Engaged-View: nuova finestra di attribuzione su Meta Ads

A giugno 2023, Meta annuncia l’introduzione di una nuova finestra e impostazione di attribuzione basata sulle conversioni avvenute dopo la visualizzazione di un video, ribattezzata Engaged-View.

Come funziona? Cosa cambia rispetto all’impostazione view-through? Quali sono i vantaggi per l’inserzionista?

Scopriamolo insieme.

Come vengono conteggiate e attribuite le conversioni Engaged-View?

Il pre-requisito fondamentale è che la campagna contenga almeno un’inserzione video al suo interno.

Engaged-view misura infatti le conversioni che avvengono entro le 24 ore dopo la visualizzazione di almeno 10 secondi di un video “skippabile”, o del 97% della durata totale se lo stesso è più breve di 10 secondi.

La nuova finestra è applicabile solo per le campagne con obiettivo Vendite, Contatti o Interazioni.

Engaged-view non sostituisce alcuna delle impostazioni già esistenti, bensì si va ad aggiungere alle classiche finestre d’attribuzione 7 giorni dopo il clic e 1 giorno dopo la visualizzazione di un annuncio.

D’ora in poi, Meta Ads potrà attribuire il merito di una conversione di vendita o contatto ad una campagna, gruppo d’inserzioni o annuncio secondo queste impostazioni d’attribuzione:

• 1 giorno dalla visualizzazione di un annuncio
• 7 giorni dal clic su un annuncio
• 1 giorno dopo un engaged-view (visualizzazione di 10+ secondi di un video skippabile)

Cosa cambia rispetto alle conversioni post-visualizzazione?

A prima vista sembra difficile discernere tra le due tipologie, ma nelle sue linee guida ufficiali, Meta riporta questo esempio.

Un utente – che chiameremo Isabella – vede un annuncio video relativo all’iscrizione ad una lezione di yoga online nelle Instagram Stories. Isabella guarda il video per più di 10 secondi invece di passare alla prossima storia/video, senza però cliccare sull’inserzione o effettuare altre azioni degne di nota (e tracciamento).

Entro le 24 ore successive, si ricorda del video, va sul sito del brand – passando dai motori di ricerca? – e si iscrive alle lezioni di yoga on-demand. In questo scenario, l’iscrizione verrebbe attribuita alla campagna come una conversione di Engaged-view.

Interpretando l’esempio fornito da Meta, appare chiaro che:

• Il posizionamento dell’inserzione è determinante. Poichè l’inserzione video dev’essere skippabile, engaged-view si applicherà a quei placement dov’è presente questa dinamica: Stories, Reels, in-stream. I feed sono esclusi.
• In precedenza, la classica finestra post-visualizzazione non conteggiava e contemplava – ad esclusione dei feed – le conversioni avvenute con questa dinamica, oppure vengono semplicemente “ridistribuite” tra i due modelli?

La domanda rimane aperta, poichè nei placement citati apparivano già le conversioni view-through.

Dove e come visualizzare questa impostazione di attribuzione?

Le conversioni aggiuntive generate da Engaged-view verranno incluse di default nel conteggio complessivo mostrato nei report di Gestione Inserzioni, se la finestra d’ottimizzazione selezionata per l’ottimizzazione (durante la creazione della campagna) è 7 giorni dal clic o 1 giorno dalla visualizzazione. Si andranno quindi semplicemente a sommare nella colonna relativa ai risultati o all’evento selezionato.

Potrai invece visualizzare l’apporto incrementale di Engaged-view confrontando, così come avviene ora, le impostazioni di attribuzione mostrate nelle colonne Prestazioni di Ads Manager.

Clicca su Colonne > Confronta le Impostazioni di Attribuzione e, qualora la funzione sia già attiva, visualizzerai la nuova voce aggiuntiva.

Sebbene alcuni punti non siano ancora chiari al 100%, Engaged-view similarmente a quanto avviene su YouTube con Google Ads, offre dunque un nuovo modo per misurare le performance dei video, aiutandoci a capire meglio quali azioni compie una persona prima di effettuare un acquisto o lasciare i propri dati di contatto.

Un bel passo in avanti dopo le restrizioni vissute nell’epoca post-iOS14, legato ai progressi fatti da Meta Ads grazie all’intelligenza artificiale e machine learning.