Váš reklamní systém optimalizuje na zákazníka, který sotva existuje
Zapnete Performance Max nebo Advantage+. Nastavíte biddování na optimalizaci podle hodnoty konverze. Během pár týdnů systém hlásí silnou návratnost a řekne vám, že kampaň je připravena utratit víc. Tak jí dáte víc. Máte pocit, že systém funguje skvěle.
Většinou ale věříte číslu, které je nepřesné. Ne návratnost, kterou algoritmus reportuje. Problémem je to číslo pod ní: průměrná hodnota objednávky, kterou se systém naučil z vašich dat. Tento průměr je téměř vždy vyšší, než kolik utratí váš typický zákazník. A systém teď pilně hledá další uživatele, kteří tomuto přestřelenému průměru odpovídají.
Cena za tohle nedorozumění je tichá, ale velmi reálná. Systém loví kupující, kteří vypadají jako nafouknutý průměr. Tito nakupující jsou ale mnohem vzácnější a dražší, než si reklamní systém myslí. Váš rozpočet se tak vzdaluje od vašeho skutečného zákazníka, místo aby se k němu přibližoval. Na konci tohoto textu pochopíte, proč je průměr nafouknutý a jaká data byste měli systému posílat místo něj.
Průměr funguje jako signál
Value-based bidding (biddování podle hodnoty) funguje tak, že algoritmus hádá hodnotu prokliku ještě předtím, než na něj někdo reálně klikne. Aby to systém dokázal odhadnout, potřebuje vědět, jakou hodnotu má samotná objednávka. A to mu řeknete vy. Pošlete mu hodnotu každé naměřené objednávky a systém (například Google Ads) si z těchto dat vytvoří představu o tom, jak vypadá dobrý zákazník. Pak začne biddovat tak, aby jich našel co nejvíc.
Celá tato mechanika stojí na jediném slově. Tím slovem je průměr. Když jsou hodnoty objednávek blízko u sebe, průměr popisuje reálného a typického zákazníka. Když jsou ale silně rozptýlené, průměr nepopisuje vůbec nikoho. Stává se jen teoretickým bodem v grafu, na který ve skutečnosti dopadne jen naprosté minimum vašich transakcí.
Jak vypadají objednávky ve skutečnosti
Vytáhli jsme si data o objednávkách jednoho klienta, abychom viděli, jak moc jsou reálně rozptýlená. Jde o obrovský datový vzorek. Přesně 900 000 dokončených objednávek od reálného prodejce.
Ty samé objednávky popisují tři rozdílná čísla. Nejčastější hodnota objednávky (modus) je 1 524 Kč. Střední hodnota objednávky (medián) je 2 143 Kč. Průměr je 2 957 Kč. Tento průměr leží celých 38 procent nad mediánem. Polovina všech objednávek je menší než 2 143 Kč, a přesto se reklamní systém učí hledat zákazníka s hodnotou 2 957 Kč.
Tuto propast způsobuje pravá strana grafu. Dlouhý chvost větších objednávek táhne průměr nahoru a pryč od vaší typické objednávky. Horních 5 procent objednávek začíná na 8 023 Kč. Horní 1 procento začíná na 15 048 Kč. Úplně největší objednávka v celém vzorku byla za 256 700 Kč, což je asi 87-krát více než samotný průměr. Ani jedno z těchto čísel není špatně. I ta nejvyšší objednávka se opravdu uskutečnila. Jen se zkrátka vůbec nepodobají objednávce, kterou u vás udělá typický člověk.
Dva různé problémy ve stejném převleku
Toto zkreslení se projevuje ve dvou formách. Považovat je za tu samou věc by byla obrovská chyba.
První forma je ta, které si nakonec všimne každý. Do dat vám spadne jedna obří objednávka. Možná je skutečná, možná je to testovací nákup, možná jde o chybu. Na tom nezáleží. Na chvíli to vytáhne průměr vysoko nahoru. Reklamní systém zareaguje, začne utrácet a pak tento efekt odezní, jakmile se začnou znovu hromadit běžné objednávky. Je to akutní a dočasná věc. Výkyv, který se nakonec sám srovná.
Druhá forma je mnohem tišší a nikdy nezmizí. Je to ten široký blok objednávek, které sedí přesně mezi mediánem a dlouhým chvostem. Nejsou nijak extrémní. Jsou prostě jen o něco větší než ty typické. A je jich obrovské množství, a to každý jeden den. Drží váš průměr trvale nad mediánem. Tohle není chyba v datech. Tohle je samotný tvar vašich dat.
Obojí nafukuje to samé číslo. Průměrnou hodnotu objednávky. Jedno je ale dočasný šok a druhé představuje trvalé zkreslení. A jak si hned ukážeme, zastropování dat pomáhá každému z těchto problémů.
Kdo vlastně dělá ty velké objednávky
Existuje jasný vzorec v tom, kdo tyto větší objednávky reálně provádí. Vyplatí se nad ním chvíli přemýšlet. Čím vyšší je hodnota objednávky, tím pravděpodobnější je, že pochází od někoho, kdo u značky už nakupuje. U objednávek v horních 5 procentech podle hodnoty pochází 77 procent od vracejících se zákazníků, přičemž v horním 1 procentu tento podíl stoupá dokonce na 79 %.
Takže objednávky, které nejvíce nafukují průměr, pocházejí neúměrně často od lidí, které už značka dávno získala. Naší pracovní hypotézou (a chceme jasně zdůraznit, že jde o hypotézu) je fakt, že mnoho z těchto zákazníků by nakoupilo i bez toho, aniž by vůbec viděli reklamu. Pokud to platí, pak reklamní systém částečně utrácí za to, že znovu nachází vaše stávající zákazníky, a vykazuje to jako výkon kampaně. Neprovedli jsme sice test inkrementality, který by to definitivně potvrdil. Zkreslení směrem ke stávajícím zákazníkům tu ale v datech prostě leží a rozhodně není nenápadné.
Kdy na tom záleží
Tohle vás kousne jen v případě, že biddujete na hodnotu (což je doporučeno pro všechny e-shopy). Pokud vaše kampaně optimalizují na hodnotu konverze nebo běží na cílovou návratnost (tROAS), je hodnota objednávky, kterou posíláte, oním hlavním signálem. A nafouknutý signál ohne každé jedno rozhodnutí, které reklamní systém udělá. Pokud místo toho optimalizujete na čistý počet konverzí, záleží na hodnotě objednávky mnohem méně a většina z tohoto článku se vás prakticky netýká. Vědět, za jakou páku v nastavení zrovna taháte, je tou úplně první věcí, kterou byste si měli zkontrolovat.
Co s tím udělat
Řešením není posílat reklamnímu systému data ve stejné podobě, v jaké jste je naměřili. Řešením je posílat mu čísla čistší.
Začněte analýzou, ne reklamním účtem. Vytáhněte si vlastní hodnoty objednávek a podívejte se na stejná tři čísla jako my. Zajímat vás bude nejčastější objednávka, prostřední objednávka (medián) a průměr. Pokud průměr leží vysoko nad mediánem, drží vaše číslo nahoře dlouhý chvost. A váš systém se učí hledat zákazníka, kterým váš typický kupující nikdy nebyl.
Následně nasaďte strop na hodnotu objednávky, kterou do systému odesíláte. Nedáme vám tady univerzální percentil, protože ten správný strop vychází čistě z vašeho vlastního rozložení dat a z vašich marží. Navíc se hýbe přesně tak, jak se hýbe váš byznys. Nastavte ho na úroveň, která udrží každodenní signál pravdivý, ale nemilosrdně odřízne extrémy. A pravidelně ho revidujte.
Jedna věc je ale důležitější než ono přesné číslo. Zastropování neznamená mazání dat. Tyto velké objednávky jsou naprosto skutečné a lidé za nimi jsou přesně ti, kterých chcete víc. Vy je nijak neodstraňujete. Jen posíláte jejich hodnotu na takové úrovni, která zabrání tomu, aby jedna objednávka nebo jedna kohorta loajálních zákazníků přepsala to, jak podle systému vypadá normální nakupující.
Buďte k sobě ale upřímní v tom, co si tímto zastropováním reálně kupujete. Otestovali jsme to na našich datech. Zastropování na 95. percentilu srazí průměr ze 118 na 109 eur. Jde o zhruba 8 procent. Při 90. percentilu to spadne na 2 561 Kč. Abyste srazili průměr až dolů na úroveň mediánu, museli byste ořezávat tak agresivně, že byste vyhodili skutečně důležitý signál. Zastropování tedy slouží hlavně dvěma účelům. Je to pojistka proti extrémním a náhodným objednávkám. A je to stabilní, mírná korekce vašeho každodenního průměru. Nedonutí to systém vidět vašeho mediánového zákazníka. Zabránít to mu ale v tom, aby naháněl uživatele, který sotva existuje.
Celá diagnostika je otázkou jednoho řádku a můžete si ji udělat ještě dnes odpoledne. Porovnejte svou průměrnou hodnotu objednávky s mediánem. Pokud jsou blízko u sebe, váš průměr mluví pravdu a data můžete nechat na pokoji. Pokud je ale průměr výrazně nad mediánem, číslo, kterým krmíte svůj reklamní systém, vůbec nepopisuje vašeho zákazníka. Popisuje ten dlouhý chvost.
