Die Conversion Lift-Studien von Meta messen die inkrementelle Wirkung deiner Anzeigen auf Conversions mithilfe von Test- und Kontrollgruppen. Der Testgruppe werden deine Anzeigen gezeigt, der Kontrollgruppe nicht. Durch den Vergleich der Conversion Rates zwischen diesen beiden Gruppen helfen Conversion Lift-Studien dabei, die zusätzlichen Conversions zu ermitteln, die ohne deine Anzeigen nicht zustande gekommen wären.

Als Regierungs-, politische oder gemeinnützige Organisation kannst du Conversion Lift nutzen, um den wahren Wert deiner Meta-Werbeanzeigen für die Steigerung inkrementeller Conversions zu ermitteln, z. B. für E-Mail-Anmeldungen, Spenden oder das Herunterladen von Berichten. Um deine Conversion Lift-Studie erfolgreich durchzuführen, solltest du diese Liste mit Best Practices beachten, damit du vor dem Start die richtige Struktur und die richtigen Einstellungen hast.

Erreiche eine interne Ausrichtung auf den Wert der Inkrementalität.

Mit dem Conversion Lift-Test von Meta kannst du die Inkrementalität deiner Anzeigeperformance messen, also die zusätzlichen Conversions, die speziell durch die Einblendung deiner Anzeigen erzielt wurden. Indem du sicherstellst, dass deine Stakeholder den Wert der Inkrementalität verstehen, bevor du deine Ergebnisse präsentierst, werden diese nicht nur interessant, sondern vor allem auch umsetzbar.

Beginne mit einer wichtigen Frage, die du für deine Organisation beantworten möchtest.

Bevor du deinen Test entwirfst, solltest du genau festlegen, was du herausfinden möchtest. Dies kann so einfach sein wie die Frage, ob deine Meta-Werbeanzeigen zu Conversions führen, die sonst nicht zustande gekommen wären, oder etwas komplexer, beispielsweise ob das kreative Thema A oder das kreative Thema B effektiver ist, um Anmeldungen oder Zusagen zu generieren.

Stelle sicher, dass du bei Meta eine hochwertige Konfiguration eingerichtet hast, indem du die Conversions API, das Meta-Pixel und/oder das SDK nutzt.

Conversion Lift verwendet diese Tools als Datenquelle für das Reporting inkrementeller Conversions. Es ist wichtig, dass diese Tools qualitativ hochwertige und genaue Daten liefern, damit die Testergebnisse zuverlässiger sind und die Messwerte möglichst repräsentativ sind.

Richte deinen Test während der Kampagnenkonfiguration ein, um ihr zum Erfolg zu verhelfen.

• Führe deinen Test für eine Kampagne durch, die lang genug ist, um 1–2 Conversion-Zyklen oder 2–4 Wochen abzudecken.
• Stelle sicher, dass dein Budget den Testanforderungen entspricht und ausreicht, damit deine Anzeigengruppen die Lernphase abschließen können.
  • Bitte beachte, dass für die Durchführung eines Conversion Lift-Tests keine zusätzlichen Kosten anfallen. Für Werbekampagnen oder Anzeigengruppen, die du für Conversion Lift-Tests verwendest, können jedoch bestimmte Budgetanforderungen gelten, die hier angeführt sind. Diese Anforderungen sollen sicherstellen, dass eine Studie über ausreichende Daten verfügt und die Wahrscheinlichkeit von Ergebnissen mit geringer Zuverlässigkeit minimiert wird.
• Richte deinen Test auf eine Zielgruppe aus, die nicht in anderen Meta-Kampagnen verwendet wird. Andernfalls kann es zu Conversions in der Kontrollgruppe kommen, wodurch dein Referenzwert künstlich erhöht wird und es schwieriger wird, die Steigerung zu erkennen.
• Optimiere und miss die Conversion-Events, die dein primäres Ziel widerspiegeln, nicht nur eine Proxy-Kennzahl.
  • Beziehe auch sekundäre Ziele in deinen Test mit ein. Wenn du beispielsweise Events misst, die Spenden tracken, solltest du auch Events messen, die das Aufrufen der Spendenseite und den Start des Spendenvorgangs tracken, da ein Anstieg dieser Kennzahlen ebenfalls zu deiner Entscheidungsfindung beitragen kann.
• Verwende Anzeigengestaltungen, die durchgehend einen auffälligen Call-to-Action und klares Branding enthalten.
  
  

Nimm keine Änderungen an deinen Kampagnen vor, während der Test läuft.

Anpassungen wie das Hinzufügen neuer Anzeigengestaltungen, das Ändern deines Budgets oder das Aktualisieren deines Zielgruppen-Targetings können dazu führen, dass sich die Ergebnisse deiner Lift-Studie ändern. Dadurch wird es für dich schwierig bis unmöglich, die genauen Auswirkungen zu verstehen. Um die zu testende Variable richtig zu isolieren und sicher zu sein, dass es diese Variable war, die die Ergebnisse verursacht hat, solltest du mit Anpassungen bis nach dem Test warten.