A/B 测试:如何根据您的数据进行优化?

已发表: 2021-09-01

大家好!

我是 Ettore,28 岁的意大利人,从我开始工作开始就住在西班牙。 我的职业生涯始于一家电子邮件公司,在那里我发现了附属世界。 从那以后,我一直痴迷于在线购买媒体,我一直是不同网络(包括 CPA 网络和流量平台)的媒体购买者和个人会员。

阅读 Ettore 之前关于心理学和激励用户的文章

在这篇文章中,我们将分析如何正确地进行 A/B 测试,更重要的是,如何在我们的广告活动中实施我们的测试结论。


正确 AB 测试的原则

我们可以将 A/B 测试视为一项受控实验,它允许我们以数据驱动的方式获取信息,以提高特定营销活动的转化率,例如登录页面、广告活动、广告位我们的网站等

但是怎么做?

在进行 A/B 测试时,我们开发并发布了相同元素的两个版本,并衡量哪个版本效果更好,以便对我们的活动结构(或登录页面或网站等)进行数据驱动的操作。

PropellerAds_如何测试 cpa 报价

如何测试 CPA 报价?

下面,我们将分析如何在广告活动的不同组件上正确使用 A/B 测试,以使其成功。


图像的 A/B 测试

图像 A/B 测试用于在我们使用的图片组件中找到效果最好的模式。 在这个阶段,我们将首先测试我们可以为我们的活动提出的不同角度。 让我们以下面的图片为例:

propellerads - 客座专家 - ab 测试示例

这组广告素材用于PK(巴基斯坦)的移动内容活动,登陆页面是观看PSL(巴基斯坦超级联赛)的流媒体服务。

正如你所注意到的,在这个活动中使用的创意非常不同,这是因为在这个阶段我的 A/B 测试是在角度上进行的:一个非常以转换为导向的测试,上面写着“观看 PSL 没有广告” ; 还有一个更具攻击性和点击率的,一个女孩说“我给你发了一个视频”。

正如预期的那样,以转化为导向的转化率最高,但点击率很差,而点击率更高的点击率却令人难以置信,而且转化率仍然不错。

在这种情况下,我决定使用两组不同的广告素材创建两个不同的广告系列,一组仅使用“点击率”广告素材,另一组仅使用“以转化为导向的广告素材”。 这样做是为了确认先前测试结果的趋势,并在两种方法之间找到真正的赢家。 长话短说,点击率赢了。

PropellerAds_如何测试广告素材

如何测试推送通知的广告创意

我们可以说这是一种极端情况,但我们可能希望以不同的方式对角度进行 A/B 测试。 例如,我们可以接近一个 各种角度的直男约会优惠

– “看起来像青少年” vs 看起来像成熟

然后深入:

– 特定身体部位的特写与仅带有女孩脸的照片

- 自拍与休闲照片

– 金发女郎与黑发女郎等。

总体思路是,一旦我们找到了获胜的角度,我们就会继续 A/B 测试我们广告系列的其他视觉组件。

我们总是可以通过测试进行更深入的挖掘,但在许多情况下,为了使我们的测试尽可能可靠,最好创建一个新的活动并单独测试新的想法以确认趋势。


文本组件的 A/B 测试

现在,让我们看看以下一组广告素材:

propellerads - 客座专家 - ab 测试示例 2

在这个阶段,我们已经确定了“获胜的角度”和几个表现最好的图像和图标,我们现在正在 A/B/C 测试一些文本。

通常最好以至少4-6 个广告素材开始一个广告系列,并在此过程中添加产生最佳结果的更多广告素材变体。

一旦我们对第一组广告素材进行了第一次测试并确定了获胜者,我们将按照 A/B 测试我们广告系列的其余变量。

在谈论文本部分时,您甚至可以更加强调这一点,并使用标题和描述(和/或品牌名称,取决于网络),仅隔离两个组件之一,如下例所示:

propellerads - 客座专家 - ab 测试示例 3

在这里,我对这个推送活动的描述进行了 A/B 测试。


针对目标变量的 A/B 测试

虽然在单独的广告系列桌面和移动设备中进行测试非常明显,但对于其他定位组件可能并不那么明显。

现在让我们看看这个桌面广告系列:

看看这个 RON* 活动的表现,我们可以立即注意到每个操作系统的 eCPA 差异很大。 在这种情况下,我们可能需要分别对 Mac、Windows 和 Chrome OS 进行 A/B/C 测试(如果稍后以更高的支出确认趋势)。

做一次,做两次:如何重新测试你的报价?

这是一个很好的做法,主要是因为它可以让我们分别优化广告系列的所有其他变量,并最终在特定广告系列的全球表现上达到较低的 eCPA。

*我指的是 RON 活动,意思是第一次运行并且还没有白名单或黑名单的活动。

相同的方法可以用于我们广告系列的所有其他定位变量,例如,考虑以下广告系列数据的用户活动

在这种情况下,我们可以将中等和低级别放在一起,并在单独的活动中对高级别进行拆分测试(因为它们的性能相似),或者我们可以分别对所有三个用户活动进行 A/B/C 测试。


包起来

在转换优化方面,A/B 测试无疑是一种强大的武器。

要记住的一件事是不要限制测试的数量。 即使我们不这么认为,我们几乎总能改进结果。

最后,始终分析数据和获得的结果。 它们是改善我们的广告系列效果的关键。

免责声明。 本文所表达的观点是作者的观点,并不一定反映 PropellerAds 的官方立场。

准备好讨论 A/B 测试了吗? 加入我们的 Telegram 聊天并与 REAL 关联公司交谈。