En af de største fordele ved digital markedsføring er, at vi har meget data at arbejde med. Mange af vores beslutninger kan derfor tages ud fra et oplyst valg, frem for simpelt gætværk – herblandt har vi muligheden for at foretage A/B tests, hvor vi kan teste forskellige hypoteser op mod hinanden for at finde ud af, hvilken der virker bedst på vores målgruppe. A/B-tests er ofte forbundet med CRO og UX, hvor man længe har brugt metoden til at teste designs, for at finde ud af, hvad der eksempelvis udløser den bedste konverteringsrate.
A/B-tests er dog ikke kun højaktuelt, når vi taler om CRO – også i dine markedsføringskanaler er metoden oplagt for at opnå databaseret indsigt i, hvilke valg der er de rette. Hos KYNETIC bruger vi i stor grad A/B-tests på vores annoncer – herunder Google Ads, til konstant at finde nye muligheder for presse performance til det yderste for vores kunder.
I Google Ads-platformen findes et værktøj til formålet kaldet “eksperimenter”. Før i tiden var værktøjet temmelig omstændeligt at bruge, men over det seneste år har funktionen fået et facelift, som gør det markant mere anvendeligt. Her vil jeg give dig lidt indsigt i funktionen, således du kan aktivere dine egne eksperimenter og maksimere din effektivitet.
- Hvorfor bør du bruge Google Ads-eksperimenter, og hvad skal du teste?
- Sådan opsætter du dit Google Ads-eksperiment
- Monitorer dit eksperiment
- Opsummering
Hvorfor bør du bruge Google Ads-eksperimenter, og hvad skal du teste?
Der findes ikke universelle svar på, hvilke optimeringstiltag der er de rette for din forretning i Google Ads-platformen, men der findes best practices, som du kan tage udgangspunkt i. Variabler som konkurrencesituation, søgevolumen, målgrupper og deres kunderejse, budskaber, og konverteringer varierer dog fra case til case. Det er netop grunden til, at vi anbefaler at teste og dermed udbygge forståelsen for markedet og adfærden i målgruppen.
Selv de mest erfarne Google Ads-specialister kan have svært ved at udpege next step med henblik på skalering for en given Google Ads-account ved blot at se på den.
Nedenfor har jeg nedfældet nogle eksempler på spørgsmål, du kan besvare via tests:
- Er denne kampagne klar til at gå fra manuel budgivning til algoritmisk budgivning?
- Kan der skabes større omsætning ved at gå fra budstrategien “Maksimer konverteringsværdi“ til “Maksimer konverteringer”?
- Kan der skabes større omsætning eller højere ROAS ved at skifte mine søgeord fra phrase-match til broad-match?
- Kan der opnås en højere konverteringsrate, ved at opnå flere toppositioner, gennem et højere bud og fortsat opretholde et givent ROAS target?
- Hvordan vil et højere ROAS target eller lavere CPA target ændre min kampagnes performance?
- Vil min display remarketing-kampagne performe bedre med eller uden shopping-feed?
- Hvilke budskaber fungerer bedst ift. CTR og konverteringsrate i mine headlines?
- Hvilken effekt har det på antallet af eksponeringer når headlines fastgøres til konkrete positioner?
- Hvilken effekt har det på antallet af eksponeringer, hvis jeg kun medtager overskrifter med god performance i mine annoncer, og dermed ikke opnår en “høj annoncekvalitet” i Google Ads-platformen?
- Vil landingsside B have højere konverteringsrate end landingsside A, som jeg sender mine brugere ind til i dag?
Hos os anbefaler vi ofte vores kunder at køre tests for at besvare ovenstående spørgsmål, hvilket har ført til stærke resultater på performance. Gennem eksperimenter har du mulighed for at opstille 2 versioner af en kampagne eller annonce, som kører sideløbende. Dermed kan du vurdere performance 1:1 og vælge at køre videre med den oprindelige version, eller lade testversionen overtage, når du har nok data til at konkludere en vinder.
Dette betyder også, at du kan teste noget uden at miste kampagnens algoritmiske læring. Hvis vores hypotese viser sig ikke at være korrekt, kan vi kassere testen og bibeholde den læring, vi har opnået i kampagnen.
Sådan opsætter du dit Google Ads-eksperiment
Et eksperiment starter, som tidligere nævnt, altid med en hypotese. Tænk derfor altid i at du skal kunne be- eller afkræfte din hypotese og lade dataen bestemme retningen for dit næste optimeringstiltag.
Hypotesen bør føre tilbage til din virksomheds forretningsmål, som ofte er konverteringer og profit. Det giver sjældent mening, at opsætte et eksperiment med henblik på at få højere CTR (click-through-rate), eller lignende, hvis vi ikke sikrer, at de overordnede forretningsmål følger med.
Ideelt set bør du kun teste én ting af gangen for at danne grundlag for en entydig konklusion, når datamængden er tilstrækkelig. Som eksempel vil vi aldrig teste annoncetekster og budstrategi på samme kampagne samtidigt, da det vil være noget nært umuligt at konkludere, hvad der var udslagsgivende for resultatet.
Når du har formuleret et spørgsmål, som du vil have svar på, er du klar til at gå videre til opsætningen.
Du finder eksperimenter ved at gå til Google Ads, stå på alle kampagner, og klikke på “+ Vis mere” i bunden af den lysegrå venstre menu. Herfra kan du tilgå eksperimenter. Når du klikker på den vil du se igangværende, eller tidligere eksperimenter, som har kørt.
Dette er altid et godt sted at starte, for måske er din idé til et eksperiment allerede tidligere testet.
Hvis du vil starte et nyt eksperiment, skal du klikke på det blå plus.
Herfra får du 3 eksperiment-muligheder:
- Annoncevariant
- Tilpasset eksperiment
- YouTube-eksperiment
Annoncevariant skal du bruge, hvis du vil teste noget med annoncer. Herunder overskrifter, brugen af pin-funktion og landingssider.
Denne funktion kan faktisk også overrule annoncerotation. Annoncerotation skal bruges på Googles smart-bidding kampagner, og går ud på at finde en favorit blandt dine annoncer (ud fra hvad der får højest CTR), og viser denne annonce hyppigere end de resterende annoncer. Men med denne testfunktion kan vi sikre en 50/50 eksponeringsandel mellem dine annoncer.
Tilpassede eksperimenter vedrører alle indstillinger på din kampagne, herunder bud, budstrategi, målrettede områder og søgeord.
Denne kan du bruge på søge- og display-kampagner.
YouTube-eksperimenter dækkes ikke i denne artikel, men eksperimenter af denne type bruges til at teste, hvilken video fører til flest konverteringer, eller brand lift.
OBS: I skrivende stund findes der ikke eksperimenter på Performance Max, men Google forventer at lancere dette inden for nærmeste fremtid.
Opsætning af annoncevariant
Stå på alle kampagner → “+ vis mere” → eksperimenter → alle eksperimenter → “+”
Herfra skal du først vælge, om du vil lave din annoncetest på Alle Kampagner, eller vælge specifikke kampagner, du ønsker at teste.
Herefter skal du filtrere dig frem til, hvilke annoncer du vil teste. I dette tilfælde er det en landingsside, så her ønsker vi at have alle annoncer hvor websitet er /landingsside_1 i en specifik kampagne.
Næste punkt handler om at oprette vores variant.
Her har du følgende muligheder:
- Søg og erstat
- Opdater webadresse
- Opdater tekst
Søg og erstat giver muligheden for at søge efter noget specifikt i annoncen og erstatte det med noget andet. Det kan eksempelvis være, at du ønsker at teste 2 CTA’er op mod hinanden, fx “Se mere her” og “Køb nu”.
Opdater webadresse giver dig muligheden for at sætte den nye webadresse ind.
Opdater tekst giver dig muligheden for at tilføje, fjerne eller fastgøre (pin) en overskrift eller beskrivelse.
I dette eksempel, hvor vi vil teste en ny landingsside, bør vi bruge Opdater webadresse.
Sidste skridt er “Angiv flere oplysninger om annoncevarianten”. Her kan du give din variant et navn, så du og andre ved, hvad eksperimentet går ud på. Du kan vælge en startdato og eventuelt en slutdato. Vi anbefaler ikke at have en slutdato, da det er svært at vide sig sikker på, hvornår data er tilstrækkelig og der med statisk signifikans kan konkluderes, hvilken variant der er vinderen.
Til sidst kan du vælge, hvordan eksponeringerne skal splittes. Ofte vil det være 50% så begge annoncevarianter eksponeres lige meget, men i nogle tilfælde kan det godt betale sig, at teste med en mindre procentsats, så der er mindre risiko på din overordnede performance.
Opsætning af Tilpasset Eksperiment
Fremgangsmåden ved tilpassede eksperimenter er den samme som ved annonce-test. Her vælger du blot tilpasset eksperiment i stedet. Her skal du vælge, om du vil teste en Display- eller Søgekampagne.
Næste skridt er igen at give dit eksperiment et navn, som er dækkende for din test. Foruden navnet har du mulighed for at tilføje en beskrivelse af dit eksperiment. Til sidst skal du vælge den/de kampagner, som du vil teste på.
Denne gang har du mange flere muligheder. I dette eksempel vil vi gerne teste budstrategi, så vi går til indstillinger og skifter budstrategien på samme måde, som vi vil gøre det med en normal kampagne.
Når du har foretaget alle dine ændringer, kan du klikke på “Schedule” i toppen.
I næste step kommer indstillinger for dit eksperiment, på samme måde som ved annoncevarianter. Her kan du først vælge to metrics, som du vil måle på. Dette er metrics, som afspejler det, du forventer at få ud af eksperimentet.
Herefter kan du vælge “splittet” eller din ønskede fordeling på kampagnebudgettet. Igen anbefaler vi oftest 50%, men der kan være omstændigheder, som gør, at vi gerne vil teste med en mindre andel.
Denne kolonne kan også foldes ud, for flere funktioner. Her kan du vælge, om fordelingen skal være cookie-baseret eller søgningsbaseret.
Når en bruger klikker på en Google Ads-annonce sætter det en cookie på brugerens browser, hvilket betyder, at hvis den samme bruger besøger os flere gange, kan du i et eksperiment tage stilling til, om vedkommende skal eksponeres for den samme variant som forrige eksponering, eller i stedet eksponeres for den anden variant.
Herefter kommer kolonnen med start- og slutdato. Her er udgangspunktet også det samme som ved annoncevarianter – Nemlig at du aldrig kan vide dig sikker på hvornår du har nok data, så lad gerne slutdato stå åben.
Sidste step er synkronisering, som er ret genialt. Funktionen her synkroniserer ændringer således, at de automatisk opdateres i dit eksperiment. Det betyder, at hvis du har behov for at lave ændringer, som annoncetekster eller tilføjelse af negative søgeord, så kan du nøjes med at gøre det i den originale kampagne, og så vil det automatisk blive opdateret i dit eksperiment. Funktionen sørger også for, at forudsætningerne er de samme i begge varianter.
Monitorer dit eksperiment
For at holde øje med hvordan det går med dit eksperiment, skal du stå på alle kampagner → “+ Vis mere” → Eksperimenter → Vælge det eksperiment, som du har opsat.
Her vil du øverst se et mini-dashboard med de metrics som du har valgt. Her kan du se procentfordelingen mellem originalversionen og test-varianten. I det lille dashboard vil du også få indsigt i, om eksperiment har nok data til at konkludere en vinder.
Opsummering
Afslutningsvist får du her nogle opsummeret take-aways på de vigtigste pointer i dette blogindlæg:
- Eksperimenter er en god måde til at udvikle sit Google Ads-setup gennem hypoteser med minimal risiko
- Gennem eksperimenter kan du blive klogere på, hvordan Googles algoritme fungerer
- Eksperimenter giver de bedste forudsætninger for en test, da vi med dette værktøj kan teste to versioner i samme periode
- I og med at eksperimenter er mindre risikopræget, giver det også mulighederne for at “bryde reglerne” og teste om best-practises i virkeligheden også er best practice i dit setup.
- Eksperimenter bør altid starte med en hypotese
- Dine eksperimenter bør altid understøtte dine forretningsmål
- Test kun et eksperiment ad gangen per kampagne for optimal indsigt
- Kør ikke flere elementer ad gangen end du kan overskue , og sørg for at dine eksperimenter ikke overlapper og har indflydelse på hinanden.
Test-ideer:
- Manuel- vs. Smart-bidding
- Maksimer konverteringsværdi vs. maksimer konverteringer
- Høj CPC vs. Lav/middel CPC
- Højere vs. Lavere tCPA/tROAS
- Phrase/eksakt-match vs. Broad match søgeord
- Display/YouTube med shoppingfeed vs. uden shoppingfeed
- Budskaber på annoncer
- Pinnede overskrifter vs. ikke pinnede overskrifter
- Flere vs. færre overskrifter og beskrivelser i annoncetekster
- Landingssider
