment de modificateur à l’aide du service batch segment de l’API et appliquer le modificateur à leur campagne.

  • Avantages: Étant donné que le client calcule ses données d’optimisation hors connexion, il aura une compréhension holistique de son modèle d’évaluation utilisateur. Par conséquent, ils seront en mesure de mesurer des données de performances exactes avec des flux de données au niveau du journal. En outre, ils peuvent tirer parti de la fonctionnalité de rapport d’erreurs du service de segment batch pour savoir si leur modèle utilisateur a été chargé correctement (les tirs de pixels sur la page n’ont pas cet avantage).
  • Inconvénients: Contrairement aux pixels sur la page, nous avons des restrictions de volume sur les chargements d’API de segment de lot. Si le service batch segment est utilisé pour des chargements inutilement fréquents, le client sera probablement invité à passer à une approche d’intégration de fournisseur de données.
  • Last updated on