Um guia prático para testes A/B para PPC (+5 ideias para testar)

Introdução

O teste A/B de PPC é uma maneira poderosa de melhorar a eficácia de suas campanhas publicitárias.

Neste guia prático, você descobrirá o que é o teste A/B para PPC e aprenderá sobre os diferentes tipos de testes e estatísticas de teste necessários para decisões orientadas por dados. Você também aprenderá a configurar seu primeiro teste A/B e obterá ideias práticas de alto impacto para experimentar.

O que é teste A/B para PPC?

O teste A/B para PPC é um método de teste de duas ou mais variantes dos elementos de sua campanha publicitária, como texto do anúncio, páginas de destino ou segmentação, com o objetivo de fornecer prova estatística para várias hipóteses, que podem ser aproveitadas para refinar suas campanhas e melhorar os resultados.

Embora não seja totalmente diferente do teste A/B da página de destino ou do e-mail, o teste A/B de PPC requer uma abordagem dedicada devido às limitações das plataformas de anúncios, à variação do tamanho da amostra e ao risco de afetar o desempenho geral de suas campanhas.

Tipos de testes de PPC

Há quatro tipos principais de testes A/B em PPC:

• Testes A/B

  Um teste A/B é um experimento com uma hipótese que o leva a alterar um único elemento da sua campanha publicitária e testá-lo em relação à variante de controle original. Esse é o tipo de teste mais comum que o ajuda a restringir elementos específicos e a refinar suas campanhas.

  Exemplo de teste A/B: teste de 2 anúncios de texto com frete grátis versus 15% de desconto como a oferta principal.

• Testes multivariados

  Conheça o Ranktracker

  A plataforma All-in-One para uma SEO eficaz

  Por trás de cada negócio de sucesso está uma forte campanha de SEO. Mas com inúmeras ferramentas e técnicas de otimização por aí para escolher, pode ser difícil saber por onde começar. Bem, não tenha mais medo, porque eu tenho exatamente o que ajudar. Apresentando a plataforma multifuncional Ranktracker para uma SEO eficaz

  Finalmente abrimos o registro para o Ranktracker absolutamente grátis!

  Criar uma conta gratuita

  Ou faça login usando suas credenciais

  Um teste multivariado é um experimento com várias hipóteses e várias alterações. Com esse método, você testa diferentes combinações de pequenas alterações feitas na sua variante de controle. Raramente uso esse tipo, pois ele exige o maior tamanho de amostra (geralmente impossível para PPC) de todos os quatro tipos de teste e gera o menor aumento nos resultados, diminuindo, assim, o nível de confiança (consulte minhas definições de tamanho de amostra, aumento e nível de confiança na próxima seção)

  Exemplo de teste multivariado: teste de 4 criativos com diferentes combinações de títulos e imagens.

• Testes A/B/n

  Um teste A/B/n também é um experimento com várias hipóteses e várias alterações. Entretanto, ao contrário do teste multivariado, as variantes podem ser completamente diferentes umas das outras. É um dos tipos de teste que uso com frequência para novas contas ou novas campanhas em que não há dados históricos disponíveis e quero testar configurações ou combinações de elementos totalmente diferentes em vez de restringir minha seleção com testes A/B ou multivariados.

  Exemplo de teste A/B/n: testar mais de 2 conjuntos de criativos com layouts e/ou páginas de destino completamente diferentes.

• Testes sequenciais

  Um teste sequencial é um tipo de teste A/B que testa variantes de elementos de campanha em fases ou sequências. Uma sequência pode ser de 2 semanas, 1 mês ou mais (não recomendo a execução de um teste por menos de 2 semanas). Esse é o tipo de teste menos preferido, pois a execução de um teste durante diferentes períodos de tempo introduz fatores externos que você não pode controlar, como sazonalidade, variação do tamanho da amostra e desvio de segmentação. No entanto, também é um tipo comum, pois nem toda plataforma de PPC oferece recursos completos (ou nenhum) de teste A/B.

  Exemplo: teste do lance Maximizar conversões vs. Maximizar valor da conversão no Google Ads

Em um cenário ideal, você empregaria todos os testes na seguinte sequência:

1. Testes A/B/n para encontrar a configuração que funciona melhor
2. Testes A/B para restringir e refinar sua configuração
3. Testes multivariados para restringir ainda mais sua configuração
4. Teste sequencial para testar elementos em ordem sequencial quando não há funcionalidade adequada de teste A/B

Estatísticas de testes A/B

Para que o teste A/B forneça dados estatisticamente significativos, informe suas decisões e leve a melhorias no PPC, há quatro estatísticas principais que você precisa considerar:

• Tamanho da amostra

  Conheça o Ranktracker

  A plataforma All-in-One para uma SEO eficaz

  Por trás de cada negócio de sucesso está uma forte campanha de SEO. Mas com inúmeras ferramentas e técnicas de otimização por aí para escolher, pode ser difícil saber por onde começar. Bem, não tenha mais medo, porque eu tenho exatamente o que ajudar. Apresentando a plataforma multifuncional Ranktracker para uma SEO eficaz

  Finalmente abrimos o registro para o Ranktracker absolutamente grátis!

  Criar uma conta gratuita

  Ou faça login usando suas credenciais

  No PPC, o tamanho da amostra é a quantidade de tráfego que você precisa gerar para que os resultados do teste sejam representativos do seu público. Para métricas de nível de anúncio (como CTR ou taxa de visualização), as impressões serão a fonte de suas amostras, mas para métricas específicas de conversão (como taxa de conversão, custo/conv. ou ROAS), você deve escolher cliques. Em geral, quanto maior o tamanho da amostra, mais preciso será o teste.

• Aumento esperado

  Uma previsão de como uma alteração testada afetará a métrica final, expressa em porcentagem e variando de 0 a 100%. Por exemplo, com base em dados históricos e pesquisas de conversão, você pode prever que uma alteração na oferta principal de 10% de desconto para frete grátis aumentará a taxa de conversão em 30%.

• Valor de p

  Estamos no território da estatística avançada. Para simplificar, o valor p ajuda a determinar se os resultados se desviam significativamente do que seria esperado ou quão estatisticamente significativos são os resultados. Ele varia de 0 a 1, e quanto menor o valor, mais estatisticamente significativos são os resultados.

• Níveis de confiança

  Os níveis de confiança ou intervalos de confiança são uma medida de certeza nos resultados dos testes. Por exemplo, um nível de confiança de 95% significa que, se repetirmos o mesmo teste várias vezes, 95% dos testes produzirão resultados semelhantes.

Por que os testes A/B de PPC são importantes?

Os testes A/B afetam três áreas principais de suas campanhas de PPC:

1. Resultados

   Ao trabalhar em campanhas de PPC, você se depara constantemente com a pergunta: "Será que a coisa A será melhor do que a coisa B?" (substitua "coisa" por campanha/anúncio/cópia/audiência/ângulo/etc.). Os testes A/B oferecem a você uma maneira de responder a essas perguntas, testar diferentes hipóteses e, por fim, melhorar seus resultados.

2. Estrutura

   Se, como eu, você já sentiu que algumas de suas otimizações eram muito ad hoc, reativas aos dados disponíveis ou até mesmo cosméticas, o teste A/B é a abordagem que o ajudará a adicionar mais estrutura. Ele pode ajudar a criar "pontos de apoio" de desempenho (hipóteses comprovadas) e a se concentrar em encontrar as oportunidades de otimização mais impactantes, em vez de mudanças cosméticas.

3. Comunicação e engajamento

   Se você é uma agência ou um especialista interno, provavelmente já teve problemas de comunicação e envolvimento com clientes ou executivos. Os testes A/B podem ajudar a resolver alguns desses problemas, pois oferecem outra camada de transparência, conscientização e envolvimento. Além disso, permite que você dê uma resposta rápida caso alguém pergunte "Você testou um botão verde?" :)

O que você pode testar A/B?

É fundamental decidir o que testar A/B em suas campanhas de PPC. Recomendo começar com os elementos que, se melhorados, podem ter o maior impacto em seus resultados.

1. Criativos

   Exemplos: layout, esquema de cores, modelo vs. não modelo, vídeo curto vs. longo, UGC vs. ativos próprios.

2. Oferta

   Exemplos: frete grátis vs. desconto, bônus grátis vs. escassez, teste grátis vs. freemium, garantia vs. sem garantia, webinar vs. ebook.

3. Posicionamento de anúncios

   Exemplos: Facebook vs. Instagram, celular vs. desktop, pesquisa vs. parceiros de pesquisa.

4. Texto do anúncio

   Exemplos: Cópia longa vs. cópia curta, lista de tópicos vs. parágrafo, incluir a palavra "grátis" vs. não, benefícios vs. autoridade.

5. Direcionamento

   Exemplos: novas palavras-chave, segmentação estreita vs. ampla, semelhantes vs. frios, públicos de remarketing mais antigos vs. mais jovens, palavras-chave de correspondência de frase vs. ampla, segmentação de localização estreita vs. ampla.

6. Tipos de campanha/anúncio

   Exemplos: DSA vs. campanhas de pesquisa regulares, campanhas de remarketing dinâmico vs. remarketing regular, anúncios de leads vs. anúncios de mensagens.

7. Alocação orçamentária

   Exemplos: mais orçamento para a campanha 1 vs. campanha 2, mais orçamento para remarketing vs. aquisição, mais orçamento para Performance Max vs. Shopping.

8. Páginas de destino

   Exemplos: layout, imagens vs. vídeos, inserção dinâmica de palavras-chave, manchetes, formulários, prova social, correspondência de mensagem entre anúncio e página de destino.

9. Estratégias de licitação

   Exemplos: Maximizar conversões vs. maximizar o valor da conversão, metas de CPA, metas de ROAS, maior volume vs. maior valor.

10. Estrutura da campanha

    Exemplos: Estrutura ampla (ou Hagakure) vs. granular, campanhas mais dinâmicas/automatizadas vs. menos, campanhas com melhor desempenho vs. campanhas com baixo desempenho, SKAGs.

Como fazer testes A/B em suas campanhas de PPC

Configurando seu teste A/B

Depois de elaborar uma lista de ideias para o teste A/B, é hora de formar hipóteses e decidir sobre as abordagens e as ferramentas.

Hipótese

Sua hipótese é a suposição que você está tentando testar com o experimento. Ela expressa o efeito que você espera ver ao fazer uma alteração, como revisar o texto do anúncio, alterar o criativo do anúncio ou expandir a segmentação. Para estruturar minhas hipóteses, gosto de consultar o Hypothesis Kit V4 de Craig Sullivan:

1. Com base em (dados/pesquisa/observação)
2. acreditamos que (mudar)
3. para (população)
4. causará (impacto).
5. Saberemos disso quando virmos (métrica).
6. Isso será bom para os clientes, parceiros ou para nossos negócios (porque).

Abordagem

É aqui que você decide como abordar seu teste. Será um teste A/B? A/B/n? Sequencial? É importante identificar isso desde o início, pois isso afetará suas ferramentas de teste A/B, orçamentos e resultados. Conforme mencionado acima, recomendo começar com testes A/B/n se você não tiver nenhum dado histórico e sua hipótese for baseada em observações. No entanto, com determinados testes e plataformas de anúncios, você estará limitado a abordagens de testes sequenciais (por exemplo, estratégias de lances no Google Ads).

Ferramentas

Quando se trata de testes A/B de PPC, um painel de planilha é seu melhor amigo. Se não tiver certeza de por onde começar, você pode encontrar meu painel mais recente aqui. Se estiver executando apenas alguns testes por trimestre, recomendo que você o preencha manualmente. Se forem mais do que alguns, você pode automatizá-lo usando ferramentas como a Supermetrics para extrair dados de PPC.

Lançamento de seu teste A/B

Suas instruções de lançamento dependerão do elemento testado e da plataforma de anúncios selecionada. No entanto, uma coisa permanecerá a mesma: seu experimento precisa produzir tamanhos de amostra iguais ou quase iguais para as variantes de controle e de teste, o que significa que os testes A/B adequados nunca devem ser lançados na mesma campanha ou grupo de anúncios, a menos que você possa controlar o orçamento e a distribuição do tráfego (por exemplo, campanhas de otimização do orçamento do conjunto de anúncios, ou ABO, no Facebook Ads).

Aqui estão as configurações de teste que uso com mais frequência:

• Facebook/Instagram/Pinterest/LinkedIn: o recurso de teste A/B nativo, novos conjuntos de anúncios, novas campanhas, lançamentos sequenciais.
• Google/Microsoft: o recurso de experimentação de campanha nativa, o recurso de teste A/B do texto do anúncio, o recurso de rotação de anúncios iguais, lançamentos sequenciais.

Analisando os dados

Você elaborou uma hipótese, montou o teste e deixou que ele seguisse seu curso. E agora?

Preencha seu painel e veja se o teste produziu o aumento esperado, se o tamanho da amostra foi grande o suficiente, se os resultados são estatisticamente significativos ou se o teste precisa de mais tempo para atingir uma maior significância.

Você pode usar uma calculadora para ajudar com o tamanho da amostra e os cálculos de confiança/significância.

Se você tiver um vencedor claro, formule uma conclusão e prepare um plano de ação para introduzi-lo em sua configuração de PPC.

5 ideias de testes A/B de PPC para experimentar

1. Teste de oferta

Quando se trata de maximizar os resultados de PPC, não subestime o impacto de testar diferentes ofertas. Em minha experiência, isso produz as mudanças mais significativas nos resultados.

Isso pode incluir escassez (pense em oferta limitada), urgência, bônus, garantias ou descontos.

Quando disponível, lembre-se de usar o recurso de teste de texto de anúncio nativo para garantir mais controle sobre os tamanhos das amostras e as divisões de tráfego por variante (como o tipo de experimento "Variação de anúncio" no Google Ads).

2. Teste da página de destino

"Espere, eu pensei que este fosse um guia prático para testes de PPC?". Em minha experiência, as páginas de destino são um dos fatores que mais contribuem para o sucesso com PPC. Se sua página de destino não estiver bem otimizada, não importa a qualidade de seus anúncios - seus resultados ainda serão limitados.

Para obter os maiores aumentos, recomendo começar com testes de layout e formulário, pois eles podem contribuir para os aumentos mais significativos na taxa de conversão. Por exemplo, esta empresa de cartão de crédito observou um aumento de 17% na taxa de conversão depois de otimizar seu formulário.

Em seguida, considere a correspondência entre anúncio e mensagem e o teste de títulos para melhorar seu fluxo de anúncio para conversão.

3. Testes criativos

De acordo com a Nielsen, a qualidade do criativo do anúncio contribui para 49% das vendas incrementais e é o fator mais importante da eficácia da publicidade. É por isso que sempre recomendo fazer testes criativos de alta frequência em canais que priorizam a criatividade, como o Facebook e o TikTok. Isso também contribuiu significativamente para o aumento de 54% nas reservas do meu cliente em apenas 6 meses.

Para obter os maiores aumentos, recomendo testar alterações de layout, mensagens e conteúdo UGC.

4. Testes de direcionamento

O teste de segmentação é outra ideia que recomendo tentar para obter os maiores aumentos potenciais. Conforme mencionado na seção "O que você pode testar A/B", isso pode incluir novas palavras-chave, segmentação restrita versus ampla e semelhantes versus públicos salvos.

Por exemplo, talvez você queira testar uma campanha separada de palavras-chave de cauda longa em comparação com uma de cauda curta para ver se pode melhorar o controle do orçamento e reduzir o CPA.

Para isso, recomendo o uso de uma ferramenta como o Keyword Finder do RankTracker para ajudá-lo a obter sugestões e filtragem de palavras-chave mais avançadas do que as obtidas com o Google Keyword Planner.

5. Teste de licitação

O teste A/B de estratégias de lances pode ser uma maneira poderosa de otimizar seus resultados de PPC. Isso pode revelar se seus lances atuais estão muito altos ou baixos, se você está otimizando para os clientes de maior valor ou não e se é melhor buscar o maior número de conversões (qualidade) em vez do maior valor de conversão (quantidade).

Por exemplo, você pode testar o aumento dos limites do CPA desejado em 30-50% para ver se está perdendo cliques que poderiam resultar em conversões ou diminuir o ROAS desejado em 25% para gerar um volume maior de conversões durante um período de alta concorrência (por exemplo, Black Friday).