Recentelijk introduceerde Facebook in België de nieuwe update van de A/B test tool, beter bekend als de split testing. De update brengt een nieuwe kijk op de manier waarop adverteerders op een verbeterde wijze de resultaten van hun advertenties en online media campagnes kunnen verbeteren. In dit artikel werpen we een blik op de nieuwe update, hoe deze verschillend is van de voorgaande A/B test methode en hoe we optimaal deze tool kunnen inzetten.
Wat is split testing (A/B testing)?
Split testing laat de adverteerder toe de impact van verschillende variabelen op een advertentie te meten. Dit maakt mogelijk verschillende testgroepen (zie afbeelding) te toetsen op één identieke advertentie die aan beide groepen wordt getoond. Hierbij kunnen vervolgens verschillen in performantie gemeten worden.
Een A/B test start bij het identificeren van een variabele op dewelke de test zal afgenomen worden. Dit gevolgd door het definiëren van KPI's waarop performantie gescoord zullen worden. Variabelen kunnen gaan van verschillen in targeting (socio-demo, contextual, interesse, locatie,...) tot platform placements en optimalisatie methodes. Meer hierover later.
Volgend op de gekozen variabele worden twee (of drie) verschillende doelgroepen opgezet die enkel en alleen verschillen in deze ene variabele. Beide groepen krijgen dezelfde advertentie te zien waarna resultaten vergeleken worden en de meest performante doelgroep geïdentificeerd kan worden.
Ten einde de effectiviteit van je A/B test te verhogen is het aangeraden slechts één variabele per test uit te voeren. Zo laat de adverteerder toe de impact van de gekozen variabele op de advertentie te isoleren.
Hoe een Facebook A/B test opzetten?
Split test setting
De split test tool kan geactiveerd worden bij het opzetten van je Facebook campagne. Dit kan je makkelijk doen door de “create split test” optie aan te vinken. Momenteel is split testing beschikbaar in het merendeel van de campagne types op Facebook zoals o.a. Reach, website traffic, conversions & app installs.
Na het selecteren van je campagne type kan de adverteerder, op ad set level, de verschillende opties voor A/B testing bekijken.
A/B testing is momenteel beschikbaar op 3 verschillende ad set variabelen, die je hieronder kan terugvinden. De A/B test kan afgenomen worden op basis van verschillen in doelgroep, optimalisatie methodes, en tot slot ad placements. Hier bekijken we deze even dieper.
- Audience (Doelgroep)
Split testing gebaseerd op doelgroepen laat de adverteerder toe de verschillen in performantie te meten tussen twee gedifferentieerde doelgroepen. Mogelijkheden op targeting zijn hierbij quasi eindeloos, gaande van standaard socio demo testing tot interest targeting of zelfs regio targeting.
Door middel van een audience split test is een adverteerder in staat de beste doelgroep gegeven het objectief van de adverteerder, te vinden. Dergelijke doelgroep kan bijvoorbeeld de hoogste conversies aan de laagste kost drijven.
Wel dient men op te merken dat A/B testing momenteel enkel beschikbaar is voor saved audiences. Split tests op custom audiences zoals bijvoorbeeld remarketing audiences of email lijsten zijn nog niet mogelijk. - Optimalisatiemethode
Testing o.b.v optimalisatiemethodes laat adverteerders toe verschillende optimalisatie opties te onderzoeken.
Stel, een adverteerder wil graag zoveel mogelijk conversies bekomen. Een potentiële A/B test kan worden opgezet waarin men het verschil onderzoekt tussen enerzijds optimalisatie aan de hand van de laagste kost per conversie (en dus maximale aantal conversies gegeven de investering) en anderzijds optimalisatie op basis van de laagste kost per klik waarbij zoveel mogelijk mensen naar de website gestuurd worden waarna ze mogelijks kunnen converteren. - Placement
In derde en laatste instantie, kan men een A/B test uitvoeren met als variabele de placement van de advertentie. Een klassiek voorbeeld van zulke test is de Facebook news feed t.o.v. Instagram news feed. Op basis van zulke test kan een adverteerder afleiden op welk platform (Facebook of Instagram) zijn advertentie de beste resultaten teweeg brengt.
Na het kiezen van de A/B test setting en variabelen zijn er nog enkele punten waarmee de adverteerder rekening mee dient te houden.
- Budget en looptijd
Zowel een budget als test periode dient gekozen te worden alvorens de test van start kan gaan. Het (lifetime, niet dagelijks) budget, kan zowel evenwichtig als gewogen verdeeld worden. Wanneer men gebruik maakt van een gewogen verdeling laat Facebook de adverteerder toe proportioneel meer budget te alloceren aan je belangrijkste doelgroep. Dit is bijvoorbeeld zeer nuttig in het geval van een A/B test waarbij de grootte (potentiële reach) van doelgroepen significant verschillen.
Vervolgens, kijkend naar de looptijd van je test, raadt Facebook aan een periode te hanteren tussen de 3 tot 14 dagen. Dit laat toe voldoende data te verzamelen wat de uiteindelijke kwaliteit van je test zal verbeteren.
- Ad creatie
Een finale stap die dient gezet te worden is het opzetten van je ad. Echter is dit niet verschillend van je standard ad creatie process.
Een aandachtige lezer zou zich ook kunnen afvragen, wat met A/B testing op vlak van ad creatie? Op dit moment is het nog niet mogelijk via Facebook een A/B testing uit te voeren op verschillende ad creatives via de tool. Alle aangehaalde tests hierboven spitsen zich toe op ad set level variabelen waarbij slechts één ad creative getoond wordt aan de verschillende testgroepen.
Ad A/B testing kan op andere wijze echter wel gedaan worden. Dit kan door enerzijds de 2 of meerdere te testen creatives in één enkele ad set op te zetten waarna Facebook automatisch, maar agressief zal optimaliseren. Anderzijds kan men de ad creatives testen door middel identieke ad sets onder dewelke de verschillende creatives verdeeld zullen worden. Dit laat een evenwichtigere en minder agressieve test setting toe.
Verschillen met de huidige manier van A/B testen
Een van de meest voorkomende problemen waarmee adverteerder kampen bij A/B tests is de overlap in doelgroepen en dit voornamelijk bij het testen van optimalisatiemethodes en placements. Aangezien hier verschillende optimalisatiemethodes worden getest op doelgroepen met dezelfde targeting, kan het voorkomen dat bepaalde personen zowel in testgroep 1 als test groep 2 vallen. Een voorbeeld is één persoon die zowel de advertentie te zien krijgt op Facebook als op Instagram in een placement A/B test.
Wanneer we echter de Facebook split test functie gebruiken voorkomen we dergelijke situaties. Dit aangezien Facebook, op willekeurige wijze, de potentiële reach zal verdelen over de 2 test groepen. Dit maakt dat we afgelijnde test groepen zullen krijgen waarbij de overlap factor geëlimineerd wordt.
Samengevat
Met deze pre-set A/B testing moedigt Facebook adverteerders aan de kwaliteit en performantie van hun digitale campagnes te verbeteren. Dit door gebruik te maken van de drie verschillende split testing opties en de data die hierbij vergaard wordt. Hieruit kan de adverteerder nieuwe inzichten verwerven die tot een verbetering van deze performantie zullen leiden.
Jeroen Cools
| LinkedinDit E-mail adres wordt beschermd tegen spambots. U moet JavaScript geactiveerd hebben om het te kunnen zien.
