یادداشت‌ها
ارتباطات بازاریابی و تبلیغات
تحلیل دو تجربه واقعی از تبلیغات در Chat GPT
به قلم علی حاجی‌زاده، مدیرعامل ادمون
تحریریه دی‌ام‌برد
مهر ۲۲, ۱۴۰۵
زمان مطالعه: 10 دقیقه
فهرست مطلب
علی حاجی‌زاده، مدیرعامل ادمون، در یادداشتی به بررسی نتایج دو مرحله تبلیغات در ChatGPT Ads پرداخته است. این کمپین‌ها با هزینه مجموع ۱٬۵۲۹٫۹۹ پوند، ۱۸۹٬۹۴۶ نمایش و ۲٬۴۶۳ کلیک ثبت کردند. با این حال، در تست دوم، با وجود ثبت ۱۱۰ کانورژن در داشبورد، بررسی تیم فروش نشان داد که تنها حدود ۵ لید با معیارهای مخاطب هدف مطابقت داشته‌اند. این اختلاف، پرسش‌هایی را درباره کیفیت کانورژن‌های ثبت‌شده و میزان انطباق آن‌ها با اهداف فروش مطرح می‌کند.
برای کسی که اولین‌بار با ChatGPT Ads روبه‌رو می‌شود، این محصول یک شبکه تبلیغاتی مبتنی بر گفت‌وگو است. تبلیغ زیر پاسخ ChatGPT نمایش داده می‌شود و از پاسخ اصلی جدا و با برچسب تبلیغ مشخص است. هر واحد تبلیغ می‌تواند نام تبلیغ‌دهنده، عنوان، توضیح، لینک لندینگ و تصویر داشته باشد. طبق توضیح رسمی OpenAI، سیستم برای انتخاب تبلیغ فقط به یک کلیدواژه نگاه نمی‌کند؛ زمینه و نیت گفت‌وگوی جاری، لندینگ، متن و تصویر آگهی و Context Hints تبلیغ‌دهنده هم در Match شدن نقش دارند.
Context Hints در عمل شبیه Keyword Targeting دقیق نیست. تبلیغ‌دهنده موضوع‌ها، نوع مکالمه و نشانه‌های مرتبط با محصول را توضیح می‌دهد، اما OpenAI صریحاً می‌گوید این ورودی‌ها Exact Match نیستند و نمایش در یک مکالمه خاص را تضمین نمی‌کنند. بنابراین مهم است این قابلیت را «راهنمای مدل» بدانیم، نه نسخه گفت‌وگومحور کلمات کلیدی گوگل ادز.
پنل فعلی هنوز Beta است و خود OpenAI هم برای آن Benchmark عمومی در سطح صنعت، Objective یا نوع کمپین منتشر نکرده است. داده‌های این یادداشت باید به‌عنوان یک مطالعه موردی واقعی خوانده شوند، نه میانگین بازار.
دو تست با یک هدف واحد
هدف هر دو تست برای ادمون، جذب کسب‌وکارهایی بود که به خدمات گوگل ادز، مانند مدیریت کمپین، Agency Account و خدمات مرتبط، نیاز داشتند. در تست دوم، کاربر به لندینگ اختصاصی زیر هدایت می‌شد:
https://admoon.agency/landing/
تست اول سه روز فعال بود. Ads Manager عدد ۳۰۰ پوند هزینه، ۴۱٬۵۵۴ نمایش، ۴۸۰ کلیک، CTR برابر ۱٫۱۶ درصد و CPC میانگین ۰٫۶۳ پوند را نشان داد؛ اما هیچ کانورژنی ثبت نشد و تطبیق کلیک‌ها با Analytics هم قابل اتکا نبود. همان تست یک نکته مهم درباره Budget Pacing داشت: بودجه روزانه ۵۰ پوند بود، ولی مصرف روزانه تا حدود دو برابر بالا رفت. اسناد فعلی OpenAI توضیح می‌دهند که Daily Budget یک میانگین است و سقف منتشرشده می‌تواند در یک روز محلی تا دو برابر بودجه روزانه باشد. پس این رفتار لزوماً Overspend خارج از قاعده نیست، هرچند برای تبلیغ‌دهنده‌ای که با منطق پلتفرم آشنا نیست، غافلگیرکننده است.
جدول ۱ مقایسه خروجی پنل در دو تست افزایش مقیاس و تغییر تنظیمات اجازه نتیجه‌گیری مستقیم نمی‌دهد
تصویر ۱ نمای کلی تست اول ۳۰۰ پوند هزینه و ۴۸۰ کلیک بدون کانورژن ثبت‌شده
طراحی تست دوم
برای تست دوم، ساختار کمپین را از نو طراحی کردیم. لندینگ اختصاصی داشتیم، برای هر Campaign و Ad پارامتر UTM جدا تعریف کردیم، چند رویداد Conversion ساختیم و کمپین‌ها را بر اساس لوکیشن و Objective تفکیک کردیم. سه هدف Reach یا Impressions، Clicks و Conversions در یک بازه دو هفته‌ای اجرا شدند. در رابط فعلی ممکن است نام Objectiveها تغییر کند؛ این یادداشت نام‌هایی را به‌کار می‌برد که هنگام تست در پنل دیده می‌شدند.
در سطح اد گروپ، Context Hints را با تعریف نسبتاً دقیق مخاطب وارد کردیم: کسب‌وکار تثبیت‌شده، دارای حساب فعال یا قبلاً فعال گوگل ادز، با نیاز مشخص به همکاری با آژانس حرفه‌ای. همچنین پلتفرم‌های نمایش را میان Desktop Web، iOS App، iOS Web، Android App و Android Web انتخاب کردیم. تصویرهای زیر خود تنظیمات پنل را نشان می‌دهند.
تصویر ۲ Context Hints و Tracking Parameters در سطح Ad Group
تصویر ۳ انتخاب لوکیشن و پلتفرم‌های واجد شرایط نمایش تبلیغ
مستند تصویری ۴
تصویر ۴ نمای کمپین‌های تست دوم در Ads Manager Beta مجموع ۱۴۸٬۳۹۲ نمایش، ۱٬۹۸۳ کلیک و ۱٬۲۲۹٫۹۹ پوند هزینه
نتیجه کلی تست دوم
در تست دوم، ۱۰ کمپین و ۲۷ آگهی مجموعاً ۱۴۸٬۳۹۲ نمایش و ۱٬۹۸۳ کلیک ساختند. CTR کل ۱٫۳۴ درصد، CPC میانگین ۰٫۶۲ پوند و CPM میانگین ۸٫۲۹ پوند بود. جمع ردیف‌های کمپین ۱۱۰ Conversion و ستون Lead Created عدد ۹۵ را نشان می‌داد. اگر فقط همین داشبورد را ببینیم، تست دوم نسبت به تجربه اول یک جهش جدی به نظر می‌رسد؛ اما تفکیک Objective و لوکیشن تصویر دقیق‌تری می‌دهد.
مقایسه سه Objective در امارات
امارات تنها لوکیشنی بود که هر سه Objective در آن حجم معناداری گرفتند؛ بنابراین مقایسه این سه کمپین از مقایسه میان کشورها قابل‌اعتمادتر است. با این حال، حتی این مقایسه هم یک A B Test کنترل‌شده نیست؛ بودجه، Bid، توزیع نمایش و یادگیری سیستم یکسان نبودند.
جدول ۲ عملکرد سه Objective در امارات CVR از تقسیم Conversion پنل بر Click محاسبه شده است
Reach بیشترین حجم را ساخت: ۶۴۱ کلیک و ۵۱ کانورژن با ۱۵۱٫۱۵ پوند هزینه. با این حال، کمترین CPA مربوط به Conversion بود: ۲٫۷۹ پوند در برابر ۲٫۹۶ پوند برای Reach. Conversion همچنین با CTR برابر ۵٫۵۴ درصد و CPC برابر ۰٫۱۹ پوند، از نظر جذب کلیک کارآمدتر بود. کمپین Clicks، با وجود CVR ظاهراً بالاتر، به‌دلیل CPC و CPM بسیار بالاتر، CPA برابر ۱۲٫۲۶ پوند داشت. پس داده‌ها از گزاره ساده «Reach بهتر از Conversion است» پشتیبانی نمی‌کنند. نتیجه دقیق‌تر این است که Reach حجم بیشتری ساخت، Conversion کمی ارزان‌تر بود و Clicks در این تنظیم خاص، پرهزینه‌ترین مسیر بود.
تصویر ۵ هزینه، CTR، CPC، CPM و CPA کمپین‌های تست دوم اعداد پایه جداول تحلیلی این یادداشت
اثر لوکیشن از Objective پررنگ‌تر بود
فاصله عملکرد امارات با اروپا، بریتانیا، آمریکا، کانادا و استرالیا از فاصله میان Objectiveهای امارات بزرگ‌تر بود. سه کمپین امارات در مجموع با ۵۰۶٫۹۱ پوند، ۹۷ کانورژن گزارش‌شده ساختند؛ CPA تجمیعی حدود ۵٫۲۳ پوند. کمپین‌های کلیکی اروپا، بریتانیا، آمریکا، کانادا و استرالیا با ۷۰۴٫۵۷ پوند هزینه فقط ۱۲ کانورژن داشتند؛ CPA تجمیعی حدود ۵۸٫۷۱ پوند.
جدول ۳ مقایسه تجمیعی لوکیشن‌ها این جدول اثر لوکیشن را نشان می‌دهد، اما علت اختلاف را اثبات نمی‌کند.
این اختلاف می‌تواند از تناسب بازار با سرویس، زبان و پیام آگهی، ترکیب موجودی، شدت رقابت، Bid یا نحوه Match شدن Context ناشی شده باشد. داده‌های پنل به‌تنهایی علت را مشخص نمی‌کنند. با این حال، برای طراحی تست بعدی یک پیام روشن دارند: لوکیشن را نباید فقط یک فیلتر اجرایی دید. در این نمونه، لوکیشن یکی از قوی‌ترین متغیرهای عملکرد بود.
کانورژن پنل برابر لید باکیفیت نیست
مهم‌ترین بخش تحلیل پس از خروج کاربر از پنل شروع شد. کانورژن اصلی ما تماس یا پیام واتس‌اپ بود. تعداد زیادی کاربر پیام اولیه را ارسال می‌کردند، اما پس از پاسخ تیم فروش، ادامه نمی‌دادند. بخشی از لیدها هنوز وب‌سایت نداشتند یا در مرحله شروع یک کسب‌وکار بودند؛ درحالی‌که پیشنهاد ما برای کسب‌وکارهای فعال و نیازمند مدیریت حرفه‌ای Google Ads طراحی شده بود.
از میان کل ورودی‌ها، حدود ۵ لید با تعریف مخاطب هدف ما هم‌خوانی جدی داشتند. اگر کل هزینه تست دوم را بر همین تعداد تقسیم کنیم، هزینه تقریبی هر لید واجد شرایط حدود ۲۴۶ پوند می‌شود. این عدد با CPAهای ۲٫۷۹ تا ۱۲٫۲۶ پوندی پنل فاصله زیادی دارد. اختلاف به این معنا نیست که گزارش پنل غلط است؛ دو شاخص چیزهای متفاوتی را اندازه می‌گیرند. پنل وقوع یک Event را می‌شمارد، اما تیم فروش صلاحیت تجاری، بودجه، زمان خرید و تناسب با سرویس را می‌سنجد.
تصویر ۶ رویدادهای Conversion تعریف‌شده و تعداد رخدادها تفاوت Event با Lead و Qualified Lead باید در تحلیل حفظ شود.
صفحه Conversion Events نیز این تفاوت را نشان می‌دهد. رویدادهای page_viewed، lead_created، appointment_scheduled و subscription_created کنار هم قرار گرفته‌اند و مجموع رخدادهای قابل مشاهده ۱۳۷ است؛ درحالی‌که جمع Conversion در ردیف‌های کمپین ۱۱۰ و Lead Created برابر ۹۵ است. این سه عدد قابل جایگزینی نیستند و هیچ‌کدام لزوماً تعداد افراد یکتا یا لیدهای واجد شرایط را نشان نمی‌دهند.
مسئله Attribution هنوز حل نشده است
در تست دوم، برای هر Campaign و Ad، UTM اختصاصی تعریف کردیم. OpenAI نیز در مستندات خود می‌گوید Tracking Parameters روی کلیک باقی می‌مانند و می‌توان از آن‌ها در ابزارهای Analytics استفاده کرد. با این حال، تطبیق ما نشان داد GA4 حدود ۸۰ درصد کلیک‌ها را با سورس ChatGPT شناسایی کرد و حدود ۲۰ درصد باقی‌مانده در Direct نشست.
از داده‌های موجود نمی‌توان علت قطعی این شکاف را تعیین کرد. Redirectهای لندینگ، انتقال کاربر به واتس‌اپ، Consent Mode، محدودیت‌های مرورگر، قطع Session یا بازگشت بعدی کاربر می‌توانند در آن نقش داشته باشند. برای یک گزارش معتبر، تعداد Click پنل، Sessionهای GA4، Eventهای خام، لیدهای CRM و Qualified Lead باید به‌صورت جداگانه نگه‌داری و با یک شناسه یا حداقل بازه زمانی و UTM مشخص آشتی داده شوند.
تصویر ۷ نمای عملکرد ۲۷ آگهی در تست دوم سطح Ad برای بررسی اختلاف Creative و Attribution ضروری است.
چه چیزی در پنل بهتر شده است؟
فاصله میان دو تست فقط در خروجی کمپین نبود؛ خود محصول هم تغییر کرده بود. در تست دوم، لوکیشن‌های بیشتری در دسترس بودند، Self Serve گسترش پیدا کرده بود، انتخاب پلتفرم نمایش ممکن بود، Context Hints اضافه شده بود و Conversion Measurement نسبت به تجربه اول کاربردی‌تر عمل می‌کرد. این تغییر سریع با وضعیت Beta محصول هم‌خوان است؛ OpenAI می‌گوید سیستم تحویل، موجودی، فرمت‌ها و ابزارهای خرید و اندازه‌گیری در این دوره مرتب تغییر می‌کنند.
از طرف دیگر، گزارش‌گیری هنوز برای تحلیل عمیق محدود است. Breakdown کامل لوکیشن، پلتفرم، مرحله Journey و کیفیت پس از کانورژن در داشبورد دیده نمی‌شود. تبلیغ‌دهنده می‌تواند Desktop یا iOS را انتخاب کند، اما برای تصمیم بودجه‌ای به گزارش شفاف همان ابعاد نیز نیاز دارد. بدون این Breakdown، بخشی از بهینه‌سازی بیرون پنل و با GA4 یا CRM انجام می‌شود.
پیشنهاد عملی برای مارکترهایی که می‌خواهند تست کنند
لوکیشن‌ها را در کمپین‌های جدا نگه دارید. در این تست، اختلاف جغرافیا از اختلاف Objective بزرگ‌تر بود.
فقط یک Conversion نهایی تعریف نکنید. Raw Event، Lead، Marketing Qualified Lead و Sales Qualified Lead را جدا ثبت کنید.
Context Hints را مثل یک فرضیه قابل‌آزمون بنویسید: مخاطب چه ویژگی‌ای دارد، چه نیازی دارد و چه کسی مخاطب شما نیست.
برای هر Creative و Campaign، UTM یکتا بگذارید و Redirectهای لندینگ و لینک واتس‌اپ را قبل از Launch آزمایش کنید.
Creativeهای واقعاً متفاوت بسازید. راهنمای رسمی OpenAI هم تنوع عنوان و پیام را برای Coverage بیشتر توصیه می‌کند.
در شروع از Campaign Total Budget یا Account Limit استفاده کنید. Daily Budget در این پلتفرم می‌تواند در یک روز تا دو برابر میانگین تعیین‌شده هزینه شود.
موفقیت را با CPA پنل قضاوت نکنید. هزینه هر Qualified Lead و نرخ پیشروی به جلسه یا فروش را معیار تصمیم قرار دهید.
محدودیت‌های این مطالعه
این داده‌ها مربوط به یک تبلیغ‌دهنده B2B در حوزه خدمات Google Ads و دو بازه کوتاه هستند. بودجه، لوکیشن، Objective، Creative و ساختار اندازه‌گیری میان کمپین‌ها کاملاً یکسان نبودند. کیفیت لید نیز بر اساس پیگیری عملی تیم فروش ارزیابی شده و نمونه حدود ۵ لید باکیفیت کوچک است. بنابراین نمی‌توان از این نتایج برای همه صنایع یا کشورها Benchmark ساخت. خود OpenAI نیز هنوز Benchmark عمومی برای عملکرد ChatGPT Ads منتشر نکرده است.
جمع‌بندی
تجربه دوم نشان داد ChatGPT Ads از یک پنل بسیار ساده به محصولی قابل‌آزمایش‌تر برای Performance Marketing نزدیک شده است. Reach توانست حجم بالایی از کانورژن بسازد، Conversion در امارات کمترین CPA و بالاترین CTR را داشت و Clicks در همان بازار گران‌تر بود. در سطح جغرافیا، امارات فاصله زیادی با بازارهای دیگر داشت. این داده‌ها می‌گویند در مرحله فعلی، Objective تنها بخشی از تصمیم است و لوکیشن، هزینه موجودی، تعریف Event و کیفیت پس از کانورژن وزن بیشتری دارند.
برای ما، ChatGPT Ads هنوز کانالی آماده Scale نیست. مزیت اصلی آن دسترسی به کاربر در لحظه گفت‌وگو و تحقیق است؛ ضعف اصلی هم ناتوانی فعلی در تبدیل این Context غنی به لیدهای پایدار و قابل‌فروش، دست‌کم در این تست. تا وقتی گزارش پنل با داده CRM و نتیجه تیم فروش آشتی داده نشود، عدد Conversion بیشتر از آنکه پاسخ نهایی باشد، نقطه شروع تحلیل است.
نظرات
مطالب پیشنهادی
میگل با هویت بصری جدید در نمایشگاه لوازم خانگی حضور پیدا کرد
تحریریه دی‌ام‌برد
بلو بیزنس خدمات بانکی و پرداخت ویژه کسب‌وکارها را ارائه می‌کند
تحریریه دی‌ام‌برد
