Gli studi di Meta sul conversion lift misurano l'impatto incrementale delle tue inserzioni sulle conversioni tramite gruppi di test e di controllo. Al gruppo di test vengono mostrate le tue inserzioni, mentre al gruppo di controllo no. Dal confronto dei tassi di conversione tra i due gruppi, gli studi sul conversion lift aiutano a stabilire le conversioni aggiuntive che non si sarebbero verificate senza la visualizzazione delle tue inserzioni.

In qualità di organizzazione governativa, politica o no profit, puoi utilizzare il conversion lift per comprendere il valore reale delle tue inserzioni di Meta nel generare conversioni incrementali, come ad esempio iscrizioni via e-mail, donazioni o download di report. Per configurare uno studio sul conversion lift di successo, prendi in considerazione questo elenco di best practice e assicurati di disporre della struttura e delle impostazioni giuste prima del lancio.

Ottieni un allineamento interno sul valore dell'incrementalità

Il test sul conversion lift di Meta può aiutarti a misurare l'incrementalità delle prestazioni delle tue inserzioni, ovvero le conversioni aggiuntive causate specificamente dall'esposizione alle tue inserzioni. Assicurarti che i tuoi stakeholder comprendano il valore dell'incrementalità prima di presentare i tuoi risultati li renderà non solo interessanti, ma soprattutto fruibili.

Inizia con una domanda chiave a cui vuoi rispondere per la tua organizzazione

Prima di progettare il test, definisci chiaramente cosa vuoi imparare. Potrebbe trattarsi di qualcosa di semplice, ad esempio se le inserzioni di Meta stanno generando conversioni che non sarebbero avvenute altrimenti, oppure di qualcosa di più complesso, ad esempio se il tema creativo A o il tema creativo B è più efficace nel favorire iscrizioni o impegni di acquisto.

Assicurati di avere una configurazione di qualità elevata con Meta attraverso l'API Conversions, il pixel e/o l'SDK di Meta

Il conversion lift utilizza questi strumenti come origine di dati per segnalare le conversioni incrementali. Garantire che questi strumenti trasmettano dati accurati e di alta qualità può portare a risultati più affidabili e a massimizzare la rappresentatività dei risultati misurati.

Prepara il tuo test a ottenere risultati durante la configurazione della campagna

• Esegui il test su una campagna sufficientemente lunga da coprire 1-2 cicli di conversione o 2-4 settimane.
• Assicurati che il tuo budget soddisfi i requisiti di test e sia sufficiente per i tuoi set di inserzioni per uscire dalla fase di apprendimento.
  • L'esecuzione di un test sul conversion lift non comporta costi aggiuntivi, ma le campagne pubblicitarie o i gruppi di inserzioni utilizzati per i test sul conversion lift potrebbero avere determinati requisiti di budget, che puoi trovare qui. Questi requisiti servono a garantire che lo studio disponga di un numero sufficiente di dati e a ridurre al minimo le possibilità di risultati che presentano un basso livello di confidenza.
• Rivolgiti a un pubblico che non viene utilizzato in altre campagne di Meta. In tal caso, potrebbero verificarsi conversioni nel gruppo di controllo che incrementano la tua base di riferimento e rendono più difficile rilevare l'aumento.
• Ottimizza e misura gli eventi di conversione che riflettono il tuo obiettivo primario, non una metrica proxy.
  • Includi nel tuo test anche gli obiettivi secondari. Ad esempio, se stai misurando un evento per monitorare le donazioni, misura anche gli eventi per monitorare l'arrivo sulla pagina di donazione e l'avvio del flusso di donazione, in quanto l'aumento di queste metriche può contribuire a determinare il tuo processo decisionale.
• Utilizza una creatività che abbia una call to action e un branding ben visibili in tutto il percorso.
  
  

Non modificare le tue campagne mentre il test è in corso

I cambiamenti, come l'aggiunta di nuove creatività, la modifica del budget o l'aggiornamento della targetizzazione del pubblico, possono modificare i risultati dello studio sull'impatto, ma non sarai in grado di comprenderne l'effetto reale. Per isolare correttamente la variabile che stai testando e per sapere con certezza che è stata quella variabile a causare i risultati, ti consigliamo di apportare modifiche dopo il test.