Teste A/B: Como Otimizar com Base nos Seus Dados?
This post is also available in:
EN
Olá, pessoal!
Me chamo Ettore, tenho 28 anos e sou italiano, morando na Espanha desde o início da minha carreira profissional. Comecei minha trajetória em uma empresa de E-mail Marketing, onde descobri o mundo do marketing de afiliados. Desde então, me tornei obcecado por compra de mídia online e atuei como comprador de mídia para diferentes redes (tanto redes CPA quanto plataformas de tráfego) e como afiliado independente.
Leia o artigo anterior de Ettore sobre Psicologia e Motivação de Usuários
Neste post, vamos analisar como conduzir corretamente um teste A/B e, mais importante, como implementar as conclusões desses testes em nossas campanhas publicitárias.
Princípios de um teste AB correto
Podemos considerar o teste A/B como um experimento controlado que nos permite obter informações de maneira orientada por dados, com o objetivo de aumentar a taxa de conversão de uma atividade de marketing específica, como uma página de destino, uma campanha publicitária, um espaço publicitário em nosso site, etc.
Mas como?
Ao realizar um teste A/B, desenvolvemos e lançamos duas versões do mesmo elemento e medimos qual delas funciona melhor, para assim tomar decisões baseadas em dados sobre a estrutura de nossa campanha (ou página de destino, ou site, etc.).
A seguir, vamos explorar como usar corretamente o teste A/B nos diferentes componentes de uma campanha publicitária, para torná-la bem-sucedida.
Teste A/B para imagens
O teste A/B em imagens é usado para encontrar padrões entre os componentes das fotos que utilizamos e que se mostraram mais eficazes. Nesta fase, vamos primeiro testar os diferentes ângulos que podemos explorar para nossa campanha. Considere a imagem abaixo como um exemplo:
Este conjunto de peças criativas foi utilizado para uma campanha de conteúdo móvel no Paquistão (PK), e a página de destino era um serviço de streaming para assistir ao PSL (Pakistan Super League).
Como você pode notar, as peças criativas usadas nesta campanha são bem diferentes.Isso ocorre porque, nesta fase, meu teste A/B foi conduzido com foco muito voltado para conversão, que dizia algo como “Assista ao PSL sem anúncios”; e outro mais agressivo e chamativo, com uma garota dizendo algo como “Eu te enviei um vídeo”.
Como esperado, o orientado para conversão teve a melhor taxa de conversão, mas um CTR (taxa de cliques) baixo, enquanto o mais chamativo teve uma performance incrível em cliques e ainda assim converteu a uma taxa decente.
Neste caso, decidi criar duas campanhas diferentes com dois conjuntos diferentes de peças criativas, uma apenas com peças “chamativas” e a outra apenas com peças “orientadas para conversão”. Isso foi feito para confirmar a tendência dos resultados do teste anterior e para encontrar um vencedor real entre as duas abordagens. Resumindo, a opção chamativa venceu.
Podemos dizer que este é um caso um tanto extremo, mas podemos querer testar ângulos de diferentes maneiras. Por exemplo, podemos abordar uma oferta de namoro para homens heterossexuais por vários ângulos deiferentes:
– “Aparência jovem” vs. aparência madura
E então aprofundando:
– Close-ups em partes específicas do corpo vs. foto apenas com o rosto da garota
– Selfies vs. fotos casuais
– Loira vs. morena, etc.
A ideia geral é que, uma vez que encontramos um ângulo vencedor, continuamos testando os outros componentes visuais de nossa campanha.
Podemos sempre aprofundar nossos testes, mas em muitos casos, para tornar nosso teste o mais confiável possível, é melhor criar uma nova campanha e testar as novas ideias separadamente para confirmar a tendência.
Teste A/B para componentes textuais
Agora, vamos dar uma olhada no seguinte conjunto de peças criativas:
Nesta fase, já identificamos o “ângulo vencedor” e algumas das imagens e ícones de melhor desempenho, e agora estamos testando alguns textos em A/B/C.
É geralmente melhor iniciar uma campanha com pelo menos 4 a 6 peças criativas e adicionar mais variações das peças que geraram os melhores resultados ao longo do caminho.
Uma vez que realizamos o primeiro teste com nosso primeiro conjunto de peças criativas e identificamos os vencedores, continuaremos realizando testes A/B com as demais variáveis da nossa campanha.
Ao falar sobre as partes textuais, você pode até enfatizar isso mais e brincar com títulos e descrições (e/ou nomes de marcas, dependendo da rede), isolando apenas um dos dois componentes, como no exemplo abaixo:
Aqui, fiz testes A/B apenas com a descrição desta campanha push.
Teste A/B para variáveis de segmentação
Enquanto é muito óbvio testar em uma campanha separada para desktop e móvel, pode não ser tão óbvio para outros componentes de segmentação.
Vamos agora dar uma olhada nesta campanha de desktop:
Observando o desempenho desta campanha RON*, podemos notar imediatamente que nossos eCPAs por sistema operacional diferem bastante. É um caso em que podemos precisar fazer testes A/B/C separadamente para Mac, Windows e Chrome OS (se a tendência for confirmada mais tarde com um maior investimento).
Essa é uma boa prática principalmente porque nos permitirá otimizar todas as outras variáveis da nossa campanha separadamente e, finalmente, alcançar eCPAs mais baixos no desempenho global da campanha específica.
*Refiro-me a uma campanha RON significando uma campanha que está sendo executada pela primeira vez e ainda não possui uma lista de inclusão nem de exclusão.
A mesma abordagem pode ser usada com todas as outras variáveis de segmentação das nossas campanhas, como, por exemplo, atividade do usuário considerando os dados da campanha abaixo:
Neste caso, poderíamos manter os níveis médio e baixo juntos e testar separadamente em uma campanha o nível alto (já que seus desempenhos são semelhantes), ou poderíamos testar A/B/C todas as três atividades dos usuários separadamente.
Conclusão
O teste A/B é certamente uma ferramenta poderosa quando se trata de otimização de conversão.
Uma coisa a ter em mente é não limitar o número de testes. Quase sempre podemos melhorar um resultado, mesmo que pensemos o contrário.
Finalmente, sempre analise os dados e os resultados obtidos. Eles são a chave para melhorar os resultados das nossas campanhas.
Aviso. As opiniões expressas neste artigo são do autor e não refletem necessariamente a posição oficial da PropellerAds.
Pronto para discutir sobre teste A/B? Junte-se ao nosso chat no Telegram e converse com afiliados REAIS.
Trends
View more posts