Pengujian A/B: Bagaimana Mengoptimalkan Berdasarkan Data Anda?

Halo semuanya!

Saya Ettore, 28 tahun Italia, tinggal di Spanyol sejak awal pengalaman kerja saya. Karir kerja saya dimulai di sebuah perusahaan Email, di mana saya menemukan dunia afiliasi. Sejak itu, saya terobsesi untuk membeli media online dan saya telah menjadi pembeli media untuk jaringan yang berbeda (baik jaringan CPA dan platform lalu lintas) dan sebagai afiliasi individu.

Baca artikel Ettore sebelumnya tentang Psikologi dan Motivasi Pengguna

Dalam posting ini, kami akan menganalisis cara melakukan pengujian A/B dengan benar dan, yang lebih penting, bagaimana menerapkan kesimpulan pengujian kami dalam kampanye iklan kami.

Prinsip pengujian AB yang benar

Kami dapat mempertimbangkan pengujian A/B sebagai eksperimen terkontrol yang memungkinkan kami memperoleh informasi dengan cara berdasarkan data, untuk meningkatkan rasio konversi aktivitas pemasaran tertentu seperti laman landas, kampanye iklan, tempat iklan di situs web kami, dll.

Tapi bagaimana caranya?

Saat melakukan pengujian A/B, kami mengembangkan dan meluncurkan dua versi dari elemen yang sama dan mengukur mana yang berfungsi lebih baik, untuk membuat tindakan berdasarkan data pada struktur kampanye kami (atau laman landas, atau situs web, dll.).

Bagaimana Menguji Penawaran BPA?

Di bawah ini, kami akan menganalisis cara menggunakan pengujian A/B dengan benar pada berbagai komponen kampanye iklan, agar berhasil.

Pengujian A/B untuk gambar

Pengujian A/B pada gambar digunakan untuk menemukan pola di antara komponen gambar yang kami gunakan yang terbukti berfungsi paling baik. Pada fase ini, pertama-tama kami akan menguji berbagai sudut pandang yang dapat kami buat untuk kampanye kami. Mari kita perhatikan gambar di bawah ini sebagai contoh:

Kumpulan materi iklan ini digunakan untuk kampanye konten seluler di PK (Pakistan), dan laman landasnya adalah layanan streaming untuk menonton PSL (Liga Super Pakistan).

Seperti yang Anda lihat, materi iklan yang digunakan dalam kampanye ini sangat berbeda , dan ini karena dalam fase ini pengujian A/B saya dilakukan pada sudut: yang sangat berorientasi konversi, yang mengatakan sesuatu seperti "Tonton PSL tanpa iklan" ; dan yang lebih agresif dan clickbaity dengan seorang gadis mengatakan sesuatu seperti "Saya mengirimi Anda video".

Seperti yang diharapkan, yang berorientasi konversi memiliki rasio konversi terbaik, tetapi RKPT buruk, sedangkan clickbaity mengeklik sangat lebih baik, dan masih mengonversi pada rasio yang layak.

Dalam hal ini, saya memutuskan untuk membuat dua kampanye berbeda dengan dua kumpulan materi iklan yang berbeda, satu hanya dengan materi iklan "clickbaity", yang lainnya hanya dengan "materi iklan berorientasi konversi". Hal ini dilakukan untuk mengkonfirmasi kecenderungan hasil tes sebelumnya, dan untuk menemukan pemenang nyata antara dua pendekatan. Singkat cerita, clickbaity satu menang.

Cara Menguji Materi Iklan untuk Pemberitahuan Push

Kami dapat mengatakan ini adalah kasus yang ekstrem, tetapi kami mungkin ingin menguji sudut A/B dengan cara yang berbeda. Sebagai contoh, kita dapat mendekati tawaran kencan untuk pria lurus dengan berbagai sudut:

– “Berpenampilan Remaja” vs Berpenampilan Dewasa

Dan kemudian pergi secara mendalam:

– Closeup pada bagian tubuh tertentu vs. foto dengan wajah seorang gadis saja

– Selfie vs. foto kasual

– Pirang vs. berambut cokelat, dll.

Ide umumnya adalah begitu kami menemukan sudut kemenangan, kami terus menguji A/B komponen visual lain dari kampanye kami.

Kami selalu dapat menggali lebih dalam dengan pengujian kami, tetapi dalam banyak kasus, untuk membuat pengujian kami menjadi yang paling andal, yang terbaik adalah membuat kampanye baru dan menguji ide-ide baru secara terpisah untuk mengonfirmasi tren.

Pengujian A/B untuk komponen tekstual

Sekarang, mari kita lihat kumpulan materi iklan berikut:

Dalam fase ini, kami telah mengidentifikasi "sudut kemenangan" dan beberapa gambar dan ikon dengan performa terbaik, dan kami sekarang menguji beberapa teks dengan A/B/C.

Biasanya yang terbaik adalah memulai kampanye dengan setidaknya 4-6 materi iklan dan menambahkan lebih banyak variasi materi iklan yang menghasilkan hasil terbaik.

Setelah kami melakukan pengujian pertama dengan kumpulan materi iklan pertama kami dan mengidentifikasi pemenangnya, kami akan mengikuti pengujian A/B dari variabel kampanye kami lainnya.

Ketika berbicara tentang bagian tekstual Anda bahkan dapat lebih menekankan ini dan bermain dengan judul dan deskripsi (dan/atau nama merek tergantung pada jaringan), mengisolasi hanya satu dari dua komponen seperti pada contoh di bawah ini:

Di sini saya telah menguji A/B hanya deskripsi kampanye push ini.

Pengujian A/B untuk variabel penargetan

Meskipun sangat jelas untuk menguji di desktop dan seluler kampanye yang terpisah, mungkin tidak terlalu jelas untuk komponen penargetan lainnya.

Sekarang mari kita lihat kampanye desktop ini:

Melihat kinerja kampanye RON* ini, kami dapat segera melihat bahwa eCPA kami per OS sangat berbeda. Ini adalah kasus di mana kami mungkin perlu menguji A/B/C Mac, Windows, dan Chrome OS secara terpisah (jika tren dikonfirmasi nanti dengan pembelanjaan yang lebih tinggi).

Lakukan Sekali, Lakukan Dua Kali: Bagaimana Menguji Ulang Penawaran Anda?

Ini adalah praktik yang baik terutama karena ini akan memungkinkan kami untuk mengoptimalkan semua variabel lain dari kampanye kami secara terpisah, dan pada akhirnya mencapai eCPA yang lebih rendah pada kinerja global kampanye tertentu.

*Saya mengacu pada kampanye RON yang berarti kampanye yang telah berjalan untuk pertama kalinya dan belum memiliki daftar putih atau daftar hitam .

Pendekatan yang sama dapat digunakan dengan semua variabel penargetan lain dari kampanye kami, seperti misalnya, aktivitas pengguna dengan mempertimbangkan data kampanye di bawah ini:

Dalam hal ini, kita dapat menjaga tingkat menengah dan rendah bersama-sama dan membagi pengujian dalam kampanye terpisah pada tingkat tinggi (karena kinerjanya serupa), atau kita dapat menguji A/B/C ketiga aktivitas pengguna secara terpisah.

Membungkus

Pengujian A/B tentunya merupakan senjata yang ampuh dalam hal pengoptimalan konversi.

Satu hal yang perlu diingat adalah jangan membatasi jumlah tes . Kami hampir selalu dapat meningkatkan hasil bahkan jika kami berpikir sebaliknya.

Terakhir, selalu menganalisis data dan hasil yang diperoleh. Mereka adalah kunci untuk meningkatkan hasil kampanye kami.

Penafian. Pandangan yang diungkapkan dalam artikel ini adalah dari penulis dan tidak mencerminkan posisi resmi PropellerAds.

Siap membahas pengujian A/B? Bergabunglah dengan obrolan Telegram kami dan berbicaralah dengan afiliasi NYATA.