PPC için A/B Testi Pratik Kılavuzu (+5 Test Edilecek Fikir)

Giriş

PPC A/B Testi, reklam kampanyalarınızın etkinliğini artırmanın güçlü bir yoludur.

Bu pratik kılavuzda, PPC için A/B testinin ne olduğunu öğrenecek ve veriye dayalı kararlar için gerekli olan farklı test türleri ve test istatistikleri hakkında bilgi edineceksiniz. Ayrıca ilk A/B testinizi nasıl kuracağınızı öğrenecek ve kendi kendinize deneyebileceğiniz yüksek etkili pratik fikirler edineceksiniz.

PPC için A/B testi nedir?

PPC için A/B testi, kampanyalarınızı iyileştirmek ve sonuçları iyileştirmek için kullanılabilecek çeşitli hipotezler için istatistiksel kanıt sağlamak amacıyla reklam metni, açılış sayfaları veya hedefleme gibi reklam kampanyası öğelerinizin 2 veya daha fazla varyantını test etme yöntemidir.

Açılış sayfası veya e-posta A/B testinden tamamen farklı olmasa da PPC A/B testi, reklam platformlarının sınırlamaları, örneklem büyüklüğü farklılığı ve kampanyalarınızın genel performansını etkileme riski nedeniyle özel bir yaklaşım gerektirir.

PPC testlerinin türleri

PPC'de dört ana A/B testi türü vardır:

• A/B testleri

  A/B testi, reklam kampanyanızın tek bir öğesini değiştirmenize ve bunu orijinal kontrol varyantına karşı test etmenize yol açan tek hipotezli bir deneydir. Bu, belirli unsurları daraltmanıza ve kampanyalarınızı iyileştirmenize yardımcı olan en yaygın test türüdür.

  A/B testi örneği: Ana teklif olarak ücretsiz kargo ve %15 indirim içeren 2 metin reklamın test edilmesi.

• Çok değişkenli testler

  Ranktracker ile tanışın

  Etkili SEO için Hepsi Bir Arada Platform

  Her başarılı işletmenin arkasında güçlü bir SEO kampanyası vardır. Ancak sayısız optimizasyon aracı ve tekniği arasından seçim yapmak, nereden başlayacağınızı bilmek zor olabilir. Artık korkmayın, çünkü size yardımcı olacak bir şeyim var. Etkili SEO için Ranktracker hepsi bir arada platformunu sunuyoruz

  Sonunda Ranktracker'a kaydı tamamen ücretsiz olarak açtık!

  Ücretsiz bir hesap oluşturun

  Veya kimlik bilgilerinizi kullanarak oturum açın

  Çok değişkenli test, birden fazla hipotez ve birden fazla değişiklik içeren bir deneydir. Bu yöntemle, kontrol varyantınızda yapılan küçük değişikliklerin farklı kombinasyonlarını test edersiniz. Dört test türü arasında en yüksek örneklem büyüklüğünü gerektirdiği (PPC için genellikle imkansızdır) ve sonuçlarda en küçük artışı sağlayarak güven düzeyini düşürdüğü için bu türü nadiren kullanıyorum (bir sonraki bölümde örneklem büyüklüğü, artış ve güven düzeyi tanımlarıma bakın)

  Çok değişkenli test örneği: 4 reklam öğesini farklı başlık ve görsel kombinasyonlarıyla test etme.

• A/B/n testleri

  A/B/n testi de birden fazla hipotez ve birden fazla değişiklik içeren bir deneydir. Ancak, çok değişkenli testten farklı olarak, varyantlar birbirinden tamamen farklı olabilir. Geçmiş verilerin mevcut olmadığı yeni hesaplar veya yeni kampanyalar için sıklıkla kullandığım test türlerinden biridir ve seçimimi A/B veya çok değişkenli testlerle daraltmak yerine tamamen farklı kurulumları veya öğe kombinasyonlarını test etmek istiyorum.

  A/B/n testine örnek: tamamen farklı düzenlere ve/veya açılış sayfalarına sahip 2'den fazla reklam öğesi setini test etmek.

• Sıralı testler

  Sıralı test, kampanya öğesi varyantlarını aşamalar veya diziler halinde test eden bir A/B testi türüdür. Sıralama 2 hafta, 1 ay veya daha uzun olabilir (2 haftadan daha kısa bir süre boyunca test yapılmasını önermiyorum). Bu, en az tercih edilen test türüdür çünkü farklı zaman dilimlerinde test yapmak mevsimsellik, örneklem büyüklüğü farklılığı ve hedefleme sapması gibi kontrol edemeyeceğiniz dış faktörleri beraberinde getirir. Bununla birlikte, her PPC platformu tam (veya herhangi bir) A/B testi özelliği sunmadığı için bu da yaygın bir türdür.

  Örnek: Google Ads'de Dönüşüm Değerini En Üst Düzeye Çıkarma ile Dönüşümleri En Üst Düzeye Çıkarma teklifini test etme

İdeal bir senaryoda, tüm testleri aşağıdaki sırayla uygularsınız:

1. En iyi çalışan kurulumu bulmak için A/B/n testi
2. Kurulumunuzu daraltmak ve iyileştirmek için A/B testi
3. Kurulumunuzu daha da daraltmak için çok değişkenli testler
4. Uygun A/B testi işlevselliği olmadığında öğeleri sıralı olarak test etmek için sıralı test

A/B testi istatistikleri

A/B testinin istatistiksel olarak anlamlı veriler sağlaması, kararlarınızı bilgilendirmesi ve PPC'de iyileştirmelere yol açması için göz önünde bulundurmanız gereken 4 temel istatistik vardır:

• Örneklem büyüklüğü

  Ranktracker ile tanışın

  Etkili SEO için Hepsi Bir Arada Platform

  Her başarılı işletmenin arkasında güçlü bir SEO kampanyası vardır. Ancak sayısız optimizasyon aracı ve tekniği arasından seçim yapmak, nereden başlayacağınızı bilmek zor olabilir. Artık korkmayın, çünkü size yardımcı olacak bir şeyim var. Etkili SEO için Ranktracker hepsi bir arada platformunu sunuyoruz

  Sonunda Ranktracker'a kaydı tamamen ücretsiz olarak açtık!

  Ücretsiz bir hesap oluşturun

  Veya kimlik bilgilerinizi kullanarak oturum açın

  PPC'de örneklem büyüklüğünüz, test sonuçlarının hedef kitlenizi temsil etmesi için oluşturmanız gereken trafik miktarıdır. Reklam düzeyinde metrikler (TO veya Görüntüleme Oranı gibi) için örneklemlerinizin kaynağı gösterimler olacaktır, ancak dönüşüme özgü metrikler (Dönüşüm Oranı, Maliyet/Konv. veya ROAS gibi) için tıklamaları seçmelisiniz. Genel olarak, örneklem boyutu ne kadar büyük olursa testiniz o kadar doğru olur.

• Beklenen artış

  Test edilen bir değişikliğin nihai metriği nasıl etkileyeceğine ilişkin, yüzde olarak ifade edilen ve 0 ile %100 arasında değişen bir tahmin. Örneğin, geçmiş verilere ve dönüşüm araştırmalarına dayanarak, ana teklifte %10 İndirimden Ücretsiz Kargoya yapılan bir değişikliğin dönüşüm oranını %30 artıracağını öngörebilirsiniz.

• P-değeri

  İleri istatistik bölgesindeyiz. Basitçe söylemek gerekirse, p-değeri sonuçların beklenenden önemli ölçüde sapıp sapmadığını veya sonuçların istatistiksel olarak ne kadar anlamlı olduğunu belirlemeye yardımcı olur. Bu değer 0 ile 1 arasında değişir ve değer ne kadar küçükse sonuçlar istatistiksel olarak o kadar anlamlı demektir.

• Güven seviyeleri

  Güven seviyeleri veya güven aralıkları, test sonuçlarındaki kesinliğin bir ölçüsüdür. Örneğin, %95 güven seviyesi, aynı testi birden fazla kez tekrarlarsak testlerin %95'inin benzer sonuçlar vereceği anlamına gelir.

PPC A/B testi neden önemlidir?

A/B testi, PPC kampanyalarınızın 3 temel alanını etkiler:

1. Sonuçlar

   PPC kampanyaları üzerinde çalışırken, sürekli olarak "A şeyi B şeyinden daha iyi sonuç verecek mi?" sorusuyla karşı karşıya kalırsınız ('şey' yerine kampanya/reklam/kopya/izleyici/açı/vb. koyun). A/B testi bu tür soruları yanıtlamak, farklı hipotezleri test etmek ve nihayetinde sonuçlarınızı iyileştirmek için size bir yol sunar.

2. Yapı

   Benim gibi siz de bazı optimizasyonlarınızın çok geçici, eldeki verilere göre tepkisel ve hatta kozmetik olduğunu düşünüyorsanız, A/B testi daha fazla yapı eklemenize yardımcı olacak bir yaklaşımdır. Performans "dayanakları" (kanıtlanmış hipotezler) oluşturmanıza ve kozmetik değişiklikler yerine en etkili optimizasyon fırsatlarını bulmaya odaklanmanıza yardımcı olabilir.

3. İletişim ve Katılım

   Bir ajans ya da kurum içi bir uzmansanız, büyük olasılıkla müşterileriniz ya da yöneticilerinizle iletişim ve etkileşim sorunları yaşamışsınızdır. A/B testi, başka bir şeffaflık, farkındalık ve etkileşim katmanı sunduğu için bu sorunların bazılarını çözmeye yardımcı olabilir. Hiçbir şey olmasa bile, "Bunun yerine yeşil düğmeyi test ettiniz mi?" diye soran olursa hızlı bir yanıt vermenizi sağlar :)

Neleri A/B test edebilirsiniz?

PPC kampanyalarınızda neyi A/B test edeceğinize karar vermek çok önemlidir. İyileştirilmesi halinde sonuçlarınız üzerinde en yüksek etkiye sahip olabilecek unsurlarla başlamanızı öneririm.

1. Yaratıcılar

   Örnekler: düzen, renk şeması, modele karşı modelsiz, kısa biçimli videoya karşı uzun biçimli, UGC'ye karşı kendi varlıkları.

2. Teklif

   Örnekler: ücretsiz kargo vs. indirim, ücretsiz bonus vs. kıtlık, ücretsiz deneme vs. freemium, garanti vs. garanti yok, web semineri vs. e-kitap.

3. Reklam yerleştirme

   Örnekler: Facebook vs. Instagram, mobil vs. masaüstü, arama vs. arama ortakları.

4. Reklam metni

   Örnekler: Uzun biçime karşı kısa biçimli kopya, madde listesine karşı paragraf, 'ücretsiz' kelimesinin dahil edilmesine karşı edilmemesi, faydalara karşı otorite.

5. Hedefleme

   Örnekler: yeni anahtar kelimeler, dar hedeflemeye karşı geniş, benzer hedeflemeye karşı soğuk, daha eski yeniden pazarlama kitlelerine karşı daha genç, kelime öbeği eşleşmeli anahtar kelimelere karşı geniş, dar konum hedeflemeye karşı geniş.

6. Kampanya/Reklam türleri

   Örnekler: DSA ile normal arama kampanyaları, dinamik yeniden pazarlama kampanyaları ile normal yeniden pazarlama, potansiyel müşteri reklamları ile mesajlaşma reklamları.

7. Bütçe tahsisi

   Örnekler: Kampanya 1'e karşı kampanya 2'ye daha fazla bütçe, yeniden pazarlamaya karşı satın almaya daha fazla bütçe, Performance Max'e karşı Alışverişe daha fazla bütçe.

8. Açılış sayfaları

   Örnekler: düzen, görseller ve videolar, dinamik anahtar kelime ekleme, başlıklar, formlar, sosyal kanıt, reklam ve açılış sayfası mesaj eşleşmesi.

9. Teklif stratejileri

   Örnekler: Dönüşümleri en üst düzeye çıkarma ve dönüşüm değerini en üst düzeye çıkarma, Hedef CPA üst sınırları, Hedef ROAS hedefleri, en yüksek hacim ve en yüksek değer.

10. Kampanya yapısı

    Örnekler: Geniş (veya Hagakure) yapıya karşı granüler, daha dinamik/otomatik kampanyalara karşı daha az sayıda, en iyi performans gösterenlere karşı düşük performans gösterenler, SKAG'ler.

PPC kampanyalarınızı nasıl A/B testine tabi tutarsınız?

A/B testinizi ayarlama

A/B testi için bir fikir listesi oluşturduktan sonra sıra hipotezler oluşturmaya ve yaklaşımlar ile araçlara karar vermeye gelir.

Hipotez

Hipoteziniz, deneyle test etmeye çalıştığınız varsayımdır. Reklam metnini gözden geçirmek, reklam öğenizi değiştirmek veya hedeflemenizi genişletmek gibi bir değişiklik yaptığınızda görmeyi beklediğiniz etkiyi ifade eder. Hipotezlerimi yapılandırmak için Craig Sullivan'ın Hipotez Kiti V4 'üne başvurmayı seviyorum:

1. (Verilere/araştırmaya/gözleme) dayanarak
2. inanıyoruz ki (değişim)
3. için (nüfus)
4. (etkiye) neden olacaktır.
5. Bunu (metrik) gördüğümüzde anlayacağız.
6. Bu müşteriler, ortaklar veya işimiz için iyi olacaktır (çünkü).

Yaklaşım

Burası testinize nasıl yaklaşacağınıza karar verdiğiniz yerdir. Bu bir A/B testi mi olacak? A/B/n? Sıralı mı? A/B testi araçlarınızı, bütçenizi ve sonuçlarınızı etkileyeceği için bunu en baştan belirlemeniz önemlidir. Yukarıda belirtildiği gibi, elinizde geçmiş veriler yoksa ve hipoteziniz gözlemlere dayanıyorsa A/B/n testleriyle başlamanızı öneririm. Ancak, belirli testler ve reklam platformlarında sıralı test yaklaşımlarıyla sınırlı kalabilirsiniz (örneğin, Google Ads'de teklif stratejileri).

Araçlar

PPC A/B testi söz konusu olduğunda, bir elektronik tablo panosu en iyi arkadaşınızdır. Nereden başlayacağınızdan emin değilseniz, en son gösterge tablomu burada bulabilirsiniz. Her çeyrekte yalnızca birkaç test yapıyorsanız, bunu manuel olarak doldurmanızı öneririm. Birkaç taneden fazlaysa, PPC verilerini çekmek için Supermetrics gibi araçları kullanarak otomatikleştirebilirsiniz.

A/B testinizi başlatma

Lansman talimatlarınız, test edilen öğeye ve seçtiğiniz reklam platformuna bağlı olacaktır. Ancak bir şey değişmeyecektir: Denemenizin hem kontrol hem de test varyantları için eşit veya neredeyse eşit örneklem büyüklükleri üretmesi gerekir; bu da uygun A/B testlerinin, bütçeyi ve trafik dağılımını kontrol edemediğiniz sürece asla aynı kampanyada veya reklam grubunda başlatılmaması gerektiği anlamına gelir (ör. Facebook Reklamlarında Reklam seti bütçe optimizasyonu kampanyaları veya ABO).

İşte en sık kullandığım test kurulumları:

• Facebook/Instagram/Pinterest/LinkedIn: yerel A/B testi özelliği, yeni reklam setleri, yeni kampanyalar, sıralı lansmanlar.
• Google/Microsoft: yerel kampanya deneme özelliği, reklam metni A/B testi özelliği, eşit reklam rotasyonu özelliği, sıralı lansmanlar.

Verilerin analiz edilmesi

Bir hipotez oluşturdunuz, testi kurdunuz ve akışına bıraktınız. Şimdi ne olacak?

Kontrol panelinizi doldurun ve testinizin beklenen artışı sağlayıp sağlamadığını, örneklem büyüklüğünüzün yeterince büyük olup olmadığını, sonuçlarınızın istatistiksel olarak anlamlı olup olmadığını veya testinizin daha yüksek anlamlılığa ulaşması için daha fazla zamana ihtiyacı olup olmadığını görün.

Örneklem büyüklüğü ve güven/anlamlılık hesaplamalarına yardımcı olması için bir hesap makinesi kullanabilirsiniz.

Net bir kazananınız varsa, bir sonuç formüle edin ve bunu PPC kurulumunuza dahil etmek için bir eylem planı hazırlayın.

Denemek için 5 PPC A/B testi fikri

1. Teklif testi

PPC sonuçlarını en üst düzeye çıkarmak söz konusu olduğunda, farklı teklifleri test etmenin etkisini küçümsemeyin. Deneyimlerime göre, sonuçlarda en önemli değişiklikler bu şekilde elde ediliyor.

Bu, kıtlık (sınırlı arzı düşünün), aciliyet, bonuslar, garantiler veya indirimler içerebilir.

Mevcut olduğunda, örnek boyutları ve varyant başına trafik dağılımları üzerinde daha fazla kontrol sağlamak için yerel reklam metni testi özelliğini kullanmayı unutmayın (Google Ads'deki 'Reklam varyasyonu' deneme türü gibi).

2. Açılış sayfası testi

"Bekle, bunun PPC testleri için pratik bir rehber olduğunu sanıyordum?". Deneyimlerime göre, PPC ile başarı söz konusu olduğunda açılış sayfaları en yüksek katkı sağlayan faktörlerden biridir. Açılış sayfanız iyi optimize edilmemişse, reklamlarınızın ne kadar iyi olduğu önemli değildir - sonuçlarınız yine de sınırlı olacaktır.

En büyük artışları elde etmek için düzen ve form testleriyle başlamanızı öneririm çünkü bunlar dönüşüm oranında en önemli artışlara katkıda bulunabilir. Örneğin, bu kredi kartı şirketi formunu optimize ettikten sonra dönüşüm oranında %17'lik bir artış gördü.

Ardından, reklamdan dönüşüme akışınızı iyileştirmek için reklam-mesaj eşleştirme ve başlık testlerini değerlendirin.

3. Yaratıcı testler

Nielsen'e göre, reklam öğesi kalitesi, artan satışların %49'una katkıda bulunuyor ve reklam etkinliğinin en kritik itici gücü. Bu nedenle, Facebook ve TikTok gibi kreatif öncelikli kanallarda her zaman yüksek frekanslı kreatif testleri yapılmasını öneriyorum. Bu aynı zamanda müşterimin yalnızca 6 ay içinde rezervasyonlarında %54 artış sağlamasında da önemli bir rol oynadı.

En büyük artışlar için düzen değişikliklerini, mesajları ve UGC içeriğini test etmenizi öneririm.

4. Hedefleme testi

Hedefleme testi, en yüksek potansiyel artışlar için denemenizi önerdiğim bir başka fikirdir. "Neleri A/B test edebilirsiniz" bölümünde belirtildiği gibi, bunlar yeni anahtar kelimeler, dar hedeflemeye karşı geniş hedefleme ve benzer hedef kitlelere karşı kayıtlı hedef kitleleri içerebilir.

Örneğin, bütçe kontrolünü iyileştirip iyileştiremeyeceğinizi ve EBM'nizi azaltıp azaltamayacağınızı görmek için ayrı bir uzun kuyruklu anahtar kelime kampanyası ile kısa kuyruklu bir kampanyayı test etmek isteyebilirsiniz.

Bunun için RankTracker'ın Anahtar Kelime Bulucusu gibi bir araç kullanarak Google Anahtar Kelime Planlayıcı ile elde edebileceğinizden daha gelişmiş anahtar kelime önerileri ve filtreleme elde etmenizi tavsiye ederim.

5. Teklif testi

A/B teklif verme stratejilerini test etmek, PPC sonuçlarınızı optimize etmenin güçlü bir yolu olabilir. Bu, mevcut tekliflerinizin çok yüksek mi yoksa düşük mü olduğunu, en yüksek değere sahip müşteriler için optimizasyon yapıp yapmadığınızı ve en yüksek dönüşüm değerine (miktar) karşı en yüksek dönüşüm sayısını (kalite) hedeflemenin en iyisi olup olmadığını ortaya çıkarabilir.

Örneğin, dönüşümle sonuçlanabilecek tıklamaları kaçırıp kaçırmadığınızı görmek için Hedef EBM sınırlarınızı %30-50 oranında artırmayı veya rekabetin yüksek olduğu bir dönemde (örneğin Kara Cuma) daha fazla dönüşüm elde etmek için Hedef ROAS'ınızı %25 oranında azaltmayı test edebilirsiniz.