Apa itu daya klik materi kreatif, dan dapatkah diprediksi sebelum membelanjakan anggaran?

Kemampuan klik materi iklan adalah perkiraan kemungkinan bahwa sebuah iklan akan menghasilkan lebih banyak, atau lebih sedikit, klik dibandingkan iklan sejenis, yang diperkirakan dari materi iklan itu sendiri sebelum uang media dibelanjakan. Anda dapat memperkirakannya, sebagai probabilitas, bukan janji: model yang dilatih pada iklan dengan hasil yang diketahui mengurutkan materi iklan baru ke dalam Tinggi, Normal, atau Rendah. Gunakan pita untuk memutuskan apa yang harus diperbaiki, dipotong dan diuji terlebih dahulu, jangan sampai melewatkan tes.

Poin penting

• Kemampuan klik bersifat relatif dan probabilistik. Skor menunjukkan seberapa besar kemungkinan materi iklan mengalahkan, menyamai, atau tertinggal dari iklan serupa dalam hal klik-tayang, bukan berapa rasio klik-tayangnya.
• Model belajar dari iklan berlabel, menghubungkan apa yang ada dalam gambar, menyalin dan menyiapkannya dengan kinerja iklan serupa.
• Ketika SOMIN mencetak 631 iklan dari vendor pengoptimalan iklan (Oktober 2025 hingga Oktober 2026), 15% keluar Tinggi, 68% Normal, dan 18% Rendah. Di Meta, 40% iklan video mendapat skor Tinggi dan tidak ada yang mendapat skor Rendah.
• Skor paling lemah terjadi ketika model paling sedikit melihat: iklan penelusuran hanya teks, format yang tidak dikenal, dan hasil di luar klik.
• Dalam rencana pengujian, perbaiki atau kurangi Rendah, uji Tinggi terhadap yang terbaik saat ini, dan pertahankan satu wildcard untuk memeriksa model.

Apa yang dimaksud dengan kemampuan klik materi iklan?

Ini adalah perkiraan klik-tayang relatif, yang dibuat sebelum peluncuran. Rasio klik-tayang (RKT) adalah klik dibagi tayangan, dan hanya dapat diukur setelah iklan berjalan dan dibayar. Kemampuan klik memperkirakan sisi tolok ukur mana yang kemungkinan akan digunakan materi iklan sebelum hal tersebut terjadi.

Perkiraan tersebut bersifat relatif karena alasan praktis. RKT 1% dapat menjadi kuat untuk satu penempatan dan tujuan serta lemah untuk penempatan lainnya, sehingga jumlah mentah yang dikirimkan akan buruk. Pertanyaan yang berguna lebih sempit: dibandingkan dengan iklan seperti ini, yang ditampilkan di tempat serupa, apakah materi iklan ini cenderung menghasilkan kinerja yang lebih baik, hampir sama, atau lebih buruk?

Dalam data SOMIN, setiap materi iklan yang diberi skor memiliki tiga probabilitas, untuk klik-tayang di bawah rata-rata, rata-rata, dan di atas rata-rata, yang semuanya berjumlah satu. Secara umum, band ini adalah yang paling mungkin dari ketiganya. Dua iklan video Madgicx dari ruang kerja pengoptimalan iklan menunjukkan bunyinya:

• Sebuah video berjudul "Bunuh pembelanjaan iklan Anda yang terbuang", yang dimulai pada 5 Oktober 2026, mendapat skor 0.76 untuk di atas rata-rata, 0.23 untuk rata-rata, dan 0.01 untuk di bawah rata-rata. Tinggi, dengan margin yang jelas.
• Video tentang liburan tanpa rasa khawatir bagi pemilik e-niaga mendapat skor rata-rata 0.56 dan 0.39 di atas rata-rata. Ini adalah Normal, namun mendekati Tinggi, dan membutuhkan lebih banyak perhatian daripada Normal dengan peluang 0.10 untuk mengalahkan tolok ukur.

Jadi bacalah probabilitasnya, bukan hanya labelnya. Dua materi iklan dengan band yang sama dapat membawa peluang yang sangat berbeda.

Bagaimana cara kerja model kemampuan klik secara sederhana?

Ia belajar dari iklan yang hasilnya sudah diketahui, lalu menerapkan pengalaman tersebut pada materi iklan yang belum pernah dilihatnya. Langkah-langkahnya sederhana untuk dijelaskan, meskipun rekayasanya tidak.

1. Kumpulkan contoh yang diberi label. Kumpulkan banyak iklan dengan tayangan dan klik nyata, dan beri label pada setiap iklan berdasarkan apakah RKT-nya berada di atas, mendekati, atau di bawah tolok ukur untuk iklan yang sebanding.
2. Deskripsikan setiap iklan. Ubah materi iklan menjadi fitur yang dapat dibandingkan oleh model: apa yang ditampilkan gambar dan bagaimana komposisinya, berapa banyak teks yang ada di dalamnya, apa yang ditawarkan salinan dan bagaimana bunyinya, format, penempatan, dan audiens yang dituju.
3. Latih. Model mempelajari kombinasi fitur mana yang cenderung memberikan hasil di atas atau di bawah rata-rata, dan seberapa yakin hal tersebut.
4. Skor materi iklan baru. Iklan baru mendapatkan tiga probabilitas, dan bandnya.
5. Jelaskan. Model yang berguna menyatakan fitur mana yang menaikkan atau menurunkan skor, sehingga desainer mengetahui apa yang harus diubah.
6. Kalibrasi ulang. Hasil langsung kembali ke model, sehingga gagasan "rata-rata" mengikuti pasar.

Karena model hanya membaca materi iklan dan penyiapannya, model tidak memerlukan akses ke akun pengiklan. Hal inilah yang memungkinkan SOMIN menilai iklan pesaing dari perpustakaan iklan publik, seperti pada contoh di bawah, dan menilai rancangan merek sebelum dibuat sebagai iklan.

Karya kami yang diterbitkan mencakup beberapa langkah berikut. SoCraft, sebuah demonstrasi di WSDM 2023, menilai materi iklan Meta pengiklan dari teks, gambar, penargetan, dan pengaturan sebelum diluncurkan. "Against Opacity" (ACM Multimedia 2023) memprediksi RKT untuk materi iklan baru dan menjelaskan pendorongnya dalam bahasa yang sederhana. Makalah 2025 dalam ACM Transactions on Information Systems memasangkan model prediksi dengan model bahasa besar untuk mengubah skor menjadi rekomendasi. Semua tercantum di halaman penelitian SOMIN. Untuk pilihan yang lebih luas antara panel, pengujian A/B, dan model, lihat panduan kami untuk pra-pengujian materi iklan sebelum Anda membelanjakannya.

Seperti apa pembagian Tinggi, Normal, dan Rendah pada data sebenarnya?

Sebagian Besar Normal, dengan Sangat langka. Kami menggunakan filter kemampuan klik di ruang kerja pengoptimalan iklan SOMIN untuk menghitung skor untuk setiap iklan yang dijalankan Smartly, Madgicx, Strike Social, dan Adzooma antara 18 Oktober 2025 dan 17 Oktober 2026. Dari iklan 633, 631 membawa skor.

Iklan Meta dibagi lagi berdasarkan format. Hitungan adalah label jenis media SOMIN, dan iklan dengan beberapa jenis muncul di lebih dari satu baris.

Tiga bacaan menyusul, masing-masing dengan peringatan.

• Normal adalah defaultnya. Dua dari tiga iklan mendarat di sana, jadi skor Normal bukanlah alasan untuk dipotong. Artinya "tidak ada sinyal yang kuat".
• Video condong Tinggi dan iklan multi-materi iklan condong Rendah. Namun formatnya kusut dengan pengiklan: Madgicx membuat 44 dari 63 video, dan Smartly memanfaatkan sebagian besar iklan materi iklan dinamis. Bandingkan format dalam satu merek sebelum membuat aturan.
• Iklan Google mendapat skor lebih rendah, mungkin karena formatnya, bukan kualitasnya. 305 dari 331 iklan Google adalah iklan teks, yang memberikan sinyal visual yang jauh lebih sedikit kepada model dibandingkan gambar atau video, jadi perlakukan skor tersebut dengan hati-hati.

Versi juga penting. Di antara iklan Meta 128 dengan beberapa versi, peluang klik-tayang di atas rata-rata biasanya sedikit berbeda antar versi, dengan median 0.05. Dalam satu iklan, kesenjangan antara versi terbaik dan terburuknya adalah 0.68. Skor setiap versi, bukan hanya iklannya.

Apa yang dijanjikan vendor dalam iklan tersebut adalah cerita terpisah, yang kami bahas di apa yang dijanjikan platform pengoptimalan iklan dalam iklan mereka.

Apa yang tidak dapat disampaikan oleh skor kemampuan klik kepada Anda?

Ia tidak dapat memberi tahu Anda tentang apa pun yang tidak dilihat oleh model. Ini adalah batasan yang kami periksa terlebih dahulu.

• Klik bukanlah penjualan. Konversi bergantung pada halaman arahan, harga, penawaran, dan stok. Materi iklan dapat memenangkan klik dan kehilangan penjualan.
• Klik bisa menjadi sasaran yang salah. Rasa ingin tahu dan provokasi memenangkan klik dari orang-orang yang tidak akan pernah membeli. Pasangkan kemampuan diklik dengan ukuran hilir untuk kampanye konversi apa pun.
• "Rata-rata" bergantung pada data pelatihan. Skor bersifat relatif terhadap iklan tempat model belajar. Format, pasar, atau bahasa yang jarang dilihat mendapat perkiraan yang lebih lemah.
• Konteks berada di luar materi iklan. Audiens, tekanan lelang, waktu, tren musiman, dan frekuensi semuanya memindahkan hasil, dan tidak ada satupun yang ada dalam gambar.
• Probabilitas bukanlah sebuah keputusan. Iklan normal dengan peluang 0.39 untuk mengalahkan tolok ukur sering kali akan mengalahkannya. Harapkan kejutan di kedua arah.
• Efek merek berada di luar cakupan. Kemampuan klik tidak menjelaskan apa pun tentang memori, kekhasan, atau pembangunan merek jangka panjang.

Bagaimana Anda menggunakan skor Tinggi, Normal, dan Rendah dalam rencana pengujian?

Gunakan pita untuk memesan pekerjaan, lalu biarkan tes yang tepat memutuskan. Tabel ini menetapkan tindakan default untuk setiap band.

1. Definisikan "sebanding". Skor terhadap iklan dengan tujuan, penempatan, dan pemirsa yang sama, atau kelompoknya tidak berarti apa-apa.
2. Nilai setiap versi. Sertakan setiap aset yang akan Anda masukkan ke dalam iklan kreatif dinamis atau iklan fleksibel, karena versi satu iklan bisa sangat berbeda.
3. Edit sebelum Anda membelanjakan uang. Baca mengapa draf mendapat skor Rendah atau Normal, ubah gambar atau salin, dan beri skor lagi.
4. Buat tesnya. Tempatkan kandidat Tinggi di luar kendali Anda, dan pertahankan satu wildcard Normal atau Rendah di setiap putaran sehingga model diperiksa terhadap sesuatu yang diragukan.
5. Gunakan pengujian terpisah yang sebenarnya untuk pembacaan. Pusat bantuan Meta mencatat bahwa laporan materi iklan dinamis menggabungkan kinerja di semua variasi dan tidak merekomendasikannya sebagai pengganti pengujian terpisah.
6. Log diprediksi dibandingkan dengan aktual. Setelah beberapa putaran, periksa apakah iklan Tinggi lebih sering mengalahkan iklan Normal daripada iklan kebetulan di akun Anda. Itu adalah akurasi lokal Anda.
7. Skor ulang seiring bertambahnya usia iklan. Materi iklan tingkat tinggi masih akan habis; segarkan ketika frekuensi meningkat dan hasil turun.

Dalam praktiknya, hal ini mengubah arah penggunaan anggaran. Dalam studi kasus Fujifilm UK SOMIN, konsep 72 diberi skor untuk prediksi keterklikan sebelum pembelanjaan apa pun, dan 15 melewati batas 80% "Potensi berkinerja terbaik", sehingga anggaran pengujian dapat dimulai dari jumlah tersebut.

Seberapa akurat prediksi kemampuan klik?

Cukup akurat untuk menentukan peringkat materi iklan, tidak cukup akurat untuk menggantikan tes. Model penilaian SOMIN di balik Agen Media Berbayar dilatih pada puluhan ribu iklan berlabel dan mencapai 78% akurasi prediksi klik-tayang di seluruh tolok ukur pelanggan, kira-kira tiga kali lipat dari data dasar manusia.

Angka yang dipublikasikan adalah titik awal. Yang penting adalah bagaimana kinerja model pada kategori dan format Anda, itulah sebabnya langkah enam di atas lebih penting daripada nomor utama vendor mana pun. Jika suatu model tidak dapat menampilkan prediksinya di samping hasil sebenarnya, perlakukan skornya sebagai opini.

Untuk menilai materi iklan pesaing dan juga materi iklan Anda, mulailah dengan iklan publik mereka; panduan kami untuk meneliti iklan pesaing di Perpustakaan Iklan Meta mencakup koleksi tersebut.

FAQ

Sumber

• SoCraft: Penilaian Prediktif Tingkat Pengiklan untuk Kinerja Materi Iklan di Meta, WSDM 2023
• Melawan Opacity: AI yang Dapat Dijelaskan dan Model Bahasa Besar untuk Periklanan Digital yang Efektif, ACM Multimedia 2023
• Menggabungkan Model Prediktif dan Bahasa Besar untuk Rekomendasi yang Dapat Ditindaklanjuti dalam Pemasaran Kreatif, Transaksi ACM pada Sistem Informasi, 2025
• Tentang materi iklan dinamis di Meta Ads Manager, Pusat Bantuan Meta Business