4 etapas principais para uma análise e otimização eficazes de anúncios do Facebook
O Facebook é uma das plataformas de publicidade mais populares. Ele oferece ótimas opções de segmentação e ajuda as empresas a alcançar seus clientes-alvo com eficiência. No entanto, para aproveitar ao máximo os anúncios do Facebook, você precisa analisar seu desempenho de maneira eficaz.
![](https://marketingdigitalschool.com.br/wp-content/uploads/2023/02/CURSO-DE-FACEBOOK-ADS-1-1024x1024.jpeg)
Neste artigo, mostraremos como fazer isso. Também compartilharemos as 4 etapas importantes e algumas dicas práticas para otimizar o desempenho do seu anúncio no Facebook usando nossa estrutura de análise.
Então vamos começar!
Etapa 1: Determinando suas principais métricas
O primeiro passo para analisar o desempenho do anúncio no Facebook é determinar e entender as principais métricas. As principais métricas variam de acordo com sua meta de negócios e identificamos abaixo as mais comuns para empresas de varejo.
Em resumo, agrupamos as métricas em três camadas diferentes: métricas primárias, métricas secundárias e métricas terciárias.
As métricas primárias são os principais indicadores de desempenho que fornecem uma visão de alto nível do desempenho de sua campanha publicitária no Facebook, qualidade do público-alvo e nível de ressonância. Eles podem variar dependendo do objetivo do seu negócio, mas alguns dos mais comuns incluem:
- ROAS : retorno sobre o gasto com anúncios, que indica a lucratividade de seus anúncios no Facebook. [Cálculo: Vendas ÷ Adspend]
- CPM : o custo médio de 1.000 impressões de anúncios. [Cálculo: (Gastos em anúncios ÷ Impressões)*1000]
- Compras : o número de eventos de compra rastreados em seu site e atribuídos a seus anúncios.
- Valor médio do pedido (AOV) : o valor médio de uma compra feita como resultado do seu anúncio. [Cálculo: Vendas ÷ Compras]
- Qualidade do anúncio : é o nosso índice de qualidade personalizado, calculado com base na média da classificação de qualidade, classificação da taxa de engajamento e classificação da taxa de conversão. É uma métrica crucial, pois reflete o desempenho relativo do seu anúncio no leilão de anúncios, o que pode ajudar a diminuir significativamente o seu CPM.
As métricas secundárias fornecem informações sobre quais fatores podem estar afetando o desempenho dos anúncios do Facebook, desde o engajamento do anúncio, engajamento no local até a conversão. Eles podem ajudá-lo a identificar áreas de melhoria em sua campanha publicitária no Facebook. Abaixo estão algumas das métricas que identificamos ou definimos de forma personalizada:
- Alcance : o número de pessoas que viram seus anúncios pelo menos uma vez.
- Frequência : o número médio de vezes que cada pessoa viu seu anúncio. [Cálculo: Impressões ÷ Alcance]
- Taxa de cliques de saída exclusivos (UOC) : a porcentagem de pessoas que viram seu anúncio e realizaram um clique de saída para visitar seu site. [Cálculo: (Cliques de saída exclusivos ÷ Alcance)*100]
- Média de visualizações de conteúdo : o número médio de eventos de visualização de conteúdo para cada visitante único que viu seu anúncio. [Cálculo: visualizações de conteúdo ÷ cliques de saída exclusivos]
- Média de adições ao carrinho : o número médio de eventos de adição ao carrinho para cada visitante único que viu seu anúncio. [Cálculo: Adições ao Carrinho ÷ Cliques de Saída Exclusivos]
- Taxa de finalização de compra : a porcentagem de pessoas que visitaram seu site e iniciaram eventos de finalização de compra. [Cálculo: (Checkouts iniciados ÷ Cliques de saída exclusivos)*100]
- Taxa de conversão : a porcentagem de pessoas que visitaram seu site e fizeram uma compra. [Cálculo: (Compras ÷ Cliques exclusivos de saída)*100]
Enquanto para o nível terciário, ele fornece as métricas descritivas que fornecem mais detalhes sobre o desempenho dos seus anúncios do Facebook, o que inclui:
- CPS : Custo por venda, o custo médio por resultado/compra de seus anúncios. [Cálculo: Adspend ÷ Compras]
- Vendas : os valores totais de conversão de compra em seu website atribuídos a seus anúncios.
- Adspend : a quantia total de dinheiro que você gastou em sua campanha, conjunto de anúncios ou anúncio.
Etapa 2: Compreendendo as relações causais entre as métricas
Depois de identificar e entender suas principais métricas, a próxima etapa é entender as relações causais entre elas. Ele ajuda você a identificar quais fatores estão causando mudanças em suas principais métricas para que você possa tomar medidas para melhorá-los. Por exemplo, se o ROAS for baixo, você pode observar fatores como CPM, AOV e índice de qualidade do anúncio para determinar o motivo e, em seguida, tomar medidas para otimizar conforme necessário.
Ao entender as relações causais entre suas métricas, você pode desenvolver uma visão completa do desempenho de seus anúncios e tomar melhores decisões sobre como otimizá-los.
![4 etapas principais para uma análise e otimização eficazes de anúncios do Facebook 1 facebook-ad-key-metrics](https://13owl.com/wp-content/uploads/2022/01/key-metrics-1024x511.jpg)
Em resumo, seus principais fatores de influência são resumidos em seis áreas principais, que incluem:
- Segmentação de público
- Criativo de anúncio
- USPs do produto
- Promoção e ofertas
- Navegação no local
- Experiência de compra
Com base em nossos aprendizados, identificamos os principais fatores de influência para cada métrica conforme abaixo.
Métrica-chave | Principais fatores de influência |
ROSA | CPMValor médio do pedido (AOV)Taxa de conversão |
Alcançar | Segmentação de públicoOrçamentoCPM |
CPM | Segmentação e tamanho do públicoÍndice de qualidade do anúncioConcorrência no leilão de anúncios do FB (especialmente durante a alta temporada) |
Frequência | Tamanho do públicoOrçamento do anúncioAgendar |
Índice de qualidade do anúncio | Criativo do anúncio (Visual/ Legenda/ Formato)Segmentação de público (relevância e ressonância) |
Taxas UOC | Criativo do anúncio (Visual/ Legenda/ Formato)Fadiga do anúncio |
média Exibições de conteúdo | Visual merchandising (landing, categoria, páginas de produtos)Estoque de produtos (tamanhos quebrados) |
média adiciona ao carrinho | USPs do produtoVisual merchandising (landing, categoria, páginas de produtos, cross-sell ou upsell)Promoção e ofertasEstoque de produtos (tamanhos quebrados) |
Taxa de pagamento | USPs do produtoPromoção e ofertas |
compras | USPs do produtoPromoção e ofertas |
Taxa de conversão | USPs do produtoPromoção e ofertasExperiência de compra (opções de pagamento, atendimento ao cliente, prazo de entrega, lembrete de carrinho abandonado) |
CPS | CPMTaxa de conversão |
AOV | USPs do produtoVisual merchandising (landing, categoria, páginas de produtos, cross-sell ou upsell)Promoção e ofertas |
Vendas | USPs do produtoPromoção e ofertas |
Adspend | orçamento diário |
As relações causais entre as principais métricas
Queremos enfatizar que essas ainda são nossas interpretações subjetivas dos conectivos causais. Eles podem não ser totalmente precisos, mas é um bom ponto de partida para orientar nosso pensamento durante a análise de desempenho.
Etapa 3: verificando seus pontos cegos (com matriz de correlação)
Além de entender as relações causais entre suas métricas, também é essencial verificar se há pontos cegos em seus dados. Uma matriz de correlação pode ajudá-lo a fazer isso.
Uma matriz de correlação é uma tabela que mostra o coeficiente de correlação de Pearson (r) entre todos os pares de métricas. Quanto mais próximo o valor de r estiver de +/- 1, mais forte será a correlação entre as duas métricas.
A partir da matriz, você pode identificar quaisquer pares de métricas que tenham altas correlações (valores de r próximos de +/- 1), pois podem indicar possíveis pontos cegos se ainda não forem identificados com uma conexão causal entre eles. Ou você pode investigá-los mais para determinar se algum fator está causando leituras errôneas para essas métricas.
![4 etapas principais para uma análise e otimização eficazes de anúncios do Facebook 2 facebook-ads-correlation-matrix](https://13owl.com/wp-content/uploads/2022/01/correlation-matrix-1024x275.jpg)
Como você pode ver no diagrama acima, construímos uma matriz de correlação com base no conjunto de dados históricos que coletamos até agora, e abaixo estão alguns exemplos de insights que extraímos dela.
Por exemplo, a matriz mostra que as visualizações médias de conteúdo e as médias de adições ao carrinho têm uma alta correlação positiva (valor r de 0,74), o que sugere que os aumentos nas visualizações médias de conteúdo provavelmente também causarão aumentos nas médias de adições ao carrinho. Isso é bastante normal, pois quanto mais páginas as pessoas visualizam, mais inclinadas elas ficam para comprar.
No entanto, o que queremos enfatizar aqui não são as relações causais que já conhecemos. Essa matriz de correlação é principalmente para descobrirmos correlações e relações causais além de nossa percepção.
![](https://marketingdigitalschool.com.br/wp-content/uploads/2022/12/CURSO-DE-META-ADS-1-1024x1024.png)
Por exemplo, na matriz acima, podemos ver uma correlação positiva entre CPM e frequência (r = 0,46). O coeficiente de correlação não é alto, mas isso pode indicar um possível ponto cego se você não estiver rastreando essas duas métricas juntas. Portanto, este exemplo nos faz questionar por que as mesmas pessoas tendem a visualizar mais nossos anúncios quando o CPM é maior.
Se inferirmos ainda mais a relação causal entre essas duas métricas principais, há duas possibilidades para nossa conclusão preliminar:
- Segmentação de público de nicho: isso faz com que o algoritmo FB aumente o CPM para aumentar o alcance, enquanto, ao mesmo tempo, um tamanho de público menor leva a uma frequência de anúncio mais alta.
- Competição de leilão de anúncios: uma pontuação de qualidade de anúncio mais baixa leva o algoritmo FB a aumentar o CPM para melhorar o alcance. Se o desempenho relativo de nossos anúncios for mais fraco com um orçamento de anúncio limitado, isso pode restringir o alcance de nossos anúncios e tender a exibi-los repetidamente para o mesmo público.
Novamente, esta é apenas nossa interpretação subjetiva e podemos estar errados. No entanto, ao entender as relações causais entre suas principais métricas e verificar se há pontos cegos em seus dados, você pode desenvolver uma compreensão mais abrangente do desempenho de seus anúncios do Facebook e tomar melhores decisões sobre como otimizá-los.
Etapa 4: usando a estrutura de análise
Agora que entendemos as principais métricas e a relação entre elas, vamos ver a estrutura que projetamos para nos ajudar a analisar o desempenho dos anúncios do Facebook de maneira eficaz.
Em resumo, nosso quadro de análise gira em torno de três dimensões principais:
- Comparação período a período (Última semana/Últimas 4 semanas/Últimas 13 semanas): mede o desempenho dos anúncios no presente e os compara a um período comparável no passado.
- Benchmarking (Target/ Benchmark do setor): compara o desempenho de seus anúncios com o benchmark do setor ou seu público-alvo interno.
- Momentum (média dos últimos 3 dias x média dos últimos 7 dias): fornece um sinal adicional para mostrar a taxa de alteração mais recente no desempenho de seus anúncios.
![4 etapas principais para uma análise e otimização eficazes de anúncios do Facebook 3 facebook-ads-analysis-framework](https://13owl.com/wp-content/uploads/2022/01/13owl-analysis-framework.jpg)
Ao analisar o desempenho de seus anúncios no Facebook usando as 3 dimensões acima, é mais provável que você entenda o que aconteceu no passado (descritivo), como seus anúncios se comportam em relação ao seu alvo ou média de mercado (comparativo) e o que pode acontecer nos próximos 3 dias (preditivo).
![4 etapas principais para uma análise e otimização eficazes de anúncios do Facebook 4 facebook-ads-analysis-framework-example](https://13owl.com/wp-content/uploads/2022/01/analysis-example-1024x541.jpg)
No exemplo acima, podemos ver que o desempenho do anúncio do Facebook está tendo um bom desempenho, mas o ímpeto parece desacelerar nos últimos 3 dias em termos de ROAS, AOV e compras. Ainda assim, o ROAS está muito acima da nossa meta/benchmark, o que nos permite manter os anúncios como estão e acompanhar de perto o desempenho deles pelos próximos 3 dias.
Com base nesses dados, podemos considerar a adição de um novo visual de anúncio se o ROAS e as compras estiverem piorando nos próximos três dias, pois podemos ver que a taxa de UOC está caindo com o tempo, o que provavelmente ocorre devido à fadiga do anúncio. O envolvimento no local (média de visualizações de conteúdo, média de adições ao carrinho) e a conversão (taxa de checkout, taxa de conversão) são geralmente saudáveis, o que significa que o visual merchandising no local ainda ressoa bem com o público.
Este é apenas um exemplo de como você pode usar nossa estrutura de análise para obter insights práticos e tomar decisões sobre como otimizar seus anúncios do Facebook.
Conclusão
O desempenho dos anúncios do Facebook pode ser complexo e desafiador de entender sem a estrutura de análise adequada, especialmente quando diferentes pessoas tendem a ter diferentes interpretações subjetivas dos dados.
Por favor, não se engane, e ainda precisamos confiar em nossas interpretações subjetivas para analisar e revelar a história por trás dos dados. No entanto, ao aplicar a estrutura de análise correta, você pode desenvolver uma linguagem comum para sua equipe se comunicar com mais rapidez e precisão para entender o desempenho dos anúncios do Facebook e tomar decisões mais informadas sobre como otimizá-los, minimizando vieses subjetivos.
Nossa estrutura de análise é uma maneira de fazer isso, mas pode haver muitas outras maneiras de dividir os dados. O mais importante é encontrar a abordagem de análise que funciona melhor para você e o ajuda a tomar melhores decisões sobre seus anúncios no Facebook.