Największe błędy testowania PPC A/B

Testy A/B mają na celu maksymalizację skuteczności reklamy. To świetny i stale praktykowany sposób na maksymalne wykorzystanie budżetu i poprawę ROI.

Od niewystarczająco długiego przeprowadzania testu A/B do testowania A/B zbyt wielu rzeczy… Poniżej przedstawiamy niektóre z typowych błędów popełnianych przez ludzi podczas testów A/B oraz sposoby ich uniknięcia.

Testowanie A/B więcej niż jednej rzeczy na raz

Jeśli przeprowadzasz testy A/B tekstu reklamy, nie zawracaj sobie głowy modyfikatorami stawek według urządzenia. Nie zmieniaj jednocześnie kierowania na lokalizację ani harmonogramu reklam, ponieważ podważy to dane.

Testy A/B wymagają cierpliwości i kontroli. Więc trzymaj się tylko jednej rzeczy na raz, to nie czas na wielozadaniowość, wielozadaniowość plus testy A/B sprawią, że będziesz bardziej produktywny w niszczeniu więcej niż jednej rzeczy na raz!

Ślepe testy A/B tylko ze względu na to

Zanim przeprowadzisz jakikolwiek test A/B, potrzebujesz hipotezy, dlaczego chcesz go wykonać. Zadaj sobie pytanie, co próbujesz odkryć?

Na przykład, czy uważasz, że dodanie wezwania do działania w tekście reklamy w wyszukiwarce poprawi współczynniki konwersji? Czy kierowanie na urządzenia mobilne zamiast komputerów stacjonarnych poprawi pozyskiwanie nowych klientów? Jeśli myślisz, że tak, dlaczego tak myślisz? Zastanów się, na przykład, czy Twoja witryna ma wysoką liczbę odwiedzin mobilnych ze źródeł bezpłatnych, ale bardzo niską liczbę odwiedzin mobilnych ze źródeł płatnych. Zadaj sobie pytanie i zbadaj, czy może to mieć wpływ na to, zanim przeprowadzisz jakikolwiek test.

Wykorzystaj dane, które już posiadasz, aby poprzeć swoją hipotezę, zanim przeprowadzisz potencjalnie katastrofalny test A/B na rzeczywistym koncie reklamowym.

Celem testowania jest poprawa skuteczności reklam, więc jeśli to możliwe, należy unikać przeprowadzania testów, które działają odwrotnie!

W ogóle nie testuję!

To jest prosty, ale grzech główny, który widziałem wielokrotnie na wielu zarządzanych przeze mnie kontach. Słyszałem wszystkie zwykłe wymówki „nie ma potrzeby” lub „mamy już wystarczająco wysokie współczynniki konwersji”.

Podejście „jeśli nie jest zepsute, nie naprawiaj tego” sprawdza się w życiu w wielu przypadkach, ale marketing cyfrowy po prostu nie jest jednym z nich. Sama natura marketingu cyfrowego, a w szczególności reklamy płatnej, nieustannie się zmienia. Nie wierzysz mi? 5 lat temu TikTok nie był czymś, a przeciętny konsument zwykł oglądać treści na 2 urządzeniach. Teraz w 2020 roku ludzie konsumują treści na maksymalnie 5 urządzeniach, a TikTok staje się jedną z najczęściej pobieranych aplikacji niezwiązanych z grami na całym świecie, a firmy zachwycają się tym, w jaki sposób wykorzystali je, aby dotrzeć do ponad miliarda ludzi miesiąc!

Jedynym logicznym powodem, aby nie przeprowadzać jakiejś formy testów A/B jest to, że nie dysponujesz jeszcze natężeniem ruchu, aby uzyskać wartościowy wgląd.

Jeśli nie testujesz A/B swoich płatnych reklam, ponieważ nie wiesz, od czego zacząć…

Oto kilka kluczowych rzeczy, z którymi możesz zacząć eksperymentować:

• Tekst reklamy. Jak dodanie aktualnej promocji do tekstu reklamy wpływa na współczynniki klikalności? Czy dodanie nazwy marki do tekstu reklamy poprawia skuteczność, czy nie?
• Wezwanie do działania. Czy wezwanie do działania zachęca użytkownika do kliknięcia, czy po prostu mówi kup teraz? Jaki jest efekt zmiany wezwania do działania?
• Wstęp. Jaki jest wpływ lądowania użytkowników na stronie produktu na stronę kategorii? Jeśli masz różne produkty, jaki jest skutek wysyłania ludzi do czerwonego swetra zamiast niebieskiego?
• Strategia ustalania stawek. Czy docelowy ROAS jest skuteczniejszy niż maksymalizacja konwersji?
• Słowa kluczowe, na które kierowana jest Twoja reklama. Czy typ dopasowania słowa kluczowego wpływa na współczynnik klikalności lub współczynnik konwersji? Czy możesz zaoszczędzić na inwestycjach w szersze typy dopasowania z lepszym wykorzystaniem wykluczających słów kluczowych niż w przypadku dopasowania ścisłego?
• Typy reklam. Czy reklamy elastyczne uzyskują lepsze współczynniki konwersji niż rozszerzone reklamy tekstowe? Jaki jest efekt dodania dynamicznych reklam w wyszukiwarce?
• Cena produktu (szczególnie w przypadku zakupów w Google). W jaki sposób podwyższenie/obniżenie ceny produktów o 2% wpływa na sprzedaż? Czy możesz osiągać lepsze marże?

Nie przeprowadzanie testów A/B przez wystarczająco długi czas lub pozostawianie ich działających na zawsze

Nie przeprowadzasz testu A/B wystarczająco długo

Ile znaczącego wglądu uzyskasz z 2 dni gromadzenia danych, jeśli Twoja witryna będzie odwiedzana tylko przez 10 000 osób dziennie? Nie kłóciłbym się zbytnio, więc zbija mnie z tropu, gdy widzę, jak ludzie dokonują gruntownych zmian na koncie lub podejmują decyzje biznesowe w oparciu o taką ilość danych. Zwykle kończy się w jedną stronę i domyślasz się, jak to jest? W rezultacie kosztuje ich to więcej pieniędzy, a nawet wyrządza szkody czasami przyzwoitym kampaniom.

Jest to odpowiednik PPC trzymania obosiecznego miecza i atakowania nim swojego odbicia, skończysz wyglądając jak czarny rycerz z Monty Pythona.

Zbyt długi czas wykonywania testu A/B

To samo można powiedzieć o pozostawieniu trwającego testu na zawsze. Jeśli pozostawisz go włączonego, to nie jest test A/B, tylko dwie rzeczy, które robisz. Nie prowadzisz kampanii A w porównaniu z kampanią B, aby zobaczyć, która jest skuteczniejsza, po prostu prowadzisz dwie kampanie o nazwach A i B.

Dobra… więc jak długo?

To, jak długo należy przeprowadzać testy A/B, zależy od wielu czynników, takich jak budżet, wielkość odbiorców itp. Zasadniczo, jeśli jest to Twoja pierwsza próba testowania A/B, polecam przeprowadzenie podziału test przez co najmniej 2 tygodnie przed wprowadzeniem jakichkolwiek istotnych zmian. Z czasem dowiesz się, co jest najlepsze dla Ciebie i Twojej firmy, zawsze z zamiarem podjęcia decyzji o uzyskaniu najlepszego zwrotu z inwestycji.

Mierzenie niewłaściwych wskaźników jako dowód sukcesu

Kogo obchodzi, czy masz więcej kliknięć lub więcej wyświetleń, gdy próbujesz uzyskać więcej konwersji? Jeśli przeprowadzasz test A/B, aby zobaczyć jego wpływ na konwersje, to właśnie na tym wskaźniku powinieneś się skupić, aby określić wyniki.

Nie oznacza to, że wgląd w inne uzyskane dane należy odrzucić. Możesz zastosować te wnioski do przyszłych testów; po prostu nie powinny być używane jako miara sukcesu w tym teście A/B.

Z widokiem na gremliny! (Gremlin: często niezamierzony, ale wpływający czynnik)

Ok, więc przyznaję, że nie jest to słownikowa definicja gremlina, ale oto przykład takiego, który widziałem wcześniej podczas przeprowadzania testów A/B na stronach docelowych. Zaobserwowaliśmy ogromny wzrost liczby odwiedzin jednej strony w porównaniu z drugą, ale znacznie niższy współczynnik konwersji. W mojej głowie to nie miało sensu! Dlaczego współczynnik konwersji miałby być o wiele niższy na bardziej popularnej stronie docelowej?

Oceniłem więc podróż użytkownika po stronie i zdałem sobie sprawę, że aby przejść do kasy, użytkownik musiał przejść przez dodatkową stronę, przez którą nie musiał przechodzić na drugiej.

Nie było to zgodne z projektem, ale było to po prostu konsekwencją sposobu, w jaki strona została zbudowana i zostało to przeoczone. Analiza raportu o porzucaniu dodatkowej strony pokazała nam, że właśnie w tym miejscu traciliśmy ludzi, aż 84% użytkowników zrezygnowało z tej dodatkowej strony. Dlatego oczywiście usunęliśmy tę dodatkową stronę i ponownie uruchomiliśmy nasz test A/B. Strona o lepszej skuteczności miała wtedy znacznie lepsze współczynniki konwersji.

Podkreśla to potrzebę dodatkowych rozważań przed uruchomieniem testów A/B.

Choć brzmi to szorstko, załóż, że wszyscy zaangażowani popełnią błąd gdzieś po drodze, więc przygotuj wcześniej środki sprawdzające, aby uniknąć tych czasami kosztownych niepowodzeń.

Oto moja lista najczęstszych błędów, które widziałem. Mam nadzieję, że okazały się pomocne. Jeśli masz coś do dodania, daj nam znać w komentarzach poniżej. Chcielibyśmy też usłyszeć o najgorszych gremlinach, jakie kiedykolwiek widziałeś!