对展示广告进行 A/B 测试所需的所有知识
已发表: 2018-06-19A/B 测试是优化一系列数字材料时的首选方法，但您知道如何正确执行吗？ 许多营销人员因做错了事或没有做所有事情而感到内疚。 无论是用于您的目标网页、展示广告，甚至是您的平面广告。 A/B 为设计优化和提高投资回报率 (ROI) 提供了不容忽视的数据。
通常，该过程似乎过于复杂，并有损于真正的营销业务。 是的，如果您仍在使用手动流程，那么观看油漆干燥会更好地利用您的时间（可能也更有趣）。 但是，借助创意管理平台 (CMP) 和本 A/B 测试指南，这种做法变得既有用又有趣。
那么什么是 A/B 测试？
它应该很简单，但这就是你错的地方。 今天有多种方法可以测试设计的变化。 A/B 测试、A/B/n 测试、多变量测试、多臂老虎机测试、多页漏斗测试、量子色动力学，你明白了。 这足以让你在开始之前就想放弃。
但不要害怕，有希望！ 标准 A/B 测试仍然是优化广告系列的有效且非常有用的工具。
A/B 测试可以很简单； 您可以在广告或着陆页上仅测试一种变体。 然后你运行测试，直到你得出结论，哪个是更好的版本，简单。 然后从另一个方面重新开始。 这就像测试巧克力与香草冰淇淋、苹果与大黄碎屑或 kottbullar 与 prinskorvar 一样简单（我们不确定最后一个）。
你应该测试什么？
您可以通过 A/B 测试来改变一系列看似无穷无尽的事情。 但是有一些关键功能在优化后会真正影响您的点击率 (CTR)。 下面我们列出了所有最有用的方面。
标题——
考虑标题的长度，保持简短和甜美。 你在标题中使用什么语气？ 你想表达一种紧迫感吗？ 还是正面或负面的语气？ 您还可以调整页面上的颜色、对比度、字体大小和位置。
图片 -
您的背景图片是黑白还是彩色，是人物还是产品，您是一张图片还是多张图片？ 优化图像时要考虑的所有事情。
号召性用语 (CTA) –
可以说是最重要的方面。 您可以测试按钮的颜色、对比度、语言和按钮本身的样式。 你甚至可以测试是否需要一个按钮。
复制 -
看看什么更能引起客户的共鸣。 长格式或短格式。 只需确保简明扼要地解释功能和优点。
登陆页面表格 -
您可以测试表单的长度、字段的数量和设计本身。 请记住平衡您对数据的渴望与您所提供的内容。
A/B 测试您的发布策略
您可能拥有适合您的广告的最佳设计，但不要忘记测试您的发布策略。 A/B 测试您的网络。 正如我们的系统所有者 Travis Isaacson 所说，“您需要确保您的网络为您提供广告所需的结果”。 每个网络都有自己的出版商，因此也有不同的受众。 尽管坚持使用您知道的网络可能会很舒服，但为了获得最相关的流量，您应该改变您的网络作为另一种优化形式。
如果您花时间创建最佳图像和文本，那么为您的广告获得最高质量的流量是有意义的。 您可以 A/B 测试在线广告的最佳受众、细分和一天中的时间，以提高投资回报率。
这可能看起来有点压倒性，但技术可以让这个过程变得更简单。 使用 Bannerflow，我们的标签系统是不可知的。 这意味着您可以在不同的网络、不同的变体、细分市场上测试您的广告，并轻松地直接发布给他们。
数据如何帮助您达成假设
使用这些识别因素，并在收集相关数据之后，是时候为您的 A/B 测试创建一个可行的假设了。
一个很好的方法是通过热图。 您可以使用热图作为实时分析工具来识别问题区域。 热图可帮助设计师了解观众被吸引到哪些区域，哪些区域让他们反感或分散注意力。 他们为您的 A/B 测试添加了另一层。
页面上的调查和访客记录是另一种确定他们没有转换的地方。
从这里你可以推测为什么。 一旦您更好地了解页面或广告上的问题所在，您可以使用上述建议测试不同的变体。 当你有了你的假设时，A/B 测试的真正乐趣就开始了。
“理论、测试、结果、重复”：A/B 测试的赞歌
理论 -
A/B 测试是一个过程。 这也是一个简单的。 有了一个可行的假设，您可以选择如何加权每个变体并开始测试过程。 标准的 50/50 拆分适用于所有新视图。
测试 -
A/B 测试的长度取决于许多因素。 不同的广告网络有不同的流量水平。 还要考虑预期的转化率变化。 如果您已经拥有很高的转化率，那么您将需要更少的时间来达到统计置信度。 有一些工具可以自动计算这一点。 达到统计显着性后，分析结果。
A/B 测试对数据的统计置信度的标准做法需要至少为 95%。 虽然这取决于您正在测试的变体。 变化越显着，您在流程方面需要的科学性就越低。 更具体的变化，例如微拷贝，需要更多的数据来证明它们的积极或消极影响。 而全新的设计或剧烈的变化在转换方面更容易评估。
结果 -
您的 A/B 测试很可能会以不确定的形式返回。 在这种情况下，你只需要回到你的假设并重新开始一个新的想法。 坚持下去。 更改 CTA 中的单个单词可以将 CTR 提高多达 161%。
重复 -
当您确实得出决定性的结论时，让冠军变体占据 100% 的流量。 在确定下一个假设后，该过程可以重新开始。 这似乎是一项艰巨的任务，特别是如果您手动完成这一切。 但如果您与 CMP 合作，那么设计调整、调度和分析都可以在几分钟内完成； 在敏捷广告时代，这是一个令人欣慰的想法。
'Should, Willa, Cana'：A/B 测试的注意事项
在开始 A/B 测试时，您应该养成一些习惯。 还有一些你应该积极避免的。 例如：
做：
始终同时运行变体。 每周的流量可能会有很大差异。 如果您要在一周内测试一个着陆页，然后在另一周测试另一个着陆页，那么您可能会面临数据不准确的风险。
有统计信心。 确保使用工具或在线计算器来衡量数据的统计置信度。 如果您过早结束测试，您可能会做出错误的决定。
重复该过程。 永远不要只测试 HBICC 列表中的一种变体。 完成一项测试后，您可以优化许多其他因素。
不：
一次测试多个变体。 如果您尝试同时优化电子邮件活动和登录页面，您将不知道为什么您的转化率会发生变化。
运行测试时间过长。 即使在达到统计显着性之后运行测试也会使其更容易受到外部因素的影响。 日历事件可能会导致流量和行为异常激增。
忽略潜在客户的性质。 确保您的测试符合您的业务目标。 看到这些转化率上升可能会很令人满意，但如果他们是错误的客户，那么这些转化就毫无意义。
DCO 和 A/B 测试的未来
AI DCO 不仅为创意提供了令人兴奋的前景，还为测试提供了令人兴奋的前景。 Travis 的另一个重要提示：“使用 AI DCO 解决方案进行 A/B 测试提供了自动优化的机会。 您已经在 DMP/网络中拥有来自客户群的数据，您应该将其投入使用。
AI DCO 使用馈送内容并选择每次展示要测试的单个项目。 该技术使用多个预定变体增强现有广告，因此您不必这样做。 该过程正在从手动和艰巨的过程发展到一个新的水平。 很像横幅广告……
结论
你有它。 一个简单直接的 A/B 测试指南。 毕竟，这不是理论物理学。
如果你手头有合适的工具，这个过程就不必费力。 事实上，这是一个强有力的假设和测试的问题，直到你有数据证明你的更改对点击率产生了积极影响。 之后，您可以处理各个方面，直到获得最有效的广告。
如果您想了解更多关于我们的创意管理平台如何帮助您进行 A/B 测试的信息，请与我们联系。
