Panduan Praktis untuk Pengujian A/B untuk PPC (+5 Ide untuk Diuji)

Intro

PPC A/B Testing adalah cara yang ampuh untuk meningkatkan efektivitas kampanye iklan Anda.

Dalam panduan praktis ini, Anda akan mengetahui apa itu A/B testing untuk PPC dan belajar tentang berbagai jenis pengujian dan statistik pengujian yang diperlukan untuk keputusan berbasis data. Kamu juga akan belajar cara menyiapkan tes A/B pertamamu dan mendapatkan ide-ide praktis yang berdampak besar untuk dicoba sendiri.

Apa yang dimaksud dengan pengujian A/B untuk PPC?

Pengujian A/B untuk PPC adalah metode pengujian 2 atau lebih varian elemen kampanye iklan Anda, seperti salinan iklan, halaman arahan, atau penargetan, dengan tujuan memberikan bukti statistik untuk berbagai hipotesis, yang dapat dimanfaatkan untuk menyempurnakan kampanye Anda dan meningkatkan hasil.

Meskipun tidak sepenuhnya berbeda dari pengujian A/B halaman arahan atau email, pengujian A/B PPC memerlukan pendekatan khusus karena keterbatasan platform iklan, varians ukuran sampel, dan risiko yang mempengaruhi kinerja keseluruhan kampanye Anda.

Jenis-jenis tes PPC

Ada empat jenis utama tes A/B dalam PPC:

• Tes A/B

  Tes A/B adalah eksperimen dengan satu hipotesis yang mengarahkan Anda untuk mengubah satu elemen kampanye iklan dan mengujinya dengan varian kontrol asli. Ini adalah jenis pengujian paling umum yang membantu Anda mempersempit ke elemen tertentu dan menyempurnakan kampanye Anda.

  Contoh pengujian A/B: menguji 2 iklan teks dengan pengiriman gratis vs diskon 15% sebagai penawaran utama.

• Uji multivariat

  Perkenalkan Ranktracker

  Platform Lengkap untuk SEO yang Efektif

  Di balik setiap bisnis yang sukses adalah kampanye SEO yang kuat. Namun dengan banyaknya alat dan teknik pengoptimalan yang dapat dipilih, mungkin sulit untuk mengetahui dari mana harus memulai. Nah, jangan takut lagi, karena saya punya hal yang tepat untuk membantu. Menghadirkan platform lengkap Ranktracker untuk SEO yang efektif

  Kami akhirnya membuka pendaftaran ke Ranktracker secara gratis!

  Buat akun gratis

  Atau Masuk menggunakan kredensial Anda

  Uji multivariat adalah eksperimen dengan beberapa hipotesis dan beberapa perubahan. Dengan metode ini, Anda menguji berbagai kombinasi perubahan kecil yang dibuat pada varian kontrol Anda. Saya jarang menggunakan jenis ini karena membutuhkan ukuran sampel tertinggi (sering kali tidak mungkin untuk PPC) dari keempat jenis pengujian, dan menghasilkan peningkatan terkecil dalam hasil, sehingga mengurangi tingkat kepercayaan (lihat definisi saya tentang ukuran sampel, peningkatan, dan tingkat kepercayaan di bagian selanjutnya)

  Contoh pengujian Multivariat: menguji 4 materi iklan dengan kombinasi judul dan gambar yang berbeda.

• Tes A/B/n

  Pengujian A/B/n juga merupakan percobaan dengan beberapa hipotesis dan beberapa perubahan. Namun, tidak seperti dalam kasus pengujian multivariat, variannya bisa sangat berbeda satu sama lain. Ini adalah salah satu jenis pengujian yang sering saya gunakan untuk akun baru atau kampanye baru di mana data historis tidak tersedia, dan saya ingin menguji pengaturan atau kombinasi elemen yang sama sekali berbeda daripada mempersempit pilihan saya dengan pengujian A/B atau multivariat.

  Contoh pengujian A/B/n: menguji 2+ set materi iklan dengan tata letak dan/atau halaman arahan yang sangat berbeda.

• Tes berurutan

  Tes berurutan adalah jenis tes A/B yang menguji varian elemen kampanye dalam fase atau urutan. Urutan dapat berupa 2 minggu, 1 bulan, atau lebih lama (saya tidak menyarankan untuk menjalankan tes kurang dari 2 minggu). Ini adalah jenis pengujian yang paling tidak disukai, karena menjalankan pengujian selama periode waktu yang berbeda memperkenalkan faktor luar yang tidak dapat Anda kendalikan, seperti musim, varians ukuran sampel, dan deviasi penargetan. Namun, ini juga merupakan jenis yang umum, karena tidak semua platform PPC menawarkan fitur pengujian A/B yang lengkap (atau apa pun).

  Contoh: menguji tawaran Maksimalkan Konversi vs. Maksimalkan Nilai Konversi di Iklan Google

Dalam skenario yang ideal, Anda akan menggunakan semua tes dalam urutan berikut ini:

1. Pengujian A/B/n untuk menemukan pengaturan yang paling sesuai
2. Pengujian A/B untuk mempersempit dan menyempurnakan pengaturan Anda
3. Pengujian multivariat untuk mempersempit pengaturan Anda lebih jauh
4. Pengujian berurutan untuk menguji elemen dalam urutan berurutan ketika tidak ada fungsionalitas pengujian A/B yang tepat

Statistik pengujian A/B

Agar pengujian A/B dapat memberikan data yang signifikan secara statistik, menginformasikan keputusan Anda, dan menghasilkan peningkatan dalam PPC, ada 4 statistik utama yang perlu Anda pertimbangkan:

• Ukuran sampel

  Perkenalkan Ranktracker

  Platform Lengkap untuk SEO yang Efektif

  Di balik setiap bisnis yang sukses adalah kampanye SEO yang kuat. Namun dengan banyaknya alat dan teknik pengoptimalan yang dapat dipilih, mungkin sulit untuk mengetahui dari mana harus memulai. Nah, jangan takut lagi, karena saya punya hal yang tepat untuk membantu. Menghadirkan platform lengkap Ranktracker untuk SEO yang efektif

  Kami akhirnya membuka pendaftaran ke Ranktracker secara gratis!

  Buat akun gratis

  Atau Masuk menggunakan kredensial Anda

  Dalam PPC, ukuran sampel Anda adalah jumlah trafik yang perlu Anda hasilkan agar hasil pengujian dapat mewakili audiens Anda. Untuk metrik tingkat iklan (seperti CTR atau Rasio Tampilan), tayangan akan menjadi sumber sampel Anda, tetapi untuk metrik khusus konversi (seperti Rasio Konversi, Biaya/Konv., atau ROAS), Anda harus memilih klik. Secara umum, semakin besar ukuran sampel, semakin akurat pengujian Anda.

• Peningkatan yang diharapkan

  Prediksi tentang bagaimana perubahan yang diuji akan memengaruhi metrik akhir, dinyatakan dalam persentase dan berkisar antara 0 hingga 100%. Misalnya, berdasarkan data historis dan penelitian konversi, Anda dapat memprediksi bahwa perubahan penawaran utama dari Diskon 10% menjadi Gratis Ongkos Kirim akan meningkatkan tingkat konversi sebesar 30%.

• P-value

  Kita berada di wilayah statistik tingkat lanjut. Sederhananya, nilai-p membantu menentukan apakah hasilnya menyimpang secara signifikan dari apa yang diharapkan, atau seberapa signifikan hasilnya secara statistik. Nilainya berkisar antara 0 hingga 1, dan semakin kecil nilainya, semakin signifikan hasilnya secara statistik.

• Tingkat kepercayaan diri

  Tingkat kepercayaan atau interval kepercayaan adalah ukuran kepastian dalam hasil pengujian. Sebagai contoh, tingkat kepercayaan 95% berarti bahwa jika kita mengulangi pengujian yang sama beberapa kali, 95% dari pengujian tersebut akan memberikan hasil yang serupa.

Mengapa pengujian A/B PPC penting?

Pengujian A/B mempengaruhi 3 area utama kampanye PPC Anda:

1. Hasil

   Saat mengerjakan kampanye PPC, Anda selalu menghadapi pertanyaan "Apakah hal A akan lebih baik daripada hal B?" (ganti 'hal' dengan kampanye/iklan/salinan/pemirsa/angle/dll.). Pengujian A/B membekali Anda dengan cara untuk menjawab pertanyaan tersebut, menguji hipotesis yang berbeda, dan pada akhirnya, meningkatkan hasil Anda.

2. Struktur

   Jika, seperti saya, Anda merasa beberapa pengoptimalan Anda terlalu ad hoc, reaktif terhadap data yang ada, atau bahkan bersifat kosmetik, pengujian A/B adalah pendekatan yang akan membantu Anda menambahkan lebih banyak struktur. Hal ini dapat membantu menciptakan "pijakan" kinerja (hipotesis yang telah terbukti) dan fokus untuk menemukan peluang pengoptimalan yang paling berdampak, bukan perubahan kosmetik.

3. Komunikasi dan Keterlibatan

   Jika Anda adalah agensi atau spesialis internal, kemungkinan besar Anda pernah mengalami masalah komunikasi dan keterlibatan dengan klien atau eksekutif. Pengujian A/B dapat membantu menyelesaikan beberapa masalah ini, karena menawarkan lapisan transparansi, kesadaran, dan keterlibatan. Jika tidak ada yang lain, ini memungkinkan Anda memberikan jawaban cepat jika ada yang bertanya "Apakah Anda sudah menguji tombol hijau?" :)

Apa saja yang bisa Anda uji A/B?

Memutuskan apa yang akan diuji A/B dalam kampanye PPC Anda sangat penting. Saya sarankan untuk memulai dengan elemen yang, jika ditingkatkan, dapat memberikan dampak tertinggi pada hasil Anda.

1. Kreasi

   Contoh: tata letak, skema warna, model vs. tanpa model, video berdurasi pendek vs. berdurasi panjang, UGC vs. aset sendiri.

2. Penawaran

   Contoh: pengiriman gratis vs. diskon, bonus gratis vs. kelangkaan, uji coba gratis vs. freemium, jaminan vs. tanpa jaminan, webinar vs. ebook.

3. Penempatan iklan

   Contoh: Facebook vs. Instagram, seluler vs. desktop, pencarian vs. mitra pencarian.

4. Salinan iklan

   Contoh: Salinan bentuk panjang vs. bentuk pendek, daftar poin vs. paragraf, termasuk kata 'gratis' vs. tidak, manfaat vs. otoritas.

5. Penargetan

   Contoh: kata kunci baru, penargetan sempit vs luas, mirip vs dingin, audiens pemasaran ulang yang lebih tua vs yang lebih muda, kata kunci yang cocok dengan frasa vs luas, penargetan lokasi sempit vs luas.

6. Jenis kampanye/iklan

   Contoh: DSA vs. kampanye pencarian biasa, kampanye pemasaran ulang dinamis vs. pemasaran ulang biasa, iklan prospek vs. iklan pesan.

7. Alokasi anggaran

   Contoh: lebih banyak anggaran untuk kampanye 1 vs kampanye 2, lebih banyak anggaran untuk pemasaran ulang vs akuisisi, lebih banyak anggaran untuk Performance Max vs Belanja.

8. Halaman arahan

   Contoh: tata letak, gambar vs. video, penyisipan kata kunci dinamis, tajuk utama, formulir, bukti sosial, kecocokan pesan iklan dengan halaman arahan.

9. Strategi penawaran

   Contoh: Maksimalkan konversi vs. maksimalkan nilai konversi, Batas CPA target, Target ROAS target, volume tertinggi vs. nilai tertinggi.

10. Struktur kampanye

    Contoh: Struktur luas (atau Hagakure) vs. granular, kampanye yang lebih dinamis/otomatis vs. lebih sedikit, berkinerja terbaik vs. berkinerja rendah, SKAG.

Cara menguji A/B kampanye PPC Anda

Menyiapkan uji A/B Anda

Setelah Anda mendapatkan daftar ide untuk melakukan uji A/B, saatnya untuk membuat hipotesis dan menentukan pendekatan dan alat.

Hipotesis

Hipotesis Anda adalah asumsi yang Anda coba uji dengan eksperimen. Hipotesis mengungkapkan efek yang Anda harapkan untuk dilihat dari membuat suatu perubahan, seperti merevisi salinan iklan, mengubah kreasi iklan, atau memperluas penargetan. Untuk menyusun hipotesis saya, saya suka merujuk pada Hypothesis Kit V4 oleh Craig Sullivan:

1. Berdasarkan (data/penelitian/observasi)
2. kami percaya bahwa (perubahan)
3. untuk (populasi)
4. akan menyebabkan (dampak).
5. Kita akan mengetahui hal ini ketika kita melihat (metrik).
6. Hal ini akan baik untuk pelanggan, mitra, atau bisnis kami (karena).

Pendekatan

Di sinilah Anda memutuskan bagaimana cara melakukan pengujian. Apakah ini akan menjadi tes A/B? A/B/n? Berurutan? Penting untuk mengidentifikasi hal ini sejak awal karena akan berdampak pada alat, anggaran, dan hasil pengujian A/B Anda. Seperti yang disebutkan di atas, saya sarankan untuk memulai dengan tes A/B/n jika Anda tidak memiliki data historis dan hipotesis Anda didasarkan pada pengamatan. Namun, dengan pengujian dan platform iklan tertentu, Anda akan dibatasi pada pendekatan pengujian berurutan (mis. strategi penawaran di Google Ads).

Peralatan

Dalam hal pengujian PPC A/B, dasbor spreadsheet adalah teman terbaik Anda. Jika Anda tidak yakin dari mana harus memulainya, Anda dapat menemukan dasbor terbaru saya di sini. Jika Anda hanya menjalankan beberapa tes per kuartal, saya sarankan Anda mengisinya secara manual. Jika lebih dari beberapa, Anda bisa mengotomatiskannya menggunakan alat seperti Supermetrics untuk menarik data PPC.

Meluncurkan uji A/B Anda

Instruksi peluncuran Anda akan bergantung pada elemen yang diuji dan platform iklan yang Anda pilih. Namun, satu hal akan tetap sama - eksperimen Anda harus menghasilkan ukuran sampel yang sama atau hampir sama untuk varian kontrol dan pengujian, yang berarti pengujian A/B yang tepat tidak boleh diluncurkan ke dalam kampanye atau grup iklan yang sama kecuali jika Anda bisa mengontrol anggaran dan penyebaran lalu lintas (mis. kampanye pengoptimalan anggaran setel iklan, atau ABO, di Iklan Facebook).

Berikut ini adalah pengaturan pengujian yang paling sering saya gunakan:

• Facebook/Instagram/Pinterest/LinkedIn: fitur pengujian A/B asli, set iklan baru, kampanye baru, peluncuran berurutan.
• Google/Microsoft: fitur eksperimen kampanye asli, fitur pengujian A/B salinan iklan, fitur rotasi iklan yang sama, peluncuran berurutan.

Menganalisis data

Anda membuat hipotesis, menyiapkan tes, dan membiarkannya berjalan dengan sendirinya. Apa sekarang?

Isi dasbor Anda, dan lihat apakah pengujian Anda menghasilkan peningkatan yang diharapkan, apakah ukuran sampel Anda cukup besar, apakah hasil Anda signifikan secara statistik, atau apakah pengujian Anda memerlukan lebih banyak waktu untuk mencapai signifikansi yang lebih tinggi.

Anda dapat menggunakan kalkulator untuk membantu dengan ukuran sampel, dan perhitungan kepercayaan/signifikansi.

Jika Anda memiliki pemenang yang jelas, buatlah kesimpulan dan siapkan rencana tindakan untuk memperkenalkannya ke dalam pengaturan PPC Anda.

5 ide pengujian A/B PPC untuk dicoba

1. Menawarkan pengujian

Dalam hal memaksimalkan hasil PPC, jangan meremehkan dampak dari pengujian penawaran yang berbeda. Menurut pengalaman saya, hal ini menghasilkan perubahan hasil yang paling signifikan.

Hal ini dapat mencakup kelangkaan (bayangkan pasokan yang terbatas), urgensi, bonus, jaminan, atau diskon.

Jika tersedia, ingatlah untuk menggunakan fitur pengujian salinan iklan native untuk memastikan kontrol lebih besar atas ukuran sampel dan pembagian trafik per varian (seperti jenis eksperimen 'Variasi iklan' di Google Ads).

2. Pengujian halaman arahan

"Tunggu, saya pikir ini adalah panduan praktis untuk pengujian PPC?". Menurut pengalaman saya, halaman arahan adalah salah satu faktor yang berkontribusi paling tinggi dalam hal kesuksesan PPC. Jika halaman arahan Anda tidak dioptimalkan dengan baik, tidak peduli seberapa bagus iklan Anda - hasil Anda akan tetap terbatas.

Untuk peningkatan terbesar, saya sarankan untuk memulai dengan pengujian tata letak dan formulir karena hal ini dapat berkontribusi pada peningkatan yang paling signifikan dalam tingkat konversi. Sebagai contoh, perusahaan kartu kredit ini mengalami peningkatan 17% dalam tingkat konversi setelah mengoptimalkan formulirnya.

Selanjutnya, pertimbangkan pencocokan iklan dengan pesan dan pengujian judul untuk meningkatkan alur iklan ke konversi Anda.

3. Pengujian kreatif

Menurut Nielsen, kualitas kreatif iklan berkontribusi terhadap 49% dari peningkatan penjualan dan merupakan pendorong paling penting dari efektivitas iklan. Inilah mengapa saya selalu menyarankan untuk melakukan pengujian kreatif frekuensi tinggi di seluruh saluran yang mengutamakan kreatifitas, seperti Facebook dan TikTok. Hal ini juga merupakan kontributor yang signifikan terhadap peningkatan pemesanan klien saya sebesar 54% hanya dalam waktu 6 bulan.

Untuk peningkatan terbesar, saya sarankan untuk menguji perubahan tata letak, pesan, dan konten UGC.

4. Pengujian penargetan

Pengujian penargetan adalah ide lain yang saya sarankan untuk dicoba untuk potensi peningkatan tertinggi. Seperti yang disebutkan di bagian "Apa yang bisa Anda uji A/B", ini bisa mencakup kata kunci baru, penargetan sempit vs luas, dan pemirsa yang mirip vs pemirsa yang disimpan.

Misalnya, Anda mungkin ingin menguji kampanye kata kunci ekor panjang yang terpisah vs kampanye ekor pendek untuk melihat apakah Anda dapat meningkatkan kontrol anggaran dan mengurangi CPA Anda.

Untuk ini, saya sarankan untuk menggunakan alat seperti Pencari Kata Kunci RankTracker untuk membantu Anda mendapatkan saran kata kunci yang lebih canggih dan penyaringan daripada yang Anda dapatkan dengan Perencana Kata Kunci Google.

5. Pengujian penawaran

Strategi bidding pengujian A/B dapat menjadi cara yang ampuh untuk mengoptimalkan hasil PPC Anda. Hal ini dapat mengungkapkan apakah tawaran Anda saat ini terlalu tinggi atau rendah, apakah Anda mengoptimalkan untuk pelanggan dengan nilai tertinggi atau tidak, dan apakah yang terbaik adalah memilih jumlah konversi tertinggi (kualitas) vs nilai konversi tertinggi (kuantitas).

Misalnya, Anda dapat menguji meningkatkan batas CPA Target sebesar 30-50% untuk melihat apakah Anda kehilangan klik yang dapat menghasilkan konversi, atau menurunkan ROAS Target sebesar 25% untuk menghasilkan volume konversi yang lebih tinggi selama periode persaingan tinggi (misalnya Black Friday).