การทดสอบ A/B: จะเพิ่มประสิทธิภาพตามข้อมูลของคุณได้อย่างไร

สวัสดีทุกคน!

ฉันชื่อ Ettore อายุ 28 ปีชาวอิตาลี อาศัยอยู่ในสเปนตั้งแต่เริ่มมีประสบการณ์การทำงาน อาชีพการทำงานของฉันเริ่มต้นในบริษัท Emailing ซึ่งฉันได้ค้นพบโลกของพันธมิตร ตั้งแต่นั้นมา ฉันก็หมกมุ่นอยู่กับการซื้อสื่อออนไลน์และเป็นผู้ซื้อสื่อสำหรับเครือข่ายต่างๆ (ทั้งเครือข่าย CPA และแพลตฟอร์มการรับส่งข้อมูล) และในฐานะบริษัทในเครือแต่ละราย

อ่านบทความก่อนหน้าของ Ettore เกี่ยวกับจิตวิทยาและการจูงใจผู้ใช้

ในโพสต์นี้ เราจะวิเคราะห์วิธีดำเนินการทดสอบ A/B อย่างถูกต้อง และที่สำคัญกว่านั้น วิธีดำเนินการสรุปการทดสอบของเราในแคมเปญโฆษณาของเรา

หลักการทดสอบ AB ที่ถูกต้อง

เราสามารถพิจารณาการทดสอบ A/B เป็นการทดสอบควบคุมที่ช่วยให้เราได้รับข้อมูลในรูปแบบที่ขับเคลื่อนด้วยข้อมูล เพื่อเพิ่มอัตราการแปลงของกิจกรรมทางการตลาดเฉพาะ เช่น หน้า Landing Page แคมเปญโฆษณา จุดโฆษณาบน เว็บไซต์ของเรา ฯลฯ

แต่อย่างไร

เมื่อทำการทดสอบ A/B เราพัฒนาและเปิดตัวองค์ประกอบเดียวกันสองเวอร์ชันและวัดว่าอันใดทำงานได้ดีกว่า เพื่อที่จะดำเนินการตามข้อมูลในโครงสร้างของแคมเปญของเรา (หรือหน้า Landing Page หรือเว็บไซต์ ฯลฯ)

จะทดสอบข้อเสนอ CPA ได้อย่างไร

ด้านล่างนี้ เราจะวิเคราะห์วิธีการใช้การทดสอบ A/B อย่างถูกต้องกับองค์ประกอบต่างๆ ของแคมเปญโฆษณา เพื่อให้ประสบความสำเร็จ

การทดสอบ A/B สำหรับรูปภาพ

การทดสอบ A/B กับรูปภาพใช้เพื่อค้นหารูปแบบระหว่างส่วนประกอบของรูปภาพที่เราใช้ซึ่งพิสูจน์แล้วว่าทำงานได้ดีที่สุด ในขั้นตอนนี้ ก่อนอื่นเราจะทดสอบ มุมต่างๆ ที่ เราสามารถหาได้สำหรับแคมเปญของเรา ลองพิจารณาภาพด้านล่างเป็นตัวอย่าง:

ชุดโฆษณานี้ใช้สำหรับแคมเปญเนื้อหาบนมือถือใน PK (ปากีสถาน) และหน้า Landing Page เป็นบริการสตรีมมิงเพื่อดู PSL (Pakistan Super League)

อย่างที่คุณสังเกตเห็นว่าโฆษณาที่ใช้ในแคมเปญ นี้แตกต่างกันมาก และนั่นเป็นเพราะในระยะนี้การทดสอบ A/B ของฉันได้ดำเนินการในแง่มุมต่างๆ: แบบที่เน้น Conversion มาก ซึ่งพูดบางอย่างเช่น "ดู PSL โดยไม่ต้องโฆษณา" ; และตัวที่ก้าวร้าวและคลิกเบตมากกว่ากับผู้หญิงพูดว่า "ฉันส่งวิดีโอให้คุณแล้ว"

ตามที่คาดไว้ กลุ่มเป้าหมายที่เน้น Conversion มีอัตรา Conversion ที่ดีที่สุด แต่มี CTR ที่แย่ ในขณะที่ Clickbaity คลิกดีขึ้นอย่างไม่น่าเชื่อ และยังคงทำ Conversion ในอัตราที่เหมาะสม

ในกรณีนี้ ฉันตัดสินใจสร้างสองแคมเปญที่แตกต่างกันโดยมีชุดโฆษณาสองชุดต่างกัน ชุดหนึ่งใช้กับโฆษณา "clickbaity" เท่านั้น อีกชุดหนึ่งใช้เฉพาะ "โฆษณาที่เน้น Conversion" สิ่งนี้ทำขึ้นเพื่อยืนยันแนวโน้มของผลการทดสอบครั้งก่อน และเพื่อค้นหาผู้ชนะที่แท้จริงระหว่างสองแนวทางนี้ เรื่องสั้นโดยย่อ Clickbaity ที่ชนะ

วิธีทดสอบโฆษณาสำหรับการแจ้งเตือนแบบพุช

เราสามารถพูดได้ว่านี่เป็นกรณีที่รุนแรง แต่เราอาจต้องการทดสอบมุม A/B ด้วยวิธีต่างๆ ตัวอย่างเช่น เราสามารถเข้าใกล้ a ข้อเสนอการออกเดท สำหรับผู้ชายตรงที่มีมุมต่างๆ:

- "ดูวัยรุ่น" vs ดูเป็นผู้ใหญ่

แล้วเจาะลึกว่า

– ภาพโคลสอัพเฉพาะส่วนต่างๆ ของร่างกาย กับ ภาพถ่ายที่มีใบหน้าของหญิงสาวเท่านั้น

– ภาพเซลฟี่กับภาพถ่ายทั่วไป

– สีบลอนด์กับสีน้ำตาล ฯลฯ

แนวคิดทั่วไปก็คือ เมื่อเราพบมุมที่ชนะ เราจะทำการทดสอบ A/B ส่วนประกอบภาพอื่นๆ ของแคมเปญของเราต่อไป

เราสามารถเจาะลึกข้อมูลการทดสอบของเราได้เสมอ แต่ในหลายกรณี เพื่อให้การทดสอบของเราน่าเชื่อถือที่สุด วิธีที่ดีที่สุดคือสร้างแคมเปญใหม่และทดสอบแนวคิดใหม่แยกกันเพื่อยืนยันแนวโน้ม

การทดสอบ A/B สำหรับส่วนประกอบที่เป็นข้อความ

ตอนนี้ มาดูชุดครีเอทีฟโฆษณาต่อไปนี้กัน:

ในระยะนี้ เราได้ระบุ "มุมแห่งชัยชนะ" และรูปภาพและไอคอนที่ทำงานได้ดีที่สุดสองสามภาพ และตอนนี้เรากำลังทดสอบ A/B/C บางข้อความ

โดยทั่วไป เป็นการดีที่สุดที่จะเริ่มต้นแคมเปญด้วย โฆษณาอย่างน้อย 4-6 ชิ้น และเพิ่มรูปแบบต่างๆ ของโฆษณาที่สร้างผลลัพธ์ที่ดีที่สุด

เมื่อเราได้ทำการทดสอบครั้งแรกกับชุดโฆษณาชุดแรกและระบุผู้ชนะแล้ว เราจะติดตามการทดสอบ A/B กับตัวแปรที่เหลือในแคมเปญของเรา

เมื่อพูดถึงส่วนที่เป็นข้อความ คุณสามารถเน้นเรื่องนี้มากขึ้น และเล่นกับชื่อและคำอธิบาย (และ/หรือชื่อแบรนด์ขึ้นอยู่กับเครือข่าย) โดยแยกองค์ประกอบเพียงอย่างใดอย่างหนึ่งจากสององค์ประกอบดังในตัวอย่างด้านล่าง:

ที่นี่ฉันได้ทดสอบ A/B เฉพาะ คำอธิบายของแคมเปญพุชนี้

การทดสอบ A/B สำหรับตัวแปรการกำหนดเป้าหมาย

แม้ว่าการทดสอบในเดสก์ท็อปและมือถือของแคมเปญที่แยกจากกันจะชัดเจนมาก แต่ก็อาจไม่ชัดเจนสำหรับองค์ประกอบการกำหนดเป้าหมายอื่นๆ

ตอนนี้เรามาดูแคมเปญเดสก์ท็อปนี้กัน:

เมื่อดูประสิทธิภาพของแคมเปญ RON* แล้ว เราจะสังเกตได้ทันทีว่า eCPA ต่อ OS ของเราแตกต่างกันอย่างมาก เป็นกรณีที่เราอาจต้องทดสอบ A/B/C สำหรับ Mac, Windows และ Chrome OS แยกกัน (หากแนวโน้มได้รับการยืนยันในภายหลังด้วยการใช้จ่ายที่สูงขึ้น)

ทำครั้งเดียว ทำสองครั้ง: จะทดสอบข้อเสนอของคุณอีกครั้งได้อย่างไร

นี่เป็นแนวทางปฏิบัติที่ดีโดยหลักแล้ว เนื่องจากจะช่วยให้เราสามารถเพิ่มประสิทธิภาพตัวแปรอื่นๆ ทั้งหมดของแคมเปญแยกจากกัน และสุดท้ายเข้าถึง eCPA ที่ต่ำกว่าในประสิทธิภาพทั่วโลกของแคมเปญนั้นๆ

*ฉันอ้างถึงแคมเปญ RON หมายถึงแคมเปญที่ดำเนินการเป็นครั้งแรกและยังไม่มี บัญชีขาวหรือบัญชีดำ

วิธีการเดียวกันนี้สามารถใช้ได้กับตัวแปรการกำหนดเป้าหมายอื่นๆ ทั้งหมดของแคมเปญของเรา เช่น กิจกรรมของผู้ใช้ โดยพิจารณาจากข้อมูลของแคมเปญด้านล่าง:

ในกรณีนี้ เราสามารถเก็บระดับกลางและระดับต่ำไว้ด้วยกัน และแยกการทดสอบในระดับสูงในแคมเปญแยกกัน (เนื่องจากประสิทธิภาพใกล้เคียงกัน) หรือเราอาจทดสอบ A/B/C ทั้งสามกิจกรรมของผู้ใช้แยกกัน

ห่อ

การทดสอบ A/B เป็นอาวุธที่ทรงพลังอย่างยิ่งเมื่อพูดถึงการเพิ่มประสิทธิภาพการแปลง

สิ่งหนึ่งที่ควรคำนึง ถึงคือไม่จำกัดจำนวนการทดสอบ เราสามารถปรับปรุงผลลัพธ์ได้เกือบทุกครั้งแม้ว่าเราจะคิดอย่างอื่น

สุดท้าย ให้วิเคราะห์ข้อมูลและผลลัพธ์ที่ได้รับเสมอ สิ่งเหล่านี้เป็นกุญแจสำคัญในการปรับปรุงผลลัพธ์ของแคมเปญของเรา

ข้อจำกัดความรับผิดชอบ ความคิดเห็นที่แสดงในบทความนี้เป็นความคิดเห็นของผู้เขียน และไม่จำเป็นต้องสะท้อนถึงตำแหน่งอย่างเป็นทางการของ PropellerAds

พร้อมที่จะหารือเกี่ยวกับการทดสอบ A/B แล้วหรือยัง เข้าร่วมการแชททางโทรเลขของเราและพูดคุยกับบริษัทในเครือ REAL