Бизнес не должен стоять на месте. Чтобы выжить, ему необходимо постоянно развиваться. Без новых идей любой проект начинает деградировать. Расширение ассортимента, увеличение охвата рекламной кампании, изменение дизайна сайта, добавление контента, повышающего конверсию – как понять, какую пользу принесут эти изменения?
Одним из инструментов принятия обоснованного решения является A/B тестирование в контекстной рекламе. Оно позволяет проверять гипотезы и анализировать предпочтения потребителей на практике.
Что такое A/B тестирование в контекстной рекламе?
A/B-тестирование, которое часто называют сплит-тестированием, применяется в качестве одного из методов маркетингового исследования. С его помощью сравнивают и определяют наилучшие элементы, увеличивающие целевые показатели. В качестве примера можно привести задачу поиска такого варианта заголовка объявления, который принесет больше кликов, чем другие варианты.
Применительно к контекстной рекламе A/B-тестирование используется для анализа текстов, изображений и заголовков объявлений. Специалист, проводящий эксперимент, сопоставляет базовый вариант настроек и экспериментальный.
До начала процесса тестирования формулируется гипотеза. Например, если добавить эффект срочности в призыв к действию, то показатель кликабельности объявления улучшится.
Сделав соответствующие изменения – вместо «Купить онлайн», указав «Купить сейчас», – специалист настраивает показы как базового варианта, так и экспериментального. После окончания тестового периода проводится анализ эффективности каждого объявления и выбирается наилучшее.
Совет! A/B-тесты следует проводить регулярно. Не существует идеальных объявлений и оптимальных посадочных страниц, поэтому необходимо на постоянной основе искать способы увеличения эффективности рекламных вложений, формулировать и проверять гипотезы, проводить тестирование изменений.
Зачем нужны сплит-тесты?
Практически любое «идеальное объявление» можно улучшить, ведь нет предела совершенству. Увеличить показатели эффективности помогает проведение сплит-тестов в контекстной рекламе.
Информация! Если внести изменения, улучшающие объявление хотя бы на несколько процентов, то как это повлияет на показатели бизнеса? Количество заявок увеличится, то же самое произойдёт с выручкой и прибылью, но расходы на рекламу при этом не изменятся.
Другой аспект – это выгорание, когда рекламное сообщение перестаёт цеплять аудиторию. Безусловно, можно плыть по течению и не вносить изменения в то, что «уже приносит заявки». Но, это неправильный подход. Следует постоянно работать над улучшениями.
Как проводить A/B тестирование рекламных объявлений?
В A/B тестировании объявления могут быть задействованы любые его элементы: призыв к действию, изображение, текст, заголовок, ссылка:
Текст и заголовок. Этот шаг, как правило, является первым. Можно сформулировать и проанализировать различные призывы к действию или сопоставить эффективность объявлений с информацией о цене товара и без неё;
Дополнительные ссылки. Можно добавить в объявление ссылки на промо-акции, условия доставки или страницы разных товарных категорий. А потом проверить, как это отразится на CTR;
Посадочная страница. Можно попробовать поменять цвет и размер кнопок на сайте или протестировать разные варианты расположения изображения товара на странице;
Отображаемая ссылка. Важно помнить, что адрес посадочной страницы может не совпадать с отображаемой ссылкой, которая помогает донести информацию о том, что посетитель увидит, кликнув по объявлению. Потому можно протестировать различные варианты отображаемой ссылки и проверить, какой работает лучше;
Уточнения объявлений. Этот полезный инструмент Google Ads не следует оставлять без внимания. Здесь можно разместить не вошедшие в основной текст или заголовок объявления конкурентные преимущества;
Фото и изображения. Если текстовые поля объявления имеют ограничения по количеству символов, то при работе с графическими баннерами для фантазии открывается настоящий простор. Можно тестировать самые разнообразные варианты: от цвета кнопки с призывом к действию до использования различного визуального наполнения. Вполне вероятно, что зелёная кнопка покажет лучшую конверсию, чем красная, но гипотезу следует проверить;
Околотематические ключевые фразы. Таким способом можно увеличить количество клиентов из контекста. Построив отчёт по интересам аудитории в Google Analytics, можно приблизительно понять, как выглядит «околотематика» для вашего бизнеса.
Особенности сплит-тестирования в контекстной рекламе
Проблема в сопоставлении различных интервалов тестирования. Она возникает из-за неоднородности спроса на тот или иной продукт в разные промежутки времени. Тестирование можно считать достоверным, если временные интервалы подобраны таким образом, что уровень спроса в них для каждого проверяемого объявления примерно совпадает. Спасением в ситуации с сезонностью является «шахматный» метод тестирования;
Необходимость ставить эксперимент в отношении не всей группы объявлений целиком, а отдельно для каждого объявления. Это требуется для чёткого понимания, какой именно элемент рекламы повлиял на её эффективность;
Длительность проведения эксперимента. Большая продолжительность тестирования связана с нестабильностью спроса на большинство продуктов. Он может зависеть от погодных условий, курсов валют и пр. Учитывая это, А/В-тестирование следует проводить до тех пор, пока не будет определён явный «лидер». Часто для этого требуется несколько недель;
Неоднородность целевой аудитории. Данный фактор часто увеличивает срок получения адекватного результата эксперимента. Из-за того, что каждая целевая группа проявляет активность неравномерно в разные промежутки времени, возникает необходимость увеличивать сроки эксперимента для анализа всех сегментов;
Проблемы, связанные с анализом низкочастотных запросов. Это наиболее сложно разрешимая проблема сплит-тестирования в контекстной рекламе. Для анализа релевантной информации необходимо, чтобы объявления набрали адекватное (не менее 100) количество переходов. Но как быть, когда по запросу всего 5-10 показов в неделю? К сожалению, не остаётся ничего другого, как увеличивать период тестирования до нескольких месяцев. Безусловно, можно сделать выводы, основываясь на небольшом объёме данных. Но такие результаты могут не соответствовать действительности.
Как создавать A/B тесты в Google Ads?
Для проведения A/B тестирование в Google Ads необходимо:
Нажать на «плюс» в правой боковой панели вкладки «Проекты и эксперименты» в рекламном кабинете;
Выбрать из списка необходимую кампанию и дать название проекту на основе той гипотезы, которую планируется проверить. Оно не должно совпадать с названиями других кампаний и тестирований. Далее следует сохранить проект;
Изменить настройки кампании в окне нового проекта таким образом, чтобы выполнялись условия гипотезы, и применить внесенные изменения. Затем необходимо выбрать «Провести эксперимент» в новом окне и нажать «Применить»;
Определить временные границы тестирования, установить долю трафика, необходимую для проведения эксперимента, и сохранить.
Эксперимент запущен. Остается только дождаться того момента, когда данных о его проведении будет собрано достаточно для того, чтобы сделать выводы. Результаты отображаются в разделе «Эксперименты в кампаниях». После окончания тестирования вы сможете сделать выводы об эффективности кампании. В случае положительного результата можно запустить экспериментальную кампанию, кликнув на «Применить». Система предложит выбор: скорректировать исходную кампанию или же сохранить эксперимент как новую РК.
Советы для проведения качественных тестов
Для получения адекватных результатов в каждом эксперименте следует тестировать строго один блок объявления – только изображение, только текст и т.д.;
Не стоит запускать тестирование тогда, когда на спрос оказывают существенное влияние факторы сезонности. Иначе полученные результаты могут быть необъективными;
Устанавливать такие сроки эксперимента, при которых каждое объявление сможет набрать не менее 100 переходов. Недостаточное количество данных может стать причиной нерепрезентативности полученной информации;
Результаты A/B-тестирования применимы только к определённому продукту в заданный интервал времени;
Периоды тестирования должны включать одинаковые дни недели и время. Это позволит избежать недостоверности экспериментов.
