マーケティングAPI

A/Bテスト

重複しないオーディエンスに対してさまざまな広告戦略をテストし、効果的な方法を判断します。APIにより、グループ間に重複が起こらないように、オーディエンスの分割が自動で行われるため、さまざまな変数をテストできます。さまざまなタイプのオーディエンス、配信の最適化方法、広告配置、広告クリエイティブ、予算などの効果をテストしましょう。あなたやマーケティングパートナーが、テストを1か所で作成、開始し、結果を表示することができます。広告調査、リファレンスをご覧ください。

ガイドライン

  • テストを作成するマーケティングパートナーまたは社内チームと一緒にKPIを定義します。
  • テストを作成する前に信頼度を決定します。リーチが大規模なテスト、スケジュールが長いテスト、または予算額が大きいテストほど、統計的に有意な結果が得られる傾向があります。
  • 1つのテストにつき1つの変数のみを選択します。これは、パフォーマンスの差となっている可能性が高い原因を特定するのに役立ちます。
  • 同等のテスト規模を設定します。コンバージョン数のような数量指標をテストする場合は、比較対象のテスト規模が同等になるように結果とオーディエンスの規模を調整する必要があります。

テストの制限

  • 広告主あたりの最大同時調査数: 100
  • 調査あたりの最大セル数: 150
  • セルあたりの最大広告エンティティ数: 100

変数テスト

さまざまな種類の変数をテストできますが、一度に1つの変数のみをテストすることをおすすめします。これにより、テストの科学的妥当性が担保され、パフォーマンスの向上をもたらす具体的な差を特定できるようになります。

たとえば、広告セットAと広告セットBのA/Bテストを考えてみましょう。Aでは配信をコンバージョンに最適化し、かつ自動配置を使用します。一方、Bでは配信をリンククリックに最適化し、かつカスタム配置を使用します。この場合、配信の最適化方法の違いと配置の違いのどちらがパフォーマンス向上に影響したのか判断できません。

この例では、両方の広告セットで配信をコンバージョンに最適化して、配置だけを変更すれば、配置戦略がパフォーマンスの差の原因であることがわかります。

このテストを広告セットレベルで設定するには: 

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

戦略のテスト

複数の戦略を互いにテストすることができます。たとえば、コンバージョンを目的とする広告は、ウェブサイトへのアクセスを目的とする広告よりも、ダイレクトレスポンスマーケティングに大きな効果があるでしょうか。このテストをキャンペーンレベルで設定するには: 

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

テストの評価

パフォーマンスが最も高いテストを判別するには、キャンペーンの目的に基づいて最高の効率指標を達成する戦略または変数を選択します。たとえば、コンバージョンの目的をテストするには、顧客獲得単価(CPA)が最も低い広告セットが最も効果的です。

テストグループの規模が不均衡なテストや、オーディエンスの規模が大きく異なるテストは評価しないでください。この場合、1つのテストの規模や結果を大きくして、その他のテストと釣り合うようにしてください。予算がテストグループの規模に合っていない場合は、効率に加えて成果の量を考慮する必要があります。

また、A/Bテストを開始する前に、ビジネスに合ったアトリビューションモデルを使用し、それに合意する必要があります。現在のアトリビューションモデルで再評価が必要な場合は、Facebookの担当者にリフト調査を依頼してください。これにより、コンバージョンとブランドマーケティングに費やした労力の実際の効果を示すことができます。

予算

A/Bテストでカスタム予算を使用し、互いに異なる予算をテストすることができます。ただし、予算はテストグループのリーチに直接影響します。テストグループによってリーチまたはオーディエンスの規模が大きく異なる場合は、結果を改善するために予算を増やし、テストを比較できるようにします。