Detta är vår tredje artikel i serien Emerse on Quality där vi diskuterar ämnen inom kvalitetskontroll av programmatiska reklamkampanjer. I vår första artikel diskuterade vi för snabba omladdningstider för annonser och i vår andra artikel diskuterade vi ad stacking, båda viktiga kvalitetsproblem att hantera i programmatisk annonsering.
Innan vi går vidare till de intressanta ämnena i den här artikeln vill vi nämna att Emerse tillhandahåller fullt hanterade kvalitetskontrollerade tjänster för leverans, analys och optimering av programmatisk annonsering för varumärken, annonsörer och byråer. Våra verktyg och processer för kvalitetskontroll går bortom vad som normalt ingår inom programmatisk annonsering. Vi hjälper dagligen varumärken att leverera kampanjer med större effekt, högre kvalitet och till lägre kostnad. Kontakta vårt säljteam idag för att börja arbeta med oss.
Intro: Vad är klickdiskrepans?
Klickdiskrepans mellan Google Analytics-sessioner och DSP (Demand-Side Platform)-klick uppstår när antalet klick som rapporteras av en DSP inte stämmer överens med antalet sessioner som registrerats i Google Analytics. Flera faktorer bidrar till dessa avvikelser:
Bottrafik:
DSP-klick kan inkludera icke-mänsklig (bot) trafik, vilket blåser upp klicksiffrorna. Google Analytics använder filter för att utesluta viss bot-trafik, vilket minskar antalet sessioner. Detta skapar ett gap mellan vad DSP:n rapporterar som klick och vad GA rapporterar som sessioner. Vi ser att detta är ett mycket vanligt problem i programmatiska kampanjer och kommer att diskutera detta mer nedan.
Skillnader i spårning (sessioner vs. klick):
Google Analytics-sessioner: En session är en grupp interaktioner på en webbplats inom en viss tidsram. En session inleds när en användare landar på en webbplats och avslutas vanligtvis efter 30 minuters inaktivitet. Om en användare klickar på en annons flera gånger eller återvänder inom den tiden kan endast en session räknas.
DSP-klick: Varje klick på en annons registreras av DSP:n, även om användaren inte slutför landningsprocessen, stöter på fel eller navigerar bort snabbt.
Exempel på diskrepans: En användare kan klicka på en annons flera gånger men bara utlösa en enda session i GA (Google Analytics).
Problem med spårning:
Vissa användare kan blockera spårningsskript eller ha inaktiverat JavaScript, vilket förhindrar Google Analytics från att registrera deras session. DSP:er registrerar dock klicket eftersom det sker på annonsserversidan, inte i användarens webbläsare.
Här är till exempel lite statistik över webbläsare som använder någon form av blockeringsapp som inaktiverar Google Analytics från att köras (naturligtvis blockerar många av dessa appar också annonser så anta inte att de ser eller klickar på dina annonser heller, men vissa annonser kan passera filtret):
Totalt 700 miljoner eller fler webbläsare har några av dessa appar som blockerar GA från att spåra deras besök på din webbplats.
Omdirigeringar och felaktig sidladdning:
DSP-klick räknas när användaren klickar på annonsen. Men om målsidan inte laddas ordentligt (långsamma anslutningar, serverfel, användaren stänger sidan innan den laddas) kan det hända att Google Analytics inte spårar sessionen. Detta resulterar i att klick rapporteras utan motsvarande GA-sessioner.
UTM-taggning och URL-missmatchningar:
Om landningssidans URL i annonsen är felaktig eller saknar korrekta UTM-parametrar för Google Analytics-spårning kan det hända att sessionen inte tillskrivs korrekt. DSP-klick kommer fortfarande att räknas, men GA kommer inte att registrera sessionen, vilket leder till en avvikelse.
Timeout för sessioner:
Google Analytics anser att en session är inaktiv om det inte finns någon aktivitet på 30 minuter. Om en användare klickar på en annons men väntar för länge innan han eller hon interagerar med webbplatsen kanske Google Analytics inte registrerar det som en ny session, även om DSP:n rapporterar flera klick.
Spåra diskrepans med hjälp av ett diagram
För alla programmatiska kampanjer är det meningsfullt att spåra diskrepans. Både för att vara medveten om aktuella nivåer, men också för att försöka minska dem över tid, hålla reda på vilka DSP- och GA-konfigurationer som påverkar olika förändringar i avvikelser och så vidare. På Emerse gör vi det till en del av vårt jobb att kvalitetssäkra våra kunders programmatiska kampanjer. Genom att skapa diagram och följa upp data kan vi följa upp diskrepans mellan två plattformar.
Innan vi börjar ta itu med diskrepans gillar vi på Emerse att skapa ett diagram för att spåra data. Det visar mätpunkterna över en tidslinje med värden för genomsnitt/medelvärde och några övre och nedre standardavvikelser (vanligtvis 2 och 3 standardavvikelser). Om du vill ha hjälp med att konfigurera och köra ett sådant här diagram är det bara att kontakta oss så hjälper vi dig.
Här är ett exempel på diagram baserat på mock-up-data (inte en riktig kampanj) som visar hur vi spårar och visualiserar avvikelser på Emerse:
Kontrolldiagrammet i det här exemplet innehåller veckovisa mätdata om avvikelser mellan Google Analytics-sessioner och DSP-klick.
Här är en närmare titt på själva diagrammet:
Vi kan se i exempeldata här att det finns ett tydligt problem med diskrepans. Under vissa veckor är avvikelserna mycket höga. Detta tyder på att det finns ett problem och att vi måste göra något åt det.
Vi har byggt ett verktyg specifikt för att skapa kontrolldiagram som ansluter till Google Analytics och din DSP för att producera automatiskt uppdaterade diagram. Det heter AdQMS och du hittar det genom att klicka på logotypen nedan. Registrera dig gärna för att börja spåra dina egna diagram idag:
Analys av orsaken till diskrepans
Som nämnts ovan kan det finnas många orsaker till diskrepans. Det är viktigt att utesluta alla konfigurationsinställningar som orsakar problem, till exempel att leta efter klick under en viss UTM-tagg men att den taggen sedan inte används korrekt i DSP. Eller att GA-taggen inte aktiveras på den sida som trafiken riktas mot.
När vi kan konstatera att konfigurationerna ser ok ut är det dags att titta på själva trafiken.
Analys av trafiken
För att hjälpa kunden att förbättra sin kampanj tar vi först en titt på data på visningsnivå för att se vilken nivå av bottrafik som är synlig när annonstaggen aktiveras i DSP. Detta är endast samlad data och inte hela datauppsättningen för kampanjen:
Från annonsdata på visningsnivå kan vi se att det finns ett visst antal botgenererade visningar i kampanjen (ca 5%). Detta är naturligtvis intressant i sig, men det visar inte hela orsaken till diskrepansen (som är högre). Det finns som vi visade ovan många naturliga skäl till att även en kvalitetskontrollerad kampanj kommer att ha vissa nivåer av bot-intryck (t.ex. skrapningsrobotar som ofta besöker stora nyhetssajter för att skrapa deras innehåll).
De största nyhetssajterna har till exempel vanligtvis bra innehåll, och därför är de mycket populära för andra att skrapa. Så andra webbplatser, tjänster och teknikföretag skickar sina robotar till de stora nyhetssajterna och läser och laddar ner deras innehåll, sparar det och gör något med det. Vissa kan vara nyhetsaggregatorer, andra kan vara AI-tjänster som läser nyheter för att lära sig, andra kan använda AI för att skriva om artiklarna till sina egna. Och så vidare. En viktig punkt här: Även om du köper annonser direkt från de största utgivarna kommer du fortfarande att få denna bottrafik på dina kampanjer. Så om jag går ut och köper en annonskampanj direkt från de största nyhetsutgivarna i min region, kommer robotarna fortfarande att gå dit och se mina annonser. Detta sker eftersom botar också laddar ner annonser, och inte bara artiklar. Så det spelar ingen roll om det är programmatiskt eller direktköp från stora webbplatser, bottrafiken finns där oavsett.
Därefter gräver vi i den faktiska klicktrafiken från annonstaggen i DSP för att se hur många klick (inte visningar) i annonstaggen som härrör från botar:
Vi ser intressant data här. Cirka 8% av klicken på annonstaggen kommer från bots. Återigen finns det väldigt lite som publicisterna kan göra för att förhindra bot-trafik men i vissa fall kan mängden vara större på vissa publicister och den datan kan vara intressant att titta närmare på. Botklick kan naturligtvis orsaka rapporteringsfel och avvikelser i GA/DSP-dataförhållandena.
Nästa steg
När du (med vår hjälp om du vill) har identifierat orsaken till avvikelserna är nästa steg att arbeta för att minska dem. Här är det tydligt att vi måste identifiera vilka trafikkällor som driver botklick och hitta sätt att blockera dem från kampanjerna. Om sådana här klick används i CTR/CPC- eller (ännu värre) CPA-optimering kommer de att störa optimeringsalgoritmerna och leda till att de driver mer och mer trafik från fel ställen.
Vi kan identifiera exakt vilka publicister, webbplatser och appar som driver botklick. Detta hjälper dig att ta bort dem från dina kampanjer.
Det är viktigt att notera att en viss nivå av bottrafik kommer att förekomma på alla webbplatser eller appar. Till exempel skrapas välrenommerade nyhetssajter av hög kvalitet ofta för innehåll av bots som matar in det innehållet i AI och konverterar det till innehåll på andra webbplatser (vanligtvis webbplatser som är gjorda för reklam). Detta är något som utgivaren som skrapas inte har något att göra med. Så den nivån av bottrafik kommer att vara svår att undvika. Men sedan finns det utgivare som köper trafik från botfarmar eller annonsnätverk som skickar massor av bottrafik och genererar både visningar och klick. Botarna kan manipulera DSP-algoritmer genom att klicka på annonser och därmed lura algoritmerna att tilldela mer budget till dem eftersom de verkar ha en hög CTR.
Emerse levererar kvalitetskontrollerad programmatisk annonsering
Våra tjänster för att leverera kvalitetskontrollerade kampanjer och programmatisk annonsering för kunder innebär att vi tar hand om kvalitetssäkringstekniker som de i den här artikeln åt dig.
Om du är intresserad av att låta Emerse hantera din programmatiska annonsering med våra kvalitets- och kostnadskontrollprocesser samt prestandaoptimering, vänligen kontakta vårt säljteam idag för att diskutera mer.