تست A/B در کمپین‌های فیسبوک: راهنمای اجرایی و عملی

اگر میخواهید عملکرد کمپین های تبلیغاتی خود را به صورت پایدار و قابل اتکا بهبود دهید، داشتن یک برنامه دقیق با اصول A/B تست در کمپین های فیسبوک ضروری است. بدون یک ساختار مشخص، تست ها نه تنها کمکی به بهبود عملکرد نمی کنند، بلکه میتوانند نتایج گمراه کننده ایجاد کنند.

هرچه بیشتر تست کنید، داده های ارزشمندتری به دست می آورید. در یک بررسی روی ۳۷,۲۵۹ تبلیغ فیسبوک مشخص شد که بیشتر کسب و کارها فقط یک تبلیغ اجرا میکنند، در حالی که بهترین عملکرد مربوط به برندهایی بوده که صدها نسخه مختلف از تبلیغات را تست کرده اند. این یعنی در A/B تست در متا ادز، حجم تست و تنوع آن نقش کلیدی در موفقیت دارد.

با این حال، اجرای A/B تست در کمپین های فیسبوک میتواند خیلی سریع پیچیده شود. اگر از ابتدا زمان کافی برای طراحی ساختار تست و تعریف فرایند مشخص در تبلیغات فیسبوک صرف نکنید، احتمال اینکه به نتایج نامعتبر برسید بسیار زیاد است.

طراحی یک فرایند تست منظم

برای بهینه سازی واقعی کمپین ها، باید همزمان چندین ادست (گروه مخاطب) و برای هر ادست چندین تبلیغ مختلف را تست کنید. اگر این کار بدون برنامه انجام شود، خیلی سریع با یک ساختار شلوغ و غیرقابل مدیریت مواجه میشوید.

نکته مهم این است که هیچ روش صد در صد درست و واحدی برای انجام این کار وجود ندارد. هر متخصص مارکتینگ بر اساس تجربه و داده های خود، روش خاصی را دنبال میکند. اما چیزی که اهمیت دارد، داشتن یک چارچوب مشخص و قابل تکرار است.

تعداد سناریوهای تست به صورت نمایی افزایش پیدا میکند

برای درک بهتر پیچیدگی موضوع، کافی است به تعداد حالت های ممکن در تست نگاه کنیم.

فرض کنید شما ۵ گروه مخاطب مختلف برای تست دارید. از طرف دیگر، برای ساخت تبلیغ هم این متغیرها را در اختیار دارید:

• ۵ تصویر متفاوت
• ۵ تیتر مختلف
• ۵ متن تبلیغاتی متفاوت

این یعنی فقط در بخش محتواتبلیغ، ۵ × ۵ × ۵ برابر با ۱۲۵ ترکیب مختلف دارید.

حالا اگر این ۱۲۵ تبلیغ را روی ۵ گروه مخاطب اجرا کنید، در مجموع با ۶۲۵ حالت مختلف برای تست روبرو هستید.

این هنوز ساده ترین حالت است. اگر بخواهید مخاطبان را بر اساس ویژگی های جمعیت شناختی هم تفکیک کنید، تعداد ترکیب ها به شکل چشمگیری افزایش پیدا میکند.

برای مثال اگر همان ۵ گروه مخاطب را بر اساس موارد زیر تقسیم بندی کنید:

• جنسیت: مرد و زن
• سن: ۱۸ تا ۲۵ و ۲۶ تا ۳۲
• موقعیت جغرافیایی: استرالیا و آمریکا

در این صورت تعداد ادست ها به ۴۰ میرسد و وقتی این عدد را در ۱۲۵ تبلیغ ضرب کنید، به عدد ۵۰۰۰ ترکیب مختلف برای تست میرسید.

این دقیقا جایی است که اهمیت رعایت اصول A/B تست در کمپین های فیسبوک مشخص میشود. بدون داشتن ساختار، مدیریت این حجم از تست عملا غیرممکن است و تحلیل نتایج هم به شدت دشوار خواهد شد.

تارگتینگ گسترده (Broad Targeting)، بهینه سازی بر اساس داده

برای اینکه فرایند A/B تست در متا ادز قابل مدیریت باشد، باید از همان ابتدا پیچیدگی را کنترل کنید. مهم ترین کار این است که تعداد تست هایی که همزمان اجرا میکنید را محدود کنید و با رویکرد مرحله ای جلو بروید.

در اصول A/B تست در کمپین های فیسبوک، یک رویکرد موثر این است که کار را با یک جامعه مخاطب گسترده شروع کنید و در عوض، تنوع محتوا های تبلیغاتی را محدود نگه دارید. سپس با استفاده از داده هایی که از عملکرد کمپین به دست می آورید، به مرور تست ها را دقیق تر و هدفمندتر کنید.

ابزار گزارش گیری فیسبوک اطلاعات بسیار دقیقی در اختیار شما قرار میدهد. برای مثال، میتوانید ببینید کدام گروه سنی یا کدام جنسیت بهترین نرخ تبدیل را داشته است. بر اساس همین داده ها، در مرحله بعدی تست میتوانید مخاطبانی که عملکرد ضعیف تری داشته اند را حذف کنید و تمرکز را روی بخش های موثرتر بگذارید.

فیسبوک این امکان را میدهد که عملکرد تبلیغات را بر اساس معیارهایی مثل موقعیت جغرافیایی، سن، جنسیت، جایگاه نمایش تبلیغ و موارد دیگر بررسی کنید. استفاده درست از این داده ها باعث میشود فرایند تست ساده تر، سریع تر و دقیق تر پیش برود.

اجرای عملی این رویکرد

در یک سناریوی واقعی، شما ابتدا یک ادست جدید ایجاد میکنید و مخاطبان را بر اساس یک علاقه مشخص در فیسبوک هدف قرار میدهید.

در این مرحله، به جای اینکه از ابتدا محدودیت زیادی اعمال کنید، بهتر است تنظیمات را باز بگذارید:

• جنسیت را روی All قرار دهید
• بازه سنی را روی 18 تا 65+ تنظیم کنید

با این کار، داده های اولیه شما کامل تر خواهد بود و میتوانید در مراحل بعدی، بر اساس عملکرد واقعی کاربران، تصمیم های دقیق تری برای بهینه سازی کمپین بگیرید.

اولویت بندی تست ها در A/B تست کمپین های متا

یکی از سوالات مهم در A/B تست در متا ادز این است که چه چیزی را باید اول تست کنیم. اگر اولویت بندی درستی نداشته باشید، خیلی سریع منابع شما صرف تست هایی میشود که تاثیر زیادی روی نتیجه نهایی ندارند.

بر اساس بررسی هایی که AdEspresso روی میلیون ها دلار هزینه تبلیغات در فیسبوک انجام داده، چهار عامل اصلی بیشترین تاثیر را در تارگتینگ تبلیغات دارند:

• کشور
• جنسیت
• علایق
• سن

جالب است که «علایق» در این لیست در رتبه سوم قرار دارد، بعد از کشور و جنسیت. اما در عمل، چون تاثیر بسیار زیادی روی عملکرد کمپین دارد، در اصول A/B تست در کمپین های فیسبوک معمولا اولین جایی است که باید روی آن تمرکز کنید.

همانطور که در بخش قبل گفته شد، بهتر است در شروع کار، جنسیت و سن را روی حالت کلی (All) نگه دارید تا بعدا با استفاده از داده های گزارش گیری، بتوانید بهترین سگمنت ها را شناسایی کنید.

نحوه انجام A/B تست روی Interest در متا ادز

در زمان تست تارگتینگ، یک نکته بسیار مهم وجود دارد:
در هر ادست فقط یک علاقه یا رفتار را انتخاب کنید، مگر اینکه از گزینه های Narrow Audience یا Exclude People استفاده میکنید.

دلیل این موضوع به نحوه عملکرد سیستم تارگتینگ فیسبوک برمیگردد. در بخش Detailed Targeting، فیسبوک به صورت پیش فرض مخاطبانی را انتخاب میکند که حداقل یکی از شرایط انتخاب شده را داشته باشند.

این یعنی اگر چند علاقه مختلف را همزمان انتخاب کنید، هر کاربر فقط کافی است یکی از آن ها را داشته باشد تا وارد جامعه هدف شما شود.

مشکل از جایی شروع میشود که در گزارش های فیسبوک، امکان تفکیک عملکرد بر اساس هر علاقه یا رفتار به صورت جداگانه وجود ندارد. در نتیجه اگر چند علاقه را در یک ادست قرار دهید، دیگر نمیتوانید بفهمید کدام یک عملکرد بهتری داشته است.

ممکن است یکی از علایق عملکرد بسیار خوبی داشته باشد و دیگری ضعیف باشد، اما در نهایت شما فقط یک میانگین از عملکرد را میبینید و فرصت شناسایی گزینه برنده را از دست میدهید.

استفاده از ادست های جداگانه برای A/B تست در متا ادز،

برای اجرای دقیق A/B تست در متا ادز، بهترین کار این است که برای هر Interest یا Behaviour، یک ادست جداگانه بسازید.

با این روش:

• میتوانید عملکرد هر علاقه را به صورت دقیق بررسی کنید
• راحت تر تصمیم بگیرید کدام گزینه را نگه دارید یا حذف کنید
• ساختار تست شما شفاف و قابل تحلیل باقی میماند

این رویکرد یکی از مهم ترین بخش های اصول A/B تست در کمپین های فیسبوک است و نقش زیادی در جلوگیری از خطاهای تحلیلی دارد.

نحوه انجام A/B تست روی محتواهای تبلیغاتی

تا اینجا درباره تارگتینگ صحبت کردیم. حالا وقت آن است که به یکی از مهم ترین بخش های A/B تست در متا ادز یعنی تست محتواهای تبلیغاتی بپردازیم.

قبل از شروع، باید یک نکته کلیدی درباره نحوه عملکرد فیسبوک را بدانید؛ چون مستقیما روی نتیجه تست ها تاثیر میگذارد.

رفتار فیسبوک در نمایش چند تبلیغ داخل یک ادست

وقتی چند تبلیغ را داخل یک ادست قرار میدهید، فیسبوک به صورت خودکار آن ها را A/B تست میکند و با استفاده از الگوریتم خود، یک گزینه را به عنوان برنده انتخاب میکند. بعد از این انتخاب، نمایش تبلیغ بازنده را کاهش میدهد و بودجه را بیشتر به سمت تبلیغ برنده هدایت میکند.

در نگاه اول این موضوع مثبت به نظر میرسد، اما یک مشکل جدی دارد:
این تصمیم گیری معمولا خیلی زود و بر اساس داده های محدود انجام میشود.

برای مثال، ممکن است:

• یک تبلیغ فقط به حدود ۷۰۰ نفر نمایش داده شود
• تبلیغ دیگر حتی کمتر دیده شود
• بودجه به صورت نابرابر بین آن ها تقسیم شود

در چنین شرایطی، ممکن است تبلیغی که از نظر الگوریتم فیسبوک بازنده محسوب شده، در واقع هزینه کمتری به ازای هر کلیک داشته باشد و عملکرد بهتری ارائه دهد.

این یعنی اگر به تصمیم خودکار فیسبوک تکیه کنید، ممکن است بهترین گزینه را از دست بدهید.

راه حل: تفکیک ادست ها

برای اینکه در اصول A/B تست در کمپین های فیسبوک به نتایج قابل اعتماد برسید، بهتر است هر تبلیغ را در یک ادست جداگانه اجرا کنید.

به جای اینکه یک ادست با چند تبلیغ داشته باشید:

• برای هر تبلیغ یک ادست جدا بسازید
• همه ادست ها یک مخاطب یکسان داشته باشند
• در هر ادست فقط یک تبلیغ اجرا شود

با این روش:

• هر تبلیغ فرصت برابر برای نمایش پیدا میکند
• داده کافی برای تحلیل جمع آوری میشود
• تصمیم گیری شما دقیق تر خواهد بود

بعد از اینکه داده کافی جمع شد، میتوانید ادستی که عملکرد ضعیف تری دارد را متوقف کنید و بودجه را روی گزینه برنده متمرکز کنید.

ممکن است اجرای چند ادست با یک مخاطب مشترک، باعث افزایش جزئی هزینه شود؛ چون این ادست ها در آکشن با هم رقابت میکنند. اما این افزایش هزینه معمولا محدود و موقتی است، چون در نهایت ادست های ضعیف حذف میشوند و ساختار کمپین بهینه میشود.

چه عناصری را باید تست کنیم؟

بر اساس همان مطالعه AdEspresso، در بخش محتواتبلیغاتی، این موارد بیشترین تاثیر را روی عملکرد دارند:

• تصویر تبلیغ
• متن اصلی تبلیغ
• جایگاه نمایش (مثل فید، ستون کناری یا موبایل)
• صفحه فرود
• تیتر

با توجه به این داده ها، در A/B تست در متا ادز بهتر است تمرکز اولیه را روی مواردی بگذارید که بیشترین تاثیر را دارند.

برای ساده نگه داشتن فرایند تست:

• حداقل ۳ تصویر متفاوت تست کنید
• ۱ یا ۲ نسخه متن تبلیغاتی داشته باشید

این کار باعث میشود تعداد ترکیب ها کنترل شود و تحلیل نتایج ساده تر باشد. بعد از اینکه یک ترکیب برنده از نظر مخاطب و تصویر پیدا کردید، میتوانید به صورت مرحله ای سراغ بهینه سازی جزئی تر بروید؛ مثلا تغییر در متن یا تیتر.

نقش بودجه در تعداد تست ها

تعداد محتواهایی که میتوانید تست کنید، مستقیما به بودجه و منابع شما بستگی دارد. هرچه بودجه و توان تحلیل شما بیشتر باشد، میتوانید همزمان تست های بیشتری اجرا کنید.

اما حتی با بودجه محدود هم، اگر اصول A/B تست در کمپین های فیسبوک را به درستی اجرا کنید، میتوانید به نتایج قابل اتکا و قابل استفاده برسید.

چه زمانی باید یک «برنده» انتخاب کنید؟

یکی از مهم ترین بخش های اصول A/B تست در کمپین های فیسبوک، زمان درست برای انتخاب برنده است. اگر خیلی زود تصمیم بگیرید، احتمال خطا بالا میرود و اگر بیش از حد صبر کنید، منابع شما هدر میرود.

حداقل زمان لازم برای ارزیابی

به عنوان یک قاعده پایه در A/B تست در متا ادز، باید اجازه دهید هر تبلیغ حداقل ۲۴ ساعت اجرا شود. این زمان به الگوریتم فیسبوک فرصت میدهد تا فرایند بهینه سازی اولیه را انجام دهد.

خود فیسبوک هم به این موضوع اشاره میکند:
سیستم نمایش تبلیغات به حدود ۲۴ ساعت زمان نیاز دارد تا عملکرد تبلیغ را تنظیم کند. اگر مدام تبلیغ را ویرایش کنید، این زمان بیشتر هم میشود.

بنابراین:

• قبل از گذشت ۲۴ ساعت، هیچ قضاوتی انجام ندهید
• از ویرایش مداوم تبلیغ در این بازه زمانی خودداری کنید

زمان پیشنهادی برای تصمیم گیری دقیق تر

۲۴ ساعت فقط حداقل زمان است، نه زمان ایده آل برای تصمیم گیری. چون الگوریتم تازه بعد از این مدت شروع به پایدار شدن میکند.

برای اینکه داده های قابل اتکا داشته باشید:

• بهتر است تبلیغ را بین ۴۸ تا ۷۲ ساعت اجرا کنید
• در این بازه، داده ها واقعی تر و قابل تحلیل تر میشوند

اهمیت معناداری آماری (Statistical Significance)

در A/B تست در متا ادز فقط زمان مهم نیست؛ حجم داده هم اهمیت زیادی دارد. شما باید مطمئن شوید که نتایج به اندازه کافی داده دارند تا از نظر آماری معتبر باشند.

اگر حجم داده کم باشد:

• ممکن است یک تبلیغ به صورت تصادفی عملکرد بهتری نشان دهد
• اما در واقع برنده واقعی نباشد

برای جلوگیری از این خطا، میتوانید از ابزارهای محاسبه معناداری آماری استفاده کنید تا مشخص شود آیا اختلاف عملکرد بین تبلیغات واقعا معنادار است یا خیر.

تاثیر بودجه روی سرعت تست

مدت زمانی که برای رسیدن به نتیجه معتبر نیاز دارید، به بودجه شما بستگی دارد.

اگر بودجه بالا باشد:

• ایمپرشن های زیادی در مدت کوتاه دریافت میکنید
• سریع تر به داده کافی میرسید

برای مثال، رسیدن به حدود ۲۰,۰۰۰ ایمپرشن میتواند در چند روز اتفاق بیفتد، اما نیاز به بودجه نسبتا بالا دارد.

اگر بودجه محدود باشد:

• ایمپرشن و تبدیل کمتری دریافت میکنید
• زمان بیشتری برای رسیدن به نتیجه لازم است

توجه به آلودگی نمونه

یکی دیگر از نکاتی که در اصول A/B تست در کمپین های فیسبوک باید در نظر بگیرید، آلودگی نمونه است. یعنی شرایطی که داده ها به دلیل همپوشانی مخاطبان یا تغییرات همزمان، دقت خود را از دست میدهند.

جمع بندی عملی

برای انتخاب برنده در A/B تست:

• حداقل ۲۴ ساعت صبر کنید
• ترجیحا ۴۸ تا ۷۲ ساعت داده جمع آوری کنید
• مطمئن شوید حجم داده کافی است
• نتایج را از نظر آماری بررسی کنید
• بعد از رسیدن به نتیجه معتبر، تصمیم بگیرید

مهم نیست بودجه شما چقدر است؛ تا زمانی که تست به سطح قابل قبولی از داده نرسیده، نباید برنده را انتخاب کنید. این یکی از پایه ای ترین اصول در اجرای حرفه ای A/B تست در متا ادز است.