5 хитрых способов провести сплит-тестирование вашей рекламы в Google Shopping Ads

Один из лучших способов увеличить прибыль? Сплит-тестирование A/B. В Google Ads есть функция под названием «Эксперименты», с помощью которой вы можете создавать собственные эксперименты для своих кампаний и сравнивать эффективность вашей тестовой группы с исходными кампаниями (контрольной группой) с течением времени.

Единственная проблема в том, что это доступно только для кампаний в поисковой и контекстно-медийной сети. Не для покупок. К счастью, я придумал пять способов, с помощью которых вы можете протестировать несколько вариантов ваших торговых кампаний, о чем мы и поговорим в этом посте.

Как проводить A/B-тестирование информации о продукте

A/B-тестирование информации о продукте, такой как заголовки, изображения или расширения, может быть полезно для оптимизации фида продуктов.

Это можно сделать при настройке фида либо с помощью инструмента управления фидом, либо вручную в Google Merchant Center. После того, как вы решили, что хотите протестировать, вам нужно будет создать равные группы продуктов. Это можно сделать несколькими способами, я в основном использую следующие два метода:

1. Метод кластерного анализа

С помощью кластерного анализа вы разделите продукты на основе исторической эффективности (например, разделите свои продукты на равные группы на основе таких показателей, как клики, доход, затраты и ценность конверсии). Вы можете сделать это с помощью электронной таблицы для небольших наборов данных или в R (или других языках программирования) для больших наборов данных.

2. Метод случайного разделения

Случайное разделение может быть сделано на основе идентификатора вашего продукта. Например, если вы используете числовые значения в качестве идентификаторов продуктов, вы можете назначить группу A для всех четных номеров и B для всех нечетных номеров.

Самое главное при разделении продуктов — убедиться, что все группы вашего эксперимента имеют одинаковое количество продуктов и что ваши ключевые показатели также очень близки.

После разделения внесите изменения в идентификаторы продуктов в тестовой группе. Убедитесь, что вы можете создавать отчеты обо всех идентификаторах продуктов и соответствующих группах. Таким образом, вы можете проанализировать их и найти победителей. Ниже вы можете найти пример того, как это будет выглядеть в вашей ленте.

Как провести A/B-тестирование настроек кампании

Если вы хотите разделить настройки тестовой кампании, такие как рентабельность инвестиций в рекламу, таргетинг или различные типы кампаний, вам нужно будет разделить их на основе чего-то другого, кроме идентификаторов продуктов. В идеале вы должны предлагать одни и те же продукты как в контрольной, так и в тестовой группах, потому что производительность может варьироваться в зависимости от продукта. Есть три разных разделения, которые вы можете сделать, чтобы проверить свои настройки. Как и в случае с тестовой настройкой контента продукта, ключевым моментом является создание равных групп. При использовании всех методов вам необходимо самостоятельно проводить кластерный анализ данных. Создайте две или более равные группы и проанализируйте на основе различий.

3. Метод разделения списков электронных адресов

С помощью списков электронных адресов вы можете настроить таргетинг на собственные аудитории в Google Рекламе. Он работает путем загрузки списка адресов электронной почты из вашей существующей базы данных, на которые вы хотите настроить таргетинг, и Google сопоставит эти адреса электронной почты с учетными записями Google.

Как это сделать

Если вы используете списки электронных адресов, вы должны иметь возможность создать разделение файлов cookie в своем программном обеспечении CRM. Затем вы можете создать две разные кампании, используя две разные аудитории списков электронных адресов Google. Измените настройку, которую вы хотите протестировать, в тестовой кампании и оставьте все остальное без изменений в контрольной кампании. Вот и все.

Примечание: Если вы используете списки электронных адресов, убедитесь, что у вас запущена третья кампания для всех потенциальных клиентов, которых нет в вашей базе данных. Таким образом, вы не потеряете потенциальных конверсий.

Источник изображения

Плюсы

• Случайное разделение: разделяя файлы cookie, вы фактически получаете случайное разделение, которое часто используется в других A/B-тестах.
• Надежные данные: из-за случайного разделения результаты надежны и воспроизводимы.

Минусы

• Трудно внедрить: не у каждого рекламодателя есть ресурсы для реализации списков электронных адресов или случайного разделения в CRM.
• Не выполнено на 100 %: этот эксперимент применим только к существующим клиентам в вашей базе данных. Это означает, что результаты недействительны для новых потенциальных клиентов.

4. Метод тестирования по географическому разделению

Географические разбивки часто используются для поиска дополнительных приростов в кампаниях. Это может ответить на такие вопросы, как: есть ли дополнительная ценность в рекламе по фирменным ключевым словам?

Как это сделать

В геотесте рынок делится на более мелкие географические регионы, называемые гео. Каждому гео назначается либо контрольная, либо тестовая группа. Пользователи в тестовых регионах получают доступ к измененным кампаниям, а пользователи в контрольных регионах получают доступ к контрольным кампаниям. Разделение может быть выполнено по стране или региону, если обе региональные группы сильно коррелированы. Вам нужно будет использовать кластерный анализ, чтобы определить свои группы.

Плюсы

• Простота настройки: каждый, у кого есть небольшой опыт работы с Google Ads, может настроить это.
• Надежность: поскольку мы разделяем одни и те же кампании, сезонность не может влиять.

Минусы

• Поведение может сильно различаться в зависимости от региона. Очень важно иметь две сильно коррелированные группы. Также сезонность может различаться в зависимости от географического положения. Не идеально сравнивать Аляску с Техасом, если вы продаете снаряжение для активного отдыха.
• Несколько сложно подготовиться: кластерный анализ таргетинга на местоположение может быть сложным при работе с небольшими географическими местоположениями.

5. Метод разделения кампании

При разделении кампании вы просто делите свои кампании или учетные записи на две сильно коррелированные группы. Обе группы должны иметь одинаковое количество ключевых показателей, таких как клики, конверсии и затраты.

Как это сделать

В одной группе кампаний (тестовой группе) вы вносите изменения, а в контрольной группе будут использоваться ваши текущие рекомендации. Если вы маркируете и отслеживаете различные группы кампаний, вы можете что-то сказать о различиях в эффективности.

Бюджет и стратегия назначения ставок — это две настройки, которые вы можете протестировать.

Плюсы

• Очень легко настроить: вам нужно изменить настройки только в половине ваших кампаний, и все.

Минусы

• Наименее надежен: сезонность может играть роль в разных кампаниях, особенно если ваши кампании разделены по категориям продуктов (вы пробовали использовать структуру кампаний с приоритетными ставками?).
• Подготовка может быть сложной: кластерный анализ групп кампаний может быть сложным при работе с небольшими наборами кампаний и данных.

Последние мысли

Вот и все! Пять различных способов проведения A/B-тестирования ваших объявлений в Google Покупках:

1. Тестируйте атрибуты товарных фидов, создавая группы с кластерным анализом.
2. Тестируйте атрибуты продуктового фида, создавая группы со случайным разделением.
3. Протестируйте настройки кампании с помощью групп электронных адресов.
4. Протестируйте настройки кампании с гео.
5. Протестируйте настройки кампании с помощью групп кампаний

Качество результата зависит от качества вашего предварительного (кластерного) анализа и настройки. Что вы получаете, то и вкладываете. Надеюсь, это поможет вам оптимизировать ваши кампании Google Shopping. Если вы попробуете какой-либо из этих способов, поделитесь результатами в комментариях! А пока удачного дня и продолжайте оптимизировать!