Untuk metrik terkait ROAS, penting untuk menggunakan kombinasi beberapa filter untuk menentukan dengan persis cara menghitung metrik ROAS. Filter penting meliputi attribution_window
, time_preset
(jendela lihat balik), dan hours_since_creation
di sini. ROAS adalah kependekan dari Return On Advertisement Spending (Laba Atas Investasi Iklan).
Misalnya, jika Anda ingin menghitung ROAS Pembelian Aplikasi Seluler 7H Klik, tetapi hanya ingin 7 hari data matang:
attribution_window
menjadi 7D_CLICK
time_preset
menjadi LAST_ND_14_8
Ini menghubungkan semua nilai pembelian aplikasi seluler yang dilakukan dalam waktu 7 hari sejak klik, dari para pengguna yang mengklik iklan di dalam jendela lihat balik, tanpa menyertakan 7 hari terakhir karena ini mengandung data yang belum matang. Jika pengguna mengklik iklan kemarin, kami tidak menyertakan pengguna tersebut dalam perhitungan ROAS, karena pengguna itu masih berpotensi membeli dalam waktu 6 hari.
Nilai pembelian mengacu pada nilai peristiwa Pembelian Aplikasi Seluler dan peristiwa Pembelian Konversi Situs Web (FB Pixel) untuk masing-masing metrik ROAS. Dalam API, ini berarti nilai pembelian metrik jumlah app_custom_event.fb_mobile_purchase
dan offsite_conversion.fb_pixel_purchase
, secara berturut-turut.
Jika jendela atribusi mencakup jendela klik dan jendela lihat, ROAS yang dihitung adalah jumlah nilai. Misalnya, jika attribution_window
kami adalah 1D_VIEW_7D_CLICK
, kami menghitung jumlah nilai ROAS 1D_VIEW
dan nilai ROAS 7D_CLICK
. Ini karena kedua atribusi tersebut terpisah dan dapat dijumlahkan dengan benar tanpa tumpang tindih.
Penggunaan optimal dari metrik ini juga mencakup filter berbasis waktu, untuk memastikan bahwa jumlah hari yang berlalu sudah cukup untuk mendapatkan data yang matang. Jika kasus penggunaan memerlukan data matang, kami menyarankan filter seperti hours_since_creation
untuk memastikan bahwa set iklan telah berjalan cukup lama.
Berikut ini contoh aturan yang:
0.50
(50%) Karena sangat spesifik, aturan seperti ini biasanya berlaku untuk daftar set iklan tertentu, seperti id
= 123
. Kami menggunakan 8*24
untuk jumlah jam setelah pembuatan iklan untuk mendapatkan setidaknya satu hari penuh data matang.
curl \ -F 'name=Test Website ROAS Rule' \ -F 'schedule_spec={ "schedule_type": "DAILY" }' \ -F 'evaluation_spec={ "evaluation_type": "SCHEDULE", "filters": [ { "field": "id", "value": [123], "operator": "IN" }, { "field": "time_preset", "value": "LAST_ND_14_8", "operator": "EQUAL" }, { "field": "attribution_window", "value": "7D_CLICK", "operator": "EQUAL" }, { "field": "hours_since_creation", "value": 192, "operator": "GREATER_THAN" }, { "field": "website_purchase_roas", "value": 0.50, "operator": "GREATER_THAN" } ] }' \ -F 'execution_spec={ "execution_type": "CHANGE_BUDGET", "execution_options": [ { "field": "change_spec", "value": { "amount": 20, "unit": "PERCENTAGE" }, "operator": "EQUAL" }, ] }' \ -F "access_token=<ACCESS_TOKEN>" \ https://graph.facebook.com/<VERSION>/<AD_ACCOUNT_ID>/adrules_library
Berikut ini contoh aturan yang:
Sekali lagi, untuk mendapatkan data yang matang, gunakan preset waktu yang tidak menyertakan data hari ini, seperti LAST_7D
dan LAST_14D
.
curl \ -F 'name=Test Mobile App ROAS Rule' \ -F 'schedule_spec={ "schedule_type": "DAILY" }' \ -F 'evaluation_spec={ "evaluation_type": "SCHEDULE", "filters": [ { "field": "id", "value": [123], "operator": "IN" }, { "field": "time_preset", "value": "LAST_7D", "operator": "EQUAL" }, { "field": "attribution_window", "value": "1D_VIEW_1D_CLICK", "operator": "EQUAL" }, { "field": "hours_since_creation", "value": 48, "operator": "GREATER_THAN" }, { "field": "mobile_app_purchase_roas", "value": [0.76, 0.84], "operator": "NOT_IN_RANGE" } ] }' \ -F 'execution_spec={ "execution_type": "CHANGE_BID", "execution_options": [ { "field": "change_spec", "value": { "amount": 0.80, "target_field": "mobile_app_purchase_roas" }, "operator": "EQUAL" }, ] }' \ -F "access_token=<ACCESS_TOKEN>" \ https://graph.facebook.com/<VERSION>/<AD_ACCOUNT_ID>/adrules_library