Есть множество различных способов создания A/B-теста используя встроенные инструменты тестирования Meta. В этом посте мы увидим, как создать A/B-тест в разделе «Эксперименты».

Это позволит вам протестировать две или более групп кампаний, кампанииили наборы объявлений друг против друга в контролируемой среде, чтобы определить, какой из них работает лучше всего на основе одной переменной.

Прежде чем мы начнем создавать A/B-тестирование в Experiments, давайте рассмотрим небольшую предысторию…

Понимание А/Б-тест

Концепция A/B-теста не так проста, как сравнение ваших результатов между двумя кампаниями, группами объявлений или объявлениями. Хотя вы также можете сделать это, результаты не являются научными.

Что отличает тест A/B, так это то, что он устраняет дублирование, помогая изолировать значение конкретной переменной (оптимизация, таргетинг, места размещения или креатив). Целевые пулы будут случайным образом разделены, чтобы целевые пользователи видели только одно объявление из одного из вариантов.

Без настоящего A/B-тестирования меньше уверенности в том, насколько одна переменная повлияла на ваши результаты.

ЧИТАТЬ  Best Buy только что сэкономила этот популярный стоячий стол на 50 долларов | цифровые тренды

Об A/B-тестировании в экспериментах

Я предпочитаю создавать A/B-тесты с метаобъявлениями с помощью инструмента «Эксперименты». Это позволяет вам выбирать текущие кампании или наборы объявлений для тестирования друг друга.

Это отличается от исходного подхода к A/B-тестированию метаобъявлений. Этот метод требовал от вас создания вариантов, которые будут проверяться друг против друга. Когда тест закончился, эти объявления перестали показываться. Вы использовали бы то, что узнали из этого теста, для создания новой кампании.

В экспериментах вы выбираете кампании или группы объявлений, которые уже запущены. Когда вы выберете тестовое время, доставка изменится, чтобы избежать дублирования в эти дни. После завершения теста показ рекламы вернется в нормальное русло.

создать тест

Перейти в раздел «Эксперименты» в меню «Инструменты Ads Manager» в разделе «Анализ и отчет».

Нажмите «Создать тест» в меню левой боковой панели (или зеленую кнопку «Создать новый тест» в правом верхнем углу).

Эксперименты с метаобъявлениями

Вы увидите варианты типов тестов, которые вы можете настроить. Примерами могут быть A/B-тестирование, исследование бренда и межканальное тестирование оптимизации конверсии.

Эксперименты с метаобъявлениями

Запустим A/B-тест. Нажмите кнопку «Пуск».

Во-первых, нам нужно определить, что мы хотим протестировать: группы кампаний, кампании или группы объявлений.

Эксперименты с метаобъявлениями

Если вы протестируете группы кампаний, вы увидите совокупные результаты для каждой группы кампаний. Вы должны назвать каждую группу и выбрать кампании, которые попадают в нее.

Эксперименты с метаобъявлениями

При тестировании кампаний помните, что все группы объявлений в каждой кампании учитываются при расчете результатов.

Эксперименты с метаобъявлениями

Вот тестовый пример трех разных наборов объявлений…

Эксперименты с метаобъявлениями

Независимо от того, тестируете ли вы группы кампаний, кампании или наборы объявлений, вам необходимо выбрать не менее двух вариантов и не более пяти. Meta настоятельно рекомендует, чтобы выбранные варианты были идентичными, за исключением одной переменной. Это помогает изолировать влияние этой переменной.

ЧИТАТЬ  Как создать стратегию для социальных сетей за 9 шагов

В приведенном выше примере я тестирую три разных набора объявлений, оптимизированных по-разному, по сравнению с одним цель производительности. Все остальное было настроено одинаково: таргетинг, места размещения и креатив.

Затем запланируйте, когда вы хотите запустить этот тест. Имейте в виду, что эти кампании или группы объявлений уже запущены. Это расписание будет определять, когда будет выполняться тест.

Как создать A/B-тест в Meta Experiments

При желании вы можете закончить испытание раньше, если будет найден победитель. В противном случае тест будет выполняться по выбранному расписанию.

Дайте вашему тесту имя, чтобы, глядя на результаты, вы могли легко вспомнить, что тестировалось.

A/B-тестирование в экспериментах

Наконец, выберите ключевой показатель, который определит вашего победителя. Вы можете выбрать один из рекомендуемых показателей или свой собственный. пользовательские конверсии и стандартные события.

A/B-тестирование в экспериментах

Выбранный вами показатель может не совпадать с целью эффективности, которую вы использовали. Основной метрикой должен быть ваш окончательный показатель успеха для этих кампаний или наборов объявлений.

Вы также можете включить до девяти «Дополнительных показателей».

A/B-тестирование в экспериментах

В отличие от основной метрики, эти метрики не определяют успех. Вместо этого они будут включены в ваш отчет, чтобы помочь добавить контекст.

увидеть результаты

Нажмите «Просмотреть результаты» в меню слева в разделе «Эксперименты».

A/B-тестирование в экспериментах

Вы увидите основные моменты экспериментов, которые вы проводили или проводите. Это обеспечивает моментальный снимок того, как каждый участник работает с вашей ключевой метрикой.

ЧИТАТЬ  NYT Connections Today – советы и ответы на понедельник, 18 ноября (игра № 526)

A/B-тестирование в экспериментах

Нажмите «Просмотреть отчет», чтобы просмотреть дополнительные сведения.

Вы можете просматривать результаты по основной метрике, дополнительным метрикам (если они есть) или общим метрикам.

A/B-тестирование в экспериментах

Существует обзор тестируемых…

A/B-тестирование в экспериментах

Таблица для сравнения метрик (она будет включать дополнительные метрики, если вы указали их при настройке теста)…

A/B-тестирование в экспериментах

Это дискриминация по возрасту…

A/B-тестирование в экспериментах

И пол…

A/B-тестирование в экспериментах

Примечание о результатах теста

Помните, что при проведении A/B-тестирования у вас есть единственная цель: вы хотите выяснить, какая дисперсия приводит к желаемым результатам на основе одной переменной.

Не отвлекайтесь на эту цель. Я обнаружил, что мои результаты, как правило, хуже во время A/B-тестов. В этом есть смысл, поскольку таргетинг будет ограничен, чтобы избежать дублирования.

Что вы будете делать с информацией, полученной в ходе A/B-тестирования, зависит только от вас. Возможно, Мета мало уверен в результатах (вы увидите процентную вероятность получения тех же результатов, если снова запустите тест). Если это так, вы можете не захотеть действовать по этому поводу.

Но если достоверность высока, вы можете отключить дисперсию(-и), которые вы пропустили, и (медленно) увеличить бюджет за выигрышный вариант.

Ваше время

Проводили ли вы A/B-тестирование для экспериментов? Что ты изучал?

Позвольте мне знать в комментариях ниже!



Source