Când direcționarea devine prea îngustă: un obiectiv de prag de rentabilitate pentru selectarea segmentelor de public

1. Calculați „multiplicatorul pragului de rentabilitate” înainte de a cheltui În loc să întrebați dacă un segment de direcționare va avea performanțe mai bune decât un public larg, calculați exact cât de mai bun trebuie să fie pentru a-și justifica costul. Această „creștere a pragului de rentabilitate” reprezintă sumele CPM mai mari, costurile de date și acoperirea redusă. Dacă un segment necesită o creștere a performanței de 150% pentru a ajunge la rentabilitate, iar cel mai bun nivel istoric este de 20%, segmentul respectiv este un non-începător matematic.

2. Evitați „capcana îngustării” Ridicarea de performanță necesară pentru a ajunge la renta crește neliniar pe măsură ce raza de acțiune se micșorează. Cercetarea arată că segmentele foarte înguste (care ajung la 5% sau mai puțin din publicul dvs. potențial) necesită adesea câștiguri de performanță de 150% sau mai mult. Cu excepția cazului în care aveți un motiv specific, cu o marjă mare, pentru a viza în mod restrâns, segmentele mai largi au șanse statistic mai mari să fie profitabile.

3. Utilizați direcționarea ca filtru înainte de campanie, nu doar ca test. Majoritatea agenților de marketing tratează segmentele de public ca pe lucruri care trebuie testate în piață. În schimb, utilizați acest model de prag de rentabilitate ca o listă de verificare înainte de zbor. Prin sortarea segmentelor candidate în funcție de pragul de rentabilitate necesar, le puteți elimina imediat pe cele care necesită niveluri de performanță „miracol”, permițându-vă să vă concentrați bugetul pe segmente cu o cale plauzibilă către rentabilitatea investiției.

4. Luați în considerare „Taxa de confidențialitate” asupra calității datelor Modificările recente ale confidențialității (cum ar fi ATT de la Apple) au un impact disproporționat asupra segmentelor înguste. Calitatea mai scăzută a datelor crește sumele CPM și scade acuratețea direcționării, ceea ce crește pragul de rentabilitate. În mediile cu confidențialitate ridicată, matematica favorizează din ce în ce mai mult o direcționare mai largă, deoarece „taxa de direcționare” este prea mare pentru a fi depășită de segmentele înguste.

Versiune lungă

Mă întâlnesc în continuare cu aceeași problemă atunci când configurez campanii media plătite: există sute de segmente de public, dar nu există o modalitate clară de a ști care dintre ele merită testate. Această lucrare a lui Ahmadi și colab. (2023) este primul pe care l-am văzut care formalizează compromisul dintre acoperire, cost și performanță într-o singură măsurătoare a pragului de rentabilitate. Se întoarce „Ce segment ar trebui să aleg?” în „De ce creștere am nevoie pentru ca direcționarea să fie cel puțin la fel de profitabilă ca nedirecționarea?”

Mai jos este o prezentare practică a acestei idei, plus un calculator simplu pe care îl voi folosi în continuare.

Ideea de bază: performanța de prag de rentabilitate

Direcționarea poate ajuta, deoarece poate crește rata de clic (CTR), rata de conversie (CR) sau marja pe conversie. Dar te poate răni pentru că plătești mai mult și ajungi la mai puțini oameni. Lucrarea modelează acest compromis și determină un multiplicator al pragului de rentabilitate: creșterea combinată de care ați avea nevoie în marja CTR * CR *, astfel încât direcționarea să fie la fel de profitabilă ca și fără direcționare.

În studiul Spotify al ziarului, aproximativ jumătate dintre segmentele disponibile au necesitat o creștere a CTR de peste 100% pentru a ajunge la pragul de rentabilitate, deja o cerere mare în campaniile reale. Și mai rău, segmentele foarte înguste (<= 5% atingere) au necesitat creșteri cu mult peste 150%. Mesajul principal: îngustimea este costisitoare, iar ridicarea necesară crește neliniar pe măsură ce atingerea se micșorează.

Autorii arată, de asemenea, că atunci când calitatea datelor scade (de exemplu, după modificarea Transparenței de urmărire a aplicațiilor de la Apple), segmentele înguste sunt afectate mai greu: CPM-uri mai mari și CTR-uri mai mici în comparație cu segmentele largi.

Un simplu calculator pentru pragul de rentabilitate

Pentru a utiliza modelul în practică, aveți nevoie de performanță de bază (fără direcționare), cota de acoperire estimată a segmentului țintă și sume CPM. Creșterea pragului de rentabilitate poate fi calculată prin echivalarea profitului sub direcționare cu profitul fără direcționare.

Iată o versiune R minimă pe care o puteți lipi într-un notebook:

# Minimal break-even calculator
break_even_lift <- function(ctr0, cr0, margin0, cpm0,
                            reach_share, cpm_target, data_cost = 0,
                            impressions = 1e6) {
  p0 <- impressions * ctr0 * cr0 * margin0 - (cpm0 * impressions / 1000)
  denom <- impressions * reach_share * ctr0 * cr0 * margin0
  cost_target <- (cpm_target + data_cost) * impressions * reach_share / 1000
  lift <- (p0 + cost_target) / denom
  lift
}

# Example baseline (close to the paper's illustrative values)
ctr0 <- 0.01
cr0 <- 0.02
margin0 <- 200
cpm0 <- 11

segments <- data.frame(
  segment = c("broad", "mid", "narrow"),
  reach_share = c(0.50, 0.20, 0.05),
  cpm_target = c(11, 11, 11),
  data_cost = c(1.0, 1.0, 1.0)
)

segments$break_even_lift <- mapply(
  break_even_lift,
  ctr0 = ctr0,
  cr0 = cr0,
  margin0 = margin0,
  cpm0 = cpm0,
  reach_share = segments$reach_share,
  cpm_target = segments$cpm_target,
  data_cost = segments$data_cost
)

Intreg: ridicarea pragului de rentabilitate vs

Acest grafic arată cum explodează ridicarea minimă necesară pe măsură ce raza de acțiune se micșorează.

library(ggplot2)

reach <- seq(0.05, 1.0, length.out = 200)

plot_df <- data.frame(
  reach_share = reach,
  break_even_lift = sapply(reach, function(r) {
    break_even_lift(
      ctr0 = ctr0,
      cr0 = cr0,
      margin0 = margin0,
      cpm0 = cpm0,
      reach_share = r,
      cpm_target = 11,
      data_cost = 1.0
    )
  })
)

ggplot(plot_df, aes(x = reach_share, y = break_even_lift)) +
  geom_line(color = "#1f77b4", linewidth = 1) +
  geom_hline(yintercept = 2.0, linetype = "dashed", color = "gray60") +
  annotate("text", x = 0.95, y = 2.05, label = "100% lift",
           hjust = 1, vjust= 1.5, size = 3, color = "gray50") +
  labs(
    title = "Break-even performance increases non-linearly as reach shrinks",
    x = "Reach share of target segment",
    y = "Required combined lift (CTR * CR * margin)"
  ) +
  theme_minimal(base_size = 14)

Recomandări

• Sortați segmentele de candidat în funcție de pragul de rentabilitate înainte de a rula teste/campanii.
• Prioritizează segmente mai largi, cu excepția cazului în care pot justifica un câștig foarte mare de performanță.
• Tratează schimbările de calitate a datelor (cum ar fi schimbările de confidențialitate) ca o afectare directă a rentabilității investiției pe segmentul restrâns.

Cea mai utilă concluzie este că aceasta oferă un filtru pre-campanie. În loc să aruncați bani în zeci de segmente, vă puteți concentra asupra pumnelor care necesită ridicări plauzibile.

Limitări de reținut

Modelul este la fel de bun ca și intrările. Dacă valoarea de referință CTR sau CR sau estimările marjei sunt greșite, creșterea va fi oprită. De asemenea, presupune o singură creștere combinată a performanței, mai degrabă decât separarea efectelor CTR, CR și marjă. Acestea fiind spuse, ca filtru de primă trecere, este mult mai bine decât să presupunem.

Calculator de direcționare

Calculați rapid dacă direcționarea este benefică

Resurse

Ahmadi, Abou Nabout, Skiera, Maleki, Fladenhofer (2023), „Opțiuni de direcționare copleșitoare: selectarea segmentelor de public pentru publicitatea online”, Jurnalul Internațional de Cercetare în Marketing