A Meta 2026. július 15-én közzétett egy kutatási anyagot arról, hogyan próbálja megoldani a mélytölcsér-optimalizálás legnagyobb problémáját: azt, hogy a vásárlásból és regisztrációból nagyságrendekkel kevesebb jelzés keletkezik, mint kattintásból.
Ez a cikk arról szól, hogy ugyanez a probléma a te hirdetési fiókodban is ott van, csak más méretben, és hogy mit lehet vele tenni.
Kulcstanulságok
- A mélytölcsér a tölcsér alja: vásárlás, ajánlatkérés, regisztráció. Nem kattintás és nem megtekintés.
- A Meta három okot nevez meg, amiért erre nehéz optimalizálni: jelzéshiány, méret, és a távoli összefüggések követése.
- A Meta megoldása strukturális: több szintű érdeklődés-térképet épít, ahol a durvább szintek stabilak, a finomabb szintek pedig a ritka vásárlási szándékot fogják meg.
- A módszer lényege, hogy a struktúra pótolja azt, amit az adat nem ad. A tanítást kiterjesztik azokra is, akik nem vásároltak.
- Ugyanez a te fiókodban azt jelenti: ha kevés a konverziód, a rendszer nem tudja megtanulni, hogy nálad hogy néz ki egy vevő. Ekkor nem a célzáson kell állítani, hanem a jelzésen.
- Ez a kutatási anyag semmilyen teljesítményszámot nem közöl. Nincs benne A/B teszt, konverziónövekedés vagy rangsorolási mutató. Kutatási irány, nem bizonyított hirdetői előny.
Mi az a mélytölcsér, és miért nehéz rá optimalizálni?
A mélytölcsér a vásárlási folyamat vége: a tényleges vásárlás, ajánlatkérés vagy regisztráció. Nem a kattintás és nem a videómegtekintés. A nehézség egyszerű: ezekből az eseményekből sokkal kevesebb van, mint a tölcsér felső részén lévő jelzésekből.
A Meta három akadályt nevez meg.
- Jelzéshiány. A mélytölcsér-visszajelzés ritka a felső tölcsér elköteleződési jelzéseihez képest. Egy modellnek nehéz olyan mintázatot megtanulnia, amiből kevés példa van.
- Méret. Több millió hirdető, több millió hirdetés és több milliárd felhasználó ad egy hatalmas kapcsolati hálót, miközben a megjelenítési lehetőségek száma véges. A háló nagy, a benne lévő megerősített kapcsolat kevés.
- Távoli összefüggések. A nagy hálóban egymástól távoli pontok között is van összefüggés, és ezek követése számításigényes anélkül, hogy a pontosság csorbulna.
A második és harmadik akadály a Meta méretéből jön. Az első viszont pont ugyanaz a probléma, ami egy magyar webshop vagy B2B cég fiókjában is ott van, csak nem milliárdos, hanem heti öt konverziós léptékben.
Mit épít erre a Meta?
Egy több szintű érdeklődés-térképet, ami a rangsoroló modell előtti rétegként működik. A lényeg, hogy nem egyetlen felbontáson dolgozik, hanem többön egyszerre, és a szintek különböző célt szolgálnak.
A durvább szintek sűrűbbek és stabilabbak. Ott sok megerősített kapcsolat van, tehát megbízható kapaszkodót adnak. A finomabb szintek ritkábbak, viszont ezek fogják meg a konkrét vásárlási szándékot. A rendszer a kettőt együtt használja: a stabil szint tartja a helyén azt, amit a ritka szint önmagában nem tudna
eldönteni.
Négy tervezési elvet nevez meg a Meta ehhez. Az első a sűrítés: a ritka felhasználó és hirdetés közti kapcsolatokat tanult érdeklődési csomópontokra képezik le, és így sűrűbb lesz a háló. A második a tudásbővítés: a hirdetők szöveges, képi és videós anyagait nyelvi modellekkel dolgozzák fel, és ezzel pótolják a hiányzó viselkedési jelzést. A harmadik egy egységes tér, amiben a felhasználó és a különböző entitások viszonya összemérhető. A negyedik pedig maga a több szint.
A kulcsgondolat: a struktúra pótolja azt, amit az adat nem ad
A módszer legérdekesebb része az, hogyan tanítják. A Meta önfelügyelt tanítást használ, amiben egy szélesebb képet látó rész tanítja azt a részt, amelyik szűkebb képet lát. Ezzel a tanítás kiterjed azokra a felhasználókra is, akik nem produkáltak mélytölcsér-konverziót.
Ez a lényeg egy mondatban: nem több vásárlási adatot szereznek, hanem a meglévő kevés adatot több helyen használják fel, a szerkezet mentén.
Ugyanez a gondolat a te fiókodban is működik, csak sokkal egyszerűbb eszközökkel. Ha kevés a vásárlásod, akkor nem attól lesz jobb a hirdetésed, hogy jobban célzod, hanem attól, hogy a rendszer több érvényes jelzést kap arról, mi vezet vásárláshoz.
Ugyanez a te fiókodban: három tipikus jelzéshiba
Ez a három a gyakorlatban szinte minden kis és közepes fiókban előjön. Egyik sem célzási probléma, mind a három jelzési probléma.
A konverziós esemény rossz helyen aktiválódik. Ha a vásárlási vagy ajánlatkérési esemény az oldal betöltésekor aktiválódik, nem a tényleges művelet után, akkor a rendszer azt tanulja meg, hogy mindenki konvertál. Ilyenkor pontosan azt a forgalmat fogja hozni, ami a legkönnyebben tölti be az oldalt, és ez nem vevő. Ez a hirdetéskezelők között az egyik leggyakrabban jelzett hiba, és a hirdetési felület esemény-diagnosztikájával ellenőrizhető.
Sekély eseményt jelentesz vissza. Ha az űrlapkitöltést jelented konverziónak, a rendszer űrlapkitöltést fog hozni. Nem azért, mert téved, hanem mert pontosan azt teszi, amit kértél. Ha nálad az űrlapkitöltés és a szerződés között nagy a szakadék, akkor a leadek típusai közti különbséget a mérésben is meg kell jeleníteni, nem csak a fejedben.
Felső tölcsérre optimalizálsz, hogy „bemelegítsd” a rendszert. Ez logikusan hangzik, de a hirdetéskezelői gyakorlat szerint általában rosszabb, mint rögtön a valódi üzleti eseményre optimalizálni. A forgalomra optimalizált tanulás nem készíti fel a rendszert a vásárlásra, mert nem ugyanazt a mintázatot tanulja.
Mit tegyél, ha kevés a konverziód?
Az első lépés annak elfogadása, hogy ez mennyiségi korlát, nem beállítási hiba. Ha heti néhány konverzió van, a rendszernek kevés a tanulnivalója, és ezen a célzás finomítása nem segít.
Öt dolog, ami tényleg mozdít, körülbelül ebben a sorrendben:
- Ellenőrizd, hogy a jelzés valós. Mielőtt bármit optimalizálsz, nézd meg, hogy a konverziós esemény a tényleges művelet után tüzel-e. Ez ingyenes, és ez a leggyakoribb néma hiba.
- Vidd feljebb egy szinttel az optimalizálási eseményt, de csak egyet. Ha a vásárlásból túl kevés van, egy közeli, sűrűbb esemény jobb tanítóanyag, mint egy nagyon ritka. Cél viszont továbbra is a vásárlás, nem a kattintás.
- Töltsd be azt is, ami a weboldalon kívül történik. Ha nálad a szerződés telefonon vagy személyesen zárul, a rendszer erről semmit nem tud, hacsak nem juttatod vissza hozzá. Ez a legtöbb szolgáltató cégnél a legnagyobb kihagyott lehetőség.
- Vidd be az értéket, ne csak a darabszámot. Ha minden konverzió ugyanannyit ér a rendszer szemében, akkor a kis és a nagy vevőt egyformán keresi.
- Vizsgáld meg, hogy nem a mennyiség a valódi korlát. Ha nagyon kicsi a forgalom vagy nagyon szűk az ajánlat, akkor a mérési finomítás nem hoz áttörést. Ilyenkor a gyakori performance marketing hibák átnézése többet ér, mint egy újabb kampányszerkezet.
A negyedik és ötödik ponthoz kell egy fix pont a saját rendszeredben, hogy tudd, melyik érdeklődőből lett tényleg bevétel. Erről szól a digitális analitika, és a martech rendszer építési hibái itt is közvetlenül visszaütnek.
Négy kérdés, amivel kiderül, hol a jelzéshiba
Ezeket egy ülésben végig lehet menni. A válaszok általában megmutatják, melyik rétegben van a gond, és ez sokkal hasznosabb, mint véletlenszerűen állítgatni.
- Egyáltalán van konverzió? Ha nincs, az általában az ajánlattal van összefüggésben, nem a hirdetéssel.
- Sokan kattintanak, de kevesen konvertálnak? Ez a céloldalra irányítja a figyelmet.
- Kevesen kattintanak? Ez a kreatívra irányítja a figyelmet.
- Van konverzió, de nem éri meg? Ez az árazásra és arra a kérdésre irányít, hogy mennyit ér nálad egy vevő.
Ez a négy kérdés a hirdetéskezelői gyakorlatból jön, nem mérésből, tehát kiindulópont és nem bizonyíték. Arra viszont jó, hogy ne a legkönnyebben állítható dolgot módosítsd először.
Amit ne olvass ki ebből
Ez a szakasz ennél a cikknél a legfontosabb, mert a forrás kutatási anyag.
A Meta nem közöl teljesítményszámot. Nincs A/B teszt, nincs konverziónövekedés, nincs rangsorolási mutató. Az egyetlen szám egy tanítási gyorsítás, ami infrastrukturális mutató, nem hirdetői eredmény. Aki ebből konkrét hirdetői hasznot ígér, olyat állít, ami nincs a szövegben.
Ez kutatási irány, nem bejelentett funkció. Az anyag azt írja le, min dolgoznak, nem azt, hogy ez ma mit tesz a hirdetési fiókodban. A hirdetőnek nincs ehhez beállítási felülete.
A cikkben szereplő gyakorlati hibák nem ebből a kutatásból jönnek. Azok hirdetéskezelői megfigyelések, és megfigyelésként szerepelnek. A kettőt nem érdemes összemosni: a Meta anyaga a saját rendszerükről szól, a jelzéshibák a te fiókodról.
Gyakori kérdések
Mi az a mélytölcsér-optimalizálás?
A tölcsér alján lévő eseményekre, tehát vásárlásra, ajánlatkérésre vagy regisztrációra való optimalizálás, szemben a kattintással vagy a megtekintéssel. Azért nehezebb, mert ezekből az eseményekből nagyságrendekkel kevesebb keletkezik.
Miért nem tud a rendszer vásárlásra optimalizálni, ha kevés a konverzióm?
Mert kevés példából nehéz mintázatot tanulni. Ha heti néhány vásárlás van, a rendszernek nincs miből megtanulnia, hogy nálad hogy néz ki egy vevő. Ez mennyiségi korlát, nem beállítási hiba, ezért a célzás finomítása nem oldja meg.
Mit tegyek, ha nagyon kevés a konverzióm?
Először ellenőrizd, hogy a konverziós esemény a tényleges művelet után tüzel-e. Utána érdemes egy szinttel sűrűbb, de még mindig üzleti eseményre optimalizálni, és visszajuttatni a weboldalon kívül záruló üzleteket is. Ha a forgalom vagy az ajánlat a szűk keresztmetszet, a mérési finomítás nem hoz áttörést.
Jó ötlet forgalomra optimalizálni, hogy bemelegítsem a rendszert?
A hirdetéskezelői gyakorlat szerint általában nem. A forgalomra optimalizált tanulás nem ugyanazt a mintázatot tanulja, mint amire végül szükséged van. Ez megfigyelés, nem mérés, tehát a saját fiókodban érdemes ellenőrizni.
Mit jelent az, hogy sekély eseményt jelentek vissza?
Azt, hogy nem a bevételhez közeli eseményt jelöltél meg konverziónak. Ha az űrlapkitöltés a konverzió, a rendszer űrlapkitöltést fog hozni, mert pontosan azt teszi, amit kértél. Ha nálad az űrlapkitöltés és a szerződés között nagy a
szakadék, ezt a mérésnek is tükröznie kell.
Hoz ez nekem több vásárlást?
A forrásból ez nem állítható, mert nem közöl teljesítményszámot. Amit a cikk gyakorlati része ajánl, az a saját jelzéseid javítása, és ennek a hatása a te adataidon mérhető, nem a Meta kutatásából vezethető le.
Következő lépés
Ha most azt látod, hogy a hirdetés hoz érdeklődőt, de vevőt nem, akkor a kérdés általában nem a célzás, hanem az, hogy mit tanítasz a rendszernek. Ez néhány óra alatt átvizsgálható: mi tüzel, mikor tüzel, és összefügg-e a bevétellel.
Ha ehhez kellene egy külső szem, írj nekünk.
