最大的 PPC A/B 测试错误

A/B 测试旨在最大限度地提高您的广告效果。 这是一种很好且不断实践的方法，可以最大限度地利用您的预算并提高您的投资回报率。

从 A/B 测试运行时间不够长到 A/B 测试太多事情……以下是人们在 A/B 测试时常犯的一些错误以及如何避免这些错误。

A/B 一次测试不止一件事

如果您正在对广告文案进行 A/B 测试，那么也不要开始弄乱设备出价系数。 请勿同时更改地理位置定位或广告投放时间，否则会破坏数据。

A/B 测试需要耐心和控制。 所以一次只做一件事，现在不是多任务处理的时候，多任务处理加上 A/B 测试只会让你一次破坏不止一件事的效率更高！

盲目的 A/B 测试只是为了它

在运行任何 A/B 测试之前，您需要一个关于为什么要运行它的假设。 问问自己你想发现什么？

例如，您认为在搜索广告文案中添加号召性用语会提高转化率吗？ 在台式机上定位移动设备会改善您的新客户获取吗？ 如果你认为会，你为什么这么认为？ 考虑诸如您的网站通过自然来源获得的移动访问量是否很高，但来自付费来源的移动访问量是否很低。 在运行任何测试之前，问问自己并研究是否有可能导致此问题的因素。

在对真实广告帐户运行潜在的灾难性 A/B 测试之前，使用您已有的数据来支持您的假设。

测试的全部意义在于提高您的广告效果，因此应尽可能避免运行与此相反的测试！

根本不测试！

这是一个简单但主要的罪过，我在我管理的许多帐户中一遍又一遍地看到。 我听过所有常见的借口“没有必要”或“我们已经有足够高的转化率”。

“如果它没有坏就不要修理它”的方法在生活中对很多事情都很有效，但数字营销不是其中之一。 数字营销的本质，特别是付费广告，不断变化。 不相信我？ 5 年前，TikTok 还不是一个东西，普通消费者过去常常在 2 台设备上查看内容。 现在，到 2020 年，人们将在多达 5 台设备上消费内容，而 TikTok 将成为有史以来下载量最大的非游戏类应用程序之一，并在全球范围内迅速发展，公司大肆宣传他们如何使用它来覆盖超过十亿人一个月！

不运行某种形式的 A/B 测试的唯一合乎逻辑的原因是您还没有获得有价值的见解的流量。

如果您没有对付费广告进行 A/B 测试，因为您不知道从哪里开始……

以下是您可以开始尝试的一些关键事项：

• 广告文案。 将当前促销添加到您的广告文案中对点击率有何影响？ 将您的品牌名称添加到广告文案中是否会提高效果？
• 呼吁采取行动。 号召性用语是激励用户点击还是只是说现在购买？ 更改号召性用语有什么影响？
• 登陆页面。 用户登陆产品页面而不是类别页面有什么影响？ 如果您有产品变体，将人们送到红色套头衫而不是蓝色套头衫会有什么影响？
• 出价策略。 目标广告支出回报率是否比最大化转化效果更好？
• 您的广告定位的关键字。 关键字匹配类型会影响您的点击率或转化率吗？ 与使用完全匹配相比，您能否通过更好的否定关键字采用来节省对更广泛匹配类型的投资？
• 广告类型。 自适应广告的转化率是否比加大型文字广告的转化率更高？ 添加动态搜索广告有什么效果？
• 产品价格（特别是谷歌购物）。 将您的产品价格提高/降低 2% 对您的销售额有何影响？ 你能赚到更好的利润吗？

没有足够的时间运行 A/B 测试或让它们永远运行

运行 A/B 测试的时间不够长

如果您的网站每天只有 10,000 名访问者，那么您将从 2 天的数据中获得多少有意义的见解？ 我不会争论太多，所以当我看到人们根据如此大量的数据做出全面的帐户更改或业务决策时，这让我感到困惑。 它通常以一种方式结束并猜测那是什么方式？ 这最终会花费他们更多的钱，甚至对有时表现不错的活动造成损害。

PPC相当于拿着一把双刃剑并用它攻击你的倒影，你最终会看起来像Monty Python中的那个黑骑士。

运行 A/B 测试时间过长

让测试永远运行也是如此。 如果你让它运行，那么它就不是 A/B 测试，它只是你在做的两件事。 您不是针对广告系列 B 运行广告系列 A 以查看哪个效果更好，您只是在运行两个名为 A 和 B 的广告系列。

好吧……那么多久？

您应该运行 A/B 测试多长时间取决于许多因素，例如预算、受众规模等。根据经验，如果这是您第一次尝试 A/B 测试，我建议您进行拆分在进行任何重大更改之前至少测试 2 周。 随着时间的推移，您将了解什么对您和您的企业最有利，始终以做出获得最佳投资回报率的决定为目的。

衡量错误的指标作为成功的证据

当您试图获得更多转化时，谁在乎您是否获得了更多点击次数或更多展示次数？ 如果您正在运行 A/B 测试以查看其对转化的影响，那么这就是您应该关注以确定结果的指标。

现在，这并不意味着应该忽略您获得的其他指标的见解。 您可以将这些知识应用到未来的测试中； 它们只是不能用作此 A/B 测试的成功衡量标准。

俯瞰小鬼！ （Gremlin：通常是无意但有影响的因素）

好吧，我承认这不是 gremlin 的字典定义，但这是我之前在登录页面上运行 A/B 测试时看到的一个示例。 我们看到一个页面的访问量大幅增加，但转化率却低得多。 在我的脑海里，这没有任何意义！ 为什么在更受欢迎的着陆页上的转化率会如此之低？

因此，我评估了用户浏览页面的过程，并意识到为了进行结账，用户必须浏览一个额外的页面，而他们不必在另一个页面上浏览。

这不是设计使然，而是页面构建方式的结果，但它被忽略了。 查看附加页面的流失报告向我们表明，这就是我们流失用户的地方，高达 84% 的用户在该附加页面上流失。 所以，当然，我们删除了这个额外的页面并重新启动了我们的 A/B 测试。 表现更好的页面然后看到了更好的转化率。

这凸显了在运行 A/B 测试之前需要额外考虑的因素。

尽管听起来很苛刻，但请假设每个参与其中的人都会在生产线上的某个地方犯错，因此事先采取检查措施以避免这些有时代价高昂的挫折。

所以这是我见过的最常见错误的列表。 我希望你发现它们有帮助。 如果您有任何要添加的内容，为什么不在下面的评论中告诉我们。 我们也很想听听你见过的最糟糕的小精灵！