הבעיה עם "אופטימיזציה לפי המרות" הרגילה
רוב מערכות הפרסום מציעות אופטימיזציה אוטומטית לפי המרה: המערכת לומדת אילו קליקים הופכים ללקוחות ומזיזה תקציב לשם. הבעיה מתחילה בהגדרה. "המרה" היא מילה רופפת, וטופס שמולא, ליד שנקלט ולחיצה על כפתור נספרים כולם כהמרה, גם אם רק חלק קטן מהם הופך ללקוח משלם. המערכת מקבלת אות הצלחה בכל פעם שנספרת המרה, ולכן היא רודפת אחרי מה שקל להשיג.
כשהאופטימיזציה נשענת על המרה גולמית, האלגוריתם לומד להביא הרבה טפסים זולים ולא לקוחות טובים. הוא לא מבחין בין מי שרוצה לקנות לבין מי שמילא טופס בטעות או מתוך סקרנות. התוצאה: עלות להמרה נמוכה ומרשימה בדוח, ותקציב שיווק שלא ממלא צנרת מכירות.
מנהלים רבים מגלים את הפער רק כשצוות המכירות מתלונן שהלידים "לא איכותיים", בעוד דוח הפרסום מראה תוצאות מצוינות. שני הצדדים קוראים נתונים אמיתיים, פשוט לא את אותו מדד.
למה עלות לנרשם ולא עלות להמרה
המתודולוגיה שלנו נשענת על מדד אחד: עלות לנרשם. נרשם הוא ליד שעבר בדיקת סף, למשל אימות פרטים, תשובה לשאלת סינון או שיחה ראשונית, ולא כל טופס שמולא באתר. ברגע שזה מדד ההצלחה, כל שקל בקמפיין נמדד מול תוצאה עסקית ולא רק שיווקית. את הסף קובע העסק, לא פלטפורמת הפרסום.
ההבדל בין עלות להמרה לעלות לנרשם יכול להיות פי שניים או שלושה, ולפעמים יותר. קמפיין שמראה עלות המרה נמוכה במיוחד מייצר לפעמים בדיוק את הלידים החלשים ביותר: הם "זולים" להביא כי הם לא רציניים מלכתחילה, ואף אחד לא בודק אותם לפני שהם נספרים כהצלחה.
הגדרת הסף עצמה שונה מעסק לעסק, וזה החלק שדורש הבנה של הענף ולא רק גישה לפלטפורמת הפרסום. אצל לקוח בתחום שירותים הסף עשוי להיות שיחת טלפון שהתקיימה בפועל, ואצל לקוח שמוכר אונליין תשלום שהושלם ולא עגלה שנפתחה. גם שני עסקים באותו ענף יגדירו סף שונה, כי מחזור המכירה שלהם שונה או כי איכות הליד שהם מוכנים לקבל שונה.
איפה AI נכנס לתמונה
המודלים שרצים אצלנו בפרודקשן, בעיקר Gemini ו-Claude, לא מחליפים את שיקול הדעת של מנהל הקמפיין. הם מזרזים את קריאת הנתונים. במקום לעבור ידנית על מאות שורות של ביצועי קהל, מודעה ומיקום, המערכת מסמנת תוך דקות אילו קבוצות מייצרות עלות לנרשם גבוהה. הסימון הוא נקודת פתיחה לבדיקה, לא פקודה להשבית קבוצה.
זה משנה את הקצב. סקירה שבועית מגלה בעיה אחרי שהיא כבר בזבזה תקציב משמעותי, ואילו מעקב שמזהה סטייה תוך יום-יומיים מאפשר להזיז תקציב לפני שההפסד גדל. בקמפיין עם תקציב יומי גבוה, ההבדל בין תגובה מיידית לתגובה בסוף השבוע יכול להיות אלפי שקלים בחודש.
יש גם דפוסים שקשה לתפוס בעין: אילו שילובים של קהל, שעת הצגה וסוג מכשיר מייצרים את הנרשמים הזולים ביותר, גם כשאף אחד מהגורמים בנפרד לא נראה חריג.
איך נראה מחזור פרסום אצלנו
כל מחזור פרסום נבנה סביב שאלה אחת: כמה עלה כל נרשם השבוע, ולמה. בודקים לפי קמפיין, לפי קבוצת מודעות ולפי קהל, ומשווים למחזור הקודם כדי לראות מגמה ולא תמונת מצב חד-פעמית. את השאלה שואלים גם בשבועות שבהם התוצאות נראות טובות.
- איסוף: נתוני הלידים מכל הערוצים מתחברים לנתוני הפרסום, כך שעלות לנרשם מחושבת ולא משוערת מתוך הנחות.
- ניתוח: איפה עלות לנרשם עברה את הסף שהוגדר, ולמה: קהל שנשחק, קריאייטיב שדעך, או תחרות שעלתה בשוק.
- פעולה: מזיזים תקציב מהקבוצות היקרות לזולות, לפני שהמערכת האוטומטית ממשיכה להזין אותן על סמך מדד שגוי.
- תיעוד: כל שינוי נרשם, כדי שהמחזור הבא ימשיך מאיפה שהקודם עצר.
המחזור חוזר כל שבוע, ולאורך זמן הוא מצטבר לתמונה ברורה של מה עובד בכל ערוץ, במקום ממוצע כללי שמסתיר בעיות בקבוצות ספציפיות. אחרי כמה חודשים כאלה מתגלים גם דפוסים עונתיים: אילו שבועות בשנה עלות לנרשם עולה באופן טבעי בענף, ואז אפשר לתכנן תקציב מראש במקום להיבהל מכל עלייה כאילו היא חריגה.
מתי בן-אדם מכריע, לא האלגוריתם
AI טוב בזיהוי דפוסים בכמות דאטה שאדם לא היה עובר עליה ידנית. הוא פחות טוב בהחלטות שדורשות הקשר עסקי: האם להשקיע בקהל חדש שאין עליו עדיין דאטה, איך להגיב לשינוי בשוק, ומתי לעצור קמפיין שהמספרים שלו עדיין נראים סבירים על הנייר.
לכן מנהל קמפיין אנושי מאשר אצלנו כל שינוי תקציב משמעותי. ה-AI מביא את התובנה, האדם מחליט, כולל על סמך מה שהמערכת לא רואה: מבצע של מתחרה, שינוי עונתי בביקוש. ככה נמנעת גם הטעות הנפוצה של אופטימיזציה עיוורת לפי מדד שגוי, כזו שמייצרת דוח יפה בלי לקוחות מאחוריו.
מתודולוגיה שאי אפשר להעתיק בקליק
מתחרה יכול להעתיק מבנה קמפיין או רעיון קריאייטיב תוך יום. הרבה יותר קשה להעתיק תהליך שבו כל שקל נבדק מול עלות לנרשם אמיתית, בכל מחזור פרסום, עם הבנה מצטברת של מה עובד אצל כל לקוח ספציפית. לקוח חדש לא מקבל את התהליך שנבנה ללקוח אחר, אלא את אותה שיטה שמורצת מחדש על הדאטה שלו. זה מה שקובע בסוף אם תקציב פרסום הופך ללקוחות או נשאר מספר יפה בדוח שאף אחד בהנהלה לא מאמין לו.
ככה אנחנו מנהלים קמפיינים בגוגל ובמטא ללקוחות שלנו: מדד אחד, מחזור קבוע, ובקרה אנושית על כל החלטה שמשנה תקציב.
שאלות ותשובות
מה ההבדל בין ליד לנרשם?
ליד הוא כל פנייה שהתקבלה, גם אם היא לא רצינית. נרשם הוא ליד שעבר בדיקת סף, למשל אימות פרטים או שיחה ראשונית, ורק אז נכנס לחישוב עלות לנרשם.
איך בונים סף איכות לליד?
הסף נגזר מהעסק: תקציב מוצהר, תחום עיסוק, אזור גיאוגרפי או שלב בתהליך הרכישה. בונים אותו יחד עם הלקוח לפני שהקמפיין יוצא לדרך, ומעדכנים לפי מה שהמכירות מלמדות.
כמה זמן לוקח לראות שיפור בעלות לנרשם?
שני עד שלושה מחזורי פרסום, כלומר כשבועיים עד שלושה. השיפור הראשון מגיע מזיהוי הקבוצות היקרות ביותר, ומשם הדיוק ממשיך לעלות בכל מחזור.
האם המתודולוגיה מתאימה גם לתקציבים קטנים?
כן, ושם היא אפילו חשובה יותר. בתקציב קטן כל נרשם יקר בהיקף היחסי שלו, ומעקב הדוק מונע בזבוז שעסק גדול היה סופג בלי לשים לב.
איזה AI אתם משתמשים בפועל?
אנחנו עובדים עם המודלים שמתאימים למשימה, בעיקר Gemini ו-Claude, לניתוח נתונים וזיהוי מגמות. הם כלי עזר למנהל הקמפיין, לא תחליף לו.
מה קורה אם עלות לנרשם עולה בפתאומיות?
המערכת מסמנת את הסטייה תוך יום-יומיים, ומנהל הקמפיין בודק את הסיבה: קהל שנשחק, קריאייטיב שדעך או תחרות שהתחזקה, ומחליט על הפעולה המתאימה.
אור פיאלקוב
מתמחה בשיווק ופרסום בפייסבוק
