Praktinis PPC A/B testavimo vadovas (+5 testavimo idėjų)

Įvadas

PPC A/B testavimas - tai veiksmingas būdas padidinti skelbimų kampanijų efektyvumą.

Šiame praktiniame vadove sužinosite, kas yra PPC A/B testavimas, ir susipažinsite su įvairiais testų tipais bei testavimo statistika, reikalinga duomenimis pagrįstiems sprendimams priimti. Taip pat sužinosite, kaip atlikti pirmąjį A/B testą, ir gausite praktinių didelio poveikio idėjų, kurias galėsite išbandyti patys.

Kas yra A/B testavimas PPC?

PPC A/B testavimas - tai metodas, kuriuo išbandomi 2 ar daugiau reklamos kampanijos elementų, pavyzdžiui, reklamos kopijos, nukreipimo puslapių ar taikinių, variantų, siekiant statistiškai įrodyti įvairias hipotezes, kuriomis galima pasinaudoti tobulinant kampanijas ir gerinant rezultatus.

Nors PPC A/B testavimas ne visiškai skiriasi nuo nukreipimo puslapio ar el. pašto A/B testavimo, tačiau dėl skelbimų platformų apribojimų, imties dydžio skirtumų ir rizikos paveikti bendrą kampanijų našumą, PPC A/B testavimas reikalauja specialaus požiūrio.

PPC testų tipai

PPC sistemoje yra keturi pagrindiniai A/B testų tipai:

A/B testai
A/B bandymas - tai eksperimentas, kurio metu, esant vienai hipotezei, pakeičiate vieną reklamos kampanijos elementą ir išbandote jį, palyginti su pradiniu kontroliniu variantu. Tai labiausiai paplitęs testo tipas, kuris padeda susiaurinti konkrečius elementus ir patobulinti kampanijas.
A/B testavimo pavyzdys: 2 tekstinių skelbimų su nemokamu pristatymu ir 15 % nuolaida kaip pagrindiniu pasiūlymu testavimas.
Daugialypiai testai
Susipažinkite su "Ranktracker
Efektyvaus SEO "viskas viename" platforma
Už kiekvieno sėkmingo verslo slypi stipri SEO kampanija. Tačiau turint daugybę optimizavimo priemonių ir metodų, iš kurių galima rinktis, gali būti sunku žinoti, nuo ko pradėti. Na, nebijokite, nes turiu ką padėti. Pristatome "Ranktracker" "viskas viename" platformą, skirtą efektyviam SEO
Pagaliau pradėjome registruotis į "Ranktracker" visiškai nemokamai!
Sukurti nemokamą paskyrą
Arba Prisijunkite naudodami savo įgaliojimus
Daugialypis testas - tai eksperimentas su keliomis hipotezėmis ir keliais pokyčiais. Taikydami šį metodą bandote įvairius nedidelių kontrolinio varianto pakeitimų derinius. Šį tipą naudoju retai, nes iš visų keturių bandymų tipų reikia didžiausios imties (dažnai tai neįmanoma PPC atveju), be to, rezultatai mažiausiai padidėja, todėl sumažėja patikimumo lygis (žr. mano imties dydžio, padidėjimo ir patikimumo lygio apibrėžtis kitame skyriuje).
Daugialypio testavimo pavyzdys: testuojamos 4 kūrybinės priemonės su skirtingais antraščių ir paveikslėlių deriniais.
A/B/n testai
A/B/n testas taip pat yra eksperimentas su keliomis hipotezėmis ir keliais pakeitimais. Tačiau, kitaip nei daugialypio testavimo atveju, variantai gali būti visiškai skirtingi vienas nuo kito. Tai vienas iš testų tipų, kurį dažnai naudoju naujoms paskyroms arba naujoms kampanijoms, kai nėra istorinių duomenų ir noriu išbandyti visiškai skirtingus nustatymus arba elementų derinius, užuot susiaurinęs pasirinkimą A/B arba daugialypės terpės testais.
A/B/n testavimo pavyzdys: testuojami daugiau nei 2 kūrybinių priemonių rinkiniai su visiškai skirtingais maketais ir (arba) nukreipimo puslapiais.
Nuoseklūs testai
Nuoseklusis testas - tai A/B testo tipas, kai kampanijos elementų variantai testuojami etapais arba nuosekliai. Sekos trukmė gali būti 2 savaitės, 1 mėnuo arba ilgesnė (nerekomenduoju testuoti trumpiau nei 2 savaites). Tai mažiausiai pageidaujamas testo tipas, nes atliekant testą skirtingais laikotarpiais atsiranda išorinių veiksnių, kurių negalite kontroliuoti, pavyzdžiui, sezoniškumas, imties dydžio skirtumai ir tiksliniai nuokrypiai. Tačiau tai taip pat dažnas tipas, nes ne kiekviena PPC platforma siūlo visas (ar apskritai siūlo) A/B testavimo funkcijas.
Pavyzdys: "Google" skelbimuose testuojamas maksimalių konversijų siūlymas, palyginti su maksimalios konversijų vertės siūlymu.

Idealiu atveju visus testus atliktumėte tokia seka:

A/B/n testavimas, siekiant rasti geriausiai veikiančią sąrangą
A/B testavimas, siekiant susiaurinti ir patobulinti sąranką
Daugialypės terpės testavimas, kad dar labiau susiaurintumėte sąranką
Nuoseklusis testavimas, skirtas testuoti elementus nuoseklia tvarka, kai nėra tinkamos A/B testavimo funkcijos.

A/B testavimo statistika

Norint, kad A/B testavimas suteiktų statistiškai reikšmingų duomenų, suteiktų informacijos jūsų sprendimams ir pagerintų PPC, reikia atsižvelgti į 4 pagrindinius statistinius duomenis:

Imties dydis
Susipažinkite su "Ranktracker
Efektyvaus SEO "viskas viename" platforma
Už kiekvieno sėkmingo verslo slypi stipri SEO kampanija. Tačiau turint daugybę optimizavimo priemonių ir metodų, iš kurių galima rinktis, gali būti sunku žinoti, nuo ko pradėti. Na, nebijokite, nes turiu ką padėti. Pristatome "Ranktracker" "viskas viename" platformą, skirtą efektyviam SEO
Pagaliau pradėjome registruotis į "Ranktracker" visiškai nemokamai!
Sukurti nemokamą paskyrą
Arba Prisijunkite naudodami savo įgaliojimus
PPC atveju imties dydis - tai srautas, kurį reikia sukurti, kad bandymo rezultatai būtų reprezentatyvūs jūsų auditorijai. Skelbimo lygmens rodikliams (pvz., CTR arba peržiūros rodiklis) imties šaltinis bus parodymai, o konkrečių konversijų rodikliams (pvz., konversijos rodiklis, sąnaudos ir konversija arba ROAS) reikėtų rinktis paspaudimus. Apskritai, kuo didesnė imtis, tuo tikslesnis bus jūsų bandymas.
Numatomas padidėjimas
Prognozė, kaip bandomas pakeitimas paveiks galutinę metriką, išreikšta procentais ir svyruojanti nuo 0 iki 100 %. Pavyzdžiui, remdamiesi istoriniais duomenimis ir konversijų tyrimais, galite numatyti, kad pakeitus pagrindinį pasiūlymą iš 10 % nuolaidos į nemokamą pristatymą, konversijų rodiklis padidės 30 %.
P-vertė
Esame išplėstinės statistikos teritorijoje. Paprasčiau tariant, p reikšmė padeda nustatyti, ar rezultatai reikšmingai nukrypsta nuo to, ko tikėtasi, arba kiek statistiškai reikšmingi yra rezultatai. Ji svyruoja nuo 0 iki 1, ir kuo mažesnė reikšmė, tuo statistiškai reikšmingesni rezultatai.
Pasitikėjimo lygiai
Pasitikėjimo lygiai arba pasikliautinieji intervalai yra tyrimų rezultatų tikrumo matas. Pavyzdžiui, 95 % pasikliovimo lygis reiškia, kad jei tą patį testą pakartosime kelis kartus, 95 % testų rezultatai bus panašūs.

Kodėl svarbus PPC A/B testavimas?

A/B testavimas turi įtakos 3 pagrindinėms jūsų PPC kampanijų sritims:

Rezultatai
Dirbdami su PPC kampanijomis nuolat susiduriate su klausimu: "Ar dalykas A bus geresnis už dalyką B?" (žodį "dalykas" pakeiskite kampanija/reklama/kopija/auditorija/ kampas ir t. t.). A/B testavimas - tai būdas atsakyti į tokius klausimus, išbandyti įvairias hipotezes ir galiausiai pagerinti rezultatus.
Struktūra
Jei, kaip ir aš, manote, kad kai kurie jūsų optimizavimo veiksmai buvo pernelyg ad hoc, reaguojantys į turimus duomenis ar net kosmetiniai, A/B testavimas yra metodas, kuris padės jums suteikti daugiau struktūros. Jis gali padėti sukurti našumo "atramas" (įrodytas hipotezes) ir sutelkti dėmesį ne į kosmetinius pakeitimus, o į didžiausią poveikį turinčių optimizavimo galimybių paiešką.
Bendravimas ir dalyvavimas
Jei dirbate agentūroje ar įmonėje, greičiausiai esate susidūrę su bendravimo ir bendradarbiavimo su klientais ar vadovais problemomis. A/B testavimas gali padėti išspręsti kai kurias iš šių problemų, nes jis suteikia dar vieną skaidrumo, informuotumo ir įsitraukimo lygmenį. Jei ne kas kitas, tai leidžia greitai atsakyti, jei kas nors paklaustų: "Ar išbandėte žalią mygtuką vietoj jo?" :)

Ką galite išbandyti A/B testais?

Labai svarbu nuspręsti, ką A/B testuoti PPC kampanijose. Rekomenduoju pradėti nuo elementų, kuriuos patobulinus rezultatai gali būti geriausi.

Kūriniai
Pavyzdžiai: išdėstymas, spalvų schema, modelis vs. be modelio, trumpo formato vaizdo įrašas vs. ilgo formato vaizdo įrašas, UGC vs. nuosavas turtas.
Pasiūlymas
Pavyzdžiai: nemokamas pristatymas vs. nuolaida, nemokama premija vs. trūkumas, nemokamas bandomasis laikotarpis vs. nemokama paslauga, garantija vs. be garantijos, internetinis seminaras vs. elektroninė knyga.
Skelbimų talpinimas
Pavyzdžiai: "Facebook" ir "Instagram", mobilieji įrenginiai ir kompiuteriai, paieška ir paieškos partneriai.
Skelbimo kopija
Pavyzdžiai: Pavyzdžiai: ilgos formos ir trumpos formos kopija, punktų sąrašas ir pastraipa, žodis "nemokamai" ir ne, nauda ir autoritetas.
Tikslinė
Pavyzdžiai: nauji raktažodžiai, siaura tikslinė auditorija vs. plati, panašios auditorijos vs. šaltos auditorijos, senesnės pakartotinės rinkodaros auditorijos vs. jaunesnės, frazių atitikimo raktažodžiai vs. plati auditorija, siaura vietos tikslinė auditorija vs. plati auditorija.
Kampanijos / skelbimo tipai
Pavyzdžiai: DSA ir įprastos paieškos kampanijos, dinaminės pakartotinės rinkodaros kampanijos ir įprastos pakartotinės rinkodaros kampanijos, pagrindiniai skelbimai ir "Messenger" skelbimai.
Biudžeto paskirstymas
Pavyzdžiai: didesnis biudžetas 1 kampanijai, palyginti su 2 kampanija, didesnis biudžetas pakartotinei rinkodarai, palyginti su įsigijimu, didesnis biudžetas "Performance Max", palyginti su "Shopping".
Tiksliniai puslapiai
Pavyzdžiai: išdėstymas, vaizdai ir vaizdo įrašai, dinaminis raktažodžių įterpimas, antraštės, formos, socialinis įrodymas, skelbimo ir titulinio puslapio pranešimo atitikimas.
Pasiūlymų teikimo strategijos
Pavyzdžiai: maksimizuoti konversijas vs. maksimizuoti konversijų vertę, tikslinės CPA ribos, tiksliniai ROAS tikslai, didžiausia apimtis vs. didžiausia vertė.
Kampanijos struktūra
Pavyzdžiai: Plačios (arba Hagakure) struktūros vs. granuliuotos, dinamiškesnės/automatinės kampanijos vs. mažiau jų, geriausius rezultatus pasiekiančios kampanijos vs. prastus rezultatus pasiekiančios kampanijos, SKAG.

Kaip atlikti PPC kampanijų A/B testavimą

A/B testo nustatymas

Sudarius idėjų, kurias norite išbandyti, sąrašą, reikia suformuluoti hipotezes ir nuspręsti, kokius metodus ir priemones pasirinkti.

Hipotezė

Jūsų hipotezė - tai prielaida, kurią bandote patikrinti eksperimentu. Joje išreiškiamas poveikis, kurį tikitės pastebėti atlikę pokyčius, pavyzdžiui, peržiūrėję skelbimo kopiją, pakeitę skelbimo kūrybą arba išplėtę tikslinę atranką. Norėdamas susisteminti savo hipotezes, mėgstu remtis Craigo Sullivano " Hipotezių rinkiniu V4 ":

Remiantis (duomenimis / tyrimais / stebėjimais)
manome, kad (pakeisti)
for (populiacija)
sukels (poveikį).
Tai sužinosime, kai pamatysime (metriką).
Tai bus naudinga klientams, partneriams arba mūsų verslui (nes).

Požiūris

Šioje vietoje nuspręskite, kaip atlikti testą. Ar tai bus A/B testas? A/B/n? Nuoseklusis? Svarbu tai nustatyti nuo pat pradžių, nes tai turės įtakos jūsų A/B testavimo įrankiams, biudžetui ir rezultatams. Kaip minėta, rekomenduoju pradėti nuo A/B/n testų, jei neturite istorinių duomenų ir jūsų hipotezė pagrįsta stebėjimais. Tačiau su tam tikrais testais ir skelbimų platformomis būsite apriboti nuosekliųjų testų metodais (t. y. siūlymo strategijomis "Google Ads").

Įrankiai

Kai kalbama apie PPC A/B testavimą, skaičiuoklė yra geriausias jūsų draugas. Jei nežinote, nuo ko pradėti, mano naujausią skaičiuoklę galite rasti čia. Jei per ketvirtį atliekate tik kelis bandymus, rekomenduoju ją pildyti rankiniu būdu. Jei jų daugiau nei keli, galite ją automatizuoti naudodami tokius įrankius kaip "Supermetrics", skirtus PPC duomenims traukti.

excel

A/B testo paleidimas

Paleidimo instrukcijos priklausys nuo išbandyto elemento ir pasirinktos skelbimų platformos. Tačiau vienas dalykas išliks tas pats - jūsų eksperimento metu turi būti sudarytos vienodos arba beveik vienodos kontrolinio ir bandomojo variantų imtys, o tai reiškia, kad tinkami A/B bandymai niekada neturėtų būti paleidžiami toje pačioje kampanijoje arba skelbimų grupėje, nebent galite kontroliuoti biudžeto ir srauto sklaidą (t. y. skelbimų rinkinio biudžeto optimizavimo kampanijos, arba ABO, "Facebook Ads").

Čia pateikiamos dažniausiai naudojamos bandymų konfigūracijos:

"Facebook" / "Instagram" / "Pinterest" / "LinkedIn": vietinio A/B testavimo funkcija, nauji skelbimų rinkiniai, naujos kampanijos, nuoseklūs paleidimai.
"Google" / "Microsoft": vietinės kampanijos eksperimentavimo funkcija, skelbimo kopijos A/B testavimo funkcija, vienodos skelbimų rotacijos funkcija, nuoseklus paleidimas.

Duomenų analizė

Sukūrėte hipotezę, parengėte bandymą ir leidote jam vykti. Kas dabar?

Užpildykite prietaisų skydelį ir sužinokite, ar jūsų bandymas davė laukiamą padidėjimą, ar jūsų imties dydis buvo pakankamai didelis, ar rezultatai statistiškai reikšmingi, ar jūsų bandymui reikia daugiau laiko, kad būtų pasiektas didesnis reikšmingumas.

Imties dydžiui ir patikimumo / reikšmingumo skaičiavimams apskaičiuoti galite naudoti skaičiuotuvą.

Jei turite aiškų nugalėtoją, suformuluokite išvadą ir parengkite veiksmų planą, kaip jį įdiegti į PPC nustatymus.

5 PPC A/B testavimo idėjos, kurias verta išbandyti

1. Pasiūlymo testavimas

Siekdami maksimaliai padidinti PPC rezultatus, nenuvertinkite skirtingų pasiūlymų testavimo poveikio. Mano patirtis rodo, kad tai lemia didžiausius rezultatų pokyčius.

Tai gali būti trūkumas (galvokite apie ribotą pasiūlą), skuba, premijos, garantijos arba nuolaidos.

Jei įmanoma, nepamirškite naudoti vietinės skelbimo kopijos testavimo funkcijos, kad užtikrintumėte didesnę imties dydžio ir srauto padalijimo pagal variantą kontrolę (pvz., "Google Ads" eksperimento tipas "Skelbimo variantas").

2. Nukreipimo puslapio testavimas

"Palaukite, maniau, kad tai praktinis PPC testavimo vadovas?". Mano patirtis rodo, kad nukreipimo puslapiai yra vienas svarbiausių veiksnių, lemiančių PPC sėkmę. Jei jūsų nukreipimo puslapis nėra gerai optimizuotas, nesvarbu, kokie geri būtų jūsų skelbimai - rezultatai vis tiek bus riboti.

Norint labiausiai padidinti konversijų rodiklį, rekomenduoju pradėti nuo išdėstymo ir formos testavimo, nes tai gali labiausiai padidinti konversijų rodiklį. Pavyzdžiui, šioje kredito kortelių bendrovėje optimizavus formą konversijų rodiklis padidėjo 17 %.

Tada apsvarstykite skelbimo ir žinutės atitikimą ir antraštės testavimą, kad pagerintumėte skelbimo ir konversijos srautą.

3. Kūrybinis testavimas

" Nielsen" duomenimis, reklamos kūrybos kokybė prisideda prie 49 % papildomų pardavimų ir yra svarbiausias reklamos veiksmingumo veiksnys. Štai kodėl visada rekomenduoju dažnai atlikti kūrybinius bandymus pirmuosiuose kūrybos kanaluose, pavyzdžiui, "Facebook" ir "TikTok". Tai taip pat labai prisidėjo prie to, kad mano kliento užsakymų skaičius vos per 6 mėnesius padidėjo 54 %.

Norint pasiekti didžiausio pakilimo, rekomenduoju išbandyti išdėstymo pakeitimus, pranešimus ir UGC turinį.

4. Tikslinis testavimas

Dar viena idėja, kurią rekomenduoju išbandyti siekiant didžiausio potencialo, yra tikslinis testavimas. Kaip jau minėta skyriuje "Ką galite A/B testuoti", tai gali būti nauji raktažodžiai, siaura ir plati tikslinė auditorija, taip pat panašios ir išsaugotos auditorijos.

Pavyzdžiui, galbūt norėsite išbandyti atskirą ilgųjų ir trumpųjų raktažodžių kampaniją, kad pamatytumėte, ar galite geriau kontroliuoti biudžetą ir sumažinti CPA.

Todėl rekomenduoju naudoti tokį įrankį kaip "RankTracker" raktažodžių ieškiklis, kuris padės gauti pažangesnius raktažodžių pasiūlymus ir filtravimą nei "Google Keyword Planner".

keyword finder

5. Pasiūlymų testavimas

A/B pasiūlymų teikimo strategijų testavimas gali būti veiksmingas būdas optimizuoti PPC rezultatus. Tai gali parodyti, ar dabartiniai pasiūlymai yra per dideli, ar per maži, ar optimizuojate didžiausią vertę turintiems klientams, ar ne, ir ar geriausia siekti didžiausio konversijų skaičiaus (kokybė), o ne didžiausios konversijų vertės (kiekybė).

Pavyzdžiui, galite išbandyti, ar 30-50 % padidinsite tikslinės CPA ribas, kad sužinotumėte, ar nepraleidžiate paspaudimų, kurie gali lemti konversijas, arba 25 % sumažinsite tikslinę ROAS, kad per didelės konkurencijos laikotarpį (pvz., juodąjį penktadienį) sukurtumėte daugiau konversijų.

bidding