Een praktische gids voor A/B-tests voor PPC (+5 ideeën om te testen)

Intro

PPC A/B-tests zijn een krachtige manier om de effectiviteit van uw advertentiecampagnes te verbeteren.

In deze praktische gids komt u te weten wat A/B-testen voor PPC is en leert u over de verschillende soorten testen en teststatistieken die nodig zijn voor datagestuurde beslissingen. Je leert ook hoe je je eerste A/B-test opzet en krijgt praktische ideeën met een hoge impact om zelf uit te proberen.

Wat zijn A/B-tests voor PPC?

A/B-testen voor PPC is een methode om 2 of meer varianten van uw advertentiecampagne-elementen te testen, zoals advertentieteksten, landingspagina's of targeting, met als doel statistisch bewijs te leveren voor verschillende hypotheses, die kunnen worden gebruikt om uw campagnes te verfijnen en de resultaten te verbeteren.

Hoewel A/B-tests op PPC niet helemaal verschillen van landingspagina's of e-mails, vereisen ze een speciale aanpak vanwege de beperkingen van de advertentieplatforms, de variatie in de steekproefgrootte en het risico dat ze de algehele prestaties van uw campagnes beïnvloeden.

Soorten PPC-tests

Er zijn vier hoofdtypen A/B-tests in PPC:

• A/B-tests

  Een A/B-test is een experiment met één hypothese waarbij je een enkel element van je advertentiecampagne wijzigt en test ten opzichte van de oorspronkelijke controlevariant. Dit is het meest voorkomende testtype dat je helpt je te beperken tot specifieke elementen en je campagnes te verfijnen.

  Voorbeeld van A/B-testen: 2 tekstadvertenties testen met gratis verzending vs. 15% korting als hoofdaanbieding.

• Multivariate tests

  Maak kennis met Ranktracker

  Het alles-in-één platform voor effectieve SEO

  Achter elk succesvol bedrijf staat een sterke SEO-campagne. Maar met talloze optimalisatietools en -technieken om uit te kiezen, kan het moeilijk zijn om te weten waar te beginnen. Nou, vrees niet meer, want ik heb precies het ding om te helpen. Ik presenteer het Ranktracker alles-in-één platform voor effectieve SEO

  We hebben eindelijk de registratie voor Ranktracker helemaal gratis geopend!

  Maak een gratis account aan

  Of log in met uw gegevens

  Een multivariate test is een experiment met meerdere hypotheses en meerdere veranderingen. Met deze methode test je verschillende combinaties van kleine veranderingen in je controlevariant. Ik gebruik dit type zelden, omdat het de grootste steekproefgrootte vereist (vaak onmogelijk voor PPC) van alle vier de testtypen en de kleinste toename in resultaten genereert, waardoor het betrouwbaarheidsniveau daalt (zie mijn definities van steekproefgrootte, toename en betrouwbaarheidsniveau in het volgende gedeelte).

  Voorbeeld van Multivariate testen: het testen van 4 creatives met verschillende combinaties van koppen en afbeeldingen.

• A/B/n-tests

  Een A/B/n-test is ook een experiment met meerdere hypotheses en meerdere veranderingen. In tegenstelling tot multivariate testen kunnen de varianten echter volledig van elkaar verschillen. Het is een van de testtypes die ik vaak gebruik voor nieuwe accounts of nieuwe campagnes waarbij geen historische gegevens beschikbaar zijn en ik totaal verschillende opstellingen of combinaties van elementen wil testen in plaats van mijn selectie te beperken met A/B- of multivariate tests.

  Voorbeeld van A/B/n-testen: het testen van 2+ sets creatives met compleet verschillende lay-outs en/of landingspagina's.

• Sequentiële tests

  Een sequentiële test is een type A/B-test waarbij campagne-elementvarianten in fasen of sequenties worden getest. Een sequentie kan 2 weken, 1 maand of langer zijn (ik raad niet aan om een test minder dan 2 weken uit te voeren). Dit is het minst geprefereerde testtype, omdat het uitvoeren van een test gedurende verschillende tijdsperioden factoren van buitenaf introduceert die je niet kunt controleren, zoals seizoensgebondenheid, variatie in de steekproefgrootte en targetingafwijkingen. Het is echter ook een veelvoorkomend type, omdat niet elk PPC platform volledige (of enige) A/B testfuncties biedt.

  Voorbeeld: het testen van het bieden van maximaliseer conversies versus maximaliseer conversiewaarde in Google Ads

In een ideaal scenario zou je alle tests in de volgende volgorde uitvoeren:

1. A/B/n testen om de opstelling te vinden die het beste werkt
2. A/B-testen om je opstelling te verfijnen en te verfijnen
3. Multivariate testen om je opstelling verder te verfijnen
4. Sequentieel testen om elementen in opeenvolgende volgorde te testen als er geen goede A/B-testfunctionaliteit is

A/B-teststatistieken

Om ervoor te zorgen dat A/B-tests statistisch significante gegevens opleveren, uw beslissingen onderbouwen en leiden tot verbeteringen in PPC, zijn er 4 belangrijke statistieken waar u rekening mee moet houden:

• Steekproefgrootte

  Maak kennis met Ranktracker

  Het alles-in-één platform voor effectieve SEO

  Achter elk succesvol bedrijf staat een sterke SEO-campagne. Maar met talloze optimalisatietools en -technieken om uit te kiezen, kan het moeilijk zijn om te weten waar te beginnen. Nou, vrees niet meer, want ik heb precies het ding om te helpen. Ik presenteer het Ranktracker alles-in-één platform voor effectieve SEO

  We hebben eindelijk de registratie voor Ranktracker helemaal gratis geopend!

  Maak een gratis account aan

  Of log in met uw gegevens

  Bij PPC is je steekproefgrootte de hoeveelheid verkeer die je moet genereren om de testresultaten representatief te laten zijn voor je publiek. Voor statistieken op advertentieniveau (zoals CTR of View Rate) zijn impressies de bron van je steekproeven, maar voor conversiespecifieke statistieken (zoals Conversion Rate, Cost/Conv. of ROAS) moet je klikken kiezen. Over het algemeen geldt: hoe groter de steekproefgrootte, hoe nauwkeuriger je test zal zijn.

• Verwachte stijging

  Een voorspelling over hoe een geteste verandering de uiteindelijke metriek zal beïnvloeden, uitgedrukt in percentage en variërend van 0 tot 100%. Op basis van historische gegevens en conversieonderzoek kun je bijvoorbeeld voorspellen dat een wijziging in de hoofdaanbieding van 10% korting naar gratis verzending het conversiepercentage met 30% zal verhogen.

• P-waarde

  We bevinden ons op het terrein van de geavanceerde statistiek. Eenvoudig gezegd helpt de p-waarde om te bepalen of de resultaten significant afwijken van wat zou worden verwacht, of hoe statistisch significant de resultaten zijn. De waarde varieert van 0 tot 1 en hoe kleiner de waarde, hoe statistisch significanter de resultaten.

• Vertrouwensniveaus

  Betrouwbaarheidsniveaus of betrouwbaarheidsintervallen zijn een maat voor de zekerheid in testresultaten. Een betrouwbaarheidsniveau van 95% betekent bijvoorbeeld dat als we dezelfde test meerdere keren herhalen, 95% van de tests vergelijkbare resultaten oplevert.

Waarom is PPC A/B testen belangrijk?

A/B-testen heeft invloed op 3 belangrijke gebieden van je PPC-campagnes:

1. Resultaten

   Als je aan PPC-campagnes werkt, sta je voortdurend voor de vraag "Zal ding A het beter doen dan ding B?" (vervang 'ding' door campagne/advertentie/copy/publiek/hoek/etc.). A/B-testen biedt je een manier om dergelijke vragen te beantwoorden, verschillende hypotheses te testen en uiteindelijk je resultaten te verbeteren.

2. Structuur

   Als je, net als ik, het gevoel hebt dat sommige van je optimalisaties te ad hoc waren, te reactief op de beschikbare gegevens of zelfs cosmetisch, dan is A/B-testen de aanpak die je zal helpen om meer structuur aan te brengen. Het kan je helpen om "houvast" te creëren (bewezen hypotheses) en je te richten op het vinden van de meest impactvolle optimalisatiemogelijkheden in plaats van cosmetische veranderingen.

3. Communicatie en betrokkenheid

   Als je een bureau of een interne specialist bent, heb je hoogstwaarschijnlijk te maken gehad met communicatie- en betrokkenheidsproblemen met klanten of leidinggevenden. A/B-testen kan een aantal van deze problemen helpen oplossen, omdat het een extra laag van transparantie, bewustzijn en betrokkenheid biedt. Als er niets anders is, kun je snel een antwoord geven als iemand vraagt "Heb je in plaats daarvan een groene knop getest?" :)

Wat kun je A/B-testen?

Beslissen wat je gaat A/B-testen in je PPC-campagnes is cruciaal. Ik raad aan om te beginnen met de elementen die, als ze worden verbeterd, de grootste impact kunnen hebben op uw resultaten.

1. Creatieven

   Voorbeelden: lay-out, kleurenschema, model vs. geen model, korte video vs. lange video, UGC vs. eigen assets.

2. Aanbod

   Voorbeelden: gratis verzending vs. korting, gratis bonus vs. schaarste, gratis uitproberen vs. freemium, garantie vs. geen garantie, webinar vs. ebook.

3. Advertentie plaatsen

   Voorbeelden: Facebook vs. Instagram, mobiel vs. desktop, zoeken vs. zoekpartners.

4. Advertentiekopie

   Voorbeelden: Tekst in lange vorm vs. korte vorm, opsommingsteken vs. alinea, het woord 'gratis' opnemen vs. niet, voordelen vs. autoriteit.

5. Gericht op

   Voorbeelden: nieuwe zoekwoorden, smalle targeting vs. brede, lookalike vs. koude, oudere remarketing doelgroepen vs. jongere, phrase match zoekwoorden vs. brede, smalle locatie targeting vs. brede.

6. Typen campagnes/advertenties

   Voorbeelden: DSA vs. gewone zoekcampagnes, dynamische remarketingcampagnes vs. gewone remarketing, lead ads vs. messenger ads.

7. Toewijzing budget

   Voorbeelden: meer budget voor campagne 1 vs. campagne 2, meer budget voor remarketing vs. acquisitie, meer budget voor Performance Max vs. Shopping.

8. Landingspagina's

   Voorbeelden: lay-out, afbeeldingen vs. video's, dynamisch trefwoorden invoegen, koppen, formulieren, sociaal bewijs, advertentie-naar-landingspagina bericht matchen.

9. Biedstrategieën

   Voorbeelden: Maximaliseer conversies vs. maximaliseer conversiewaarde, Target CPA caps, Target ROAS targets, hoogste volume vs. hoogste waarde.

10. Campagnestructuur

    Voorbeelden: Brede (of Hagakure) structuur vs. granulaire, meer dynamische/geautomatiseerde campagnes vs. minder, best presterende vs. slecht presterende, SKAG's.

Hoe u uw PPC-campagnes kunt A/B-testen

Je A/B-test opzetten

Zodra je een lijst met ideeën hebt om te A/B-testen, is het tijd om hypotheses te vormen en te beslissen over de aanpak en tools.

Hypothese

Je hypothese is de veronderstelling die je probeert te testen met het experiment. Het drukt het effect uit dat je verwacht te zien van een verandering, zoals het herzien van advertentieteksten, het veranderen van je advertentiecreatie of het uitbreiden van je targeting. Om mijn hypotheses te structureren, verwijs ik graag naar de Hypothesis Kit V4 van Craig Sullivan:

1. Gebaseerd op (gegevens/onderzoek/observatie)
2. wij geloven dat (verandering)
3. voor (populatie)
4. zal veroorzaken (impact).
5. We zullen dit weten wanneer we (metrisch) zien.
6. Dit is goed voor klanten, partners of ons bedrijf (omdat).

Benadering

Hier beslis je hoe je je test gaat aanpakken. Wordt dit een A/B-test? A/B/n? Sequentieel? Het is belangrijk om dit vanaf het begin te bepalen, omdat dit invloed heeft op je A/B-testtools, budgetten en resultaten. Zoals hierboven vermeld, raad ik aan om met A/B/n-tests te beginnen als je geen historische gegevens hebt en je hypothese gebaseerd is op observaties. Met bepaalde tests en advertentieplatforms ben je echter beperkt tot sequentiële testbenaderingen (bijv. biedstrategieën op Google Ads).

Gereedschap

Als het aankomt op PPC A/B testen is een spreadsheet dashboard je beste vriend. Als je niet zeker weet waar je moet beginnen, kun je mijn meest recente dashboard hier vinden. Als je maar een paar tests per kwartaal uitvoert, raad ik je aan om het handmatig in te vullen. Als het er meer dan een paar zijn, kun je het automatiseren met tools zoals Supermetrics om PPC-gegevens te verzamelen.

Je A/B-test starten

De instructies voor de lancering zijn afhankelijk van het geteste element en het advertentieplatform dat je hebt geselecteerd. Eén ding blijft echter hetzelfde: je experiment moet een gelijke of bijna gelijke steekproefgrootte opleveren voor zowel de controle- als de testvariant. Dit betekent dat je A/B-tests nooit in dezelfde campagne of advertentiegroep moet starten, tenzij je het budget en de verkeersspreiding onder controle hebt (bijv. campagnes voor optimalisatie van het advertentiebudget of ABO in Facebook Ads).

Dit zijn de testopstellingen die ik het meest gebruik:

• Facebook/Instagram/Pinterest/LinkedIn: de native A/B-testfunctie, nieuwe advertentiesets, nieuwe campagnes, opeenvolgende lanceringen.
• Google/Microsoft: de native campagne-experimenteerfunctie, de functie voor het A/B-testen van advertentieteksten, de functie voor gelijke advertentierotatie, sequentiële lanceringen.

De gegevens analyseren

Je hebt een hypothese opgesteld, de test opgezet en op zijn beloop gelaten. Wat nu?

Vul je dashboard in en kijk of je test de verwachte stijging heeft opgeleverd, of je steekproefgrootte groot genoeg was, of je resultaten statistisch significant zijn, of dat je test meer tijd nodig heeft om een hogere significantie te bereiken.

Je kunt een rekenmachine gebruiken om te helpen bij het berekenen van de steekproefgrootte en betrouwbaarheid/significantie.

Als je een duidelijke winnaar hebt, formuleer dan een conclusie en bereid een actieplan voor om deze in je PPC setup te introduceren.

5 PPC A/B test ideeën om uit te proberen

1. Testen aanbieden

Als het gaat om het maximaliseren van PPC-resultaten, onderschat dan niet de impact van het testen van verschillende aanbiedingen. Mijn ervaring is dat dit de meest significante veranderingen in resultaten oplevert.

Dit kan schaarste (denk aan een beperkte voorraad), urgentie, bonussen, garanties of kortingen zijn.

Als deze beschikbaar is, vergeet dan niet om de functie voor het testen van native advertentieteksten te gebruiken voor meer controle over de steekproefgrootte en verkeerssplitsingen per variant (zoals het experimenttype 'Advertentievariatie' in Google Ads).

2. Landingspagina testen

"Wacht, ik dacht dat dit een praktische gids voor PPC testen was?". In mijn ervaring zijn landingspagina's een van de factoren die het meest bijdragen aan succes met PPC. Als je landingspagina niet goed is geoptimaliseerd, maakt het niet uit hoe goed je advertenties zijn - je resultaten zullen nog steeds beperkt zijn.

Voor de grootste verbeteringen raad ik aan te beginnen met het testen van de lay-out en het formulier, omdat deze kunnen bijdragen aan de grootste toename in conversiepercentage. Dit creditcardbedrijf zag bijvoorbeeld een conversiestijging van 17% nadat het zijn formulier had geoptimaliseerd.

Overweeg vervolgens het afstemmen van advertenties op berichten en het testen van koppen om je advertentie-naar-conversie stroom te verbeteren.

3. Creatief testen

Volgens Nielsen draagt de kwaliteit van advertentiecreaties bij aan 49% van de incrementele verkoop en is het de meest kritieke factor voor de effectiviteit van advertenties. Daarom raad ik altijd aan om creatieve tests uit te voeren op creative-first kanalen, zoals Facebook en TikTok. Het droeg ook in belangrijke mate bij aan de 54% toename in boekingen van mijn klant in slechts 6 maanden.

Voor de grootste verbetering raad ik aan om veranderingen in lay-out, berichtgeving en UGC-inhoud te testen.

4. Gericht testen

Targeting testen is nog een idee dat ik aanbeveel om uit te proberen voor de hoogste potentiële uplifts. Zoals vermeld in het gedeelte "Wat kun je A/B-testen", kun je hierbij denken aan nieuwe zoekwoorden, smalle targeting vs. brede targeting en lookalikes vs. opgeslagen doelgroepen.

U kunt bijvoorbeeld een afzonderlijke long-tail zoekwoordcampagne testen in plaats van een short-tail zoekwoordcampagne om te zien of u het budget beter kunt beheren en uw CPA kunt verlagen.

Hiervoor raad ik aan om een tool zoals RankTracker's Keyword Finder te gebruiken om je te helpen meer geavanceerde trefwoordsuggesties en filtering te krijgen dan je zou krijgen met Google Keyword Planner.

5. Bieden testen

A/B-testen van biedstrategieën kan een krachtige manier zijn om uw PPC-resultaten te optimaliseren. Dit kan aan het licht brengen of uw huidige biedingen te hoog of te laag zijn, of u optimaliseert voor de klanten met de hoogste waarde of niet, en of u het beste kunt gaan voor het hoogste aantal conversies (kwaliteit) versus de hoogste conversiewaarde (kwantiteit).

Je kunt bijvoorbeeld testen of je je Target CPA-limieten met 30-50% kunt verhogen om te zien of je klikken mist die in conversies kunnen resulteren, of je Target ROAS met 25% kunt verlagen om een hoger volume aan conversies te genereren tijdens een periode met veel concurrentie (bijv. Black Friday).