Что такое A/B тестирование
A/B тестирование объявлений в Google Ads — это один из маркетинговых инструментов, где сравниваются два разных элемента в рекламном объявлении: текст, призыв к действию, изображение, ссылка, чтобы выявить самые эффективные;
Такие тесты проводятся, чтобы понять, какие элементы рекламы работают лучше всего для нашей аудитории и как результат увеличить количество конверсий при неизменном рекламном бюджете.
Критерии успешности A/B эксперимента
- Формулирование гипотезы. Например, при низком CTR формулируется предположение: «CTR объявлений можно повысить, если в один из заголовков вставить призыв к действию и закрепить его на втором месте».
- Чтобы исключить вероятность влияния внешних факторов, трафик между оригинальным и экспериментальным вариантом объявлений должен быть поделен поровну.
- Для получения адекватных результатов, в пределах одного теста нужно проверять только одну гипотезу.
- Лучше не вносить никакие изменения и не завершать тест, пока не будут получены статистически значимые результаты. Каждый из вариантов объявления должен получить хотя бы 100 кликов. Чем больше, тем лучше.
- Определение самого эффективного варианта и его применение.
- Формирование новых гипотез и проведение A/B-тестов регулярно.
Самым лучшим и простым вариантом проведения A/B тестирований объявлений в Google Ads является применение специального внутреннего функционала Google под названием Эксперименты.
В статье мы поделимся полевым исследованием, как мы протестировали два лендинга нашего клиента и к каким выводам пришли. Готовьте ваше внимание на 7 минут.
Заказчик
Наш заказчик известный немецкий производитель седел для лошадей. С 1999 года разрабатывает инновационные седла, изготовленные вручную и индивидуально адаптированные к любым потребностям всадника.
Работаем с клиентом с августа 2022 года. В процессе работы у него возникло желание повысить коэффициент отправленных форм с сайта. До этого реклама вела напрямую на сайт, мы ее постоянно оптимизировали и имели хороший результат.
Но нет предела совершенству, поэтому после консультации с нами пришли к решению разработать и провести A/B тест между стандартным сайтом и новосозданным лидогенеративным лендингом.
На небольшом лендинге был установлен лид-магнит в виде формы, где люди оставляли заявку и получали возможность бесплатно скачать прайс-лист.
Процесс внедрения
Google имеет несколько типов экспериментов.
Самые популярные типы экспериментов в Google Ads
— Специальный эксперимент. Используется для тестирования различных стратегий назначения ставок, типов соответствия ключевых слов, аудиторий и т.д. в рамках одной кампании.
— Оптимизация текстовых объявлений. Используется для тестирования различных изменений именно в объявлениях для одной или нескольких кампаний: изменение текстов объявлений, URL, закрепление заголовков на определенных позициях и т.д.
1. Войдите в свою учетную запись.
2. Создайте дубликат кампании, которую хотите запустить в А/В тест.
3. Нажмите «Черновики и эксперименты» → «Эксперименты кампании» → кнопка +.
4. Выберите свой дубликат, назовите эксперимент, выберите дату начала.
5. Задайте рекламный бюджет. Выберите процент бюджета кампании, которая участвует в эксперименте, например, 50%.
6. Сохраните свой эксперимент и дождитесь результатов.
И это все. Google Ads имеет собственный калькулятор, который делает все вычисления и покажет, какой вариант победил.
Комментарий эксперта
У всех А/В тестирований есть стандартный перечень ошибок и самая главная это — малая выборка. Выборка должна быть репрезентативной и корректной. Если данные эксперимента с маленькой выборкой перенести на весь проект, то результаты будут опасны для бизнеса.
Вот список самых частых ошибок при А/В экспериментах
- Малая выборка.
- Тестирование без четкой гипотезы: тестирование ради тестирования.
- Тестирование малых и больших изменений. То есть тестирование похожих изображений, или наоборот, тестирование одновременно многих переменных: и изображения, и текст, и другое.
- Окончание эксперимента слишком рано и разочарование при первой неудаче.
- Не документирование результатов тестов.
- Игнорирование интуиции или наоборот, слишком высокое доверие чувствам, когда результаты эксперимента корректируются под желания экспериментатора.
Эксперимент «Оптимизация текстовых объявлений»
Рассмотрим процесс создания эксперимента Оптимизация текстовых объявлений. На уровне всех кампаний нажмите в самом низу кнопку Эксперименты.
Нажмите плюсик.
Среди всех представленных вариантов выберите Оптимизация текстовых объявлений и нажмите Продолжить.
Выберите кампании, в которых надо провести тест.
Далее отфильтруйте объявления по какому-то параметру. Если тестируете URL укажите основной URL, который будете сравнивать с другим.
Далее создайте экспериментальный вариант объявления. Укажите, что следует изменить для теста в отфильтрованных перед этим объявлениях.
Введите название эксперимента, дату его начала и окончания, а также какой процент трафика отправлять на измененные объявления. Рекомендуем указывать 50%.
Эксперимент готов. Больше в нем ничего не меняйте. Дайте системе определенный период времени спокойно поработать, тестируя разные варианты объявлений. Чем больше, тем лучше, для большей достоверности и статистической значимости результата.
После накопления данных можно оценить результаты, применить изменения к базовой кампании или отказаться от них.
Стоит отметить, что инструмент для экспериментов Google Optimize прекратил работу в сентябре 2023 г. Все эксперименты теперь можно проводить в самом интерфейсе Google.
Какие результаты получили
Тестировали новый лендинг мы месяц. Эксперимент показал, что полноценный сайт является более конверсионным, чем лидогенеративный лендинг.
При сравнительно одинаковом количестве полученного трафика объявления, ведущие на тестовый сайт получили на 59% меньше конверсий, чем те, что вели на полноценный сайт, а стоимость получения одной конверсии у них более чем в 3 раза больше.
Заключение
Никогда не следует полагаться исключительно на личное мнение, даже имея значительный опыт работы с рекламой. Ведь иногда результаты могут быть неожиданные, как и в случае нашего кейса.
Поэтому всегда проверяйте ваши гипотезы только экспериментальным путем и принимайте решения на основании реальных полученных чисел, а не субъективных предположений.
