应用“测试和学习”的六个步骤,包括定义KPI,创建测试标准,实现统计显着性以及将见解转化为行动。

根据Kantar Group进行的2019年研究,47%的广告客户缺乏从数据中提取有意义的见解的信心。这意味着,在数据驱动力最强的行业之一中,将近一半的专家认为他们没有能力从数据中获取价值。虽然同一项研究表明,问题只会随着数据量和来源数量的增加而加剧。

在Kanta研究发表之前不久,PhocusWire发表了一篇题为《您真的在进行数据驱动型营销还是只是以为自己在做,询问营销人员是否误将数据驱动的营销误认为数据驱动的假设。作者想知道您正在运行多少个数据驱动的测试,如果答案是否定的,那么您就没有在进行数据驱动的营销。

您所缺乏的是一种测试和学习的数字营销方法,该方法可以理解您的数据并将其转变为可行的见解。

市场营销中的“测试与学习”是什么?

测试和学习原理是数据科学的产物,它使组织可以将见解转化为假设,然后测试这些理论以证明其价值。在大数据时代之前,营销决策很大程度上是由相关的洞察力和内心的直觉驱动的,而绩效的唯一衡量标准是含糊不清(且同等相关)的KPI,例如利润。

这样做的问题是无法证明哪些营销决策实际上会导致更高或更低的利润率。这意味着也没有办法真正从成功或失败中学习-一切都只是投机。

测试:从市场营销中排除猜测

测试和学习原则通过构建一个数据驱动的系统来消除这种猜测,该系统可以证明各个营销策略的成败。您不必依赖相关的见解,而是将有意义的KPI分配给每个广告系列,衡量效果并测试变化来确定哪种策略最有效。

您的营销工作将不再有投机,没有任何假设,也不会在暗中刺伤。

学习:将见解转化为更好的营销决策

学习方面可能很简单,例如找出正确的假设并按价值顺序对它们进行优先排序。您还可以从以前的实验(及其数据)中学习,以创建新的假设或确定哪些测试机会会产生最高的ROI。

或者,您甚至可以将实验数据输入到机器学习算法中,以构建预测性分析模型,该模型可以发现测试机会,根据您的结果提出建议并预测结果/价值。

在实践中测试和学习原理

转换率优化(CRO)可能是测试和学习原则在市场上最广为人知的应用。该策略定义了特定的KPI(转换率),基于性能创建了数据驱动的测试(A / B测试),然后以可实现最强性能指标(在这种情况下,最高转换率)的变体运行。

总体而言,测试贯穿成功的转化优化策略,可以揭示模式,为将来的营销决策提供信息,并允许营销人员对未来结果或新测试机会的潜在价值做出预测。

大多数营销人员都了解优化转化率的好处。这些都是从CRO的测试和学习原理中得出的:

  • 为每个动作指定目标:通过为每个营销动作定义目标,您就有了衡量成功的基准。
  • 可衡量的成功规模:您的目标确定哪些指标和KPI指示成功和失败。
  • 证明有效性:通过指定正确的指标和KPI,您可以衡量任何策略,活动或变更的有效性。
  • 持续的改进状态:通过将测试和学习方法应用于您所有的营销策略,可以建立持续改进的状态,从而使性能不断提高。
  • 有利可图的决策:您无需投资大量风险进行重大变更,而是投资于一系列规模较小,可衡量的行动,以证明其投资回报率。
  • 将失败变成成功:通过学习成功和失败,您将继续做有效的事情,并不断改进无效的事情。

但是,这些好处都不是转换率优化所独有的。您可以对任何营销策略,活动或优化应用相同的测试和学习原理,以从每项操作中获取有价值的见解,并在将来使用它们做出更好的营销决策。

将测试和学习方法应用于其他营销策略

现在,让我们思考转换率优化以外的问题,并研究如何将测试和学习方法应用于其他营销策略。CRO的优点在于,它已经定义了一个特定的目标(增加转化次数),但并非每种策略都如此。

因此,您需要确定的第一件事是您的测试目标是什么。

也许您想测试现有策略的有效性或尝试一种新策略,看看是否值得一试。或者,也许您有一个更具体的目标,例如测试广告文案变体以提高点击率与展示次数。

以下是一些其他可能的示例:

  • 评估自然搜索策略的投资回报率
  • 比较不同渠道的潜在客户价值(例如,付费搜索与付费社交)
  • 测试内容类型的有效性(例如视频与文章)
  • 确定哪些内容主题产生最高的参与度
  • 测试新平台的潜在价值(例如TikTok)
  • 根据获取渠道及其在营销渠道中的位置来计算销售线索的终生客户价值
  • 确定不利的摩擦,防止潜在客户转化为客户
  • 优化您的营销渠道,以减少辍学并最大程度地提高转化率
  • 优化客户体验,以最大程度地增加重复购买和终身客户价值

假设您要测试付费社交广告系列中不同内容类型的有效性。第一个问题是,为什么要对此进行测试?是因为您想最大化投资回报率,提高点击率,提高参与度,提高广告产生的潜在客户的质量–还是完全其他?

特别要回答这个问题很重要,因为它定义了您如何进行测试,衡量结果以及您可以从中学习的课程的价值。

这是您要遵循的过程。

#1:定义您的目标和KPI

我们已经决定要测试付费社交媒体广告上不同类型内容的有效性。举个例子,我们的目标是确定哪种内容和广告格式在Facebook,Twitter和LinkedIn上产生最大的参与度。

您现在需要做的是定义要用于衡量每个网络参与度的指标和KPI。

尽管Facebook Advertising具有专门的职位参与度指标,但这并不能帮助您比较三个网络的结果。为此,您必须创建自己的指标,以用于一致地衡量每个网络上的广告参与度。

例如,您可以创建一个自定义指标“平均参与率”。要进行计算,您可以将每个广告变体的点击,喜欢,分享和评论的总数相加,用该数字除以展示总数,然后将该结果乘以100。

这样可以为您测试的每种内容和广告格式提供每个网络的平均参与度(%)。

#2:提出假设

在开始运行任何测试之前,您需要开发假设以作为进行工作的起点。理想情况下,这些数据将基于您已经可以访问的相关历史数据,例如您计划测试的每个网络上以前的广告系列的参与度报告。

例如,您可能有一些相关数据表明视频广告在Facebook上获得了最高的参与率。但是,尚不清楚哪种广告和内容格式在Twitter和LinkedIn上的效果最佳。

因此,您的假设之​​一可能是视频广告是Facebook上最吸引人的内容/广告格式,现在您想在受控测试中对其进行证明。您可能还拥有一些数据,表明推荐推文在Twitter上宣传您的思想领导力内容效果最佳-这是您现在想在受控测试中证明/反证的另一种可能假设。

一旦知道了要测试的理论,就可以开始考虑如何使测试具有决定性。

#3:创建测试条件

为了从测试中获得有意义的结果,您需要删除可能会使结果产生偏差的所有可能变量。有理由认为,不同的内容类型和广告格式比每个网络上的其他广告类型更有效,但是如果您拥有的不同受众群体或所使用的定位设置对互动率的影响超出您的想象,该怎么办?

这些是您想从测试中删除的变量,应尽可能多地删除。

当然,有些变量是您无法控制的,例如不同的格式设置规则以及每个广告网络上广告格式的外观。不过,您要尽可能在每个广告网络上投放相同的广告变体,并尽力使每个平台上的相似受众群体看到它们。

#4:首先测试潜力最大的创意

当需要进行第一次测试时,重要的是首先从具有最高潜力的想法开始。首先,您要进行预期的测试,它将显着提高ROI,转化率,销售线索质量或最有价值的绩效指标。当然,您的计算始终存在危险,但这只是测试和学习过程的一部分-因此,现在就只关注潜力。

随着您的测试和学习系统的成熟以及需要使用更多的数据,您的计算将变得更加准确。

在我们测试社交媒体广告中的内容格式的示例中,您实际上可以在每个平台上同时运行每种广告类型的一个版本。因此,在这种特定情况下,您不必担心任何选择,只要您在每个网络上坚持一种内容格式/广告类型即可。

#5:运行测试,直到达到统计显著性为止

为了确保数据可靠,您需要运行足够长的测试以达到统计意义。基本上,这意味着您已经从足够的场景中收集了数据,可以在合理范围内(通常在95-99%的范围内)信任结果。

大多数测试平台会显示一个百分比来表示您的数据在统计上的重要性,这意味着您可以正常运行测试,直到达到目标百分比。

要获得可靠的测试结果,需要考虑三个关键因素:

  1. 资料品质
  2. 数据量
  3. 时间

首先,您要确信自己正在从相关来源收集数据-在这种情况下,通常是广告系列的目标受众。您还希望确保您有足够的这些数据来补偿异常和变量。

在进行可靠测试时,时间是一种平衡。当然,您将需要一定的时间来收集足够的数据并获得统计意义,但是您必须考虑圣诞节或季节性变化等时间变量如何影响您的结果。

有时,如果可以避免不必要的变量,则尽早结束测试可能会有所帮助。同样,它可以帮助重复测试以平均季节或年份的结果,以补偿异常潮湿的夏天或某些年份的经济表现不佳。

#6:将见解付诸行动

当您对测试返回的统计结果感到满意后,就可以使用这些发现来制作更具吸引力的社交媒体广告。当然,这应该立即对您的社交广告效果产生影响,但是如果您继续测试并收集更多见解,则可以从该数据中学到更多。显而易见的下一步是继续重复这些测试,以测量每个平台上的参与率,以查看其随着时间的变化。您还可以在新社交网络出现时开始添加数据,以比较结果并确保您始终活跃在最吸引人的网络上。

在这里,我们有测试和学习的原则,可帮助您选择要在哪个社交网络上做广告。

您还可以扩展这些测试以包括其他KPI,例如,互动度与每个广告网络每种广告类型的投资回报率的比较。这将有助于您确认所产生的参与值得进行初始投资,如果您花费大量时间来制作视频广告,这一点就尤其重要。

有了足够的测试和数据,您还可以预测未来趋势,例如降低参与率或ROI下降,并制定应急计划,以防您的战略停止。

这种测试和学习方法可以应用于您网站上的任何营销策略,活动或最小的设计更改集。实际上,一些世界上最具创新力的品牌,例如亚马逊和Facebook,已经建立了基于测试和学习原理的完整业务模型,这些原理将数据驱动的见解应用于他们做出的每个业务决策。