Puntuación de relevancia Facebook: una métrica se convierte en 3

Facebook recientemente renovó la métrica de puntuación de relevancia para ofrecer más información a los profesionales de marketing sobre lo que podría estar afectando el rendimiento de los anuncios. Al igual que lo que Google ofrece en su puntaje de calidad, Facebook dividió su puntaje de relevancia singular en tres medidas distintas de la experiencia publicitaria: ranking de calidad, ranking de tasa de participación y ranking de tasa de conversión.

Estos tomados en conjunto le brindan al comercializador una mejor visión detrás de escena, de cómo el algoritmo de Facebook percibe su anuncio en la subasta en comparación con otros anuncios dirigidos a la misma audiencia. Esto, a su vez, permite a los profesionales de marketing tomar decisiones más informadas sobre la modificación de sus anuncios y audiencias.

¿Cuál fue la puntuación de relevancia?

En su punto más básico, la puntuación de relevancia fue una medida de la relevancia de un anuncio para un público objetivo. Sobre la base de una puntuación de 1 a 10 (siendo 10 la más alta), trató de agregar varias señales en torno a la calidad y relevancia de los anuncios para dar a los anunciantes una idea de qué tan bien se desempeñó el anuncio en comparación con otros anuncios dirigidos a la misma audiencia. Para obtener esta puntuación, utilizó señales positivas basadas en el objetivo de la campaña (visualización de video, clic, conversión, participación, etc.) y señales negativas (ocultación de un anuncio) para obtener una calificación global única.

Esto podría luego ser usado como parte de la comprensión del rendimiento de sus anuncios en la subasta y cuando podría ser el momento de actualizar un anuncio o audiencia. Estaba destinado a trabajar en conjunto con otras métricas de rendimiento para ofrecer una visión general de su rendimiento.

¿Por qué reemplazarlo?

Por mucho que una métrica global sea agradable en su simplicidad, no transmitió toda la información que realmente necesitaría para tomar decisiones con respecto a sus anuncios. Si un anuncio tuviera una puntuación de relevancia baja y una retroalimentación negativa, podría asumir que se estaba ocultando mucho, pero de lo contrario, se le dejaría ver otras métricas de rendimiento y tratar de adivinar por qué su puntuación de relevancia era baja. No tenía los detalles necesarios para tomar una decisión más informada.

Sin ese detalle, era más difícil de lo que tenía que ser evaluar por qu<

…Para leer más, siga el link del idioma que prefiera