ข้อผิดพลาดในการทดสอบ PPC A/B ที่ใหญ่ที่สุด

การทดสอบ A/B ได้รับการออกแบบมาเพื่อเพิ่มประสิทธิภาพของการโฆษณาของคุณ เป็นวิธีที่ยอดเยี่ยมและได้รับการฝึกฝนอย่างต่อเนื่องในการใช้ประโยชน์สูงสุดจากงบประมาณและปรับปรุง ROI ของคุณ

จากการไม่ทำการทดสอบ A/B นานพอที่จะทำการทดสอบ A/B มากเกินไป... ด้านล่างนี้คือข้อผิดพลาดทั่วไปบางประการที่ผู้คนทำเมื่อทำการทดสอบ A/B และวิธีที่คุณสามารถหลีกเลี่ยงได้

การทดสอบ A/B มากกว่าหนึ่งสิ่งพร้อมกัน

หากคุณกำลังทดสอบข้อความโฆษณา A/B อย่าเริ่มยุ่งกับตัวปรับราคาเสนอสำหรับอุปกรณ์ด้วย อย่าเปลี่ยนการกำหนดสถานที่เป้าหมายหรือช่วงเวลาที่โฆษณาทำงานพร้อมกัน มิฉะนั้นจะส่งผลเสียต่อข้อมูล

การทดสอบ A/B ต้องใช้ความอดทนและการควบคุม ดังนั้นเพียงแค่ทำทีละอย่างเท่านั้น ไม่ใช่เวลาสำหรับการทำงานหลายอย่างพร้อมกัน การทำงานหลายอย่างพร้อมกันและการทดสอบ A/B จะทำให้คุณมีประสิทธิผลมากขึ้นในการทำลายมากกว่าหนึ่งสิ่งในคราวเดียว!

การทดสอบ A/B สุ่มสี่สุ่มห้าเพื่อประโยชน์ของมัน

ก่อนที่คุณจะเรียกใช้การทดสอบ A/B คุณต้องมีสมมติฐานว่าเหตุใดคุณจึงต้องการเรียกใช้ ถามตัวเองว่าคุณกำลังพยายามค้นหาอะไร?

ตัวอย่างเช่น คุณเชื่อว่าการเพิ่มคำกระตุ้นการตัดสินใจในข้อความโฆษณาบนการค้นหาของคุณจะช่วยเพิ่มอัตราการแปลงหรือไม่ การกำหนดเป้าหมายอุปกรณ์เคลื่อนที่ผ่านเดสก์ท็อปจะช่วยปรับปรุงการได้มาซึ่งลูกค้าใหม่ของคุณหรือไม่ ถ้าคิดว่ามันจะใช่ ทำไมคุณถึงคิดอย่างนั้น? พิจารณาสิ่งต่างๆ เช่น ไซต์ของคุณมีการเข้าชมบนมือถือสูงผ่านแหล่งที่มาทั่วไปหรือไม่ แต่มีการเข้าชมบนมือถือที่ต่ำมากจากแหล่งที่มาที่เสียค่าใช้จ่าย ถามตัวเองและค้นคว้าว่าอาจมีปัจจัยสนับสนุนในเรื่องนี้หรือไม่ก่อนที่คุณจะทำการทดสอบใดๆ

ใช้ข้อมูลที่คุณมีอยู่แล้วเพื่อสนับสนุนสมมติฐานของคุณก่อนที่จะทำการทดสอบ A/B ที่อาจเป็นอันตรายในบัญชีโฆษณาจริง

จุดรวมของการทดสอบคือการปรับปรุงประสิทธิภาพโฆษณาของคุณ ดังนั้นควรหลีกเลี่ยงการทดสอบที่ทำตรงกันข้ามหากทำได้!

ไม่สอบเลย!

นี่เป็นเรื่องง่ายๆ แต่เป็นบาปสำคัญที่ฉันเห็นซ้ำแล้วซ้ำอีกในหลาย ๆ บัญชีที่ฉันจัดการ ฉันเคยได้ยินข้อแก้ตัวทั่วไปทั้งหมดว่า "ไม่จำเป็น" หรือ "เรามีอัตราการแปลงสูงเพียงพอแล้ว"

แนวทาง “ถ้ามันยังไม่พังอย่าแก้ไข” นั้นใช้ได้ผลดีในชีวิตสำหรับหลายๆ อย่าง แต่การตลาดดิจิทัลไม่ใช่หนึ่งในนั้น ลักษณะของการตลาดดิจิทัลและโดยเฉพาะอย่างยิ่งการโฆษณาที่เสียค่าใช้จ่ายมีการเปลี่ยนแปลงอยู่ตลอดเวลา ไม่เชื่อฉัน? 5 ปีที่แล้ว TikTok ไม่ใช่สิ่งของและผู้บริโภคทั่วไปเคยดูเนื้อหาบนอุปกรณ์ 2 เครื่อง ตอนนี้ในปี 2020 ผู้คนบริโภคเนื้อหาบนอุปกรณ์มากถึง 5 เครื่อง และ TikTok กำลังได้รับความนิยมทั่วโลกในฐานะหนึ่งในแอพที่ไม่ใช่เกมที่มีการดาวน์โหลดมากที่สุดเท่าที่เคยมีมา โดยมีบริษัทต่าง ๆ ยกย่องว่าพวกเขาใช้มันเพื่อเข้าถึงผู้คนกว่าพันล้าน หนึ่งเดือน!

เหตุผลเชิงตรรกะเพียงอย่างเดียวที่จะไม่เรียกใช้การทดสอบ A/B บางรูปแบบก็คือ คุณยังไม่มีปริมาณการเข้าชมที่จะได้รับข้อมูลเชิงลึกที่คุ้มค่า

หากคุณไม่ได้ทดสอบ A/B โฆษณาแบบชำระเงินเพราะไม่รู้ว่าจะเริ่มต้นอย่างไร...

ต่อไปนี้คือสิ่งสำคัญสองสามข้อที่คุณสามารถเริ่มทดลองได้:

• สำเนาโฆษณา การเพิ่มโปรโมชันปัจจุบันลงในข้อความโฆษณาของคุณส่งผลต่ออัตราการคลิกผ่านอย่างไร การเพิ่มชื่อแบรนด์ของคุณลงในข้อความโฆษณาช่วยเพิ่มประสิทธิภาพหรือไม่?
• คำกระตุ้นการตัดสินใจ คำกระตุ้นการตัดสินใจกระตุ้นให้ผู้ใช้คลิกหรือเพียงแค่บอกว่าซื้อเลย การเปลี่ยนคำกระตุ้นการตัดสินใจมีผลอย่างไร
• หน้า Landing Page ผลกระทบของผู้ใช้ที่เชื่อมโยงไปถึงหน้าผลิตภัณฑ์บนหน้าหมวดหมู่คืออะไร หากคุณมีรูปแบบต่างๆ ของผลิตภัณฑ์ การส่งผู้คนไปที่จัมเปอร์สีแดงเหนือจัมเปอร์สีน้ำเงินจะส่งผลกระทบอย่างไร
• กลยุทธ์การเสนอราคา ROAS เป้าหมายทำงานได้ดีกว่าการเพิ่มจำนวน Conversion สูงสุดหรือไม่
• คำหลักที่โฆษณาของคุณกำหนดเป้าหมาย ประเภทการทำงานของคำหลักส่งผลต่ออัตราการคลิกผ่านหรืออัตรา Conversion ของคุณหรือไม่ คุณสามารถประหยัดการลงทุนกับประเภทการทำงานที่กว้างขึ้นด้วยการใช้คำหลักเชิงลบที่ดีกว่าการใช้การทำงานแบบตรงทั้งหมดได้หรือไม่
• ประเภทโฆษณา โฆษณาที่ปรับเปลี่ยนตามอุปกรณ์ได้รับอัตรา Conversion ที่ดีกว่าโฆษณาแบบข้อความที่ขยายออกหรือไม่ การเพิ่มโฆษณาบนการค้นหาแบบไดนามิกมีผลอย่างไร
• ราคาสินค้า (โดยเฉพาะ google shopping) การขึ้น/ลงราคาสินค้าของคุณ 2% ส่งผลต่อยอดขายของคุณอย่างไร? คุณสามารถทำระยะขอบได้ดีขึ้นหรือไม่?

ไม่ได้ทำการทดสอบ A/B เป็นเวลาเพียงพอหรือปล่อยให้การทดสอบทำงานตลอดไป

ไม่ได้ทำการทดสอบ A/B ของคุณนานพอ

คุณจะได้รับข้อมูลเชิงลึกที่มีความหมายมากเพียงใดจากข้อมูล 2 วัน หากคุณมีผู้เยี่ยมชมเว็บไซต์ของคุณเพียง 10,000 คนต่อวัน ฉันจะไม่เถียงมากนัก มันทำให้ฉันงุนงงเมื่อฉันเห็นผู้คนทำการเปลี่ยนแปลงบัญชีอย่างกว้างๆ หรือตัดสินใจทางธุรกิจตามจำนวนข้อมูลนี้ มักจะจบลงทางเดียวและเดาเอาเองว่ามันคืออะไร? มันทำให้พวกเขาต้องเสียเงินมากขึ้น และแม้กระทั่งสร้างความเสียหายให้กับแคมเปญที่มีประสิทธิภาพดีในบางครั้ง

มันคือ PPC ที่เทียบเท่ากับการถือดาบสองคมและโจมตีเงาสะท้อนของคุณ ท้ายที่สุดคุณจะดูเหมือนอัศวินดำจาก Monty Python

ทำการทดสอบ A/B ของคุณนานเกินไป

เช่นเดียวกันอาจกล่าวได้ว่าปล่อยให้การทดสอบทำงานตลอดไป หากคุณปล่อยให้มันทำงาน แสดงว่าไม่ใช่การทดสอบ A/B มันเป็นเพียงสองสิ่งที่คุณกำลังทำ คุณไม่ได้ใช้งานแคมเปญ A กับแคมเปญ B เพื่อดูว่าแคมเปญใดทำงานได้ดีกว่า คุณแค่เรียกใช้สองแคมเปญที่เรียกว่า A และ B

โอเค… นานแค่ไหน?

ระยะเวลาที่คุณควรเรียกใช้การทดสอบ A/B นั้นขึ้นอยู่กับปัจจัยหลายประการ เช่น งบประมาณ ขนาดผู้ชม ฯลฯ ตามหลักการทั่วไป และ หากคุณพยายามทำการทดสอบ A/B เป็นครั้งแรก ฉันขอแนะนำให้เรียกใช้การแยก ทดสอบอย่างน้อย 2 สัปดาห์ ก่อนทำการเปลี่ยนแปลงที่สำคัญ เมื่อเวลาผ่านไป คุณจะได้เรียนรู้ว่าอะไรดีที่สุดสำหรับคุณและธุรกิจของคุณ ด้วยความตั้งใจที่จะตัดสินใจเพื่อให้ได้ ROI ที่ดีที่สุด

การวัดตัวที่ผิดเพื่อเป็นเครื่องพิสูจน์ความสำเร็จ

ใครจะสนล่ะว่าคุณจะได้รับการคลิกหรือการแสดงผลมากขึ้นเมื่อคุณพยายามที่จะได้รับ Conversion มากขึ้น หากคุณกำลังทำการทดสอบ A/B เพื่อดูผลกระทบต่อ Conversion นั่นคือเมตริกที่คุณควรมุ่งเน้นเพื่อกำหนดผลลัพธ์

ไม่ได้หมายความว่าคุณควรละทิ้งข้อมูลเชิงลึกเกี่ยวกับเมตริกอื่นๆ ที่คุณได้รับ คุณสามารถใช้การเรียนรู้เหล่านั้นกับการทดสอบในอนาคต ไม่ได้ใช้เป็นการวัดความสำเร็จของคุณสำหรับการทดสอบ A/B นี้

มองข้าม gremlins! (Gremlin: มักเป็นปัจจัยที่ไม่ได้ตั้งใจแต่ส่งผลกระทบ)

ตกลง นั่นไม่ใช่คำจำกัดความของพจนานุกรมของ gremlin ที่ฉันยอมรับ แต่นี่คือตัวอย่างที่ฉันเคยเห็นมาก่อนเมื่อเรียกใช้การทดสอบ A/B บนหน้า Landing Page เราเห็นการเข้าชมหน้าหนึ่งเพิ่มขึ้นอย่างมากเมื่อเทียบกับหน้าอื่น แต่มีอัตราการแปลงที่ต่ำกว่ามาก ในหัวของฉันมันไม่สมเหตุสมผลเลย! เหตุใดอัตราการแปลงจึงต่ำกว่ามากในหน้า Landing Page ที่ได้รับความนิยมมากกว่า

ดังนั้นฉันจึงประเมินเส้นทางของผู้ใช้ผ่านเพจและตระหนักว่าเพื่อดำเนินการผ่านไปยังจุดชำระเงิน ผู้ใช้ต้องนำทางผ่านหน้าเพิ่มเติมที่พวกเขาไม่ต้องนำทางผ่านหน้าอื่น

นี่ไม่ได้เกิดจากการออกแบบ แต่เป็นเพียงสิ่งที่เป็นผลมาจากวิธีการสร้างเพจและถูกมองข้ามไป เมื่อพิจารณาจากรายงานการออกจากหน้าเพจเพิ่มเติมพบว่านี่คือจุดที่เราสูญเสียผู้คน ผู้ ใช้จำนวน 84% ออก จากหน้าเพิ่มเติมนั้น แน่นอน เราลบหน้าเพิ่มเติมนี้และเริ่มการทดสอบ A/B ใหม่ หน้าที่มีประสิทธิภาพดีขึ้นจะเห็นอัตราการแปลงที่ดีขึ้นมาก

สิ่งนี้เน้นให้เห็นถึงความจำเป็นในการพิจารณาเพิ่มเติมก่อนทำการทดสอบ A/B

แม้จะฟังดูโหดร้าย แต่ให้สันนิษฐานว่าทุกคนที่เกี่ยวข้องจะทำผิดพลาดที่ไหนสักแห่งในแนวเดียวกัน ดังนั้นจึงควรตรวจสอบมาตรการไว้ล่วงหน้าเพื่อหลีกเลี่ยงความพ่ายแพ้ที่มีราคาแพงในบางครั้ง

จึงมีรายการข้อผิดพลาดที่พบบ่อยที่สุดที่ฉันเคยเห็น ฉันหวังว่าคุณจะพบว่ามีประโยชน์ หากคุณมีสิ่งใดที่จะเพิ่มทำไมไม่แจ้งให้เราทราบในความคิดเห็นด้านล่าง เราชอบที่จะได้ยินเกี่ยวกับ gremlins ที่แย่ที่สุดที่คุณเคยเห็นเช่นกัน!