通過數(shù)據(jù)來優(yōu)化信息流廣告落地頁的方法有很多，用的最多的就是A/B測試了默辨。
比如當(dāng)我們不知道哪個落地頁更好的時候德频，就會用A/B測試上線測，哪個頁面數(shù)據(jù)好就用哪個缩幸。
比如像這樣的：
這是某信息流平臺優(yōu)化師提供給甲方的一組A/B測試數(shù)據(jù)：在定向壹置、出價及入口創(chuàng)意都一致的前提下，雖然優(yōu)化后到達(dá)落地頁的流量(UV)沒有優(yōu)化前的多表谊，但是實(shí)際的轉(zhuǎn)化量卻是原來的2倍钞护，所以他的結(jié)論是：經(jīng)他優(yōu)化過的落地頁轉(zhuǎn)化效果比優(yōu)化前的更好，建議后期用該落地頁投放爆办。
那么难咕，他的這個測法，這個結(jié)論，對嗎余佃？
先來看看啥叫A/B測試
A/B測試也叫對照試驗(yàn)暮刃，即為同一個轉(zhuǎn)化目標(biāo)（比如我們想看看哪個落地頁提交表單的效果更好），制定兩個或兩個以上的方案（落地頁）爆土，在控制其他變量不變的前提下椭懊，分別讓組成成分、特征相同的訪客群隨機(jī)的訪問這些落地頁版本雾消，根據(jù)各群組的用戶數(shù)據(jù)反饋灾搏，結(jié)合統(tǒng)計學(xué)的工具方法，來篩選出更符合效果需求的版本立润。
所以狂窑，要執(zhí)行一個有效的A/B測試的重點(diǎn)是：
N個方案并行測試；
N個方案之間只存在一個變量桑腮，排除其他因素的干擾泉哈；
以某一個標(biāo)準(zhǔn)評判結(jié)果優(yōu)劣，篩出最優(yōu)方案破讨。
所以我們回過來再來看上面的這個案例丛晦，問題就顯而易見了，即提陶，該測試不符合并行測試的條件烫沙。
從表格看，這個測試是分時間段（10月27日VS10月28日）做的隙笆，而分時間段測試就意味著其他相關(guān)的變量會不一致锌蓄，比如訪客本身訪問的周期規(guī)律、媒體上內(nèi)容環(huán)境的變化撑柔、競爭隊(duì)友的廣告影響等等瘸爽，這些因素都會干擾測試結(jié)果的可信性。
為什么測試要控制變量铅忿？
歸根結(jié)底是為了測試的有效性剪决。
我們都知道，影響轉(zhuǎn)化的因素太多了檀训。諸如競爭狀況柑潦、流量本身的質(zhì)量、消費(fèi)者購買的周期規(guī)律等等都有可能影響轉(zhuǎn)化肢扯，尤其是在信息流廣告的場景下妒茬，消費(fèi)者在看到廣告之前看到的資訊內(nèi)容會給消費(fèi)者帶來怎樣的心理喚起（也可以起理解成平臺方主動發(fā)起的流量塑形），我們都是無法預(yù)知的蔚晨，這些都會影響廣告轉(zhuǎn)化效果。
我們可以用一個函數(shù)來說明，假設(shè)y是轉(zhuǎn)化率铭腕，x是影響轉(zhuǎn)化率y的因素银择，那么
y=f(x1,x2,x3,x4,x5,……)
也就是說，落地頁只是其中的一個x累舷，在其他x同樣也存在變化可能的情況下浩考，我們無法得出落地頁這個x就是導(dǎo)致y發(fā)生變化的唯一原因。
所以被盈，光憑上圖這樣的數(shù)據(jù)維度析孽，無法簡單的得出“優(yōu)化成功”的結(jié)論。
就算我們假設(shè)所有測試的前提條件都符合要求只怎，單看數(shù)據(jù)本身也不能排除隨機(jī)因素給測試結(jié)果帶來的影響袜瞬。正如下圖這個顯著性測試的結(jié)果說明，該優(yōu)化師提供的兩組數(shù)據(jù)之間的差異并不明顯身堡。
也就是說邓尤，不管從何角度判斷，這都是一個錯誤的A/B測試贴谎，對應(yīng)的汞扎，結(jié)論也就不可信。
關(guān)于A/B測試的幾點(diǎn)提醒
A/B測試本身是一個比較對路的數(shù)據(jù)分析思路擅这，使用得當(dāng)可以很好的輔助優(yōu)化師做投放決策澈魄。如果你日常優(yōu)化的過程中需要運(yùn)用A/B測試，那么以下幾點(diǎn)需要特別注意：
1仲翎、需要大流量測試
A/B 測試的結(jié)果需要大量數(shù)據(jù)的支撐痹扇，流量越大得出結(jié)論越可信。
但實(shí)操中谭确，很多優(yōu)化師因?yàn)榱髁砍杀镜雀鞣N現(xiàn)實(shí)原因帘营，往往在數(shù)據(jù)量有限的情況下就做AB測試（比如一天只有幾百個甚至只有幾十個訪客到達(dá)落地頁），這樣得出的測試結(jié)果會存在很大的不穩(wěn)定性逐哈。
通常我們建議芬迄，在進(jìn)行實(shí)際的投放A/B測試時，每個版本的落地頁日流量要在1000個UV以上 昂秃，測試周期至少一周禀梳，有些周期性明顯的領(lǐng)域甚至可能需要更長的時間和更多的流量，否則樣本量太少肠骆，樣本測試的結(jié)果就很難代表整體水平算途，依此做出來的數(shù)據(jù)模型也會不穩(wěn)定。
2蚀腿、需要同時段測試
在不同時段做A/B測試是個非常普遍的錯誤嘴瓤。
為什么錯扫外？因?yàn)椴煌臅r間段內(nèi)，影響轉(zhuǎn)化效果的其他因素廓脆，如競爭情況筛谚、受眾本身的行為規(guī)律，等等停忿，是不一樣的驾讲。
以淘寶為例，大多時候席赂，轉(zhuǎn)化效果好的廣告并不是在周末或節(jié)假日吮铭，反而工作日的時候下單轉(zhuǎn)化率更高一點(diǎn)，也就是說：同樣一個落地頁颅停，如果你選擇在周五和周六去測試谓晌，你得出的結(jié)果就會不準(zhǔn)確，隨著這個不準(zhǔn)確的結(jié)論而做的投放設(shè)計也會出問題便监。
所以扎谎，最好不同版本同時上線測試，這樣才能盡可能減少其他因素對測試本身的影響烧董。
3毁靶、需要同地域測試
為了驗(yàn)證不同落地頁的轉(zhuǎn)化效果，不少優(yōu)化師會在測試時選兩到三個城市分別投放逊移，看哪個版本表現(xiàn)更好就把他上線投放到更大范圍预吆。這樣做其實(shí)也有問題。
每個城市的受眾對你產(chǎn)品/服務(wù)的認(rèn)知基礎(chǔ)可能都不一樣胳泉，比如同樣是智能家居拐叉，對于一些一線城市的用戶來說，可能已經(jīng)有所認(rèn)知了扇商，但可能其他的一些一線城市凤瘦，或者二線城市的用戶可能還是云里霧里不知所云。
對于信息流廣告優(yōu)化而言案铺，用數(shù)據(jù)分析輔助投放決策是趨勢蔬芥，但運(yùn)用的前提的是會用。
正如管理大師德魯克曾說的：“你如果無法度量它控汉，就無法管理它”笔诵。
如果分析方法有問題拌倍，我們非但不能更好的管理投放积暖，甚至還會對投放起反作用，導(dǎo)致廣告更大的浪費(fèi)票唆。
如果你想了解更多信息流廣告技巧街佑，可以關(guān)注我們谢翎；
如果你在投放過程中有困惑捍靠，可以掃碼咨詢；
如果你想與我們合作岳服，可以掃碼洽談剂公。
不定期更新
信息流廣告精準(zhǔn)投放
自媒體運(yùn)營|廣告設(shè)計|信息流投放|全案營銷
