Blogi

Tiedätkö, miten kiinnität kohderyhmäsi huomion Facebookissa? Case: tilastollinen A/B-testaus

By 13.2.2019 maaliskuu 24th, 2019 No Comments

Facebook-A-B-Testaus-kohderyhmä-black-and-white

Facebook-mainonta ja sen optimointi nousevat tärkeään rooliin tavoiteltaessa suomalaisia digimarkkinoinnin avulla. Ilman testaamista on kuitenkin mahdotonta tietää, mikä saa kohderyhmäsi syttymään. Mainoskampanjoiden A/B-testejä hyödyntämällä voit selvittää, mitkä tekijät lisäävät mainostesi kiinnostavuutta tavoittelemiesi ihmisten silmissä. A/B-testillä tarkoitetaan eri muuttujien välisen paremmuuden testaamista, esimerkiksi toimiiko otsikko A vai B paremmin.

 

Facebook tarjoaa kolme tyyliä toteuttaa A/B-testejä

Tavat toteuttaa A/B-testejä Facebookissa ovat seuraavat:

1) useiden mainosversioiden luominen jokaiselle kohderyhmälle
2) dynaaminen mainosversioiden testaustyökalu
3) tilastollinen A/B-testaustyökalu.

Kaikilla näillä menetelmillä on omat hyvät ja huonot puolensa.

facebook_abtestaus
Taulukko 1. Facebookin A/B-testaustyökalujen erot

 

Monta mainosversiota per kohderyhmä

Suosituksena Facebook-mainonnassa on tehdä 2-3 mainosta jokaiseen kohderyhmään ja antaa Facebookin mainosalgoritmin allokoida näistä parhaalle valtaosan budjetista.

Dynaaminen mainosversioiden testaustyökalu

Dynaaminen mainosversioiden testaustyökalu (dynamic creative testing) mahdollistaa helposti useiden erilaisten mainosversioiden testaamisen. Tällöin Facebook pyrkii jakamaan jokaiselle mainosversiolle riittävästi budjettia, jotta saadaan tietoa eri versioiden toimivuudesta, mutta samalla se suosii parhaiten toimivia versioita.

Tämä työkalu on hieman kuin kompromissi testaamisen ja välittömän tuloksiin pyrkimisen välillä. Tämä voi olla toimiva ratkaisu esimerkiksi, jos mainoksiin halutaan tehdä paljon muutoksia kerralla.

Tilastollinen A/B-testaustyökalu

Tilastollisen A/B-testaustyökalun (split test) avulla saadaan kaikkein luotettavimpia tuloksia eri muuttujien toimivuudesta. Tilastollisen A/B-testin toteuttaminen ei mahdollista kampanjan optimointia kesken testin vaan sen tarkoituksena on selvittää vastaus ennalta määritettyyn tutkimuskysymykseen.

Tilastolliselta A/B-testiltä ei siis tule odottaa välittömästi liiketoimintaa edistäviä kampanjatuloksia, vaan sen tarkoitus on tuottaa luotettavaa informaatiota, jota voidaan käyttää hyödyksi tulevissa markkinointitoimenpiteissä. Tässä artikkelissa keskitytään tilastollisen A/B-testauksen toteuttamiseen.

Tilastollinen A/B-testin neljä vaihetta

Tilastollisten testien toteuttaminen koostuu alla olevista vaiheista.

  1. Tutkimuskysymyksen määrittäminen
    • Esimerkiksi ”Mikä mainoskonsepti herättää eniten kiinnostusta kohderyhmässä?”
  2. Kohderyhmän valinta testiin
    • Kohderyhmän tulee liittyä liiketoimintaasi
    • Kohderyhmässä on hyvä olla vähintään 10 000 ihmistä, jotta dataa saadaan tarpeeksi
  3. Tilastollisen A/B-testin luominen Facebookin työkalulla
  4. Johtopäätökset
    • Ovatko tulokset tilastollisesti merkitseviä?
    • Jos tulokset ovat päteviä, löydöksien hyödyntäminen tulevissa markkinointitoimenpiteissä

Näin luot Facebookissa tilastollisen A/B-testin

Facebookissa tilastollisia A/B-testejä pystyy toteuttamaan seuraaville kampanjamuodoille: liikennettä nettisivuille, appien asennukset, liidien hankinta, konversiokampanjat, videoiden näyttökerrat, katalogimyynnit verkkokauppoille, laaja tavoittavuus ja postauksien reagoinnit.

Facebookin tilastollisen A/B-testaus ominaisuuden pystyy ottamaan käyttöön luodessasi uutta kampanjaa. Tämä tapahtuu aktivoimalla split test -valitsimen.

Tilastollisen AB-testin luominen Facebookissa.
Tilastollisen A/B-testin luominen Facebookissa

 

Yhteen testiin pystyy luomaan viisi eri mainosryhmää eli tämä tarkoittaa viiden eri muuttujan kuten mainoksen testaamista yhdellä kertaa.

Lista A/B-testattavista asioista

Alla on listaus asioista, joita pystyy testaamaan Facebook-mainonnan avulla. Nämä asiat jakautuvat neljän eri pääteemaan alle, jotka ovat mainokset, tekniset asetukset, kohderyhmät ja mainospaikat.

  • Mainoksen yksityiskohdat
    • Mainosteksti
    • Otsikko
    • Kuva
    • Kehote-painike, esim. ”Lue lisää”
  • Tekniset mainosasetukset
    • Eri optimointitavoiteet kuten konversiot, klikkaukset tai laaja näkyvyys
    • Eri bid-strategiat kuten alhaisin kustannus, maksimi-bidi ja tavoitehinta
    • Toimitustyypit: normaali vs. kiihdytetty budjetin käyttö
  • Eri kohderyhmien toimivuus
  • Eri mainospaikkojen toimivuus
    • Facebook-syöte
    • Facebookin oikea kolumni
    • Instagram-syöte
    • Facebook & Instagram Stories
    • Facebook Marketplace
    • Facebookin kumppaniverkosto
    • Messenger-mainonta
    • Erityiset video-mainospaikat
  • Android- vs. IOS-laitteet

Case: Parceron oma markkinointi & A/B-testaus

Tilastollisessa A/B-testissä Facebook jakaa kohderyhmän eri otoksiin, joille näytetään eri muuttujia, esimerkiksi eri mainosversioita. Tällöin sama ihminen ei voi nähdä useita eri mainosversioita, joka vääristäisi tuloksia.

Työkalun avulla voidaan esimerkiksi testata, miten tarjouksen lisääminen mainostekstiin vaikuttaa mainoksen klikkausprosenttiin. Alla on esimerkiksi Parceron toteuttamasta Facebookin A/B-testistä:Esimerkki AB-testistä – muuttujana mainosteksti.

Kuva 2. Esimerkki A/B-testistä – muuttujana mainosteksti

 

Esimerkissä on eri mainosversioissa kokeiltu erilaista lähestymiskulmaa mainoksien kirjoittamiseen. Mainosversio A on kysyvä, mainosversio B on toteava ja mainosversio C on opettava.

Johtopäätökset Parceron A/B-testistä

Testaamisen ansiosta on mahdollista löytää luovia mainosratkaisuja ja houkutuskeinoja ilman isoja riskejä. Näin voit päätellä, miten tulevat kampanjat kannattaa optimoida saavuttaaksesi maksimaalisen hyödyn mainosbudjetillesi.

AB-testin tulokset.

Kuva 3. A/B-testin tulokset

 

Julkaisimme tekstisisällöltään kolme erilaista Facebook-mainosta, joiden tavoitteena oli saada Parceron kohderyhmään kuuluvat some-käyttäjät klikkaamaan sivuillamme julkaistua blogikirjoitusta. Neljä vuorokautta kestäneen testin tulokset näkyvät yllä olevasta taulukosta. Mainosversio A on menestynyt parhaiten, jonka pystyy näkemään korkeimmasta klikkausprosentista.

Tilastollisen testaamisen kannalta on kuitenkin selvitettävä, onko tulos tilastollisesti merkitsevä. Tällä tarkoitetaan todennäköisyyttä, jolla testistä saataisiin sama tulos, jos se toistettaisiin uudelleen. Tutkimuksessa yleisesti 90% merkitsevyyttä voidaan pitää rajana luotettavalle tulokselle. 

 

Facebook-AB-testaus

Kuva 3. A/B-testin tilastollinen merkitsevyys

 

Klikkaamalla voittaneen Facebook-mainoksen perästä löytyvää tähteä nähdään, että testin luotettavuus on vain 47%, joka on huomattavasti 90%:n rajan alapuolella. Johtopäätös on, että tämän testin perusteella ei voida todeta mainosversion A olevan merkittävästi muita parempi.

Miten sitten toteuttaa testi, joka antaa luotettavia tuloksia?

Kun testataan eri mainosversioiden toimivuutta, täytyy aina tasapainoilla kahden asian välillä:

  1. lähtökohtaisesti vain yhtä muuttujaa tulee testata kerran
  2. liian pienet muutokset yhdessä muuttujassa eivät välttämättä johda tilastollisiin eroihin

Testattavassa muuttujassa tulee siis olla riittävän isoja muutoksia, joka parantaa todennäköisyyttä löytää tilastollisesti merkitseviä eroavaisuuksia. Esimerkki-testissä mainosteksteistä olisi voinut tehdä vieläkin räväkämmin erilaisia versioita, esimerkiksi hymiöiden avulla, vaihtelemalla tekstien pituutta tai käyttämällä lainauksia.

Tulee myös varmistua, että budjettia on riittävästi erojen löytämiseksi. Facebook opastaa sinua riittävän budjetin valinnassa suhteessa kohderyhmän kokoon. Yleisesti ottaen tilastollisiin A/B-testeihin tulee varata vähintään 100 € per testattava mainos.

Tilastollisen A/B-testaamisen parhaat käytännöt

Tässä viiden kohdan lista, joka tulee pitää mielessä toteutettaessa tilastollisia A/B-testeja.

  1. Testattavissa muuttujissa tulee olla oleellisia eroja
  2. Testaa vain yhtä muuttujaa kerrallaan
  3. 4-14 päivän testijakso
  4. Riittävästi budjettia (Facebook auttaa sinua valitsemaan sopivan budjetin)
  5. Käytä riittävän laajoja kohderyhmiä saadaksesi tarpeeksi mainosnäyttöjä (vähintään 10 000 ihmistä)

Näiden vinkkien avulla onnistut löytämään tilastollisia eroja ja pystyt näiden perusteella kehittämään markkinointitoimenpiteitä.

Viisi esimerkkiä A/B-testien innovaatisesta käyttämisestä

Sosiaalisen median mainontaa voidaan hyödyntää myös muissa tarkoituksissa kuin markkinoinnin suorassa kehittämisessä:

  • Pakkaussuunnittelu: selvitä, kuinka kohderyhmäsi reagoi eri versioihin.
  • Brändin visuaalinen uudistus: selvitä, kuinka kohderyhmäsi reagoi eri suunnitelmiin.
  • Tone-of-Voicen löytäminen: selvitä, miten kohderyhmäsi reagoi eri viesteihin.
  • Kohderyhmät: selvitä, miten eri kohderyhmät reagoivat samaan viestiin.
  • Uudet mainospaikat: selvitä, kannattaako sinun alkaa panostamaan uusiin kanaviin.

Loppukaneettina voidaan todeta, että sosiaalisen median mainonnasta on paljon muuhunkin kuin vain tykkääjien hankintaan! Sieltä löytyvät lähes kaikki suomalaiset ja tällaista tietopankkia tulee hyödyntää.

 

Mikäli tarvitset apua Facebook mainonnan A/B-testauksessa,
tai kaipaat yleistä sparrausapua Facebook-mainonnan kanssa,  ota rohkeasti yhteyttä!

 

KIRJOITTAJASTA

Tommia ajaa eteenpäin uteliaisuus oppia koko ajan uutta. Tommin ensimmäinen kosketus digimarkkinointiin oli vuonna 2013, ja siitä lähtien hän ei ole tältä tieltä poikennut. Mediatilaa on tullut käytettyä yli 1 M € – tänä aikana on tehty virheitä, oltu pohjalla ja noustu ylös feenikslinnun lailla. Jos Tommin ajatukset kiinnostavat, seuraa häntä LinkedInissä ja Twitterissä!

Artikkeli on kirjoitettu yhdessä Joni Salmisen kanssa, joka toimii tutkijatohtorina QCRI:ssa. Joni vastaa Elämyslahjat.fi-verkkokaupan digitaalisesta markkinoinnista yhdessä Tommi Saleniuksen kanssa.

Parcero on strategisesti ajatteleva markkinointiviestinnän kumppanisi. Toimimme vahvalla arvopohjalla, jalat maassa ja kanssamme on hyvä kehittää bisnestä. Missiomme on tehdä brändistäsi tunnettu ja luoda lisää myyntiä. Kaikki palvelut saman katon alta!

 

 

Tilaa kasvumarkkinoinnin vinkit suoraan sähköpostiisi!

Liity Parceron ystäväksi ja vastaanota arvokasta tietoa sisältömarkkinoinnin ja digitaalisen kasvumarkkinoinnin saralla. Saat meiltä postia n. kerran kuussa ja voit erota listalta milloin haluat.

Kiitos liittymisestäsi! Saat meiltä sähköpostia tuota pikaa.