การทดสอบส่วนเพิ่มกำหนดกลยุทธ์การได้มาซึ่งผู้ใช้ของคุณใหม่อย่างไร

การทดสอบส่วนเพิ่มได้กลายเป็นวิธีที่ดีที่สุดในการประเมินค่าโฆษณาและกำจัดการกินเนื้อคน

เราทราบดีว่าทั้ง "การติดต่อครั้งแรก" และ "การติดต่อครั้งสุดท้าย" ไม่ใช่คำตอบของความถูกต้องของการระบุแหล่งที่มา เราทราบด้วยว่าไม่ใช่ทุกแคมเปญหรือช่องทางการโฆษณาที่มีประสิทธิภาพในการขับเคลื่อน ROAS เชิงบวก การระบุแหล่งที่มาแบบเศษส่วนให้น้ำหนักการโต้ตอบที่แตกต่างกันไป เช่น 70% ของผู้ติดต่อแรกและ 30% ของผู้ติดต่อล่าสุด คำถามเหล่านี้สามารถสรุปได้ดังนี้: โฆษณาของฉันสร้างมูลค่าที่แท้จริงหรือเพียงแค่อ้างเครดิตสำหรับพฤติกรรมที่เกิดขึ้นตามธรรมชาติ

เราจะวัดมูลค่าของจุดติดต่อแต่ละจุดตลอดเส้นทางการซื้อได้อย่างไร นั่นคือสิ่งที่เพิ่มขึ้นมา

คลิก " เรียนรู้เพิ่มเติม " เพื่อขับเคลื่อนธุรกิจ แอปและเกม ของคุณด้วยบริการโปรโมตแอป ASO World ทันที

การทดสอบการเพิ่มขึ้นคืออะไร?

การทดสอบส่วนเพิ่มเป็นวิธีการทางคณิตศาสตร์สำหรับการโฆษณาที่ช่วยคุณวัดการเพิ่มส่วนเพิ่มและแสดงผลกระทบที่แท้จริงของแคมเปญของคุณ

การเพิ่มขึ้นนั้นเป็นการทดสอบ A/B เป็นหลัก การทดสอบ A/B แบบมาตรฐานจะแบ่งผลิตภัณฑ์หรือแคมเปญของคุณออกเป็นสองส่วนคือ A และ B จากนั้นแบ่งผู้ชมของคุณออกเป็นผู้ชม 1 และผู้ชม 2 จากนั้นคุณจะใช้เวอร์ชันต่างๆ ของผลิตภัณฑ์หรือแคมเปญของคุณกับผู้ชมต่างๆ เพื่อดูว่าแบบใดให้ผลลัพธ์ที่ดีกว่า .

ในโลกของการโฆษณาออนไลน์ การทดสอบ AB สามารถใช้เพื่อทดสอบการปฏิบัติที่สร้างสรรค์ หัวเรื่องอีเมล วลีคำกระตุ้นการตัดสินใจ (CTA) หรือหน้าเว็บไซต์ ในทางตรงกันข้าม การทดสอบส่วนเพิ่มจะเน้นที่การปรับปรุงเมตริกการซื้อหลักที่วัดโดยอัตราการแปลง (CVR)

เรียกใช้การทดสอบการเพิ่มขึ้นจะช่วยให้คุณ:

• แยกการติดตั้งออกจากแคมเปญแบบชำระเงินและการเข้าถึงแบบออร์แกนิก
• เปรียบเทียบประสิทธิภาพของแคมเปญหนึ่งกับอีกแคมเปญหนึ่งอย่างแม่นยำ
• กำหนดการเพิ่มที่แคมเปญของคุณสร้างขึ้นสำหรับผู้ชมเฉพาะ

การเพิ่มขึ้นไม่ได้เกี่ยวกับการให้เครดิตกับการแปลง มันเกี่ยวกับการระบุการโต้ตอบที่ย้ายผู้ใช้จากแบบพาสซีฟเป็นแอคทีฟ การโต้ตอบใดๆ ที่ส่งผลต่อผลลัพธ์จริงจะถูกระบุเป็นการเพิ่มขึ้น

ความสำคัญของการทดสอบส่วนเพิ่มในการตลาดแอพมือถือ

การทดสอบส่วนเพิ่มช่วยให้ผู้ลงโฆษณามีมุมมองแบบองค์รวมใหม่ในการประเมินมูลค่าที่แท้จริงของ App Campaign และให้คำตอบว่าแคมเปญใดมีประสิทธิภาพมากที่สุดและแคมเปญใดสร้างยอดขายได้มากกว่า

เป็นการแก้ปัญหาเรื่องการกินเนื้อคน ตัวอย่างเช่น ในกรณีของการกำหนดเป้าหมายใหม่ จะจัดการกับข้อสงสัยของนักการตลาดว่าแคมเปญของพวกเขาจะกินเนื้อคนแปลงเพศหรือไม่

การทดสอบส่วนเพิ่มจะมีประโยชน์มากในการทดสอบช่องทางสื่อใหม่ๆ ก่อนตัดสินใจว่าจะลงทุนเพิ่มหรือไม่ คุณยังใช้การทดสอบส่วนเพิ่มในแคมเปญสื่อขนาดเล็กเพื่อดูว่ามี ROAS ที่เป็นบวกหรือไม่ หากคำตอบคือใช่ คุณสามารถเพิ่มความพยายามทางการตลาดของคุณสำหรับช่องทางนั้นได้อย่างมั่นใจ

เมื่อคุณต้องการสร้างกลยุทธ์การมีส่วนร่วมอีกครั้ง การทดสอบส่วนเพิ่มก็มีประโยชน์ การทดสอบส่วนเพิ่มช่วยเน้นวันที่ที่ดีที่สุดหลังการติดตั้งเพื่อดึงดูดผู้ใช้อีกครั้ง และรับประกันว่าความพยายามทางการตลาดจะเพิ่มขึ้นอย่างมาก

ไม่เพียงเท่านั้น ข้อมูลเชิงลึกที่รวบรวมจากการทดสอบส่วนเพิ่มในกลุ่มเป้าหมายและแคมเปญยังแสดงถึงข้อมูลอันมีค่าที่สามารถใช้เป็นพื้นฐานในการเพิ่มประสิทธิภาพกลยุทธ์การโฆษณาที่เสียค่าใช้จ่ายทั้งหมด

วิธีเรียกใช้การทดสอบส่วนเพิ่มสำหรับแอปของคุณ

การทดสอบส่วนเพิ่มเป็นวิธีที่ดีที่สุดในการวัดประสิทธิภาพของการทำตลาดแอปของคุณ ตราบใดที่คุณทำถูกต้อง

แนวคิดพื้นฐานคือการแบ่งผู้ใช้ออกเป็นสองกลุ่มเท่า ๆ กัน - กลุ่มทดสอบและกลุ่มควบคุม

กลุ่มหนึ่งจะเห็นโฆษณาสำหรับแอปของคุณ ในขณะที่อีกกลุ่มหนึ่งจะไม่เห็น จากนั้นจะมีการวิเคราะห์อัตรา Conversion สำหรับแต่ละกลุ่มและจะเข้าใจสาเหตุและผลกระทบที่แท้จริงของความพยายามทางการตลาดของคุณ ช่วยให้คุณตัดสินใจทางการตลาดได้ดียิ่งขึ้น

กำหนดเป้าหมายของคุณ

เมื่อเริ่มต้นการทดสอบส่วนเพิ่ม สิ่งสำคัญคือต้องกำหนดสมมติฐานและระบุ KPI ทางธุรกิจที่สำคัญใดๆ ที่คุณต้องการตรวจสอบเพิ่มเติม ลองนึกถึงสิ่งที่คุณต้องการพิสูจน์ด้วยวิธีทางวิทยาศาสตร์นี้

ตัวอย่างเช่น คุณต้องการตรวจสอบจำนวนการติดตั้ง, ROI, ผลตอบแทนจากค่าโฆษณา หรือเมตริกต่างๆ พร้อมกันหรือไม่

การแบ่งกลุ่มผู้ชม

เมื่อทำการทดสอบส่วนเพิ่มในแคมเปญการตลาด ให้เลือกกลุ่มเป้าหมายที่คุณต้องการใช้การทดสอบนี้ และตรวจสอบให้แน่ใจว่าคุณได้แบ่งส่วนของกลุ่มเป้าหมายนี้เป็นกลุ่มควบคุมอย่างถูกต้อง

กลุ่มควบคุมและกลุ่มทดสอบควรมีลักษณะที่คล้ายคลึงกันแต่ไม่ทับซ้อนกัน ซึ่งอาจเป็นเรื่องยากเมื่อมุ่งเน้นไปที่แคมเปญ UA (การได้ผู้ใช้ใหม่) เนื่องจากเราไม่รู้จักผู้ชมที่ไม่มีตัวระบุที่ไม่ซ้ำกัน ตัวระบุเฉพาะ เช่น ID หรือรหัส กำหนดให้แตกต่างจากตัวระบุอื่นๆ และทำให้ไม่ซ้ำกัน

อย่างไรก็ตาม คุณยังสามารถใช้ตัวระบุอื่นๆ เพื่อแบ่งกลุ่มผู้ชมของคุณ รวมถึงพารามิเตอร์ต่างๆ เช่น ภูมิศาสตร์ เวลา (คล้ายกับการเติบโตที่เพิ่มขึ้นสามประเภทที่อธิบายไว้ข้างต้น) ผลิตภัณฑ์ หรือข้อมูลประชากร

เรียกใช้การทดสอบการเพิ่มขึ้น

กำหนดระยะเวลาของการทดสอบและหน้าต่างการทดสอบ เรียกใช้การทดสอบ

แนวทางปฏิบัติที่ดีที่สุดกำหนดว่าระยะเวลาของการทดสอบควรอยู่อย่างน้อยหนึ่งสัปดาห์

กรอบเวลาการทดสอบ เนื่องจากจำนวนวันที่ผู้ใช้ดำเนินการก่อนการทดสอบ จะขึ้นอยู่กับวัฏจักรธุรกิจของแอปพลิเคชันของคุณและจำนวนข้อมูลที่คุณต้องดำเนินการ

ควรมีการวางแผนการทดสอบและกรอบเวลาการทดสอบเมื่อปฏิทินมีความชัดเจน ซึ่งจะแสดงถึงประสิทธิภาพของกิจกรรมของคุณได้อย่างแม่นยำที่สุด

วิเคราะห์ข้อมูลและดำเนินการ

คุณเพิ่งทำการทดสอบการเพิ่มขึ้นครั้งแรก ขอแสดงความยินดีด้วย! แต่ตอนนี้คุณทำอะไรอยู่

ขั้นแรก พิจารณาต้นทุนส่วนเพิ่มของคุณอย่างละเอียดถี่ถ้วน การที่โฆษณาบางรายการช่วยเพิ่มจำนวนการติดตั้งไม่ได้หมายความว่าคุณควรปรับขนาดโฆษณา คุณต้องประเมินว่าลิฟต์นั้นคุ้มค่ากับต้นทุนหรือไม่ หากไม่เป็นเช่นนั้น ให้ปิดโฆษณาและลองสิ่งใหม่

ต่อไป ทำสิ่งที่คุณสามารถทำได้เพื่อต่อสู้กับการกินเนื้อคน ซึ่งคุณสามารถทำได้ในสองขั้นตอน:

อันดับแรก : มอบหมายให้ผู้อื่นติดตามและวิเคราะห์ผลลัพธ์แบบออร์แกนิก ด้วยวิธีนี้ เมื่อคุณต้องการข้อมูล คุณต้องมีคนคัดค้าน UA ที่จ่ายเงิน

ประการที่สอง : อนุญาตให้บุคคลนี้หยุดการใช้จ่ายโฆษณาเมื่อเห็นสัญญาณของการกินเนื้อคน วิธีนี้จะช่วยให้แน่ใจว่ากลยุทธ์ UA แบบชำระเงินของคุณสอดคล้องกับเป้าหมายการเติบโตโดยรวมของคุณ อย่าสุ่มสี่สุ่มห้าพึ่งพาการเข้าชมที่เสียค่าใช้จ่าย!

จากนั้น พยายามทำการทดสอบต่อไปเพื่อค้นหาเส้นทางที่มั่นคงสำหรับบริษัทของคุณ

ราวกันตก / ปัจจัยบรรเทาสาธารณภัย

เมื่อสร้างกลุ่มควบคุมและกลุ่มทดสอบ สิ่งสำคัญคือต้องขจัดเสียงรบกวนหรือปัจจัยภายนอกที่อาจส่งผลต่อพฤติกรรมของผู้ใช้ คุณต้องพยายามล้างข้อมูลและตรวจสอบให้แน่ใจว่าไม่มีผู้ชมที่ทับซ้อนกัน เนื่องจากอาจทำให้ผลลัพธ์บิดเบือนได้

การระบุและการยกเว้นค่าผิดปกติเป็นขั้นตอนสำคัญอีกขั้นตอนหนึ่ง เนื่องจากอาจทำให้ข้อมูลบิดเบี้ยวและนำไปสู่ข้อสรุปที่ไม่ถูกต้องได้ ปริมาณข้อมูลจะส่งผลต่อขอบเขตที่ค่าผิดปกติส่งผลต่อผลลัพธ์ ดังนั้นจึงเป็นปัจจัยสำคัญในการพิจารณาเกณฑ์เปรียบเทียบในการทดลอง

ก) ฤดูกาล - อัตราการตอบกลับสำหรับกลุ่มควบคุมอาจแตกต่างกันมากขึ้นอยู่กับฤดูกาลที่ซื้อ ตัวอย่างเช่น หากเราทดสอบในวัน Black Friday อัตราการตอบสนองสำหรับกลุ่มควบคุมอาจสูงกว่าช่วงเวลาอื่นของปี เนื่องจากผู้ใช้มีแนวโน้มที่จะซื้อในช่วงเวลานั้นมากกว่า ในทางกลับกัน สามารถลดผลกระทบของแคมเปญของคุณได้

b) การรับรู้ถึงตราสินค้า - ผลิตภัณฑ์บางอย่างคุ้นเคยกับผู้บริโภคมากกว่าผลิตภัณฑ์อื่น ในโลกของการตลาด ความนิยมนั้นคุ้มค่า แบรนด์ที่เป็นที่รู้จักมากขึ้นจะได้รับความสนใจมากขึ้นโดยธรรมชาติ ในกรณีของการทดสอบส่วนเพิ่ม แบรนด์ที่มีชื่อเสียงจะเห็นการเพิ่ม Conversion ที่ต่ำกว่าแบรนด์ที่ไม่เคยโฆษณาทางดิจิทัลมาก่อนเมื่อเปิดตัวแคมเปญที่มีการแสดงผลสูงเป็นครั้งแรก นี่ไม่ได้หมายความว่าการเพิ่ม 5% สำหรับแบรนด์เก่าจะมีความหมายน้อยกว่าการเพิ่มขึ้น 20% สำหรับแบรนด์ใหม่ ความสำเร็จเป็นเรื่องส่วนตัว ดังนั้นนักการตลาดจึงต้องวิเคราะห์ผลลัพธ์โดยคำนึงถึงศักยภาพในอนาคต โดยคำนึงถึงการประหยัดต่อขนาดจากมูลค่าตลอดช่วงชีวิตของลูกค้าใหม่ ตลอดจนรายได้โดยรวมที่แต่ละคนนำมาด้วย

ค) สื่อภายนอก - หากคุณกำลังใช้งานสื่อนอกการทดสอบกับผู้ขายแบบเป็นโปรแกรม พันธมิตรช่องทางดิจิทัล (โซเชียล การค้นหา) หรือพันธมิตรออฟไลน์แบบดั้งเดิม (ทีวี ป้ายโฆษณา วิทยุ พิมพ์) คุณแน่ใจได้อย่างไรว่ากลุ่มควบคุมไม่สามารถเข้าถึงแบรนด์ของคุณผ่านกิจกรรมทางการตลาดอื่นๆ เหล่านี้ ประเด็นของกลุ่มควบคุมจะต้องเป็นกลาง หากกลุ่มควบคุมของคุณสัมผัสกับสื่ออื่นในลักษณะที่ไม่สม่ำเสมอหรือไม่ทราบสาเหตุ คุณจะเสี่ยงต่อการปนเปื้อนของข้อมูล ไม่ควรคาดหวังให้ผู้ลงโฆษณาปิดสื่ออื่นๆ ทั้งหมดเพื่อทำการทดสอบ แต่ควรช่วยตีความผลลัพธ์

ความคิดสุดท้าย

การทดสอบส่วนเพิ่มเป็นวิธีที่ยอดเยี่ยมในการทำความเข้าใจประสิทธิภาพทางการตลาดของคุณให้ดีขึ้น และหาข้อสรุปที่ชัดเจนขึ้นเกี่ยวกับมูลค่าของการลงทุนทางการตลาดของคุณ อย่างไรก็ตาม การตั้งค่าการทดสอบ การรวบรวมข้อมูล และการตีความผลลัพธ์นั้นต้องใช้ความพยายามและการลงทุนเป็นจำนวนมาก ใช้เวลาในการตั้งค่าการทดสอบที่มีประสิทธิภาพและทำซ้ำในแต่ละรอบเพื่อดูว่าคุณสามารถปรับปรุงผ่านประสบการณ์ได้หรือไม่ ไม่มีการทดสอบหรือผลลัพธ์ใดที่จะบอกคุณทุกสิ่งที่คุณจำเป็นต้องรู้ แต่แต่ละการทดสอบควรขับเคลื่อนการเรียนรู้และช่วยให้คุณทำการเปลี่ยนแปลงอย่างมีประสิทธิผลในแผนการตลาดของคุณ