چگونه می توان تست های A/B سودآور برای موفقیت PPC تنظیم کرد

آزمایشات تقسیم (آزمون A/B) برای موفقیت طولانی مدت PPC بسیار مهم است زیرا به شما کمک می کند بفهمید کدام متغیر منجر به سود و پیروزی شما می شود.

ساختاربندی آزمون به همان اندازه مهم است که به آن زمان کافی داده تا داده ها شما را راهنمایی کنند. خواننده ای می پرسد ،

“چگونه می توانید یک آزمون تقسیم کنید؟ آیا توصیه می کنید فقط یک متغیر (یعنی خلاقانه یا کپی یا محل تبلیغات) را آزمایش کنید؟ هر چیز دیگری که فکر می کنید می تواند از 0> 1 کمک کند عالی خواهد بود! “

در این پست از PPC بپرسید ، ما به موارد زیر می پردازیم:

• تست های تقسیم شده چیست؟
• نکاتی برای ساختاربندی آزمون های A/B موفق.
• نحوه ارزیابی و عمل در آزمون ها

در حالی که این پست به آزمایش تقسیم از طرز تفکر PPC نزدیک می شود ، ایده های مورد بحث را می توان در تمام کانال های بازاریابی دیجیتال به کار برد.

تست های تقسیم شده چیست؟

تست های تقسیم شده (یا تست های A/B) یکی از عناصر مبارزات انتخاباتی شما را در مقابل عناصر دیگر آزمایش می کند.

این آزمایشات می تواند بر موارد زیر تمرکز کند:

شما باید تصمیم بگیرید که چه چیزی ثابت و کدام عنصر متغیر شما خواهد بود.

متغیرها یک عنصر واحد هستند که به دنبال آزمایش آن هستید. آنها باید تنها عنصر متفاوت در جنبه های خود در مبارزات انتخاباتی باشند.

کنترل ها تنظیمات فعلی کمپین هستند و باید در کنار آزمایش شما اجرا شوند.

نکاتی برای ساختاربندی آزمایشات A/B

دشوارترین قسمت آزمایش تقسیم ، راه اندازی آن است تا بتوانید بینش های کاربردی به دست آورید.

مشکلات رایج عبارتند از:

• متغیرهای بسیار زیاد: ارزیابی بیش از یک متغیر باعث شک در اعتبار آزمون می شود.
• پایان زودهنگام آزمایشات: آزمایش تقسیم فقط در صورتی کار می کند که بتوانید به اهمیت آماری (که در یک روز اتفاق نمی افتد) دست پیدا کنید.
• هیچ اقدام موفقیت/شکست از ابتدا وجود ندارد: اگر نمی دانید که به چه چیزی امیدوار هستید ، این آزمون بی معنی خواهد بود و احتمالاً اتلاف وقت و هزینه است.

در حالی که اکثر متخصصان PPC معتقدند که 10000 جلسه حداقل برای اهمیت آماری است ، برخی از مارک ها هرگز در یک چهارم ، خیلی کمتر در 30 روز ، به آن نخواهند رسید.

به همین دلیل است که تعیین بازه های زمانی واقعی و نقاط عطف برای کسب و کار شما بسیار مهم است.

گرفتن حداقل 1000 جلسه یک آستانه معقول است ، مانند اجازه دادن به یک آزمایش برای 30-60 روز.

هنگامی که اطلاعات خود را در اختیار دارید ، می توانید اقدام کنید. پایه فعلی را حفظ کنید یا با اتخاذ کامل متغیر ، کمپین خود را توسعه دهید.

آزمایشات معنی دار دارای معیارهای موفقیت/شکست هستند تا اطمینان حاصل شود که می توانید از دوره آزمایش ارزش خود را بدست آورید. اینها ممکن است:

• زمان در محل.
• میانگین ارزش سفارش.
• نرخ تبدیل.
• پادشاه.

هر متریک را که انتخاب می کنید ، مهم این است که به آن پایبند باشید و بدانید که آیا آزمون موفقیت آمیز بوده یا ناموفق. پیوستن احساسی به خلاقیت یا استراتژی ها قبل از اینکه دامپزشکان داده ها بتوانند آزمون را خراب کنند ، بنابراین مطمئن باشید که هدفمند باشید.

نحوه ارزیابی و عمل به آزمون ها

قضاوت در مورد “توانایی کشتی” از طریق آزمایش A/B می تواند بسیار پیچیده باشد. این شامل بررسی معیارهای متفاوتی (برخی مفید ، برخی دیگر نه) برای درک نحوه تجربه تغییرات کاربران توسط کاربران است.

تجزیه و تحلیل رفتاری این فرآیند را ساده می کند و همه داده ها را به درک بصری تعاملات کاربران ساده می کند.

این به شما کمک می کند تا نتایج آزمایش A/B خود را به طور مثرتری بفهمید – آیا فرضیه شما تأیید شده است ، چه شگفتی هایی را ممکن است به دنبال داشته باشد ، آیا درمان به اندازه کافی خوب است یا آیا تکرار بیشتری مورد نیاز است.

تجزیه و تحلیل رفتاری مانند مواردی که در Microsoft Clarity پیدا می کنید دلیل “چرا” در مورد “چگونه” معیارها را نشان می دهد.

نحوه استفاده از ویژگی های وضوح در آزمایش A/B

ضبط جلسات

تست های A/B انواع مختلف حرکات را در معیارها (بالا و پایین) نشان می دهد و ضبط جلسه می تواند در پاسخ به اینکه چرا معیارها با مشاهده رفتار کاربر از جلسات واقعی تغییر کرده اند ، پاسخ دهد.

تصویر صفحه از Microsoft Clarity ، سپتامبر 2021

نقشه های حرارتی

برای مقایسه درمان و کنترل ، از نمای کلی استفاده کنید تا ببینید معیارهای کلیدی شما در قسمت های خاصی از صفحه به درستی پیش می رود یا خیر.

روی نقشه های گرمایی کلیک کنید

آشنایی با کلیک روی درمان خود درمقابل کنترل.

• مقایسه می کند که توجه CTA کاربر در هر دو مورد چگونه است.
• سطوح پرت کننده محتوا و مناطق احتمالی پیش بینی نشده گیج کننده (مانند کلیک بر روی محتوای استاتیک).
• الگوهای تعامل همه جانبه را با ویژگی جدید خلاصه می کند.

حرکت نقشه های گرمایی

درک عمق حرکت در هر دو.

• مقایسه خوانندگان – چه مقدار از کاربران صفحه شما ممکن است بخوانند.
• به عیب یابی سوالات کشف کمک می کند (چند درصد از کاربران در واقع یک CTA یا پاراگراف خاص را مشاهده کرده اند).

تصویر صفحه از Microsoft Clarity ، سپتامبر 2021

کلیک های خشمگین

• با ارائه تجربیات جدید UX ، آیا کاربران نحوه استفاده از ویژگی را می فهمند و آیا این ویژگی در همه موارد حاشیه ای مطابق انتظار کار می کند؟
• تشخیص دهید آیا نیاز به تکرار بیشتر است (آیا کاربران به طور غیرمنتظره از بخشی از تجربه جدید ناامید شده اند؟)
• مشخص کنید که آیا قابلیت یادگیری یک مسئله است (آیا کاربران نحوه استفاده از ویژگی جدید را درک نمی کنند؟)

فیلترهای مفید برای آزمایش A/B

فیلترهای UTM: برش و تقسیم بر منابع ترافیکی

• آیا ترافیک ارجاع خاصی منجر به موفقیت بیشتر در یک درمان نسبت به درمان دیگر می شود؟ به عنوان مثال ، خواندن بیشتر ، مدت زمان جلسه بیشتر ، CTR بالاتر ، تبدیلات کلی بیشتر.
• کل جلسات را برای درمان از منابع مختلف مشاهده کنید – آیا آنها صفحات مختلف را کاوش می کنند یا از روش های درمانی شما متفاوت استفاده می کنند؟

برچسب های سفارشی: تمایز کنترل در مقابل جلسات درمانی

• برچسب ها را بر اساس اینکه آیا هر درمان وجود داشته است یا خیر ، اضافه کنید
• می تواند فیلترهای اضافی را روی هم قرار دهد – به عنوان مثال ، جلساتی را که در آن درمان = کاربر AND XYZ انجام داده است (مانند کلیک بر روی دکمه خاص یا بازدید از صفحه تماس و غیره) مشاهده کنید.

بردن

آزمایش های تقسیم شده عنصر مهمی در اجرای کمپین های موفق PPC هستند.

هنگامی که با یک ایده واضح از آنچه می خواهید آزمایش کنید و موفقیت/شکست به نظر می رسد ، بهترین نتایج را به دست خواهند آورد.

منابع بیشتر:

در مورد PPC سوالی دارید؟ ارسال از طریق این فرم یا با برچسب #AskPPC به من توییتnavahf بدهید. ماه بعد میبینمت!

تصویر ویژه: Paulo Bobita/Search Engine Journal