Test A/B

Testa diverse strategie pubblicitarie con gruppi di pubblico che si escludono a vicenda per vedere quali sono più efficaci. L'API automatizza la divisione del pubblico, garantisce l'assenza di sovrapposizioni tra i gruppi e ti aiuta a testare variabili diverse. Verifica l'impatto di diversi tipi di pubblico, tecniche di ottimizzazione della pubblicazione, posizionamenti delle inserzioni, creatività delle inserzioni, budget e altro ancora. Tu o il tuo partner di marketing potete creare, avviare e visualizzare i risultati dei test in un unico posto. Consulta il riferimento agli studi sulle inserzioni.

Linee guida

Definisci i KPI con il tuo partner di marketing o il team interno con cui crei un test.
Livello di sicurezza: determinalo prima di creare un test. I test con una copertura più ampia, pianificazioni più lunghe o budget più elevati tendono a fornire risultati statisticamente più significativi.
Seleziona solo una variabile per test. Questo aiuta a determinare la causa più probabile della differenza nelle prestazioni.
Dimensioni dei test confrontabili: quando esegui un test per le metriche di volume, come il numero di conversioni, devi ridimensionare i risultati e le dimensioni del pubblico in modo che entrambe le dimensioni del test siano comparabili.

Limitazioni ai test

Numero massimo di studi simultanei per inserzionista: 100
Numero massimo di insiemi per studio: 150
Numero massimo di entità pubblicitarie per insieme: 100

Test delle variabili

Sebbene sia possibile testare molti tipi diversi di variabili, è consigliabile testare solo una variabile alla volta. Ciò preserva l'integrità scientifica del tuo test e ti aiuta a identificare la differenza specifica che porta a prestazioni migliori.

Ad esempio, considera un test A/B con il gruppo di inserzioni A e il gruppo di inserzioni B. Se A utilizza le conversioni come metodo di ottimizzazione della pubblicazione e posizionamenti automatici, mentre B utilizza i clic sui link per l'ottimizzazione della pubblicazione e posizionamenti personalizzati, non puoi determinare se i diversi metodi di ottimizzazione della pubblicazione o i diversi posizionamenti abbiano determinato prestazioni migliori.

In questo esempio, se entrambi i gruppi di inserzioni avessero utilizzato le conversioni per l'ottimizzazione della pubblicazione, ma con posizionamenti diversi, avresti saputo che la strategia di posizionamento è responsabile delle differenze di prestazioni.

Per configurare questo test al livello di gruppo di inserzioni:

curl \
-F 'name="new study"' \
-F 'description="test creative"' \ 
-F 'start_time=1478387569' \
-F 'end_time=1479597169' \
-F 'type=SPLIT_TEST' \
-F 'cells=[{name:"Group A",treatment_percentage:50,adsets:[<AD_SET_ID>]},{name:"Group B",treatment_percentage:50,adsets:[<AD_SET_ID>]}]' \
-F 'access_token=<ACCESS_TOKEN>' \ https://graph.facebook.com/<API_VERSION>/<BUSINESS_ID>/ad_studies

Strategie di test

Puoi testare due o più strategie l'una rispetto all'altra. Ad esempio, le inserzioni con l'obiettivo di conversione hanno un impatto maggiore sul direct response marketing rispetto a un obiettivo di visite sul sito web? Per configurare questo test al livello di campagna:

curl \
-F 'name="new study"' \
-F 'description="test creative"' \ 
-F 'start_time=1478387569' \
-F 'end_time=1479597169' \
-F 'type=SPLIT_TEST' \
-F 'cells=[{name:"Group A",treatment_percentage:50,campaigns:[<CAMPAIGN_ID>]},{name:"Group B",treatment_percentage:50,campaigns:[<CAMPAIGN_ID>]}]' \
-F 'access_token=<ACCESS_TOKEN>' \ https://graph.facebook.com/<API_VERSION>/<BUSINESS_ID>/ad_studies

Valutazione dei test

Per determinare il test con le prestazioni migliori, scegli una strategia o una variabile che raggiunga la metrica di efficienza più elevata in base all'obiettivo della campagna. Ad esempio, per testare l'obiettivo delle conversioni, il gruppo di inserzioni che raggiunge il costo per azione (CPA) più basso ha le prestazioni migliori.

Evita di valutare test con dimensioni del gruppo di test non uniformi o dimensioni di pubblico significativamente diverse. In questo caso, dovresti aumentare le dimensioni e i risultati di un gruppo in modo che sia paragonabile ad altri tuoi test. Se il tuo budget non è proporzionato alla dimensione del gruppo di test, dovresti considerare il volume dei risultati oltre all'efficienza.

Dovresti anche utilizzare un modello di attribuzione che abbia senso per la tua attività e concordarlo prima di iniziare un test A/B. Se il tuo attuale modello di attribuzione necessita di una rivalutazione, contatta il tuo rappresentante di Facebook per eseguire uno studio sull'impatto. Questo può mostrare il vero impatto causale delle tue attività di conversione e marketing del brand.

Definizione del budget

Puoi utilizzare budget personalizzati con i tuoi test A/B e scegliere di testare budget diversi l'uno rispetto all'altro. Tuttavia, il budget influisce direttamente sulla copertura dei tuoi gruppi di test. Se i tuoi gruppi di test determinano grandi differenze nella copertura o nella dimensione del pubblico, aumenta il budget per migliorare i risultati e rendere il tuo test comparabile.