A/B 테스팅: 데이터를 기반으로 최적화하는 방법은 무엇입니까?

여러분, 안녕하세요!

저는 경력 초기부터 스페인에 살고 있는 28세 이탈리아인 Ettore입니다. 제 직장 경력은 이메일 회사에서 시작하여 제휴 세계를 발견했습니다. 그 이후로 저는 온라인으로 미디어를 구매하는 일에 몰두해 왔으며 다양한 네트워크(CPA 네트워크와 트래픽 플랫폼 모두)와 개별 계열사의 미디어 구매자였습니다.

심리학 및 사용자 동기 부여에 대한 Ettore의 이전 기사 읽기

이 게시물에서는 A/B 테스트를 적절하게 수행하는 방법과 더 중요하게는 테스트 결과를 광고 캠페인에서 구현하는 방법을 분석할 것입니다.

정확한 AB 테스트의 원칙

A/B 테스트는 방문 페이지, 광고 캠페인, 광고 스팟과 같은 특정 마케팅 활동의 전환율을 높이기 위해 데이터 기반 방식으로 정보를 얻을 수 있는 통제된 실험으로 간주할 수 있습니다. 당사 웹사이트 등

하지만 어떻게?

A/B 테스트를 수행할 때 캠페인(또는 랜딩 페이지, 웹사이트 등) 구조에 대한 데이터 기반 작업을 수행하기 위해 동일한 요소의 두 가지 버전을 개발 및 출시하고 어느 것이 더 효과적인지 측정합니다.

CPA 제안을 테스트하는 방법?

아래에서는 성공적인 광고 캠페인을 위해 광고 캠페인의 다양한 구성 요소에 대한 A/B 테스트를 적절하게 사용하는 방법을 분석할 것입니다.

이미지에 대한 A/B 테스트

이미지에 대한 A/B 테스트는 우리가 사용한 사진의 구성 요소 중에서 가장 잘 작동하는 것으로 판명된 패턴을 찾는 데 사용됩니다. 이 단계에서는 먼저 캠페인에 대해 생각해낼 수 있는 다양한 각도 를 테스트합니다. 아래 그림을 예로 들어 보겠습니다.

이 광고 소재 세트는 PK(파키스탄)의 모바일 콘텐츠 캠페인에 사용되었으며 랜딩 페이지는 PSL(Pakistan Super League)을 시청하기 위한 스트리밍 서비스였습니다.

보시다시피 이 캠페인에 사용된 광고 소재 는 매우 다릅니다 . 이것은 이 단계에서 내 A/B 테스트가 각도에 대해 수행되었기 때문입니다. "광고 없이 PSL 시청" 과 같은 매우 전환 지향적인 테스트 ; 그리고 "동영상을 보냈어요"와 같은 말을 하는 소녀와 함께 더 공격적이고 클릭하기 쉬운 것.

예상대로 전환 지향적이 가장 좋은 전환율을 나타내었지만 CTR이 좋지 않은 반면 클릭 기반의 경우 클릭이 엄청나게 좋아졌으며 여전히 적절한 속도로 전환하고 있습니다.

이 경우 두 가지 다른 광고 소재 세트로 두 개의 캠페인을 만들기로 결정했습니다. 이는 앞선 테스트 결과의 경향성을 확인하고, 두 접근 방식 중 진정한 승자를 찾기 위해 만든 것이다. 간단히 말해서 clickbaity 하나가 이겼습니다.

푸시 알림용 광고 소재를 테스트하는 방법

우리는 이것이 일종의 극단적인 경우라고 말할 수 있지만 다른 방식으로 각도를 A/B 테스트하고 싶을 수도 있습니다. 예를 들어 다음과 같이 접근할 수 있습니다. 다양한 각도의 이성애자 남성을 위한 데이트 제안 :

– "십대 외모" vs 성숙한 외모

그런 다음 심층적으로 다음을 수행합니다.

– 특정 신체 부위 클로즈업 vs. 소녀의 얼굴만 있는 사진

– 셀카 대 캐주얼 사진

– 금발 대 갈색 머리 등

일반적인 아이디어는 일단 좋은 각도를 찾으면 캠페인의 다른 시각적 구성 요소를 계속 A/B 테스트한다는 것입니다.

우리는 항상 테스트를 통해 더 깊이 파고들 수 있지만 대부분의 경우 테스트를 가장 신뢰할 수 있게 하려면 새 캠페인을 만들고 새로운 아이디어를 별도로 테스트하여 추세를 확인하는 것이 가장 좋습니다.

텍스트 구성 요소에 대한 A/B 테스트

이제 다음 광고 소재 세트를 살펴보겠습니다.

이 단계에서 우리는 이미 "승리하는 각도"와 몇 가지 최고 성능의 이미지 및 아이콘을 식별했으며 이제 일부 텍스트를 A/B/C 테스트하고 있습니다.

일반적으로 최소 4-6개의 광고 소재 로 캠페인을 시작하고 최상의 결과를 생성한 광고 소재의 변형을 더 많이 추가하는 것이 가장 좋습니다.

첫 번째 광고 소재 세트로 첫 번째 테스트를 수행하고 우승자를 식별한 후에는 캠페인의 나머지 변수를 A/B 테스트할 것입니다.

텍스트 부분에 대해 말할 때 이 점을 더 강조하고 제목과 설명(네트워크에 따라 브랜드 이름 및/또는 브랜드 이름)을 가지고 놀 수 있으며 아래 예와 같이 두 구성 요소 중 하나만 분리합니다.

여기서는 이 푸시 캠페인에 대한 설명 만 A/B 테스트했습니다.

타겟팅 변수에 대한 A/B 테스트

별도의 캠페인 데스크톱 및 모바일에서 테스트하는 것은 매우 명백하지만 다른 타겟팅 구성요소에서는 그렇게 명확하지 않을 수 있습니다.

이제 이 데스크톱 캠페인을 살펴보겠습니다.

이 RON* 캠페인의 성과를 살펴보면 OS당 eCPA가 크게 다르다는 것을 즉시 알 수 있습니다. Mac, Windows, Chrome OS를 별도로 A/B/C 테스트해야 하는 경우가 있습니다(추후 더 높은 지출로 추세가 확인되는 경우).

한 번 하고 두 번 하세요: 제안을 다시 테스트하는 방법은 무엇입니까?

이는 주로 캠페인의 다른 모든 변수를 개별적으로 최적화하고 궁극적으로 특정 캠페인의 글로벌 실적에 대해 더 낮은 eCPA에 도달할 수 있게 해주기 때문에 좋은 방법입니다.

*처음으로 실행된 캠페인을 의미하는 RON 캠페인을 의미하며 아직 화이트리스트나 블랙리스트 가 없습니다.

예를 들어 아래 캠페인의 데이터를 고려한 사용자 활동 과 같은 캠페인의 다른 모든 타겟팅 변수에 동일한 접근 방식을 사용할 수 있습니다.

이 경우 중간 및 낮음을 함께 유지하고 별도의 캠페인에서 높은 수준으로 분할 테스트하거나(성능이 유사하므로) 세 가지 사용자 활동을 모두 개별적으로 A/B/C 테스트할 수 있습니다.

마무리

A/B 테스트는 전환 최적화와 관련하여 확실히 강력한 무기입니다.

명심해야 할 한 가지는 테스트 수를 제한하지 않는다는 것 입니다. 다르게 생각하더라도 거의 항상 결과를 개선할 수 있습니다.

마지막으로 항상 데이터와 얻은 결과를 분석하십시오. 이는 캠페인 결과를 개선하는 열쇠입니다.

부인 성명. 이 글에 표현된 견해는 필자의 것이며, 반드시 PropellerAds의 공식 입장을 반영하는 것은 아닙니다.

A/B 테스트에 대해 논의할 준비가 되셨습니까? Telegram 채팅에 참여하고 REAL 계열사와 대화하십시오.