Praktyczny przewodnik po testach A/B dla PPC (+5 pomysłów do przetestowania)

Wprowadzenie

Testy PPC A/B to skuteczny sposób na poprawę skuteczności kampanii reklamowych.

W tym praktycznym przewodniku dowiesz się, czym są testy A/B dla PPC oraz poznasz różne rodzaje testów i statystyk testowych niezbędnych do podejmowania decyzji opartych na danych. Dowiesz się również, jak skonfigurować swój pierwszy test A/B i poznasz praktyczne pomysły, które możesz wypróbować samodzielnie.

Czym są testy A/B dla PPC?

Testy A/B dla PPC to metoda testowania 2 lub więcej wariantów elementów kampanii reklamowej, takich jak tekst reklamy, strony docelowe lub kierowanie, w celu dostarczenia statystycznego dowodu dla różnych hipotez, które można wykorzystać do udoskonalenia kampanii i poprawy wyników.

Testy A/B PPC, choć nie różnią się całkowicie od testów A/B landing page lub e-maili, wymagają dedykowanego podejścia ze względu na ograniczenia platform reklamowych, zróżnicowanie wielkości próby i ryzyko wpływu na ogólną wydajność kampanii.

Rodzaje testów PPC

Istnieją cztery główne rodzaje testów A/B w PPC:

• Testy A/B

  Test A/B to eksperyment z jedną hipotezą, który prowadzi do zmiany pojedynczego elementu kampanii reklamowej i przetestowania go w porównaniu z oryginalnym wariantem kontrolnym. Jest to najczęstszy typ testu, który pomaga zawęzić się do konkretnych elementów i udoskonalić kampanie.

  Przykład testów A/B: testowanie 2 reklam tekstowych z bezpłatną wysyłką i 15% rabatem jako główną ofertą.

• Testy wielowymiarowe

  Poznaj Ranktracker

  Platforma "wszystko w jednym" dla skutecznego SEO

  Za każdym udanym biznesem stoi silna kampania SEO. Ale z niezliczonych narzędzi optymalizacji i technik tam do wyboru, może być trudno wiedzieć, gdzie zacząć. Cóż, nie obawiaj się więcej, ponieważ mam właśnie coś, co może pomóc. Przedstawiamy Ranktracker - platformę all-in-one dla skutecznego SEO.

  W końcu otworzyliśmy rejestrację do Ranktrackera całkowicie za darmo!

  Załóż darmowe konto

  Lub Zaloguj się używając swoich danych uwierzytelniających

  Test wielowariantowy to eksperyment z wieloma hipotezami i wieloma zmianami. W tej metodzie testowane są różne kombinacje niewielkich zmian wprowadzonych w wariancie kontrolnym. Rzadko korzystam z tego typu testów, ponieważ wymagają one największej próby (często niemożliwej w przypadku PPC) ze wszystkich czterech typów testów i generują najmniejszy wzrost wyników, zmniejszając tym samym poziom ufności (zobacz moje definicje wielkości próby, wzrostu i poziomu ufności w następnej sekcji).

  Przykład testowania wielowymiarowego: testowanie 4 kreacji z różnymi kombinacjami nagłówków i obrazów.

• Testy A/B/n

  Test A/B/n jest również eksperymentem z wieloma hipotezami i wieloma zmianami. Jednak w przeciwieństwie do testów wielowariantowych, warianty mogą się od siebie całkowicie różnić. Jest to jeden z typów testów, których często używam w przypadku nowych kont lub nowych kampanii, w których dane historyczne nie są dostępne i chcę przetestować zupełnie różne konfiguracje lub kombinacje elementów, zamiast zawężać wybór za pomocą testów A / B lub wielowymiarowych.

  Przykład testów A/B/n: testowanie ponad 2 zestawów kreacji z całkowicie różnymi układami i/lub stronami docelowymi.

• Testy sekwencyjne

  Test sekwencyjny to rodzaj testu A/B, który testuje warianty elementów kampanii w fazach lub sekwencjach. Sekwencja może trwać 2 tygodnie, 1 miesiąc lub dłużej (nie zalecam przeprowadzania testu przez okres krótszy niż 2 tygodnie). Jest to najmniej preferowany typ testu, ponieważ przeprowadzanie testu w różnych okresach czasu wprowadza czynniki zewnętrzne, których nie można kontrolować, takie jak sezonowość, wariancja wielkości próby i odchylenie targetowania. Jest to jednak również powszechny typ, ponieważ nie każda platforma PPC oferuje pełne (lub jakiekolwiek) funkcje testowania A / B.

  Przykład: testowanie ofert Maksymalizuj konwersje vs. Maksymalizuj wartość konwersji w Google Ads

W idealnym scenariuszu wszystkie testy byłyby wykonywane w następującej kolejności:

1. Testy A/B/n w celu znalezienia najlepszej konfiguracji
2. Testy A/B w celu zawężenia i udoskonalenia konfiguracji
3. Testy wielowariantowe w celu dalszego zawężenia konfiguracji
4. Testy sekwencyjne do testowania elementów w kolejności sekwencyjnej, gdy nie ma odpowiedniej funkcjonalności testów A/B.

Statystyki testów A/B

Aby testy A/B dostarczały statystycznie istotnych danych, informowały o decyzjach i prowadziły do ulepszeń w PPC, należy wziąć pod uwagę 4 kluczowe statystyki:

• Wielkość próby

  Poznaj Ranktracker

  Platforma "wszystko w jednym" dla skutecznego SEO

  Za każdym udanym biznesem stoi silna kampania SEO. Ale z niezliczonych narzędzi optymalizacji i technik tam do wyboru, może być trudno wiedzieć, gdzie zacząć. Cóż, nie obawiaj się więcej, ponieważ mam właśnie coś, co może pomóc. Przedstawiamy Ranktracker - platformę all-in-one dla skutecznego SEO.

  W końcu otworzyliśmy rejestrację do Ranktrackera całkowicie za darmo!

  Załóż darmowe konto

  Lub Zaloguj się używając swoich danych uwierzytelniających

  W przypadku PPC wielkość próby to ilość ruchu, jaką należy wygenerować, aby wyniki testu były reprezentatywne dla odbiorców. W przypadku wskaźników na poziomie reklamy (takich jak CTR lub współczynnik wyświetleń) źródłem próbek będą wyświetlenia, ale w przypadku wskaźników specyficznych dla konwersji (takich jak współczynnik konwersji, koszt/konwersja lub ROAS) należy wybrać kliknięcia. Ogólnie rzecz biorąc, im większy rozmiar próbki, tym dokładniejszy będzie test.

• Oczekiwany wzrost

  Przewidywanie, w jaki sposób testowana zmiana wpłynie na ostateczny wskaźnik, wyrażone w procentach i wynoszące od 0 do 100%. Na przykład, w oparciu o dane historyczne i badania konwersji, można przewidzieć, że zmiana głównej oferty z 10% zniżki na bezpłatną wysyłkę zwiększy współczynnik konwersji o 30%.

• Wartość P

  Jesteśmy na terytorium zaawansowanych statystyk. Mówiąc prościej, wartość p pomaga określić, czy wyniki znacznie odbiegają od tego, czego można by się spodziewać, lub jak istotne statystycznie są wyniki. Waha się od 0 do 1, a im mniejsza wartość, tym bardziej statystycznie istotne są wyniki.

• Poziomy zaufania

  Poziomy ufności lub przedziały ufności są miarą pewności wyników testu. Na przykład 95% poziom ufności oznacza, że jeśli powtórzymy ten sam test wiele razy, 95% testów da podobne wyniki.

Dlaczego testy PPC A/B są ważne?

Testy A/B wpływają na 3 kluczowe obszary kampanii PPC:

1. Wyniki

   Pracując nad kampaniami PPC, nieustannie stajesz przed pytaniem "Czy rzecz A będzie lepsza niż rzecz B?" (zastąp "rzecz" kampanią/reklamą/kopią/odbiorcami/kątem/etc.). Testy A/B pozwalają odpowiedzieć na takie pytania, przetestować różne hipotezy i ostatecznie poprawić wyniki.

2. Struktura

   Jeśli, podobnie jak ja, miałeś wrażenie, że niektóre z twoich optymalizacji były zbyt doraźne, reaktywne na posiadane dane lub nawet kosmetyczne, testowanie A/B jest podejściem, które pomoże ci dodać więcej struktury. Może pomóc w stworzeniu "przyczółków" wydajności (sprawdzonych hipotez) i skupieniu się na znalezieniu najbardziej wpływowych możliwości optymalizacji zamiast kosmetycznych zmian.

3. Komunikacja i zaangażowanie

   Jeśli jesteś agencją lub wewnętrznym specjalistą, najprawdopodobniej doświadczyłeś problemów z komunikacją i zaangażowaniem klientów lub kadry kierowniczej. Testy A/B mogą pomóc rozwiązać niektóre z tych problemów, ponieważ oferują kolejną warstwę przejrzystości, świadomości i zaangażowania. Jeśli nic innego, to pozwala udzielić szybkiej odpowiedzi, jeśli ktoś zapyta "Czy zamiast tego przetestowałeś zielony przycisk?" :)

Co można przetestować metodą A/B?

Decyzja o tym, co testować A/B w swoich kampaniach PPC jest kluczowa. Zalecam rozpoczęcie od elementów, które, jeśli zostaną ulepszone, mogą mieć największy wpływ na wyniki.

1. Twórcy

   Przykłady: układ, schemat kolorów, model vs. brak modelu, krótkie wideo vs. długie wideo, UGC vs. własne zasoby.

2. Oferta

   Przykłady: darmowa wysyłka vs. rabat, darmowy bonus vs. rzadkość, darmowa wersja próbna vs. freemium, gwarancja vs. brak gwarancji, webinar vs. ebook.

3. Umieszczanie reklam

   Przykłady: Facebook vs. Instagram, mobile vs. desktop, wyszukiwanie vs. partnerzy wyszukiwania.

4. Kopia reklamy

   Przykłady: Long-form vs. short-form copy, bullet list vs. paragraph, w tym słowo "free" vs. nie, korzyści vs. autorytet.

5. Targetowanie

   Przykłady: nowe słowa kluczowe, wąskie kierowanie vs. szerokie, lookalike vs. cold, starsi odbiorcy remarketingu vs. młodsi, słowa kluczowe dopasowane do frazy vs. szerokie, wąskie kierowanie na lokalizację vs. szerokie.

6. Typy kampanii/reklam

   Przykłady: DSA vs. zwykłe kampanie w wyszukiwarce, dynamiczne kampanie remarketingowe vs. zwykły remarketing, reklamy leadowe vs. reklamy w komunikatorze.

7. Alokacja budżetu

   Przykłady: większy budżet na kampanię 1 vs. kampanię 2, większy budżet na remarketing vs. akwizycję, większy budżet na Performance Max vs. Shopping.

8. Strony docelowe

   Przykłady: układ, obrazy a filmy, dynamiczne wstawianie słów kluczowych, nagłówki, formularze, dowód społeczny, dopasowanie wiadomości od reklamy do strony docelowej.

9. Strategie składania ofert

   Przykłady: Maksymalizacja konwersji vs. maksymalizacja wartości konwersji, docelowe limity CPA, docelowe ROAS, najwyższy wolumen vs. najwyższa wartość.

10. Struktura kampanii

    Przykłady: Szeroka (lub Hagakure) struktura vs. granularna, bardziej dynamiczne/zautomatyzowane kampanie vs. mniej, najlepsze wyniki vs. słabe wyniki, SKAGs.

Jak testować kampanie PPC metodą A/B

Konfigurowanie testu A/B

Po opracowaniu listy pomysłów do przetestowania A/B nadszedł czas na sformułowanie hipotez i podjęcie decyzji o podejściu i narzędziach.

Hipoteza

Hipoteza to założenie, które próbujesz przetestować za pomocą eksperymentu. Wyraża ona oczekiwany efekt wprowadzenia zmiany, takiej jak zmiana tekstu reklamy, zmiana kreacji reklamowej lub rozszerzenie kierowania. Aby ustrukturyzować moje hipotezy, lubię odwoływać się do Hypothesis Kit V4 autorstwa Craiga Sullivana:

1. Na podstawie (danych/badań/obserwacji)
2. wierzymy, że (zmiana)
3. for (population)
4. spowoduje (wpływ).
5. Dowiemy się tego, gdy zobaczymy (metrykę).
6. Będzie to dobre dla klientów, partnerów lub naszej firmy (ponieważ).

Podejście

W tym miejscu decydujesz, jak podejść do testu. Czy będzie to test A/B? A/B/n? Sekwencyjny? Ważne jest, aby zidentyfikować to od samego początku, ponieważ wpłynie to na narzędzia do testowania A / B, budżety i wyniki. Jak wspomniano powyżej, zalecam rozpoczęcie od testów A/B/n, jeśli nie masz żadnych danych historycznych, a twoja hipoteza opiera się na obserwacjach. Jednak w przypadku niektórych testów i platform reklamowych będziesz ograniczony do sekwencyjnych podejść testowych (np. strategie ustalania stawek w Google Ads).

Narzędzia

Jeśli chodzi o testy PPC A/B, najlepszym przyjacielem jest arkusz kalkulacyjny. Jeśli nie wiesz, od czego zacząć, tutaj znajdziesz mój najnowszy pulpit nawigacyjny. Jeśli przeprowadzasz tylko kilka testów na kwartał, polecam wypełnić go ręcznie. Jeśli jest ich więcej niż kilka, można je zautomatyzować za pomocą takich narzędzi jak Supermetrics do pobierania danych PPC.

Uruchomienie testu A/B

Instrukcje uruchomienia będą zależeć od testowanego elementu i wybranej platformy reklamowej. Jedna rzecz pozostanie jednak niezmienna - Twój eksperyment musi generować równe lub prawie równe wielkości próbek dla wariantów kontrolnych i testowych, co oznacza, że właściwe testy A/B nigdy nie powinny być uruchamiane w tej samej kampanii lub grupie reklam, chyba że możesz kontrolować budżet i rozkład ruchu (np. kampanie optymalizacji budżetu zestawu reklam lub ABO w Facebook Ads).

Oto najczęściej używane przeze mnie konfiguracje testowe:

• Facebook/Instagram/Pinterest/LinkedIn: natywna funkcja testów A/B, nowe zestawy reklam, nowe kampanie, sekwencyjne premiery.
• Google/Microsoft: funkcja eksperymentowania z kampaniami natywnymi, funkcja testowania tekstu reklamy A/B, funkcja równej rotacji reklam, uruchamianie sekwencyjne.

Analiza danych

Stworzyłeś hipotezę, skonfigurowałeś test i pozwoliłeś mu działać. Co teraz?

Wypełnij swój pulpit nawigacyjny i sprawdź, czy test przyniósł oczekiwany wzrost, czy wielkość próby była wystarczająco duża, czy wyniki są statystycznie istotne, czy też test wymaga więcej czasu, aby osiągnąć wyższą istotność.

Możesz użyć kalkulatora, aby pomóc w obliczeniach wielkości próby i ufności/istotności.

Jeśli masz wyraźnego zwycięzcę, sformułuj wniosek i przygotuj plan działania, aby wprowadzić go do swojej konfiguracji PPC.

5 pomysłów na testy PPC A/B do wypróbowania

1. Testowanie oferty

Jeśli chodzi o maksymalizację wyników PPC, nie należy lekceważyć wpływu testowania różnych ofert. Z mojego doświadczenia wynika, że przynosi to najbardziej znaczące zmiany w wynikach.

Może to obejmować niedobór (myśl o ograniczonej podaży), pilność, bonusy, gwarancje lub rabaty.

Jeśli jest to możliwe, pamiętaj o korzystaniu z funkcji testowania natywnego tekstu reklamy, aby zapewnić większą kontrolę nad wielkością próby i podziałem ruchu na wariant (np. typ eksperymentu "Odmiana reklamy" w Google Ads).

2. Testowanie strony docelowej

"Chwila, myślałem, że to praktyczny przewodnik po testowaniu PPC?". Z mojego doświadczenia wynika, że strony docelowe są jednym z najważniejszych czynników wpływających na sukces w PPC. Jeśli twoja strona docelowa nie jest dobrze zoptymalizowana, nie ma znaczenia, jak dobre są twoje reklamy - twoje wyniki będą nadal ograniczone.

Aby uzyskać największe wzrosty, zalecam rozpoczęcie od testowania układu i formularza, ponieważ mogą one przyczynić się do najbardziej znaczących wzrostów współczynnika konwersji. Na przykład ta firma obsługująca karty kredytowe odnotowała 17% wzrost współczyn nika konwersji po zoptymalizowaniu formularza.

Następnie rozważ dopasowanie reklam do komunikatów i testowanie nagłówków, aby poprawić przepływ reklam do konwersji.

3. Kreatywne testowanie

Według Nielsena jakość kreacji reklamowych przyczynia się do 49% przyrostu sprzedaży i jest najważniejszym czynnikiem wpływającym na skuteczność reklamy. Dlatego zawsze zalecam przeprowadzanie testów kreatywnych z dużą częstotliwością w kanałach kreatywnych, takich jak Facebook i TikTok. Było to również istotnym czynnikiem przyczyniającym się do 54% wzrostu liczby rezerwacji u mojego klienta w ciągu zaledwie 6 miesięcy.

Aby uzyskać największe wzrosty, zalecam testowanie zmian układu, wiadomości i treści UGC.

4. Ukierunkowanie testów

Testowanie targetowania to kolejny pomysł, który polecam wypróbować w celu uzyskania najwyższych potencjalnych wzrostów. Jak wspomniano w sekcji "Co można testować A/B", mogą one obejmować nowe słowa kluczowe, wąskie kierowanie vs. szerokie oraz lookalikes vs. zapisani odbiorcy.

Na przykład, możesz przetestować oddzielną kampanię słów kluczowych z długiego ogona w porównaniu z kampanią z krótkiego ogona, aby sprawdzić, czy możesz poprawić kontrolę budżetu i zmniejszyć CPA.

W tym celu zalecam skorzystanie z narzędzia takiego jak Wyszukiwarka słów kluczowych RankTracker, aby uzyskać bardziej zaawansowane sugestie słów kluczowych i filtrowanie niż w przypadku Planera słów kluczowych Google.

5. Testowanie ofert

Testowanie strategii ustalania stawek A/B może być skutecznym sposobem na optymalizację wyników PPC. Może to ujawnić, czy obecne stawki są zbyt wysokie lub niskie, czy optymalizujesz pod kątem klientów o najwyższej wartości, czy też nie, i czy najlepiej jest dążyć do jak największej liczby konwersji (jakość) zamiast najwyższej wartości konwersji (ilość).

Na przykład, możesz przetestować zwiększenie docelowych limitów CPA o 30-50%, aby sprawdzić, czy nie tracisz kliknięć, które mogłyby skutkować konwersjami, lub zmniejszyć docelowy ROAS o 25%, aby wygenerować większą liczbę konwersji w okresie wysokiej konkurencji (np. w Czarny piątek).