De laatste tijd heb ik me enigszins verbaasd over de manier waarop banner resultaten worden geïnterpreteerd. Verbaasd is misschien een understatement, geïrriteerd is een beter woord.
Waar we vroeger alleen keken naar de views en CTR, kijken we nu ook naar het gedrag na de klik. Dit is een zeer goede ontwikkeling, want we willen niet alleen traffic, maar kwalitatieve traffic op onze site. Post-click resultaten zijn hier voor goed te gebruiken.
Het nadeel hiervan is dat we de banner uitsluitend beoordelen op clickgedrag van de bezoeker, maar wat zijn de effecten van het tonen van de banner. Het regelmatig tonen van een banner aan de doelgroep, heeft waarschijnlijk ook een effect op de evoked-set van de doelgroep. Voor dit effect zijn de post-view resultaten toegevoegd aan de evaluatie van bannercampagnes. Dus wat is het gedrag van mensen die alleen de banner hebben gezien en niet hebben geklikt? Komen ze alsnog op de homepage en sluiten ze misschien alsnog het product online?
Nu wordt het gevaarlijk, want hoe interpreteren we deze cijfers? Wanneer kunnen we gaan spreken van een toegevoegd effect? Laat ik het illustreren met een voorbeeld:
In een campagne wordt een banner op 3 verschillende plekken weggezet: A, B, en C. De volgende resultaten kwamen hier op binnen:
De banners verschillen erg in bereik. Dit heeft vaak invloed op de CTR van de banner. Het is dan ook veel moeilijker om met CPC netwerken gericht je doelgroep te benaderen. Daarentegen levert het heel veel goedkope traffic op. Het nadeel van deze goekope traffic is dat het een zeer hoge bounce-rate heeft. Uit mijn ervaring hebben CPC netwerken een gemiddelde bounce rate van 70%. Maar omdat het zo goedkoop is, is vaak de cost-per-action acceptabel.
Als we bovenstaande tabel interpreteren en we kijken naar de laatste kolom dan komt banner B als best uit de strijd. 16 euro per sale op basis van post-click en post-view resultaten. De resultaten kloppen, maar is dit de juiste interpretatie? NEE, ABSOLUUT NIET!
We kunnen met geen mogelijkheid alle post-view resultaten toewijzen aan een bepaalde banner. Wie zegt dat de banner gezien is en dat deze daarom bewust of onbewust ging sluiten. Laten we eens een rekensom maken voor banner C:
5.000.000 mensen (unieke views) hebben de banner kunnen zien. Dit is, laten we zeggen, 25% van de totale online wereld. Dus zou het logisch zijn dat ze minstens 25% van de totale online verkopen uit deze bannerviews komen. Alles boven deze 25% is het effect van de banner. Het komt er op neer dat met 5.000.000 unieke views, het logisch is dat daar veel verkopen op gemeten zijn (post-view).
Willen echt gaan meten wat het effect is van postview resultaten is er maar 1 oplossing:
Neem een controlegroep van 5.000.000 personen (in het geval van banner C) die geen banner getoond hebben gekregen van deze campagne. Zet de post-view resultaten naast elkaar en het verschil hiertussen is het extra effect van het zien van banner C. Dit verschil kun je dan meenemen in het berekenen van de cost-per-sale. De uitkomst van de analyse is nu ineens heel anders (zie onderstaande tabel). Bij beoordeling op cost-per-sale is nu banner A de winnaar.
Een lang saai verhaal, maar wel een om rekening mee te houden. Online media bureau’s willen maar al te graag laten zien dat hun bannerinkoop goed is geweest en willen het liefst zoveel mogelijk verkopen laten zien. Iemand die niet dagelijks in deze cijfers zit, zal de zelfde conclusie trekken als de bureau’s en dus verkeerde sturing van een campagne ongemerkt voorbij laten gaan. Of nog erger, een bannercampagne beoordelen als heel succesvol, terwijl het in werkelijkheid niks heeft opgeleverd.
POST-VIEW resultaten: Geen onzin, maar wel heel gevaarlijk!!
Geen opmerkingen:
Een reactie posten