Les plus grosses erreurs de test PPC A/B

Les tests A/B sont conçus pour maximiser l'efficacité de votre publicité. C'est un excellent moyen et continuellement pratiqué pour tirer le meilleur parti de votre budget et améliorer votre retour sur investissement.

De ne pas exécuter le test A/B assez longtemps au test A/B de trop de choses… Vous trouverez ci-dessous certaines des erreurs courantes que les gens commettent lors des tests A/B et comment vous pouvez les éviter.

Tester A/B plus d'une chose à la fois

Si vous effectuez un test A/B du contenu publicitaire, ne commencez pas non plus à jouer avec les modificateurs d'enchères par appareil. Ne modifiez pas le ciblage géographique ou le calendrier des annonces en même temps, sinon cela nuira aux données.

Les tests A/B nécessitent de la patience et du contrôle. Alors tenez-vous-en à une chose à la fois, ce n'est pas le moment pour le multitâche, le multitâche plus les tests A/B ne feront que vous rendre plus productif en ruinant plus d'une chose à la fois !

Tester à l'aveuglette A/B juste pour le plaisir

Avant d'exécuter un test A/B, vous avez besoin d'une hypothèse expliquant pourquoi vous souhaitez l'exécuter. Demandez-vous ce que vous essayez de découvrir ?

Par exemple, pensez-vous que l'ajout d'une incitation à l'action dans votre texte d'annonces ciblées sur les recherches améliorera les taux de conversion ? Le ciblage des appareils mobiles plutôt que des ordinateurs de bureau améliorera-t-il l'acquisition de nouveaux clients ? Si vous pensez que oui, pourquoi pensez-vous cela ? Déterminez par exemple si votre site enregistre un nombre élevé de visites mobiles via des sources organiques, mais très peu de visites mobiles provenant de sources payantes. Demandez-vous et recherchez s'il pourrait y avoir un facteur contributif à cela avant d'effectuer un test.

Utilisez les données dont vous disposez déjà pour étayer votre hypothèse avant d'effectuer un test A/B potentiellement désastreux sur un compte publicitaire en direct.

L'objectif des tests est d'améliorer les performances de vos annonces, il faut donc éviter d'exécuter des tests qui font le contraire de cela s'ils le peuvent !

Ne teste pas du tout !

C'est un péché simple mais cardinal que j'ai vu maintes et maintes fois dans de nombreux comptes que j'ai gérés. J'ai entendu toutes les excuses habituelles « pas besoin » ou « nous avons déjà des taux de conversion suffisamment élevés ».

L'approche « si ce n'est pas cassé, ne le répare pas » fonctionne bien dans la vie pour beaucoup de choses, mais le marketing numérique n'en fait tout simplement pas partie. La nature même du marketing digital et en particulier de la publicité payante évolue constamment. Ne me croyez pas ? Il y a 5 ans, TikTok n'était pas une chose et le consommateur moyen avait l'habitude de visualiser le contenu sur 2 appareils. Maintenant, en 2020, les gens consomment du contenu sur jusqu'à 5 appareils et TikTok explose à travers le monde comme l'une des applications non basées sur les jeux les plus téléchargées à avoir jamais existé avec des entreprises qui s'extasient sur la façon dont elles l'ont utilisé pour atteindre plus d'un milliard de personnes un mois!

La seule raison logique de ne pas exécuter une forme de test A/B est que vous n'avez pas encore les volumes de trafic pour obtenir des informations utiles.

Si vous ne testez pas A/B votre publicité payante parce que vous ne savez pas par où commencer…

Voici quelques éléments clés avec lesquels vous pouvez commencer à expérimenter :

• Copie publicitaire. Comment l'ajout d'une promotion actuelle dans votre texte publicitaire affecte-t-il les taux de clics ? L'ajout de votre nom de marque dans le texte publicitaire améliore-t-il les performances ?
• Appel à l'action. L'appel à l'action incite-t-il l'utilisateur à cliquer ou dit-il simplement acheter maintenant ? Quel est l'effet de la modification de l'appel à l'action ?
• Page de destination. Quel est l'effet des utilisateurs qui atterrissent sur une page de produit par rapport à une page de catégorie ? Si vous avez des variantes de produits, quel est l'effet d'envoyer les gens vers un pull rouge plutôt qu'un pull bleu ?
• Stratégie d'enchères. Le ROAS cible est-il plus performant que la maximisation des conversions ?
• Mots-clés ciblés par votre annonce. Le type de correspondance des mots clés affecte-t-il votre taux de clics ou votre taux de conversion ? Pourriez-vous économiser sur l'investissement sur des types de correspondance plus larges avec une meilleure adoption des mots clés négatifs qu'en utilisant la correspondance exacte ?
• Types d'annonces. Les annonces responsives obtiennent-elles de meilleurs taux de conversion que vos annonces textuelles grand format ? Quel est l'effet de l'ajout d'annonces dynamiques du Réseau de Recherche ?
• Prix ​​du produit (en particulier pour google shopping). Comment la majoration/baisse du prix de vos produits de 2 % affecte-t-elle vos ventes ? Pourriez-vous faire de meilleures marges ?

Ne pas exécuter les tests A/B pendant suffisamment de temps ou les laisser s'exécuter indéfiniment

Ne pas exécuter votre test A/B assez longtemps

Combien d'informations significatives allez-vous tirer de 2 jours de données si vous n'obtenez que 10 000 visiteurs par jour sur votre site Web ? Je ne dirais pas grand-chose, donc cela me déconcerte lorsque je vois des gens apporter des modifications de compte ou des décisions commerciales radicales sur la base de cette quantité de données. Il se termine généralement dans un sens et devine de quelle façon c'est? Cela finit par leur coûter plus d'argent et même endommager des campagnes parfois décentes.

C'est l'équivalent PPC de tenir une épée à double tranchant et d'attaquer votre reflet avec, vous allez finir par ressembler à ce chevalier noir de Monty Python.

Exécuter votre test A/B trop longtemps

La même chose peut être dite pour laisser un test s'exécuter pour toujours. Si vous le laissez fonctionner, ce n'est pas un test A/B, ce n'est que deux choses que vous faites. Vous n'exécutez pas la campagne A contre la campagne B pour voir laquelle fonctionne le mieux, vous exécutez simplement deux campagnes appelées A et B.

D'accord... alors combien de temps ?

La durée pendant laquelle vous devez exécuter vos tests A/B dépend d'un certain nombre de facteurs tels que le budget, la taille de l'audience, etc. En règle générale, et s'il s'agit de votre première tentative de test A/B, je vous recommande d'exécuter votre division. testez pendant au moins 2 semaines avant d'apporter des modifications importantes. Au fil du temps, vous apprendrez ce qui est le mieux pour vous et votre entreprise, toujours avec l'intention de prendre la décision d'obtenir le meilleur retour sur investissement.

Mesurer les mauvais indicateurs comme preuve de succès

Qui se soucie de savoir si vous obtenez plus de clics ou plus d'impressions lorsque vous essayez d'obtenir plus de conversions ? Si vous effectuez un test A/B pour voir son impact sur les conversions, c'est la métrique sur laquelle vous devriez vous concentrer pour déterminer les résultats.

Cela ne signifie pas que les informations sur les autres mesures que vous avez obtenues doivent être ignorées. Vous pouvez appliquer ces apprentissages à de futurs tests ; ils ne doivent tout simplement pas être utilisés comme mesure de réussite pour ce test A/B.

Surplombant les gremlins ! (Gremlin : souvent un facteur non intentionnel mais impactant)

Ok, ce n'est donc pas la définition du dictionnaire d'un gremlin, je l'admets, mais voici un exemple de celui que j'ai déjà vu lors de l'exécution de tests A/B sur des pages de destination. Nous avons constaté une augmentation considérable des visites d'une page par rapport à l'autre, mais un taux de conversion beaucoup plus faible. Dans ma tête ça n'avait aucun sens ! Pourquoi le taux de conversion serait-il tellement inférieur sur la page de destination la plus populaire ?

J'ai donc évalué le parcours de l'utilisateur sur la page et réalisé que pour passer à la caisse, l'utilisateur devait naviguer sur une page supplémentaire qu'il n'avait pas à parcourir sur l'autre.

Ce n'était pas par conception, mais c'était juste quelque chose qui était une conséquence de la façon dont la page avait été construite et elle avait été négligée. L'examen du rapport d'abandon de la page supplémentaire nous a montré que c'est là que nous perdions des personnes, un énorme 84% d'utilisateurs abandonnés sur cette page supplémentaire. Alors, bien sûr, nous avons supprimé cette page supplémentaire et relancé notre test A/B. La page la plus performante a ensuite enregistré des taux de conversion bien meilleurs.

Cela met en évidence la nécessité de prendre en compte des considérations supplémentaires avant d'exécuter des tests A/B.

Aussi dur que cela puisse paraître, partez du principe que toutes les personnes impliquées feront une erreur quelque part le long de la ligne, alors ayez des mesures de vérification en place au préalable pour éviter ces revers parfois coûteux.

Voici donc ma liste des erreurs les plus courantes que j'ai vues. J'espère que vous les avez trouvés utiles. Si vous en avez à ajouter, pourquoi ne pas nous le faire savoir dans les commentaires ci-dessous. Nous aimerions également entendre parler des pires gremlins que vous ayez jamais vus !