A eller B? Lär dig mer om dina kunder

Idag ser vi annonsering överallt i den digitala världen och man behöver jobba hårdare än någonsin för att tjäna dessa klicks och ROI på sina kampanjer. Annonsörer lägger sin budget på olika plattformar att synas på, använder sig av Real-Time-Bidding (RTB) och retargeting med mera för att nå ut till målgruppen och uppnå så många konverteringar som möjligt. Räcker det för att säga att man skapat en framgångsrik annons?

Hemligheten bakom en perfekt annons

Börja med att skapa en riktigt bra annons. Den ska locka med engagerande copy, bilder som identifierar behov och väcka positiva känslor, samt en CTA-funktion som vägleder besökaren till en action. Att därefter placera denna annons på rätt plattform, i rätt tid, är självklart en fördel för att få bra resultat.

Men…

Ett av de viktigare elementen för en framgångsrik annonsstrategi eller kampanj, är att testa. Istället för att tro eller gissa, ta reda på vad som verkligen fungerar och inte fungerar. På så sätt blir det enklare att optimera dina annonser för en ökad ROI.

Att testa, optimera och upprepa, är egentligen det bästa och enda sättet, att verkligen ta reda på hur framgångsrik och bra din annons/kampanj är!

Jag kommer i denna artikel gå igenom olika typer av tester, vad du ska tänka på när du sätter upp ett test och en checklista på vad du kan testa i din kampanj.

A/B tester

Är en av den vanligaste typen av tester vid digital marknadsföring. Man testar designförändring genom att se vilken version (A eller B) som genererar mest konverteringar utifrån uppsatta konverteringsmål.

Man testar alltså två olika element mot varandra. Det kan exempelvis vara olika färg på en CTA-knapp, två olika bilder eller två olika rubriker. Besökare slumpas sedan till antingen A eller B versionen (och de vet inte ens om att de blir testade!) och därifrån ser man vilken versionen som genererar mest klick/köp eller oavsett konvertering man har i syfte att optimera. A/B tester är enkla att utföra då man endast testar en variabel i taget vilket gör det enklare att dra statistiskt säkerställda slutsatser.

Multivariata tester

Är också ett av de vanligare testen, men skillnaden här från A/B tester, är att man testar flera olika kombinationer mot varandra, samtidigt. Det kan vara fyra olika bilder, flera olika färger på en CTA-knapp, två olika copyn eller tre olika headers. Det blir alltså fler kombinationer du testar i ditt multivariata test samtidigt och med tanke på det, så måste man ha en stor mängd signifikanta konverteringar för att kunna dra en slutsats i resultatet. I och med att man testar flera olika element samtidigt så kan multivariata tester vara lite mer tekniskt komplicerade.

Att-tänka-på och hypoteser

Se alltid till att ha en stark hypotes om vad du tror kommer att hända kring det du vill testa. Hypotesen är det viktiga, inte själva testet, för det är hypotesen vi faktiskt testar!

Tänk också på att det är lönlöst att A/B testa om du har alldeles för lite trafik till din kampanj/sajt. Det blir då helt omöjligt att kunna dra statistiskt säkerställda slutsatser kring resultatet.

Företaget Marketo uppmanar att man kör testet i minst 3-4 veckor och att man behöver minst 1000 klick per variation. Men kom ihåg, varje företag och bransch ser olika stora ut och har därför olika riktmärken, så ha detta i åtanke.

Såhär vet du att ditt A/B test är klart:

  • Minst 2 köpcyklar – kör testet alltid i hela veckor och i minst 3-4 veckor.
  • Minst en konverteringscykel – alla sajter ser olika ut och konverterar inte en besökare omedelbart, utan det tar olika lång tid. Ta reda på din konverteringscykel via Google Analytics.
  • Minst 250 konverteringar per variation – nya variationen och originalet måste vardera konvertera minst 250 gånger.
  • Hur många unika besökare behövs per testvariation för att uppnå statistisk säkerställning? – räkna ut vad din sajt behöver på abtestguide.com/calc

Tänk dessutom på att ditt A/B test resultat kan påverkas av ytterliga faktorer, som till exempel hög – och lågsäsonger, andra kampanjer som körs ut samtidigt eller tid på dagen. Så se till att ha koll på dessa faktorer innan du startar ditt A/B- test, för att förstå vad som faktiskt händer.

För att kunna dra korrekta slutsatser av ditt test, integrera A/B-test verktyget med ditt webbanalys verktyg, för att kunna ha data att jämföra med.

Vad du kan testa i din digitala annons 

  • CTA-knappar. Ändra på copy, färg, storlek eller placering på din CTA i annonsen för att se vad som triggar besökaren mest.
  • Rubrik. Är bland det första många besökare ser och är viktig för din ppc-konvertering, så hur iögonfallande är din rubrik? Testa att skriva om din rubrik på olika sätt.
  • Bilder. Vi vill gärna att besökaren ska kunna identifiera sig med bilden i form av en känsla eller behov. Testa olika bilder och placering på dem i annonsen.
  • Copy. Vilka nyckelord använder du? Hur beskriver du dina produkter? Är texten lockande?

Det är dessutom viktigt att analysera och optimera landningssidan som besökaren hamnar på efter att ha klickat på din annons.

Det spelar nämligen ingen roll hur bra gjord din annons är om landningssidan inte är tillräckligt användarvänlig, optimerad eller leder besökaren närmare till ett avslut. Se dessutom till att landningssidan är specifik till innehållet i din banner, så att den uppfyller målen för din kampanj. Läs mer hur en lyckad banner misslyckas.

Kombinera med användbarhetstester och andra analysmetoder

För att komma fram till en bra hypotes man vill testa kring en sajt, landningssida eller banner, så börjar jag gärna arbetet med att samla in data via olika verktyg, analysmetoder och användbarhetstester för att identifiera läckor och mönster. Ju mer data du samlar in via olika metoder, desto mer har du att utgå ifrån för att kunna bygga en så bra hypotes som möjligt.

0