สำหรับเกณฑ์ชี้วัดที่เกี่ยวข้องกับ ROAS สิ่งสำคัญคือต้องใช้ตัวกรองหลายตัวร่วมกันเพื่อระบุให้แน่ชัดว่าจะคำนวณเกณฑ์ชี้วัด ROAS อย่างไร ตัวกรองที่สำคัญประกอบด้วย attribution_window
, time_preset
(ช่วงเวลาย้อนหลัง) และ hours_since_creation
ส่วนคำว่า ROAS นั้นย่อมาจาก Return On Advertisement Spending หรือผลตอบแทนจากค่าใช้จ่ายในการโฆษณา
ตัวอย่างเช่น หากคุณต้องการคำนวณ ROAS ของการซื้อในแอพบนมือถือหลังคลิกโฆษณา 7 วัน แต่ต้องการข้อมูลที่สมบูรณ์เพียง 7 วันเท่านั้น ให้ดำเนินการดังนี้
attribution_window
เป็น 7D_CLICK
time_preset
เป็น LAST_ND_14_8
การตั้งค่านี้จะระบุที่มาของมูลค่าการซื้อในแอพบนมือถือทั้งหมดภายใน 7 วันของผู้ใช้ที่คลิกโฆษณาในช่วงเวลาย้อนหลัง แต่จะไม่รวมช่วงเวลา 7 วันล่าสุด เนื่องจากช่วงเวลาดังกล่าวมีข้อมูลที่ยังไม่สมบูรณ์ หากผู้ใช้คลิกโฆษณาเมื่อวานนี้ เราจะไม่รวมผู้ใช้ดังกล่าวในการคำนวณ ROAS เนื่องจากผู้ใช้ยังมีโอกาสที่จะซื้ออีก 6 วัน
คำว่ามูลค่าการซื้อหมายถึงมูลค่าของเหตุการณ์การซื้อในแอพบนมือถือและเหตุการณ์การซื้อที่เป็นคอนเวอร์ชั่นบนเว็บไซต์ (พิกเซลของ Facebook) สำหรับเกณฑ์ชี้วัด ROAS ที่เกี่ยวข้อง ใน API คำนี้จะหมายถึงมูลค่าการซื้อของเกณฑ์ชี้วัดจำนวน app_custom_event.fb_mobile_purchase
และ offsite_conversion.fb_pixel_purchase
ตามลำดับ
หากช่วงการระบุที่มามีทั้งช่วงเวลาในการคลิกและการดู ROAS ที่คำนวณจะเป็นผลรวมมูลค่า ตัวอย่างเช่น หาก attribution_window
ของเราเป็น 1D_VIEW_7D_CLICK
เราจะนำมูลค่า ROAS ของ 1D_VIEW
และมูลค่า ROAS ของ 7D_CLICK
มาคำนวณผลรวม เนื่องจากการระบุที่มาทั้ง 2 รูปแบบนั้นแยกส่วนกันและสามารถนำมารวมกันได้อย่างถูกต้องโดยไม่ทับซ้อนกัน
การใช้เกณฑ์ชี้วัดนี้ให้มีประสิทธิภาพสูงสุดจำเป็นต้องใช้ตัวกรองตามเวลาร่วมด้วย เพื่อให้แน่ใจว่าเวลาผ่านไปมากพอที่จะทำให้ข้อมูลนั้นๆ กลายเป็นข้อมูลที่สมบูรณ์ หากกรณีการใช้งานจำเป็นต้องใช้ข้อมูลที่สมบูรณ์ เราขอแนะนำให้ใช้ตัวกรอง เช่น hours_since_creation
เพื่อให้แน่ใจว่าชุดโฆษณานั้นๆ ได้รับการเผยแพร่นานมากพอ
ต่อไปนี้คือตัวอย่างกฎที่มีเงื่อนไขดังนี้
0.50
(50%) เนื่องจากกฎเหล่านี้มีความเฉพาะเจาะจงสูง จึงมักจะใช้กับรายการชุดโฆษณาแบบเจาะจง เช่น id
= 123
โดยเราใช้ 8*24
เป็นจำนวนชั่วโมงนับตั้งแต่มีการสร้าง เพื่อให้ได้รับข้อมูลที่สมบูรณ์อย่างน้อย 1 วันเต็ม
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
ต่อไปนี้คือตัวอย่างกฎที่มีเงื่อนไขดังนี้
อย่าลืมว่าหากต้องการรับข้อมูลที่สมบูรณ์เท่านั้น ให้ใช้ค่าเวลาที่กำหนดไว้ล่วงหน้าที่ไม่รวมข้อมูลของวันนี้ เช่น LAST_7D
และ 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