3 примера A/B-тестирования, которые должен попробовать каждый рекламодатель PPC

Мы постоянно слышим этот принцип платного медиа-маркетинга: всегда тестируйте. Но «всегда проводить тестирование» полезно только в том случае, если ваши тесты наверняка будут способствовать более успешным кампаниям.

Я отношусь к сторонникам «всегда проверяйте… если у вас есть хорошая гипотеза». Если вы видите, что что-то можно улучшить, и у вас есть идея, как это улучшить, обязательно попробуйте. Но не стоит просто швырять вещи в стену и надеяться, что что-нибудь прилипнет. Очень важно иметь продуманный подход к A/B-тестированию, чтобы, если и когда стрелка сдвинется с места, вы знали, почему, и могли тестировать и повторять это снова и снова.

В этом посте я хочу рассмотреть мои лучшие примеры A/B-тестирования PPC и поделиться советами, которые помогут вам создать наиболее значимые и эффективные A/B-тесты для ваших PPC-кампаний.

Оглавление

❓ Не знаете, что вам нужно для A/B-тестирования в ваших PPC-аккаунтах? Быстро находите возможности для оптимизации с помощью нашего бесплатного Google Ads Grader!

Примеры гипотез PPC A/B-тестирования (+советы)

Независимо от того, какой пример A/B-тестирования вдохновит вас на проведение собственного теста, обязательно сосредотачивайтесь на своей гипотезе на протяжении всего экспериментирования. Вот что я имею в виду:

Как я уже упоминал выше, я считаю, что любой тест всегда следует начинать с гипотезы. Что вы пытаетесь проверить и почему? Но не говорите просто: «Я думаю, что новая реклама будет более эффективной». Постарайтесь сформулировать, чего вы хотите добиться при проведении A/B-теста. По моему опыту, если вы будете более внимательны при создании гипотезы, вы получите лучший тест и более действенные и переносимые результаты.

Чтобы проиллюстрировать этот момент, приведем типичный пример гипотезы A/B-тестирования: «Я хочу протестировать автоматическое назначение ставок и посмотреть, работает ли оно лучше».

Конечно, это может быть хорошим тестом, но что значит «работает лучше»? Хорошая, сфокусированная гипотеза почти всегда включает в себя определенный уровень детализации. На следующих шагах мы обрисуем в общих чертах особенности, но на данном этапе воспринимайте это как заявление самому высокому начальнику, который у вас есть. Они, вероятно, не знают мельчайших цифр, на которые вы смотрите изо дня в день, но они хотят знать, что происходит.

Это будет лучшая версия:

Гипотеза: «Автоматическое назначение ставок поможет нам снизить цену за конверсию для основного действия-конверсии».

Для начала приведем несколько примеров гипотез A/B-тестирования для нескольких различных экспериментов, которые вы можете провести:

• «Использование сравнения затрат в рекламных текстах поможет нам выделиться среди конкурентов».
• «Расширение в новый штат увеличит нашу долю на рынке при тех же затратах, что и наши нынешние геотаргетинговые местоположения».
• «Целевая страница с большим количеством вспомогательного контента поможет привлечь больше потенциальных клиентов, и мы увидим более высокий коэффициент конверсии».

Дополнительный материал для чтения, который поможет вам приступить к разработке гипотезы: следует ли вам использовать философию 10% или 10x?

Теперь, когда у вас есть гипотеза, давайте приступим к реализации этого теста.

🌱 Составьте план по развитию своего бизнеса в кратчайшие сроки с помощью нашего простого в использовании шаблона стратегии роста.

3 примера A/B-тестирования, которые должен попробовать каждый рекламодатель

Есть несколько способов проверить гипотезу на платных медиа-платформах, таких как Google Ads и Microsoft Ads. И, в зависимости от того, какую платформу вы используете, вам могут помочь некоторые инструменты A/B-тестирования.

Не существует настоящих «неправильных» способов проверить гипотезу, но есть некоторые плюсы и минусы, о которых вам следует знать в каждом из следующих примеров A/B-тестирования PPC.

1. Вкл./Выкл., последовательное тестирование.

Этот первый пример A/B-тестирования, вероятно, будет самым простым для большинства рекламодателей. Здесь вы принимаете к сведению данные из вашей существующей настройки, затем вносите изменения, подтверждающие вашу гипотезу, какое-то время запускаете кампанию таким образом, а затем сравниваете статистику. Достаточно легко.

Это может выглядеть примерно так. В вашем вечнозеленом рекламном экземпляре есть данные за четыре недели. Затем вы приостанавливаете эти варианты и запускаете копию, ориентированную на стоимость, на четыре недели, а затем сравниваете.

Этот метод тестирования может быть полезен и может дать хорошие результаты. Его легко реализовать, и от вас требуется только следить за резкими колебаниями эффективности вашей кампании.

Обратной стороной является то, что варианты никогда не пересекаются друг с другом. Был ли какой-то сезонный эффект во вторые 4 недели? У вас был ограниченный бюджет на месяц, и вам нужно было сократить расходы, чтобы достичь желаемого уровня? Влияла ли новость на производительность в худшую (или лучшую) сторону в любой период? Изменились ли какие-либо другие аспекты кампании за восемь недель проведения теста?

Это не идеально, но может быть полезно тестировать последовательно, чтобы увидеть результаты.

2. Тестирование геолокации

В примере A/B-тестирования по геолокации вы оставляете существующую кампанию без изменений, а затем создаете вариант эксперимента во втором местоположении. Это может быть либо расширенный рынок, либо часть того региона, на который вы в настоящее время ориентируетесь (т. е. ваша кампания нацелена на все Соединенные Штаты, но для этого теста вы делаете изменения эффективными только в нескольких штатах).

Для этого вам необходимо убедиться, что ваш контроль и эксперимент являются взаимоисключающими, чтобы не было дублирования. Это можно сделать, настроив новые кампании и исключив местоположения из контрольной кампании.

В отличие от примера последовательного A/B-тестирования, тестирование геолокации позволяет одновременно запускать варианты и сравнивать результаты. Любой встречный или попутный ветер, который вы почувствуете во время испытания, должен быть одинаковым для обоих мест.

Падения наступают, когда понимаешь, что не бывает двух абсолютно одинаковых регионов. Кто скажет, почему сообщение, ориентированное на стоимость, может сработать лучше в Оклахоме, чем в Небраске? Или почему Восточное побережье работает лучше при автоматическом назначении ставок, чем часовой пояс Гор?

3. Сплит-тестирование A/B

Сплит-тесты, вероятно, являются лучшим примером A/B-тестирования, поскольку они устраняют некоторые недостатки, которые мы наблюдаем при последовательном тестировании и тестировании по геолокации. Проблема в том, что настоящее A/B-тестирование провести труднее всего.

Такие платформы, как Google Ads и Meta Ads, уже давно отказались от равномерного чередования переменных. Например, обе платформы оснащены машинным обучением на основе искусственного интеллекта, которое почти всегда будет отдавать предпочтение одному варианту рекламы перед другим в зависимости от желаемого результата кампании или набора объявлений. То же самое справедливо и для стратегий ставок. Если вы тестируете ручное или автоматическое назначение ставок или одну целевую цену за конверсию по сравнению с другой, эти две кампании, скорее всего, не выйдут на аукцион с одинаковой скоростью. Один будет иметь приоритет над другим, и вы получите несбалансированный тест.

Именно здесь могут пригодиться эксперименты в Google Ads и сплит-тестирование в Facebook Ads.

Используя эти инструменты, вы можете настроить тесты, чтобы сосредоточиться на одной (или нескольких) переменных и дать каждой из них равные шансы на аукционе.

Если вы хотите узнать больше об этих инструментах, вот несколько видеороликов, которые познакомят вас с экспериментами в Google Рекламе и A/B-тестированием рекламы в Facebook.

Измерение успеха на различных примерах A/B-тестирования PPC

Теперь, когда мы знаем, как будем проводить тестирование, нам нужно более подробно остановиться на показателях PPC, которые мы собираемся использовать для определения успеха. К сожалению, я не готов воспринимать фразу «работать лучше» как хороший ответ.

Во-первых, нам нужно решить, какой у нас основной KPI. Это ваша цена за лида в Google Рекламе? Коэффициент конверсии? Рейтинг кликов? Процент показов? Это будет полностью зависеть от вашей гипотезы и от того, какой пример A/B-тестирования вы решите реализовать. Выберите статистику, которая лучше всего отразит успех или неудачу вашего теста. (Не волнуйтесь, это не единственный показатель, на котором мы хотели бы сосредоточиться. Подробнее об этом через минуту.)

Как и в случае с функциональностью теста, существует три распространенных подхода к этому. Допустим, мы пытаемся улучшить цену за конверсию для аккаунта. Вот несколько способов, которыми я мог бы сформулировать свою метрику «успеха»:

• Показатель эффективности: этот тест считается успешным, если переменная эксперимента дает цену за конверсию 60 долларов США.
• Процентное улучшение: Этот тест считается успешным, если переменная эксперимента имеет цену за конверсию на 10 % ниже, чем контрольная.
• Статистическая значимость: Этот тест считается успешным, если переменная эксперимента имеет уровень достоверности 80%, показывающий лучшие результаты, чем контрольная.

Все это действительные способы измерения. Выберите тот, который лучше всего подходит для ваших целей.

📊 Соответствуют ли ваши ключевые показатели контекстной рекламы отраслевым стандартам? Узнайте это с помощью наших последних тестов поисковой рекламы и новых тестов рекламы на Facebook!

Установите ограничения и нарушители условий PPC A/B-тестирования

Теперь давайте перейдем к некоторым другим показателям, о которых я упоминал. Хотя вы, возможно, работаете над оптимизацией стоимости за лид, это не означает, что все остальные показатели останутся неизменными. На самом деле, я рискну поспорить, что многие из них существенно изменятся. Вам решать, какой уровень изменения других характеристик является приемлемым.

Возможно, вас не волнует, снизится ли ваш рейтинг кликов на 20%, пока стоимость лида снизится до прибыльного уровня. Возможно, вы не возражаете, если увидите увеличение цены за клик, пока доход останется стабильным. Но не всех устраивает слишком сильное изменение других показателей.

Вот пример A/B-тестирования, включающий различные показатели: у меня есть клиент, который хотел снизить цену за лид на своих фирменных условиях на 20 %, но не хотел, чтобы доля показов упала ниже 80 %. Хотя мы знали, что будет сложно разобраться, мы организовали эксперимент A/B-тестирования для целевой цены за конверсию, чтобы попытаться снизить цену за конверсию. Когда мы приступили к этому, мы поняли, что для достижения нашего показателя CPA Google показывал рекламу только примерно в 60% случаев, которые мы могли бы получить. Для него это было препятствием, поэтому мы отключили тест и нашли другой способ.

Когда вы проводите эксперименты в Google, они даже запрашивают два ключевых показателя и то, что вы планируете сделать. Вы должны сделать это для себя и спросить: «Есть ли какие-либо потенциальные препятствия для показателей, которые потребуют от меня остановки этого теста до его завершения?»

Продумайте график проведения A/B-тестирования

К сожалению, иногда A/B-тесты заканчиваются без явного победителя. Эти тесты не могут продолжаться вечно, иначе вы никогда больше ничего не будете тестировать.

Но с другой стороны, A/B-тесты должны проводиться достаточно долго, чтобы убедиться, что у вас достаточно данных для принятия решений. Только самые крупные аккаунты потенциально могли бы принять решение после одной недели тестирования, но даже в этом случае мне придется быть в курсе дня и ночи, чтобы быть в курсе.

Обычно я рекомендую минимум две недели для запуска теста и максимум два месяца. Все, что выходит за рамки этого, может оказаться неуправляемым и привести к тому, что другие факторы могут привести к признанию теста недействительным.

Это означает, что независимо от того, какой пример A/B-тестирования вы выберете, будьте уверены, что в течение двух месяцев ваш тест будет иметь достаточно данных, чтобы с уверенностью решить, верна ли ваша гипотеза.

Использование правильных примеров PPC A/B-тестирования для вашего бизнеса

A/B-тестирование — бесценный инструмент, который всем маркетологам, вероятно, следует использовать в той или иной форме в своих рекламных аккаунтах. Прежде чем приступать к тестированию, убедитесь, что у вас ясная голова, включая гипотезу, план действий и потенциальные препятствия. Таким образом, вы настроитесь на успех независимо от результата. Если вам нужны дополнительные примеры и идеи A/B-тестирования для вашего бизнеса, узнайте, как наши решения помогут вам максимизировать успех A/B-тестирования!

Вот три лучших примера A/B-тестирования, которые можно попробовать в своих PPC-аккаунтах:

1. Вкл./выкл., последовательное тестирование
2. Тестирование геолокации
3. Сплит-тестирование A/B