Как правильно проводить А/Б тестирования в Яндекс.Директ

Проведение тестирования объявлений является мощным инструментом при работе с контекстной рекламой. Какими хорошими ни были бы показатели, всегда есть, что улучшить. Единственный эффективный способ найти те самые слова, продающие картинки и другие элементы — это проверка на практике — А/Б тестирование.

Его суть заключается в том, чтобы при прочих равных условиях показывать аудитории несколько вариантов какого-то элемента рекламы или сайта. Например, текста объявления. Измерив для них статистику, можно выяснить, какой из вариантов больше нравится целевым пользователям.

Результатом А/Б тестирования является нахождение варианта с наивысшей конверсией и наименьшей стоимостью заказа.

Кампании в контекстной рекламе выстраиваются из групп, в которых можно создавать несколько объявлений. Сначала все объявления в группе будут равномерно показываться в ротации. Как только по ним накопится достаточная статистика, система начнет чаще показывать вариант с самым высоким CTR.

Будет ошибкой ориентироваться только на показатель CTR, поэтому автоматическое распределение не всегда может быть оптимальным, иногда дело нужно брать в свои руки и проводить А/Б тестирование самостоятельно. При одинаковых условиях показываются разные вариации какого-то рекламного элемента. Затем результаты сравниваются по значимому показателю, удачный элемент остается, а неудачный отключается и заменяется каким-то иным.

Элементы для проведения А/Б тестирований в Яндекс.Директ

Давайте разберемся, что мы можем тестировать.

Для рекламы на Поиске сравнивают эффективность следующих элементов:

— заголовок

— второй заголовок

— УТП в тексте

— наличие/отсутствие цены, ценовые индикаторы

— быстрые ссылки: формулировки, порядок, описания

— призыв к действию

— уточнения

В РСЯ тестируют:

— изображения: содержание картинки, цветовое решение

— заголовки

— тексты: содержание предложения, выгоды, мотивацию к клику

— форматы: текстово-графические, графические и все в разных размерах

Лучше во время тестирования проверять только один элемент объявления, т. к., если мы будем тестировать сразу все или несколько элементов, мы не поймем, что в итоге повлияло на конечный результат.

Чтобы тестируемые объявления оказались в равных условиях, нужно два раза создать дубли объявлений, приостановить старые, в первом варианте изменить что-то, а во втором оставить все как было.

Персонализация тестирования: ключ к улучшению показателей рекламы

Дополняя тему А/Б тестирования, стоит осветить важный аспект, который часто упускают из виду многие маркетологи — персонализацию тестирования на основе сегментации аудитории. При всем разнообразии подходов к контекстной рекламе, индивидуализация тестовых сценариев может стать решающим фактором в оптимизации рекламных кампаний.

Понимание того, что разные сегменты аудитории могут по-разному реагировать на одни и те же элементы объявления, позволяет более точно настраивать рекламные сообщения. Например, молодежная аудитория может лучше реагировать на яркие, динамичные изображения и нестандартные призывы к действию, в то время как более взрослые пользователи предпочтут информационные и детализированные тексты.

А/Б тестирование, реализованное с учетом этих различий, позволяет не только улучшить общую эффективность рекламы, но и значительно снизить затраты за счет уменьшения ненужных показов и увеличения конверсии среди целевых групп. Персонализация тестовых заданий способствует более глубокому пониманию потребностей и предпочтений аудитории, что, в свою очередь, усиливает вовлеченность и лояльность к бренду.

В контекстной рекламе, особенно при работе с платформами, такими как Яндекс.Директ и Google Ads, применение персонализированного подхода в А/Б тестировании может вывести результаты на новый уровень, обеспечивая более высокую рентабельность инвестиций и улучшение пользовательского опыта.

Как отслеживать результаты А/Б тестирования?

Для отслеживания результатов необходимо добавить разметку (utm-метки) в каждое объявление.

Utm-метка должна содержать информацию об элементе, который мы тестируем, чтобы потом легко ориентироваться в разных вариантах объявлений.

Например:

Объявление на Поиске с указанием цены:

https://yandex.by/?utm_source=yandex&utm_medium=cpc&utm_campaign=poisk&utm_content=test-with-price&utm_term={keyword}

Объявление на Поиске без указания цены:

https://yandex.by/?utm_source=yandex&utm_medium=cpc&utm_campaign=poisk&utm_content=test-without-price&utm_term={keyword}

Чтобы получить наиболее правильный и точный результат, опираясь на который вы примите решение о наиболее эффективном варианте, необходима минимум 1 неделя на показ тестовых объявлений.

Собрав статистику, переходим к интерпретации данных. Прежде всего, нужно правильно выбрать показатель эффективности, который зависит от цели тестирования: повысить CTR, увеличить число обращений, снизить показатель отказа и т. д.

После того, как определили цель, заходим в Яндекс.Метрику, в разделе «Директ-сводка» смотрим результативность по utm-меткам. Исходя из результатов, отключаем менее эффективное.

В случае необходимости можно повторить А/Б тестирование. Базовым объявлением уже будет объявление с ценой. Сравнивать его будем, например, с объявлением, к которому добавим призыв к действию.

Правила А/Б тестирования

Напомню главные правила А/Б тестирования.

1. Тестируем по одному изменению за раз. Иначе мы не поймем, что именно повлияло на результат.
2. Не добавляем больше 2-3 вариантов. При большом количестве вариантов есть вероятность, что часть объявлений вообще не получит показов и результаты теста будут сомнительными.
3. Проводя новое тестирование, удаляем объявления и создаем вместо них новые: то, которое победило в предыдущем тесте, и его копию с новым изменением.
4. Для определения результатов размечаем все объявления utm-метками.

В заключение хочу сказать, не существует единственно правильного способа писать объявления. Чтобы получить максимальную эффективность и снизить затраты на рекламу, нужно тестировать различные формулировки с некоторой периодичностью, предпочтения у целевой аудитории меняются и актуальность снижается.

A/B-тестирование объявлений в Google Ads

Анастасия Хаховская, Руководитель отдела контекстной рекламы