Tiesitkö tämän kustannustehokkaan tavan kampanjoidesi kehittämiseen?

Tiesitkö tämän kustannustehokkaan tavan kampanjoidesi kehittämiseen?

Tiedätkö sinä tuottavatko mainoksesi esimerkiksi Googlessa tai Facebookissa tuloksia? Entäpä mahdollinen banneri-mainonta? Onko tuloksia selkeästi nähtävillä ja todennettavissa?

Monesti olisi kiva vain luottaa omaan vaistoon, mutta kuten me Uhmassa sanomme; emme perusta päätöksentekoamme mututuntumaan vaan dataan, ja ei kyllä sinunkaan pitäisi.

Tässä blogikirjoituksessa annamme sinulle todella tehokkaan, myös kustannuksien puolesta, keinon kehittää kampanjoitasi, jota voit jatkaa vaikka loputtomiin ja uutta dataa kertyy.

Mikä on A/B-testi

Kyse on siis A/B-testauksesta, jonka ideana on näyttää kahteen osaan jaetulle kohderyhmälle kaksi eri versiota samasta kampanjasta. Näiden kahden kohderyhmän osan tulee olla saman kokoiset, jotta analytiikka olisi helposti vertailtavissa. Selkeää jakoa ei kuitenkaan aina ole tehtävissä, mutta näissä tapauksissa ajallinen rajoitus kampanjalle toimii samalla tavalla.

Testissä vertaillaan siis melkein identtisten kampanjoiden tuloksia. Kampanjat ovat samaan aikaan käynnissä, mutta jokin yksi merkittävä ero niissä on. Oli se sitten tekstimuoto, call-2-action napin sijainti tai jopa väri, kampanjointikanava (Facebook vai Google?) tms. Sinä päätät mikä on tavoitteesi kannalta olennainen asia testata.

Tässä muutama esimerkki tavoitteista, joita markkinoijat usein testilleen asettavat:

  • Verkkosivukävijöiden määrän kasvu
  • Konversion kasvu
  • Välittömän poistumisprosentin lasku
  • Ostoskorin hylkäämisprosentin lasku

Kun testissä rajataan eroavaisuus yhteen tekijään, on selkeämpää seurata sitä, mikä oikeastaan oli onnistumisen avain.Testillä ei aina välttämättä heti saada aikaan taloudellisia tuloksia. A/B-testaus on pitkä projekti, joka saattaa tuottaa taloudellisia tuloksia heti tai vasta vuoden päästä. Prosessiin kuitenkin kannattaa luottaa, sillä hedelmää se tuottaa kuitenkin kokoajan, vaikka taloudellista tulosta ei tulisikaan. Data on kallista valuuttaa.

Dataa on kerättävissä ikuisesti

Kun yhtä muuttujaa lukuun ottamatta identtiset kampanjat on saatettu loppuun ja datasta nähdään kumpi tuotti paremmin toivottuja tuloksia, tiputetaan huonommin menestynyt kampanja pois testistä ja laitetaan tilalle toinen versio kampanjasta; testataan jälleen yhden muuttujan varassa kampanjaa ja näin sykli jatkuu niin pitkään kuin vain haluaa. Monet ovat tyytyväisiä yhden testisyklin jälkeen, mutta siihen dataan ei tulisi tyytyä, vaikka datan paljous saattaakin huimata päätä.

A/B-testauksen haasteet

Jos ei kuitenkaan olla tarkkana, A/B-testauksen perusteella saatetaan helposti tehdä vääriä olettamuksia siitä, mikä oikeastaan sai ihmisen klikkaamaan sitä call-2-action -painiketta tai ottamaan yhteyttä. A/B-testauksella dataa myös kertyy pitkällä aikavälillä paljon, sillä datan määrä kasvaa eksponentiaalisesti jokaisen syklin jälkeen, mikä tarkoittaa sitä, että datan määrää voi olla vaikea hallita ilman oikeita työkaluja. Datan määrä on kuitenkin rikkaus, mutta oikeat työkalut A/B-testaukseen kannattaa olla, jotta testauksen hallinnasta ei tule liian raskasta taakkaa. Datan määrän hallinnassa auttavat monet A/B-testaus -palvelua tarjoavat yritykset.

Testaa-analysoi-tee muutokset-toista, teitpä sitten minkälaista kampanjointia ja kampanjoiden onnistumisen testausta tahansa.

Jos A/B -testaus menetelmällä toteutettu kampanja saa sinunkin sormesi syyhyämään, niin ota yhteyttä ja suunnitellaan, toteutetaan, testataan, suunnitellaan, toteutetaan ja testataan…