Een van de beste manieren om uw winstgevendheid te vergroten? A/B splittesten. Google Advertisements heeft een functie genaamd Experimenten, waarmee u aangepaste experimenten voor uw campagnes kunt maken en in de loop van de tijd kunt vergelijken hoe uw testgroep presteert ten opzichte van uw oorspronkelijke campagnes (controlegroep).
Het enige probleem is dat dit alleen beschikbaar is voor zoek- en display-campagnes. Niet om te winkelen. Gelukkig heb ik vijf manieren bedacht waarop je meerdere varianten van je Purchasing-campagnes kunt testen, en daar gaan we in dit bericht dieper op in.
Productinformatie A/B-testen
A/B-testen van productinformatie zoals titels, afbeeldingen of extensies kan handig zijn voor het optimaliseren van uw productfeed
Dit kan bij het instellen van uw feed, through een feedbeheertool of handmatig in Google Service provider Heart. Als je eenmaal hebt besloten wat je wilt testen, moet je gelijke productgroepen maken. Dit kan op verschillende manieren, ik gebruik voornamelijk de volgende twee methoden:
1. De clusteranalysemethode
Met een clusteranalyse verdeelt u op foundation van historische prestaties (u verdeelt uw producten bijvoorbeeld in gelijke groepen op basis van statistieken zoals klikken, opbrengst, kosten en conversiewaarde). U kunt dit doen by way of spreadsheet voor kleinere datasets of in R (of andere programmeertalen) voor grotere datasets.
2. De willekeurige splitsingsmethode
Een willekeurige splitsing kan worden gedaan op foundation van de ID van uw product. Als u bijvoorbeeld numerieke waarden als product-ID’s gebruikt, kunt u groep A toewijzen aan alle even getallen en B aan alle oneven getallen.
Het belangrijkste bij het splitsen van uw producten is ervoor te zorgen dat alle groepen van uw experiment een gelijk aantal producten hebben en dat uw belangrijkste statistieken ook heel dicht bij elkaar liggen.
Nadat u de splitsing heeft gemaakt, brengt u de wijzigingen aan in de products-ID’s in uw testgroep. Zorg ervoor dat u over al uw solution-ID’s en bijbehorende groepen kunt rapporteren. Zo kun je ze analyseren en winnaars vinden. Hieronder vindt u een voorbeeld van hoe dit eruit zou zien in uw feed.
Campagne-instellingen A/B-testen
Als u instellingen voor testcampagnes zoals ROAS, focusing on of verschillende campagnetypen wilt splitsen, moet u splitsingen maken op basis van iets anders dan item-ID’s. Idealiter wilt u dezelfde producten aanbieden in zowel uw controle- als testgroepen, omdat de prestaties for each products kunnen verschillen. Er zijn drie verschillende splitsingen die u kunt maken om uw instellingen te testen. Internet als de testopstelling op productcontent, staat het creëren van gelijke groepen centraal. Bij alle methoden moet je de dataclusteranalyse zelf doen. Maak twee of meer gelijke groepen en analyseer op basis van de verschillen.
3. De splitsmethode voor Klantenmatch
Fulfilled Klantenmatch kunt u 1st-party doelgroepen targeten in Google Advertisements. Het werkt doorway een lijst met e-mailadressen uit uw bestaande database te uploaden die u wilt targeten, en Google zal die e-mailadressen koppelen aan Google-accounts.
Hoe je dat doet
Als u Buyer Match gebruikt, zou u in uw CRM-application een cookie-splitsing moeten kunnen maken. Vervolgens kunt u twee verschillende campagnes maken fulfilled twee verschillende Google Klantenmatch-doelgroepen. Wijzig de instelling die u wilt testen in uw testcampagne en laat al het andere hetzelfde in uw controlecampagne. En dat is het.
Opmerking: Als u Klantenmatch gebruikt, zorg er dan voor dat u een derde campagne heeft lopen voor alle potentiële klanten die zich niet in uw databases bevinden. Zo verlies je geen potentiële conversies.
Pluspunten
- Willekeurige splitsing: Doorway cookies te splitsen heb je eigenlijk een willekeurige splitsing die vaak wordt gebruikt in andere A/B-exams.
- Betrouwbare gegevens: Doorway de willekeurige splitsing zijn de resultaten betrouwbaar en reproduceerbaar.
nadelen
- Moeilijk te implementeren: niet elke adverteerder heeft de middelen om Client Match te implementeren of de willekeurige splitsing in hun CRM te maken.
- Niet 100% compleet: dit experiment is alleen van toepassing op bestaande klanten in uw databases. Dat betekent dat de resultaten niet geldig zijn voor nieuwe potentiële klanten.
4. De geo-split-testmethode:
Geo-splitsingen worden vaak gebruikt om incrementele verhogingen in campagnes te vinden. Dit kan vragen beantwoorden als: Is er toegevoegde waarde in adverteren op merkzoekwoorden?
Hoe je dat doet
Bij een geotest wordt een markt opgedeeld in kleinere geografische regio’s die geo’s worden genoemd. Elke geo krijgt een controle- of een testgroep toegewezen. Gebruikers in de testgeo’s worden blootgesteld aan de gewijzigde campagnes, terwijl gebruikers in de controlegeo’s de controlecampagnes krijgen. De splitsing kan worden gedaan op land of regio, zolang beide regionale groepen sterk gecorreleerd zijn. U moet de clusteranalyse gebruiken om uw groepen te bepalen.
Pluspunten
- Eenvoudig in te stellen: iedereen achieved een beetje Google Adverts-ervaring kan dit instellen.
- Betrouwbaar: aangezien we dezelfde campagnes splitsen, kan seizoensinvloeden geen invloed hebben.
nadelen
- Gedrag kan sterk verschillen for each geografische locatie. Het is essentieel om twee sterk gecorreleerde groepen te hebben. Seizoensgebondenheid kan ook for every geolocatie verschillen. Het is niet ideaal om Alaska achieved Texas te vergelijken als je outdooruitrusting verkoopt.
- Enigszins moeilijk voor te bereiden: Clusteranalyse van concentrating on op locatie kan lastig zijn bij het omgaan achieved kleinere geolocaties.
5. De campagne-splitsingsmethode
Bij een campagnesplitsing verdeelt u uw campagnes of accounts eenvoudig in twee sterk gecorreleerde groepen. Beide groepen moeten een gelijk aantal belangrijke statistieken hebben, zoals klikken, conversies en kosten.
Hoe je dat doet
In de ene groep campagnes (testgroep) brengt u de wijzigingen aan, terwijl u in de controlegroep uw huidige very best procedures kunt gebruiken. Als je de verschillende groepen campagnes labelt en bijhoudt, kun je iets vertellen above de verschillen in prestaties.
Price range en biedstrategie zijn twee instellingen die u kunt testen.
Pluspunten
- Zeer eenvoudig in te stellen: u hoeft maar de helft van uw campagnes te wijzigen en dat is alles.
nadelen
- Minst betrouwbaar: Seizoensinvloeden kunnen een rol spelen in verschillende campagnes, vooral als uw campagnes zijn onderverdeeld per productcategorie (heb je de campagnestructuur met prioriteitsbieding?).
- Voorbereiding kan moeilijk zijn: Clusteranalyse van campagnegroepen kan moeilijk zijn bij het omgaan met kleinere sets campagnes en gegevens.
Laatste gedachten
Dat is het! Vijf verschillende manieren om A/B-tests uit te voeren voor uw Google Shopping-advertenties:
- Check productfeedattributen, maak groepen aan satisfied een clusteranalyse.
- Take a look at productfeedkenmerken en maak groepen satisfied een willekeurige splitsing.
- Check campagne-instellingen satisfied Klantenmatch-groepen.
- Check campagne-instellingen met geo’s.
- Campagne-instellingen testen achieved campagnegroepen
De kwaliteit van de uitkomst is afhankelijk van de kwaliteit van uw voorlopige (cluster)analyse en opzet. Wat je eruit haalt, is wat je erin stopt. Hopelijk helpt dit je bij de optimalisatie van je Google Shopping-campagnes. Als je een van deze methoden probeert, deel de resultaten dan in de reacties! Voor nu, fijne dag en blijf optimaliseren!
