디스플레이 광고를 A/B 테스트하기 위해 알아야 할 모든 것

A/B 테스트는 다양한 디지털 자료를 최적화할 때 선택하는 방법이지만 올바르게 수행하는 방법을 알고 있습니까? 많은 마케터들이 잘못하거나 모든 것을 하지 않은 죄를 범하고 있습니다. 랜딩 페이지용이든 디스플레이 광고용이든 인쇄 광고용이든 상관없습니다. A/B는 설계 최적화 및 투자 수익률(ROI) 향상을 위해 무시할 수 없는 데이터를 제공합니다.

종종 프로세스가 지나치게 복잡하고 마케팅의 실제 비즈니스를 손상시키는 것처럼 보일 수 있습니다. 그리고 예, 여전히 수동 프로세스를 사용하고 있다면 페인트가 마르는 것을 지켜보는 것이 시간을 더 잘 사용할 것입니다(아마도 더 재미있을 것입니다). 그러나 CMP(Creative Management Platform)와 이 A/B 테스트 가이드를 사용하면 실습이 유용하고 흥미로워집니다.

그렇다면 A/B 테스팅이란 무엇인가?

그것은 간단해야하지만 그것이 당신이 잘못 알고있는 곳입니다. 오늘날 디자인 변형을 테스트하는 방법은 다양합니다. A/B 테스트, A/B/n 테스트, 다변수 테스트, 다중 무장 밴딧 테스트, 다중 페이지 깔때기 테스트, 양자 색역학, 요점을 알 수 있습니다. 시작도 하기 전에 포기하고 싶게 만들기에 충분합니다.

그러나 두려워하지 마십시오. 희망이 있습니다! 표준 A/B 테스트는 여전히 캠페인 최적화에 효과적이고 매우 유용한 도구입니다.

A/B 테스트는 간단할 수 있습니다. 광고 또는 방문 페이지에서 하나의 변형만 테스트할 수 있습니다. 그런 다음 어떤 버전이 더 나은지 간단하게 결론을 내릴 때까지 테스트를 실행합니다. 그런 다음 다른 측면에서 다시 시작하십시오. 초콜릿 대 바닐라 아이스크림, 사과 대 대황 크럼블 또는 kottbullar 대 prinskorvar를 테스트하는 것만큼 쉽습니다(마지막 것은 확실하지 않음).

무엇을 테스트해야 합니까?

A/B 테스트로 변경할 수 있는 항목의 목록은 끝이 없어 보입니다. 그러나 최적화될 때 클릭률(CTR)에 실제로 영향을 줄 수 있는 몇 가지 주요 기능이 있습니다. 아래에서 가장 유용한 모든 측면의 목록을 만들었습니다.

표제 -

헤드라인의 길이를 고려하여 짧고 간결하게 유지하세요. 헤드라인에서 어떤 목소리 ​​톤을 사용하고 있습니까? 긴박감을 전달하고 싶습니까? 아니면 긍정적이거나 부정적인 톤입니까? 페이지의 색상, 대비, 글꼴 크기 및 위치를 가지고 놀 수도 있습니다.

이미지 –

배경 이미지가 흑백입니까 아니면 컬러입니까? 사람이나 제품이 등장합니까? 하나의 이미지 또는 여러 개의 이미지가 있습니까? 이미지를 최적화할 때 고려해야 할 모든 것.

클릭 유도문안(CTA) –

가장 중요한 측면이라고 할 수 있습니다. 버튼의 색상, 대비, 언어 및 버튼 자체의 스타일을 테스트할 수 있습니다. 버튼이 필요한지 테스트할 수도 있습니다.

복사 -

고객이 더 공감하는 것이 무엇인지 확인하십시오. 긴 형식 또는 짧은 형식. 기능과 이점을 간결하게 설명하고 있는지 확인하십시오.

방문 페이지 양식 –

양식의 길이, 필드 수 및 디자인 자체를 테스트할 수 있습니다. 데이터에 대한 욕구와 제공하는 제품의 균형을 유지하십시오.

A/B 게시 전략 테스트

광고에 대한 최적의 디자인이 있을 수 있지만 게시 전략을 테스트하는 것을 잊지 마십시오. A/B는 네트워크를 테스트합니다. 시스템 소유자인 Travis Isaacson은 '네트워크가 광고에 필요한 결과를 제공하는지 확인해야 합니다'라고 말합니다. 각 네트워크에는 고유한 게시자가 있으므로 서로 다른 잠재고객이 있습니다. 알고 있는 네트워크를 유지하는 것이 편할 수 있지만 가장 관련성 높은 트래픽을 얻으려면 최적화의 다른 형태로 네트워크를 다양화해야 합니다.

최고의 이미지와 텍스트를 만드는 데 시간을 할애했다면 광고에 대해 최고 품질의 트래픽을 얻는 것이 합리적입니다. ROI를 개선하기 위해 온라인 광고에 대한 최적의 잠재고객, 세그먼트 및 시간을 A/B 테스트할 수 있습니다.

이 모든 것이 다소 압도적으로 보일 수 있지만 프로세스를 더 간단하게 만드는 기술이 있습니다. Bannerflow를 사용하면 당사의 태그 시스템은 불가지론적입니다. 즉, 다양한 네트워크, 다양한 변형, 세그먼트에서 광고를 테스트하고 쉽게 직접 게시할 수 있습니다.

데이터가 가설에 도달하는 데 도움이 되는 방법

이러한 식별 요소를 사용하고 관련 데이터를 수집한 후에는 A/B 테스트에 대한 작업 가설을 만들 차례입니다.

이를 수행하는 좋은 방법은 히트맵을 사용하는 것입니다. 히트맵을 실시간 분석 도구로 사용하여 문제 영역을 식별할 수 있습니다. 히트맵은 디자이너가 시청자가 어떤 영역에 매력을 느끼는지, 어느 부분이 불쾌하거나 주의를 산만하게 하는지 확인하는 데 도움이 됩니다. A/B 테스트에 다른 레이어를 추가합니다.

페이지 내 설문조사 및 방문자 기록은 전환되지 않는 위치를 식별하는 또 다른 방법입니다.

여기에서 이유에 대해 이론화할 수 있습니다. 페이지 또는 광고의 문제가 어디에 있는지 더 잘 파악하면 위의 제안을 사용하여 다양한 변형을 테스트할 수 있습니다. 가설을 세울 때 A/B 테스팅의 진정한 재미가 시작됩니다.

'이론, 테스트, 결과, 반복': A/B 테스트의 찬가

이론 -

A/B 테스트는 프로세스입니다. 그것도 간단합니다. 작업 가설을 사용하여 각 변동에 가중치를 부여하고 테스트 프로세스를 시작할 방법을 선택할 수 있습니다. 표준 50/50 분할은 모든 새 보기에서 작동합니다.

테스트 -

A/B 테스트 기간은 여러 요인에 따라 달라집니다. 광고 네트워크마다 트래픽 수준이 다릅니다. 예상 전환율 변화도 고려하십시오. 이미 전환율이 높으면 통계적 신뢰도에 도달하는 데 더 적은 시간이 필요합니다. 이를 자동으로 계산하는 도구가 있습니다. 통계적 유의성에 도달하면 결과를 분석합니다.

A/B 테스트를 위한 표준 방식은 데이터에 대한 통계적 신뢰도가 95% 이상이어야 합니다. 테스트 중인 변형에 따라 다릅니다. 변화가 더 중요할수록 프로세스 면에서 덜 과학적이어야 합니다. 마이크로 카피와 같은 보다 구체적인 변경 사항은 긍정적 또는 부정적 영향을 증명하기 위해 더 많은 데이터가 필요합니다. 완전히 새로운 디자인이나 급격한 변화는 전환 측면에서 훨씬 더 쉽게 평가할 수 있습니다.

결과 -

A/B 테스트가 결론이 나지 않는 것으로 돌아올 가능성이 매우 높습니다. 그런 경우에는 가설로 돌아가서 새로운 아이디어로 다시 시작하기만 하면 됩니다. 그것으로 스틱. CTA에서 한 단어를 변경하면 CTR이 최대 161%까지 증가할 수 있습니다.

반복하다 -

결정적인 결론에 도달하면 챔피언 변형이 트래픽의 100%를 차지하도록 합니다. 다음 가설을 결정한 후 프로세스를 다시 시작할 수 있습니다. 이것은 특히 이 모든 작업을 수동으로 수행하는 경우 압도적인 작업처럼 보일 수 있습니다. 그러나 CMP로 작업하는 경우 설계 조정, 일정 및 분석을 모두 몇 분 안에 완료할 수 있습니다. 애자일 광고 시대에 위안이 되는 생각.

'해야 할 것, 할 것, 할 것': A/B 테스트의 해야 할 일과 하지 말아야 할 일

A/B 테스트를 시작할 때 습관화해야 하는 몇 가지 방법이 있습니다. 그리고 적극적으로 피해야 할 것이 있습니다. 예를 들어:

하다:

항상 동시에 변형을 실행합니다. 트래픽은 매주 크게 다를 수 있습니다. 한 주에 한 방문 페이지를 테스트하고 다른 주에 다른 방문 페이지를 테스트한다면 부정확한 데이터의 위험이 있습니다.

통계적 자신감을 가지세요. 도구나 온라인 계산기를 사용하여 데이터의 통계적 신뢰도를 측정해야 합니다. 시험을 너무 일찍 끝내면 잘못된 결정을 내릴 수 있습니다.

과정을 반복합니다. HBICC 목록에서 하나의 변형만 테스트하지 마십시오. 하나의 테스트를 마치면 최적화할 수 있는 다른 요소가 많이 있습니다.

하지 않다:

한 번에 여러 변형을 테스트합니다. 이메일 캠페인과 방문 페이지를 동시에 최적화하려고 시도하면 전환율이 변경된 이유를 알 수 없습니다.

테스트를 너무 오래 실행하십시오. 통계적 유의성에 도달한 후에도 테스트를 실행하면 외부 요인에 더 취약해집니다. 캘린더 이벤트로 인해 트래픽과 동작이 부자연스럽게 급증할 수 있습니다.

리드의 특성을 무시하십시오. 테스트가 비즈니스 목표와 일치하는지 확인하십시오. 이러한 전환 수가 증가하는 것을 보는 것은 만족스러울 수 있지만 잘못된 고객이라면 이러한 전환은 의미가 없습니다.

DCO와 A/B 테스트의 미래

AI DCO는 창의력뿐만 아니라 테스트에 대한 흥미진진한 전망을 제공합니다. Travis의 또 다른 주요 팁: 'A/B 테스트에 AI DCO 솔루션을 사용하면 최적화를 자동화할 수 있습니다. DMP/네트워크에 고객 기반의 데이터가 이미 있으므로 이를 실행해야 합니다.'

AI DCO는 피드 콘텐츠를 사용하고 노출당 테스트할 단일 항목을 선택합니다. 이 기술은 미리 결정된 여러 변형을 사용하여 기존 광고를 개선하므로 그럴 필요가 없습니다. 프로세스는 수동적이고 힘든 프로세스에서 다음 단계로 진화하고 있습니다. 배너 광고처럼…

결론

당신은 그것을 가지고 있습니다. A/B 테스트에 대한 간단하고 직접적인 가이드입니다. 결국, 그것은 이론 물리학이 아닙니다.

올바른 도구가 있으면 이 과정이 힘들지 않아도 됩니다. 사실, 변경 사항이 CTR에 긍정적인 영향을 미쳤음을 증명할 데이터가 있을 때까지 강력한 가설을 세우고 테스트하는 것이 중요합니다. 그 후에 가장 효과적인 광고가 나올 때까지 모든 측면을 검토할 수 있습니다.

크리에이티브 관리 플랫폼이 A/B 테스트에 어떻게 도움이 되는지 자세히 알고 싶다면 저희에게 연락하십시오.