Практичний посібник з A/B тестування для PPC (+5 ідей для тестування)

Вступ

PPC A/B тестування - це потужний спосіб підвищити ефективність ваших рекламних кампаній.

У цьому практичному посібнику ви дізнаєтеся, що таке A/B-тестування для PPC, дізнаєтеся про різні типи тестів і статистику тестування, необхідну для прийняття рішень на основі даних. Ви також дізнаєтеся, як налаштувати свій перший A/B-тест, і отримаєте практичні високоефективні ідеї, щоб спробувати себе.

Що таке A/B тестування для PPC?

A/B-тестування для PPC - це метод тестування 2 або більше варіантів елементів рекламної кампанії, таких як текст оголошення, цільові сторінки або таргетинг, з метою отримання статистичних доказів різних гіпотез, які можуть бути використані для вдосконалення ваших кампаній та покращення результатів.

Хоча A/B-тестування PPC не зовсім відрізняється від тестування цільових сторінок або електронної пошти, воно вимагає спеціального підходу через обмеження рекламних платформ, різницю в розмірах вибірки та ризик впливу на загальну ефективність ваших кампаній.

Типи PPC-тестів

Існує чотири основних типи A/B-тестів у PPC:

A/B тести
A/B-тест - це експеримент з однією гіпотезою, яка змушує вас змінити один елемент рекламної кампанії і порівняти його з початковим контрольним варіантом. Це найпоширеніший тип тесту, який допомагає звузити фокус до конкретних елементів і вдосконалити кампанію.
Приклад A/B-тестування: тестування 2 текстових оголошень з безкоштовною доставкою проти 15% знижки як основної пропозиції.
Багатовимірні тести
Зустрічайте Ranktracker
Універсальна платформа для ефективного SEO
За кожним успішним бізнесом стоїть потужна SEO-кампанія. Але з незліченною кількістю інструментів і методів оптимізації на вибір може бути важко зрозуміти, з чого почати. Що ж, не бійтеся, адже у мене є те, що вам допоможе. Представляємо вам універсальну платформу Ranktracker для ефективного SEO
Ми нарешті зробили реєстрацію на Ranktracker абсолютно безкоштовною!
Створіть безкоштовний обліковий запис
Або Увійдіть, використовуючи свої облікові дані
Багатовимірний тест - це експеримент з декількома гіпотезами і декількома змінами. За допомогою цього методу ви тестуєте різні комбінації невеликих змін, зроблених у контрольному варіанті. Я рідко використовую цей тип тесту, оскільки він вимагає найбільшого розміру вибірки (часто неможливого для PPC) з усіх чотирьох типів тестів, і генерує найменший розкид результатів, таким чином знижуючи рівень достовірності (див. мої визначення розміру вибірки, розкиду і рівня достовірності в наступному розділі).
Приклад багатовимірного тестування: тестування 4-х креативів з різними комбінаціями заголовків та зображень.
A/B/n тести
A/B/n-тест - це також експеримент з кількома гіпотезами та кількома змінами. Однак, на відміну від багатовимірного тестування, варіанти можуть повністю відрізнятися один від одного. Це один з типів тестів, який я часто використовую для нових акаунтів або нових кампаній, де немає історичних даних, і я хочу протестувати абсолютно різні налаштування або комбінації елементів, а не звужувати свій вибір за допомогою A/B або багатовимірного тестування.
Приклад A/B/n-тестування: тестування 2+ наборів креативів з абсолютно різними макетами та/або цільовими сторінками.
Послідовні випробування
Послідовний тест - це тип A/B-тесту, який тестує варіанти елементів кампанії поетапно або послідовно. Послідовність може становити 2 тижні, 1 місяць або довше (я не рекомендую проводити тест менше 2 тижнів). Це найменш бажаний тип тесту, оскільки запуск тесту в різні періоди часу вносить зовнішні фактори, які ви не можете контролювати, такі як сезонність, варіація розміру вибірки та відхилення таргетингу. Однак це також поширений тип, оскільки не кожна PPC-платформа пропонує повну (або будь-яку) функцію A/B-тестування.
Приклад: тестування ставок "Максимізувати конверсію" та "Максимізувати вартість конверсії" в Google Ads

В ідеальному випадку ви будете використовувати всі тести в наступній послідовності:

A/B/n-тестування, щоб знайти налаштування, які працюють найкраще
A/B-тестування, щоб звузити та вдосконалити налаштування
Багатовимірне тестування для подальшого звуження налаштувань
Послідовне тестування для перевірки елементів у послідовному порядку, коли немає належного функціоналу для A/B-тестування

Статистика A/B тестування

Для того, щоб A/B-тестування надавало статистично значущі дані, інформувало вас про ваші рішення та призводило до покращення PPC, вам потрібно враховувати 4 ключові статистичні дані:

Розмір вибірки
Зустрічайте Ranktracker
Універсальна платформа для ефективного SEO
За кожним успішним бізнесом стоїть потужна SEO-кампанія. Але з незліченною кількістю інструментів і методів оптимізації на вибір може бути важко зрозуміти, з чого почати. Що ж, не бійтеся, адже у мене є те, що вам допоможе. Представляємо вам універсальну платформу Ranktracker для ефективного SEO
Ми нарешті зробили реєстрацію на Ranktracker абсолютно безкоштовною!
Створіть безкоштовний обліковий запис
Або Увійдіть, використовуючи свої облікові дані
У контекстній рекламі розмір вибірки - це обсяг трафіку, який потрібно згенерувати, щоб результати тесту були репрезентативними для вашої аудиторії. Для показників на рівні оголошень (таких як CTR або кількість переглядів) джерелом вибірки будуть покази, але для показників, що стосуються конверсії (таких як коефіцієнт конверсії, вартість/конверсія або ROAS), вам слід вибирати кліки. Загалом, чим більший розмір вибірки, тим точнішим буде ваш тест.
Очікуваний підйом
Прогнозування того, як протестована зміна вплине на кінцевий показник, виражене у відсотках в діапазоні від 0 до 100%. Наприклад, на основі історичних даних і дослідження конверсії ви можете передбачити, що зміна основної пропозиції з "Знижка 10%" на "Безкоштовна доставка" збільшить коефіцієнт конверсії на 30%.
P-значення
Ми перебуваємо на території просунутої статистики. Простіше кажучи, p-значення допомагає визначити, чи суттєво відхиляються результати від очікуваних, або наскільки статистично значущими є результати. Воно коливається від 0 до 1, і чим менше значення, тим більш статистично значущими є результати.
Рівні довіри
Довірчі рівні або довірчі інтервали - це міра достовірності результатів тесту. Наприклад, 95% довірчий рівень означає, що якщо ми повторимо один і той самий тест кілька разів, 95% тестів дадуть схожі результати.

Чому PPC A/B тестування важливе?

A/B-тестування впливає на 3 ключові сфери ваших PPC-кампаній:

Результати
Працюючи над PPC-кампаніями, ви постійно стикаєтеся з питанням "Чи буде річ А краще, ніж річ Б?" (замініть "річ" на кампанію/оголошення/копію/аудиторію/кут зору/тощо). A/B-тестування дає вам можливість відповісти на такі питання, перевірити різні гіпотези і, зрештою, покращити свої результати.
Структура
Якщо ви, як і я, відчуваєте, що деякі з ваших оптимізацій були занадто ситуативними, реагували на наявні дані або навіть були косметичними, A/B-тестування - це підхід, який допоможе вам додати більше структури. Воно може допомогти створити "точки опори" (перевірені гіпотези) і зосередитися на пошуку найбільш ефективних можливостей оптимізації, а не на косметичних змінах.
Комунікація та залучення
Якщо ви працюєте в агентстві або в штаті компанії, ви, швидше за все, стикалися з проблемами комунікації та взаємодії з клієнтами або керівниками. A/B-тестування може допомогти вирішити деякі з цих проблем, оскільки воно пропонує ще один рівень прозорості, обізнаності та залучення. Крім усього іншого, це дозволить вам швидко відповісти на запитання: "А ви не тестували зелену кнопку?" :)

Що ви можете протестувати?

Вирішити, що саме тестувати у ваших PPC-кампаніях, дуже важливо. Я рекомендую починати з елементів, які, якщо їх покращити, можуть мати найбільший вплив на ваші результати.

Креатив
Приклади: макет, кольорова гама, модель vs. відсутність моделі, коротке відео vs. довге, користувацький контент vs. власні ресурси.
Пропозиція
Приклади: безкоштовна доставка проти знижки, безкоштовний бонус проти дефіциту, безкоштовна пробна версія проти фріміуму, гарантія проти відсутності гарантії, вебінар проти електронної книги.
Розміщення реклами
Приклади: Facebook vs. Instagram, мобільні vs. десктопні, пошук vs. пошукові партнери.
Копія оголошення
Приклади: Довга копія проти короткої, маркований список проти абзацу, включення слова "безкоштовно" проти "ні", пільги проти повноважень.
Націлювання
Приклади: нові ключові слова, вузьке таргетування проти широкого, двійники проти холодних, старша аудиторія ремаркетингу проти молодшої, ключові слова, що відповідають фразам, проти широких, вузьке таргетування проти широкого.
Кампанії/типи оголошень
Приклади: DSA проти звичайних пошукових кампаній, кампанії динамічного ремаркетингу проти звичайного ремаркетингу, лід-реклама проти реклами в месенджерах.
Розподіл бюджету
Приклади: більше бюджету на кампанію 1 порівняно з кампанією 2, більше бюджету на ремаркетинг порівняно з придбанням, більше бюджету на Performance Max порівняно з шопінгом.
Цільові сторінки
Приклади: макет, зображення проти відео, динамічна вставка ключових слів, заголовки, форми, соціальні докази, відповідність між оголошенням і цільовою сторінкою.
Стратегії участі в торгах
Приклади: Максимальна кількість конверсій проти максимальної вартості конверсії, цільові ліміти CPA, цільові показники ROAS, найбільший обсяг проти найбільшої вартості.
Структура кампанії
Приклади: Широка (або Хагакуре) структура проти гранульованої, більш динамічні/автоматизовані кампанії проти менш динамічних, найефективніші проти малоефективних, SKAGs.

Як проводити A/B-тестування PPC-кампаній

Налаштування вашого A/B тесту

Після того, як ви склали список ідей для A/B-тестування, настав час сформувати гіпотези і визначитися з підходами та інструментами.

Гіпотеза

Ваша гіпотеза - це припущення, яке ви намагаєтеся перевірити за допомогою експерименту. Вона виражає ефект, який ви очікуєте побачити від внесення змін, наприклад, перегляду тексту оголошення, зміни креативу або розширення таргетингу. Щоб структурувати свої гіпотези, я люблю звертатися до Hypothesis Kit V4 Крейга Саллівана (Craig Sullivan):

На основі (даних/досліджень/спостережень)
ми віримо, що (зміна)
для (населення)
спричинить (вплив).
Ми дізнаємося це, коли побачимо (метрику).
Це буде добре для клієнтів, партнерів або нашого бізнесу (тому що).

Підхід

Тут ви вирішуєте, як підійти до вашого тесту. Це буде A/B тест? A/B/n? Послідовний? Важливо визначити це з самого початку, оскільки це вплине на інструменти, бюджет і результати вашого A/B-тестування. Як згадувалося вище, я рекомендую починати з A/B/n-тестів, якщо у вас немає історичних даних і ваша гіпотеза базується на спостереженнях. Однак з певними тестами та рекламними платформами ви будете обмежені послідовними тестовими підходами (наприклад, стратегіями ставок в Google Ads).

Інструменти

Коли справа доходить до PPC A/B тестування, дашборд у вигляді електронної таблиці - ваш найкращий друг. Якщо ви не знаєте, з чого почати, ви можете знайти мою останню версію дашборду тут. Якщо ви проводите лише кілька тестів на квартал, я рекомендую заповнювати її вручну. Якщо ж їх більше, ви можете автоматизувати цей процес, використовуючи такі інструменти, як Supermetrics для збору даних PPC.

excel

Запуск A/B тесту

Інструкції щодо запуску залежать від елемента, який ви тестуєте, та обраної вами рекламної платформи. Одне залишиться незмінним - ваш експеримент повинен мати однаковий або майже однаковий розмір вибірки для контрольного і тестового варіантів, тобто правильні A/B-тести ніколи не слід запускати в одній кампанії або групі оголошень, якщо ви не можете контролювати бюджет і розподіл трафіку (наприклад, кампанії з оптимізації бюджету набору оголошень, або ABO, в Facebook Ads).

Ось тестові установки, які я використовую найчастіше:

Facebook/Instagram/Pinterest/LinkedIn: вбудована функція A/B-тестування, нові набори оголошень, нові кампанії, послідовні запуски.
Google/Microsoft: функція експериментів з нативною кампанією, функція A/B тестування копій оголошень, функція рівномірної ротації оголошень, послідовний запуск.

Аналіз даних

Ви сформулювали гіпотезу, провели тест і пустили його на самоплив. І що тепер?

Заповніть свою інформаційну панель і перевірте, чи приніс ваш тест очікувані результати, чи достатньо великий розмір вибірки, чи є ваші результати статистично значущими, чи потрібен ще час, щоб досягти більшої значущості.

Ви можете скористатися калькулятором для розрахунку розміру вибірки та достовірності/значущості.

Якщо у вас є явний переможець, сформулюйте висновок і підготуйте план дій для впровадження його в налаштування PPC.

5 ідей для A/B тестування PPC, які варто спробувати

1. Тестування пропозиції

Коли справа доходить до максимізації результатів PPC, не варто недооцінювати вплив тестування різних офферів. З мого досвіду, це призводить до найбільш значних змін у результатах.

Це може бути дефіцит (подумайте про обмежену пропозицію), терміновість, бонуси, гарантії або знижки.

Коли це можливо, не забувайте використовувати функцію тестування нативних копій оголошень, щоб забезпечити більший контроль над розміром вибірки і розподілом трафіку за варіантами (наприклад, експеримент типу "Варіації оголошень" в Google Ads).

2. Тестування цільової сторінки

"Стривайте, я думав, що це практичний посібник з тестування PPC?". З мого досвіду, цільові сторінки є одним з найбільш важливих факторів, коли мова йде про успіх в контекстній рекламі. Якщо ваша цільова сторінка погано оптимізована, не має значення, наскільки якісною є ваша реклама - ваші результати все одно будуть обмеженими.

Для найбільшого підвищення конверсії я рекомендую починати з тестування макета і форми, оскільки саме вони можуть сприяти найбільш значному підвищенню коефіцієнта конверсії. Наприклад, ця компанія, що випускає кредитні картки, збільшила конверсію на 17% після оптимізації своєї форми.

Далі розглянемо відповідність оголошень повідомленням і тестування заголовків, щоб покращити потік конверсій.

3. Творче тестування

За даними Nielsen, якість рекламного креативу забезпечує 49% додаткових продажів і є найважливішим фактором ефективності реклами. Ось чому я завжди рекомендую проводити високочастотне креативне тестування в каналах, які є першочерговими для креативу, таких як Facebook і TikTok. Це також стало значним внеском у збільшення кількості бронювань мого клієнта на 54% всього за 6 місяців.

Для найбільших підйомів я рекомендую протестувати зміни в макеті, повідомленнях і UGC-контенті.

4. Таргетинг-тестування

Тестування таргетингу - ще одна ідея, яку я рекомендую спробувати для отримання максимального потенціалу. Як згадувалося в розділі "Що ви можете протестувати", це можуть бути нові ключові слова, вузьке таргетування проти широкого, а також схожі люди проти збережених аудиторій.

Наприклад, ви можете протестувати окрему кампанію за довгими ключовими словами в порівнянні з кампанією за короткими, щоб побачити, чи зможете ви покращити контроль над бюджетом і знизити ціну за клік.

Для цього я рекомендую використовувати такий інструмент, як RankTracker's Keyword Finder, який допоможе вам отримати більш просунуті пропозиції ключових слів і фільтрацію, ніж у Google Keyword Planner.

keyword finder

5. Тестування торгів

A/B-тестування стратегій ставок може бути потужним способом оптимізації результатів PPC. Це може виявити, чи є ваші поточні ставки занадто високими або низькими, чи оптимізуєте ви рекламу для найцінніших клієнтів чи ні, і що краще - найвища кількість конверсій (якість) чи найвища вартість конверсії (кількість).

Наприклад, ви можете протестувати збільшення лімітів цільової ціни за клік на 30-50%, щоб побачити, чи не втрачаєте ви кліки, які можуть призвести до конверсії, або зменшити цільову рентабельність інвестицій на 25%, щоб згенерувати більшу кількість конверсій у період високої конкуренції (наприклад, у Чорну п'ятницю).

bidding