Ho fatto un audit di 383K $ di spesa tROAS Meta paese per paese. Il 7% stava fallendo esattamente sulla metrica che l’algoritmo ottimizza ed era difficile intercettarlo.
Da qualche parte dentro una campagna che stava centrando il suo target tROAS, un paese girava al 28% di All ROAS da tre mesi. Scoprire che l’algoritmo stava chiaramente battendo la fiacca è stato uno shock per me. Il target era 70%, nessuna dashboard lo segnalava, ma l’abbiamo trovato perché siamo andati a cercarlo.
Questa è la storia di quell’audit, e del framework di scoring che ne è uscito.
Il setup
Una subscription app su Meta. Cinque campagne tROAS divise per piattaforma e tier geografico. Dal 1 marzo al 29 maggio. 383K $ di spesa su oltre 200 paesi con parecchi ad set.
Un rapido vocabolario così leggiamo gli stessi numeri allo stesso modo. tROAS significa che Meta fa bid verso un target di ROAS totale. Quel target è la descrizione del lavoro dell’algoritmo. Il ROAS D0 è il nostro segnale precoce. In questa app, la maggior parte della revenue iniziale atterra il giorno dell’install, quindi il D0 ti dice in fretta se una coorte ha senso. Quando l’ho testato su altre 38 campagne Meta, il ROAS D0 ha predetto il ROAS D28 meglio del costo per acquisto.
Le campagne venivano giudicate come vengono giudicate la maggior parte delle campagne, cioè ROAS blended contro target. Quel numero sembrava a posto per tutto il trimestre.
Un numero blended nasconde tutto
La campagna Tier1 iOS di quel periodo aveva un D0 blended del 26%. Al suo interno:
| Paese | ROAS D0 | All ROAS | Cosa stava succedendo |
|---|---|---|---|
| Francia | 49% | 66% | Forte, ma l'All ROAS è sceso dal 57% al 40% nel trimestre |
| US | 23% | 62% | Sotto target, e il maggior spender della campagna con 49K $ |
| Germania | 16% | 31% | Sotto target per tre mesi di fila. Ferma al palo |
Il D0 blended dice 26%. I paesi al suo interno dicono altro.
Tre situazioni completamente diverse. Un numero blended. E la parte difficile da accettare è che l’algoritmo non sembrava preoccuparsene.
Perché l’algoritmo potrebbe non aver sistemato questo
Il tROAS risponde a un unico target blended, una media su tutti i paesi che un ad set targetizza. Meta può usare la posizione quando fa bid, ma niente nel target gli chiede di mantenere ogni paese al 70%.
Quindi un paese cattivo si nasconde dentro una campagna che sembra a posto se blended. Quel paese che girava al 28% di All ROAS mentre la sua campagna stampava il 70% stava fallendo esattamente sulla metrica che all’algoritmo era stato chiesto di ottimizzare. Non un proxy. Il vero target. Il D0 lo ha segnalato presto, l’All ROAS lo ha confermato, e il numero a livello di campagna non ha mai battuto ciglio.
I paesi buoni sovvenzionano quelli cattivi. Il blend resta mediocre, e il mediocre sembra business as usual.
Questo non riguarda il mettere in discussione l’algoritmo. L’algoritmo risponde a un unico numero blended, mai uno per paese, quindi coprire i paesi manualmente tocca a te. Per la cronaca, altre possibili suddivisioni come età o genere sembravano molto normali e attese, quindi questo ci ha colto di sorpresa.
Il framework: due metriche, tre colori, tre gruppi
Abbiamo usato questo sistema di scoring per separare cosa tenere da cosa tagliare. Gira su un export del breakdown per paese e circa trenta minuti al mese.
Passo 1: valuta ogni metrica indipendentemente
Ogni paese riceve due voti, uno per il ROAS D0 e uno per l’All ROAS, ciascuno valutato verde, giallo o rosso rispetto a fasce costruite sul target della campagna. Le fasce di questa app venivano dal suo target tROAS del 70%. L’All ROAS verde parte dal target, e le fasce D0 vengono da ciò che storicamente corrisponde al raggiungerlo. Prendi in prestito la struttura. I numeri li derivi tu, dal tuo target e dalla tua curva da D0 ad All.
Il D0 ti dà il segnale iniziale che guardiamo. L’All ROAS ti dà la verità, che è ciò per cui la campagna sta ottimizzando. Qui per All ROAS si intende il ROAS d’acquisto riportato da Meta entro la finestra di attribution della campagna. Estrailo con la stessa finestra di attribution e la stessa definizione di valore della campagna, altrimenti il confronto con il target è già sbagliato in partenza. Un paese al 25% D0 e 80% All è un animale diverso da uno al 25% D0 e 30% All, e una singola metrica li confonderebbe insieme.
Passo 2: combina in tre gruppi
Il verde vale 2, il giallo 1, il rosso 0. Somma entrambe le metriche.
| Somma dei due punteggi | Gruppo | Cosa fare |
|---|---|---|
| 3 o 4 | Good | Tieni, non toccare |
| 2 | Watch | Controlla mensilmente |
| 1 o 0 | Exclude | L’algoritmo non lo sistemerà, perché il target blended continua a sembrare a posto |
Passo 3: aggiungi la dimensione temporale
Le medie nascondono la direzione. Due paesi possono portare lo stesso verdetto trimestrale e muoversi in direzioni opposte.
PH nella campagna worldwide è sceso dal 33% al 24% al 17% D0, con All ROAS al 28% in un mese in cui la campagna ha toccato il 70%. GB è sceso al 17% ad aprile ed è tornato al 29% a maggio, con All ROAS vicino al target per tutto il tempo. Stesso verdetto aggregato. Traiettorie opposte. La vista mensile ti dice quale dei due merita pazienza.
Passo 4: agisci di conseguenza
Escludi i paesi rossi su entrambe le metriche rimasti rossi per tre mesi con spesa significativa dietro. Con oltre 200 paesi, qualcuno sembrerà rosso per puro caso, per questo aspetto tre mesi. Fissa una soglia minima di spesa prima di giudicare qualsiasi cosa, perché un paese con 80 $ dietro ha un ROAS rumoroso, non un verdetto. Ho verificato la stessa domanda per gli ad, e in un account il ROAS prediceva meglio la settimana successiva da 50 acquisti per ad. Metti in Watch i gialli e ricontrolla mensilmente. Lascia stare i Good. Dopo un’esclusione, valuta l’intera campagna il mese successivo sul suo ROAS blended e sul suo volume, perché il budget si sposta su altri paesi.
Cosa è emerso
Niente di tutto questo è visibile a livello di campagna.
Il 46% della spesa ha ottenuto Good. Il 47% ha ottenuto Watch. E il 7%, ovvero 27,6K $ su 17 combinazioni di paese e campagna, aveva entrambe le metriche rosse per tre mesi di fila. Le tre maggiori: PH nella campagna worldwide (7,1K $ al 21% D0), MX su Android (6,2K $ al 23%), DE in Tier1 (2,1K $ al 16%).
Quei 27,6K $ restano parcheggiati lì finché qualcuno non guarda manualmente. Nessun alert scatta. Niente diventa rosso in Ads Manager. La vista di campagna diceva che andava tutto bene mentre succedeva. Se non sai se il tuo target blended nasconde un paese così, lo controllo nel growth audit, che si può prenotare da solo a qualsiasi livello di spesa.
Escludere quei paesi non restituisce comunque i 27,6K $. La spesa si sposta su altri geo, e costi e volume lì si spostano con essa.
Il messaggio da portare a casa
L’algoritmo è bravo a trovare buyer. In questo account, non era bravo ad abbandonare geo che hanno smesso di convertire. Ho visto la stessa cosa con gli ad, dove Meta continuava a scalare cinque ad mai arrivati al target D0.
L’intero sistema sta in quattro righe:
- Due metriche: D0 per la velocità, All ROAS per la verità.
- Tre colori per metrica, valutati contro il tuo target.
- Tre gruppi: tieni, controlla mensilmente, escludi.
- Un promemoria in calendario. Mensile.
Se preferisci avere un secondo paio di occhi che fa questo audit sul tuo account, la mia inbox è aperta.