Em métricas relacionadas ao retorno sobre o investimento em publicidade (ROAS), é importante usar uma combinação de filtros para especificar exatamente como calcular a métrica em questão. Os filtros importantes incluem attribution_window
, time_preset
(janela de lookback) e hours_since_creation
. "ROAS" significa retorno sobre o investimento em publicidade.
Por exemplo, digamos que você pretenda calcular o ROAS de compra no app para celular de clique de 7 dias, mas queira apenas 7 dias de dados maduros:
attribution_window
de 7D_CLICK
.time_preset
de LAST_ND_14_8
. Serão atribuídos todos os valores de compra no app para celular em um período de 7 dias referentes a usuários que clicaram no anúncio durante a janela de lookback, sem contabilizar os 7 dias mais recentes, já que eles incluem dados imaturos. Se o usuário tiver clicado no anúncio ontem, não o incluiremos no cálculo do ROAS, já que ainda haverá 6 dias de compras potenciais.
"Valores de compra" são os valores dos eventos de compra no app para celular e de compra de conversão no site (Pixel do Facebook) para as respectivas métricas de ROAS. Na API, esses seriam os valores de compra das métricas de contagem de app_custom_event.fb_mobile_purchase
e offsite_conversion.fb_pixel_purchase
, respectivamente.
Se a janela de atribuição incluir janelas de clique e visualização, o ROAS calculado será a soma dos valores. Por exemplo, se a attribution_window
for 1D_VIEW_7D_CLICK
, calcularemos a soma do valor do ROAS de 1D_VIEW
e 7D_CLICK
. Isso ocorre porque as duas atribuições não são vinculadas e podem ser somadas corretamente sem sobreposição.
Para usar essa métrica da melhor forma possível, o ideal é incluir também um filtro baseado em tempo a fim de garantir que tenham decorrido dias suficientes para a geração de dados maduros. Se o caso de uso exigir dados maduros, recomendamos a aplicação de um filtro como hours_since_creation
para garantir que o conjunto de anúncios esteja em veiculação há tempo suficiente.
Veja um exemplo de regra:
0.50
(50%) Como essas regras são muito específicas, elas geralmente se aplicam a uma lista específica de conjuntos de anúncios, como id
= 123
. Usamos 8*24
para horas desde a criação a fim de obter pelo menos um dia inteiro de dados maduros.
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
Veja um exemplo de regra:
Como mencionamos antes, para obter apenas dados maduros, use predefinições de tempo que não incluam os dados de hoje, como LAST_7D
e 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