Ich verbringe viel Zeit damit, über die humanistischeren Elemente der Werbung zu sprechen und zu schreiben; wie man auf einzigartige und persönliche Weise seine Zielgruppe anspricht, wie man eine echte Verbindung zu seinen Besuchern herstellt und so weiter. Unserer Erfahrung nach gibt es viel zu sagen über diese Art von nicht quantifizierbaren Dingen, die oft im Strudel der statistischen Analyse und Datenverarbeitung übersehen werden.

Oft müssen wir eine Entscheidung treffen, die sowohl unsere Intuition als auch die unveränderlichen Daten unserer Kampagnen berücksichtigt.

Das gesagt, gibt es Zeiten, in denen es wichtig ist, unsere instinktiven Emotionen zu unterdrücken und unsere Kampagnen innerhalb des unerbittlichen Rahmens unserer historischen Daten zu optimieren.

A/B-Split-Tests von Anzeigentexten sind eine dieser Gelegenheiten.

Wenige, wenn überhaupt, der Standard-Optimierungstechniken, die wir SEMs verwenden, liefern so konsistente und vorhersehbare Ergebnisse wie A/B-Split-Tests unserer Anzeigentexte. Wir können Keywords in neue Anzeigengruppen einfügen und kleben, unser Konto umstrukturieren, um an unseren Qualitätsbewertungen zu arbeiten, unseren benutzerdefinierten Gebotszeitplan anpassen, in der Hoffnung, unsere Konversionsraten zu erhöhen – aber sie sind alle von Natur aus bis zu einem gewissen Grad unvorhersehbar. A/B-Split-Tests von Anzeigentexten, wenn sie richtig durchgeführt werden, garantieren, dass Ihr gewählter KPI im Laufe der Zeit (wenn auch schrittweise) steigt.

Es gibt jedoch einige wichtige Dinge, die man über A/B-Split-Tests von Anzeigentexten verstehen muss, die den Unterschied zwischen dem Erfolg oder Misserfolg Ihrer Tests ausmachen werden.

Erfolgreiche Einrichtung in Adwords

Optmyzr bietet bei weitem die fortschrittlichsten und effizientesten A/B-Split-Test-Tools, die Agenturen und einzelnen Werbetreibenden zur Verfügung stehen, aber Sie müssen sicherstellen, dass Ihre AdWords-Kampagnen so konfiguriert sind, dass Sie Ihre Split-Tests angemessen aus dem Optmyzr-Dashboard heraus durchführen können.

Standardmäßig optimiert AdWords Ihre Anzeigenschaltung basierend auf den Anzeigen, die voraussichtlich die meisten Klicks erhalten. Das ist großartig – wenn Sie faul sind 🙂

Wenn Google Ihre Anzeigen basierend auf den Anzeigen rotiert, die voraussichtlich die meisten Klicks erhalten, werden Sie in der Regel sehen, dass ein oder zwei der Anzeigen in einer bestimmten Anzeigengruppe den Löwenanteil der Impressionen und Klicks erhalten. Natürlich.

A/B-Split-Tests zielen darauf ab, statistisch signifikante Daten über alle an einem bestimmten Test beteiligten Anzeigen zu erhalten, daher müssen Sie als erstes die Anzeigenschaltungseinstellungen ändern, um gleichmäßig zu rotieren. AdWords bietet die Option, 90 Tage lang gleichmäßig zu rotieren und dann zu optimieren, aber da wir weit über 90 Tage hinaus A/B-Split-Tests durchführen werden (richtig!?), möchten wir die Option „unbegrenzt rotieren“ wählen.

Sie können diese Einstellung im Kampagneneinstellungs-Tab ändern. Beachten Sie, dass diese Einstellung auf Kampagnenebene geändert wird und die Rotations-Einstellung auf alle Anzeigengruppen in der Kampagne angewendet wird.

Entwicklung Ihrer A/B-Split-Tests

Jetzt, da wir unsere Anzeigen so konfiguriert haben, dass sie gleichmäßig rotieren, müssen wir herausfinden, was wir testen und wie wir es testen. Basierend darauf, wie viele Daten Ihr Konto generiert, müssen Sie entscheiden, welche Art von Split-Test Sie durchführen möchten.

Menschen verwechseln oft technische Terminologie, daher beginnen wir damit, den Unterschied zwischen einem multivariaten (vollfaktoriellen) Test und einem A/B-Test zu definieren.

A/B-Split-Tests sind am einfachsten durchzuführen und es sei denn, Ihre Landingpages erhalten hohe tägliche Besucherzahlen, ist ein A/B-Split-Test die Methode der Wahl (zumindest meiner Meinung nach). Während viele Leute denken, dass A/B-Split-Tests ausschließlich zum Testen einer einzelnen Variablen gedacht sind, ist das nicht wirklich der Fall. Sie können 2 völlig unterschiedliche Anzeigen gegeneinander laufen lassen (oder 3 oder 4, was das betrifft), mit unterschiedlichen Überschriften, Beschreibungstexten und angezeigten URLs, und es trotzdem einen A/B-Split-Test nennen.

Wenn Sie nur messen, welche Anzeige am besten abgeschnitten hat, und nicht, welche einzelne Variable am besten abgeschnitten hat, ist es ein A/B-Test.

Ein multivariater Test ist, wenn Sie herausfinden möchten, welche einzelne Variable am besten abgeschnitten hat. Mit anderen Worten, wenn Sie 4 verschiedene Variablen testen (Überschrift, Beschreibung Zeile 1, Beschreibung Zeile 2 und angezeigte URL), müssten Sie 16 verschiedene Anzeigen schreiben (alle möglichen Kombinationen), um zu sehen, welche Kombination von Variablen am besten funktioniert hat. Für die meisten Konten klingen multivariate Tests in der Theorie großartig, funktionieren aber in der Praxis nicht so effektiv. Um eine gewinnende Anzeige zu bestimmen, benötigen Sie statistisch signifikante Daten. Die meisten Konten erhalten nicht das Volumen, um multivariate Tests die Zeit und Mühe wert zu machen.

Also, der Einfachheit halber, lassen Sie uns zurückgehen und ein wenig mehr über A/B-Split-Tests sprechen.

Ich empfehle dringend, wann immer möglich, A/B-Split-Tests mit einer einzigen Variablen durchzuführen (und seien wir ehrlich … es ist immer möglich). Wenn Sie 2 Anzeigen nebeneinander laufen lassen und nur eine Variable testen, wissen Sie, welches Element in der Anzeige für die bessere (oder schlechtere) Leistung verantwortlich war.

Zum Beispiel, sagen wir, Sie haben sich entschieden, einen A/B-Test mit 2 verschiedenen Anzeigenüberschriften-Ideen durchzuführen. Sie sind ein High-End-Self-Publishing-Unternehmen und dachten, es könnte eine gute Idee sein, Ihren Mindestbestellpreis in Ihrer Anzeigenüberschrift zu erwähnen, um Menschen, die nach günstigen Lösungen suchen, davon abzuhalten, auf Ihre Anzeige zu klicken. Also schreiben Sie zwei identische Anzeigen und ändern nur die Anzeigenüberschrift in einer von ihnen, um Ihren Mindestbestellpreis einzuschließen. Wenn die statistisch signifikanten (mehr dazu bald) Ergebnisse vorliegen, werden Sie zweifelsfrei wissen, dass es die Änderung der Anzeigenüberschrift war, die für den Unterschied in der Leistung verantwortlich war.

Wenn Sie zum Beispiel auch die Beschreibungszeilen der Anzeige in etwas anderes als den identischen Text der anderen Anzeige in der Anzeigengruppe geändert haben, wissen Sie nicht, ob es die Überschrift oder die Beschreibung oder eine Kombination aus beidem war, die für den Unterschied in der Leistung verantwortlich war.

Wie wir gesagt haben, würde das immer noch als gültiger A/B-Split-Test angesehen werden, da wir wissen, dass eine der Anzeigen statistisch besser abgeschnitten hat als die andere Anzeige, aber wir wissen nicht genau, welches Element der Anzeige den Kredit erhalten sollte.

Das gesagt, gibt es Zeiten, in denen ein multivariabler A/B-Split-Test wirklich nützlich ist. Wenn Sie eine neue Anzeigengruppe starten und zwei völlig separate Ideen haben, die thematisch unähnlich sind, könnte es eine wirklich nützliche Strategie sein, zwei völlig separate Anzeigen in einem A/B-Test laufen zu lassen, um zu bestimmen, welche Richtung Sie für zukünftige Tests einschlagen sollten.

Lassen Sie uns zu unserem vorherigen Beispiel Ihres High-End-Self-Publishing-Unternehmens zurückkehren. Sie sind sich nicht sicher, ob es besser wäre, die Geschwindigkeit und Qualität Ihres Services oder die Professionalität und Erfahrung Ihres Redaktionsteams hervorzuheben. Dies sind zwei separate Ideen, und mit dem zugeteilten Anzeigentext können Sie nicht beide Aspekte des Geschäfts abdecken. In diesem Fall könnte es eine gute Idee sein, einen multivariablen A/B-Test durchzuführen, bei dem eine Anzeige hauptsächlich auf Geschwindigkeit und Qualität und eine andere Anzeige hauptsächlich auf das Redaktionsteam fokussiert ist. Sie testen keine einzelne Variable wie eine Überschrift, sondern ein Konzept als Ganzes. Sobald Ihr Test bestimmt, welche Anzeige ansprechender ist (basierend auf dem KPI, den Sie zur Messung wählen – mehr dazu bald), können Sie dann in A/B-Tests mit einer einzigen Variablen eintauchen, um Ihren Text weiter zu verfeinern und die Leistung kontinuierlich zu steigern.

Um nicht in einer Sackgasse der Stagnation und Selbstzufriedenheit stecken zu bleiben, ist es immer eine gute Idee, regelmäßig neue multivariable „Konzept“-Anzeigen zu testen, um neue Ideen zu finden, die Sie in der Vergangenheit nicht erkundet haben.

Jetzt, da wir wissen, welche Art von Test wir durchführen möchten, was testen wir tatsächlich? Sie werden wahrscheinlich fünf verschiedene Antworten auf diese Frage bekommen, wenn Sie fünf verschiedene Leute fragen, also werde ich Ihnen einfach sagen, was wir aus den Hunderten von Konten, die wir in den letzten Jahren verwaltet haben, herausgefunden haben.

Beginnen Sie mit A/B-Tests von Anzeigenüberschriften. Wenn Sie eine Variable wie eine Überschrift testen, strebe ich in der Regel an, vier Variationen zu schreiben – was uns natürlich vier separate Anzeigen in einer Anzeigengruppe geben würde. Wenn Sie weniger als 75-100 Klicks täglich für eine bestimmte Anzeigengruppe erhalten, sollten Sie in Betracht ziehen, 2-3 Anzeigen zu schreiben.

Ihre Überschrift ist nicht nur das erste Element Ihrer Anzeige, das von einem Benutzer gelesen wird; es ist oft der einzige Teil der Anzeige, der Aufmerksamkeit erhält. Wenn jemand eine Anzeigenüberschrift sieht, die ihm wirklich gefällt, klickt er oft auf die Anzeige, ohne den Rest dessen zu lesen, was Sie zu sagen haben. Umgekehrt, wenn die Überschrift ihn abschreckt oder nicht genau das ist, wonach er sucht, wird er Sie wahrscheinlich übergehen und zur nächsten Anzeige auf der Seite wechseln.

Es gibt viele Informationen auf einer Suchmaschinenergebnisseite zu verarbeiten, und die Menschen haben einfach nicht die Zeit oder die mentale Stärke, jede Zeile jeder Anzeige und jedes organischen Ergebnisses zu lesen und zu analysieren. Es ist nicht etwas, das wir Werbetreibenden mögen (nachdem wir so viel Arbeit in jeden Charakter unserer wertvollen Anzeigen gesteckt haben), aber es ist die kalte Realität, mit der wir uns schließlich abfinden müssen. Also in weniger Worten, testen Sie zuerst Ihre Überschriften. Ich hoffe, die meisten Menschen würden dem zustimmen.

Folgen Sie unserer Logik, testen Sie als nächstes Ihre Beschreibungszeilen. Ob Sie eine Zeile auf einmal oder beide Beschreibungszeilen auf einmal testen, hängt von Ihrer Präferenz und der Art der Anzeige ab, die Sie schreiben (gibt es einen deutlichen Gedanken auf jeder Zeile oder sind beide Zeilen eine lange Nachricht?).

Es ist eine gute Idee, Ihre angezeigten URLs zu testen, da der historische CTR Ihrer angezeigten URLs eine Rolle in Ihrem Qualitätsfaktor spielt. Erwarten Sie keine dramatischen Ergebnisse von einem A/B-Test auf angezeigten URLs (wenn es einen Teil Ihrer Anzeige gibt, den jemand nicht lesen wird, ist es die angezeigte URL), aber testen Sie sie trotzdem im Interesse des Qualitätsfaktors und im Interesse, Ihre Arbeit richtig zu machen.

Was genau zu testen ist, ist eine längere Diskussion für ein anderes Mal, aber ich versuche immer, die Produkte und Dienstleistungen, die wir bewerben, mehr im Kontext ihrer emotionalen Vorteile für den Kunden und weniger im Kontext ihrer Funktionen zu betrachten. Niemand kauft einen Staubsauger, weil er einen Staubsauger will; sie kaufen einen Staubsauger, weil sie einen sauberen Raum wollen. Wir haben einige außergewöhnliche A/B-Testergebnisse gesehen, die Funktionen gegen Vorteile testen („beutellos und kompakt!“ VS. „ein Zuhause so sauber wie Sie nach einer langen heißen Dusche!“), und in fast jedem Fall produzieren das Hervorheben von Vorteilen und emotionalen Belohnungen immer bessere Ergebnisse.

Berücksichtigen Sie auch die Idee von dem, was ich Qualifikatoren nenne. Das Qualifizieren Ihrer Klicks, indem Sie Preise in Ihre Anzeigen aufnehmen, ist eine Möglichkeit, unerwünschte Klicks von Personen abzuschrecken, deren Traffic Sie nicht bezahlen möchten.

A/B-Tests von Landingpages sind auch etwas, das sehr effektiv ist, aber mit dem Aufkommen von komplexen A/B-Landingpage-Tools und -Software ist es zu einer eigenen Branche geworden und muss nicht mit Ihren Anzeigentext-A/B-Split-Tests in Konflikt geraten.

Ich wäre nachlässig, die Idee nicht zu erwähnen, Ihren Call-to-Action zu testen. Natürlich haben Sie einen Call-to-Action (richtig!?), und es ist eine großartige Idee, verschiedene CTAs zu testen, um zu sehen, welche die Aufmerksamkeit Ihres Publikums am effektivsten erfassen.

Jetzt, da wir wissen, wie und was wir testen, werfen wir einen Blick darauf, wie wir die Ergebnisse unserer Tests messen und definieren.

Statistische Signifikanz

Wenn wir kein Tool wie Optmyzr hätten, würden die nächsten paar Absätze Sie wahrscheinlich (definitiv) zu Tode langweilen. Ich weiß nicht, wie es Ihnen geht, aber ich würde lieber Farbe beim Trocknen zusehen, als über Koeffizienten, Korrelationen und den heiligen Gral der statistischen Messungen – p-Werte – zu sprechen, zu schreiben oder zuzuhören.

Zum Glück für uns alle erledigt Optmyzr all diese Arbeit für uns. Aber nur im Interesse unseres intellektuellen Wohlbefindens ein kurzes Wort zu p-Werten.

In einem statistischen Test sagt uns ein p-Wert, wie signifikant oder wissenschaftlich interessant unsere Ergebnisse sind. Wir könnten feststellen, dass Überschrift A eine höhere CTR hatte als Überschrift B, aber wie sicher können wir sein, dass wir die gleichen Ergebnisse sehen würden, wenn wir den gleichen Test noch einmal durchführen? Und noch einmal danach?

Unsere p-Werte (auch als unser Konfidenzintervall bezeichnet) sagen uns, wie sicher wir sein können, dass wir die gleichen Ergebnisse wiederholt sehen würden, oder mit anderen Worten, wie zuverlässig unsere Ergebnisse waren. Ein p-Wert ist nur eine Zahl, die von den statistischen Gleichungen ausgegeben wird, die verwendet werden, um die Korrelation zwischen unseren Variablen zu berechnen, und je nach Studienfeld repräsentieren verschiedene p-Werte unterschiedliche Akzeptanzschwellen.

In der Medizin, wenn die Ergebnisse eines Tests einen Chirurgen buchstäblich über eine lebenswichtige Entscheidung informieren können, ist ein p-Wert von weniger als .01 erforderlich, um die Zuverlässigkeit zu bestimmen. Für AdWords, ein etwas weniger heikles Studienfeld, könnten wir annehmen, dass ein p-Wert von weniger als .05 völlig akzeptabel ist. Tatsächlich ist in den Sozialwissenschaften p<.05 der Maßstab für Zuverlässigkeit.

An diesem Punkt denken Sie wahrscheinlich, wenn Sie nie wieder das Wort p-Wert hören würden, wäre es zu früh. Amen dazu, Bruder. Ich verspreche, es wird von hier an viele bunte Bilder geben.

Da dies kein Anfänger-Tutorial für Optmyzr ist, gehe ich von grundlegenden Arbeitskenntnissen des Optmyzr-Dashboards aus.

Also haben wir unseren Split-Test konfiguriert und gestartet, und jetzt wollen wir sehen, ob wir genug statistisch signifikante Daten haben, um unsere Gewinner auszuwählen.

<img src=“https://lh5.googleusercontent.com/YU0PqGMKAcZRH7Xte2M40zHvAc8ZgTRtxoZIWiatil1aBazUN86SQfM5qnzvYGVvDMsl-UuIqF2BvD-u75UxRz4RVEkVomqxFTUvAuiVRSLNuFT49JihxsWajHtG-NJTlenV52B-ky1wEh9p" alt=” width=“576px;” height=“310px;” />

Navigieren Sie zu den A/B-Tests für Anzeigen unter dem Dropdown-Menü für Ein-Klick-Optimierungen in Optmyzr.

Bevor wir unsere Ergebnisse analysieren, möchten wir einen Blick auf die Einstellungen werfen, die Optmyzr uns erlaubt zu konfigurieren.

<img style=“line-height: 1.5;” src=“https://lh4.googleusercontent.com/aGD1rrpJBlRAdzAH0DqPNAdewDzBrNuzRu9hO42uylYpc5UzNLeBFxOv1Kz3QkXBPIf3FSxzR7fvKxG1fptLW3hVX4Ie8omsgwL_jHg5UxtOfSzCp_kX3If7WQ_JCROofn6vG-z0V8vj0ClM" alt=” width=“576px;” height=“113px;” />

Erinnern Sie sich an p-Werte? Das ist es, worauf OPTMYZR mit Erforderliche Konfidenz verweist. Standardmäßig ist es auf 95% (p<.05) eingestellt, und das ist ein guter Ort, um es zu belassen. Sie können Ihre Ergebnisse auch nach Anzeigentyp, Netzwerk, Mindestanzahl von Impressionen pro Anzeige und dem Datumsbereich filtern.

Die wichtige Option, die man sich hier ansehen sollte, ist die Parameteroptionen-Liste. Wie Sie aus dem ersten Bild sehen können, setzt Optmyzr unseren Parameter standardmäßig auf CTR. Das bedeutet, dass die statistische Analyse CTR als unseren bevorzugten Leistungsindikator betrachtet, um die gewinnende Anzeige zu bestimmen. Wie Sie an den grünen und roten Hervorhebungen in der CTR-Spalte sehen können, ist CTR die Metrik, die in diesem Test „studiert“ wird.

Sie können auch wählen, die A/B-Testergebnisse mit der Konversionsrate und den Konversionen pro Impression als Ihre bevorzugte Metrik zu verwenden.

Um zu bestimmen, welchen Parameter Sie verwenden sollten, hängt von der Strategie hinter den Anzeigengruppen ab, in denen Sie Anzeigen testen. Wenn Sie eine breitere, lose zielgerichtete Kampagne durchführen, um Traffic auf Ihre Website zu lenken, damit Sie Ihre Remarketing-Zielgruppen oder Ihre Markenbekanntheit aufbauen können, könnte CTR sehr wohl die Metrik der Wahl für Sie sein. Wenn Ihre Kampagne darauf ausgelegt ist, Gewinn und eine positive Rendite zu erzielen, möchten Sie möglicherweise Ihre Anzeigenleistung im Kontext der Konversionsrate analysieren.

Da die Kampagne, die wir uns hier ansehen, eine Branding-Kampagne ist, interessieren mich in erster Linie die Besucher der Website – also werde ich CTR als unsere bevorzugte Metrik belassen.

<img style=“line-height: 1.5;” src=“https://lh5.googleusercontent.com/HvAdSmiUsKvu9xRF0Jg-cheRsbRiSK5yQKBmIoQ1EsEDTcmETuQ0U4iFXBhYTe3Ky_wAUn5BRZNejbw5pArJFC6eJYXSwnsyx0uULW3-XVKPKDjgYQho13z4aII5VLwnPjII7E4TLGTv65XI" alt=” width=“576px;” height=“356px;” />

Also testen wir in diesem A/B-Test zwei verschiedene Überschriften. Basierend auf einem Konfidenzniveau von 95% gibt Optmyzr eine gewinnende Anzeige aus, wobei CTR als unsere bevorzugte Metrik verwendet wird.

Aber können Sie etwas Falsches erkennen?

Die gewinnende Anzeige hat ein viel höheres Volumen an Klicks und Impressionen als die verlierende Anzeige. Dies liegt daran, dass die Anzeigen in dieser Anzeigengruppe nicht auf unbegrenzte Rotation eingestellt waren und Google der Anzeige den Vorzug gab, die voraussichtlich mehr Klicks erhalten würde. Während die Testergebnisse immer noch statistisch signifikant sind, möchten wir, dass unsere Daten gleichmäßiger sind, wenn es um das Volumen von Klicks und Impressionen geht.

Lassen Sie uns zu einem anderen Konto wechseln, um zu sehen, wie ein ordnungsgemäßer A/B-Test aussehen sollte.

In diesem Beispiel haben wir einen multivariablen A/B-Test zu zwei verschiedenen Gesamtkonzepten von Anzeigen durchgeführt. Auch wenn die gewinnende Anzeige immer noch deutlich mehr Klicks als die verlierende hat, hat die verlierende Anzeige genug Volumen, um den Ergebnissen dieses Tests echte Gültigkeit zu verleihen.

Beachten Sie noch etwas. Auch wenn mein bevorzugter Parameter hier immer noch CTR ist, lässt Optmyzr uns freundlicherweise wissen, ob eine andere der Metriken auch mit statistischer Signifikanz bei unserem gewünschten Konfidenzintervall übereinstimmt. In diesem Beispiel hat die gewinnende Anzeige auch eine statistisch signifikant höhere Konversion pro Impression-Rate als die verlierende Anzeige. Gut zu wissen!

Wenn Sie auf Fälle stoßen, in denen eine Anzeige bei CTR gewinnt, aber bei der Konversionsrate verliert, müssen Sie ernsthaft über die Kampagnenstrategie nachdenken und entscheiden, auf welcher Metrik Sie Ihre Optimierungen basieren.

Wenn Sie sich nicht bereits in Optmyzr verliebt haben, werden Sie es jetzt!

Optmyzr macht es nicht nur unglaublich einfach (und ein wenig spaßig), AB-Split-Testergebnisse über ein gesamtes Konto in einem Rutsch durchzuführen, sondern ermöglicht es Ihnen auch, die verlierenden Anzeigen aus jedem Split-Test mit einem Klick zu pausieren.

Standardmäßig wählt Optmyzr alle verlierenden Anzeigen über alle Anzeigengruppen und A/B-Tests aus, die statistisch signifikante Ergebnisse innerhalb Ihrer definierten Parameter hatten.

Wenn Sie mit den Ergebnissen zufrieden sind, können Sie auf die blaue Schaltfläche „Ausgewählte Anzeigen pausieren“ in der oberen rechten Ecke klicken, und die verlierenden Anzeigen werden in Ihrem aktiven AdWords-Konto pausiert. Ernsthaft, wie cool ist das?

Aber jetzt, da Sie eine der Anzeigen pausiert haben, möchten Sie eine neue Anzeige an deren Stelle schreiben, um einen weiteren A/B-Test durchzuführen. Optmyzr hat ein weiteres unglaublich nützliches Tool, das es Ihnen ermöglicht, genau das zu tun, ohne das Dashboard zu verlassen.

Durch Klicken auf die Schaltfläche „Anzeige erstellen“ in der oberen rechten Ecke eines Anzeigengruppenabschnitts präsentiert Ihnen Optmyzr ein Dialogfeld, das es Ihnen ermöglicht, eine neue Anzeige zu schreiben und sie live in der von Ihnen ausgewählten Anzeigengruppe zu veröffentlichen. Noch cooler ist, dass Optmyzr Ihnen Vorschläge für jedes Element der Textanzeige basierend auf Ergebnissen aus historischen Daten und früheren A/B-Tests im Konto gibt.

<img style=“line-height: 1.5;” src=“https://lh3.googleusercontent.com/Do7LnbqTnkz73RpXNMHS0jts4pgKUMku5raOor6Khz9gE47kU_A5tv0LhWkAUVNNagEYRH2D6GGqvew6dIAUpSkFZNqY3cnKs4HOJUZUYMln1hEhZUPeqr7uyU_JfqcYs-MkuZgozv5v-AfI" alt=” width=“576px;” height=“291px;” />

Wie Sie sehen können, bietet OPTMYZR eine vollständig umfassende Lösung, um A/B-Split-Tests auf eine einfache, ästhetisch ansprechende und intuitive Weise durchzuführen.

Der beste Weg, um ein Gefühl dafür zu bekommen, wie es funktioniert, ist einfach, sich damit zu beschäftigen und mit den verschiedenen Parametern herumzuspielen. Sobald Sie den Dreh raus haben, dauert die Durchführung von Analysen, die sonst komplex wären, nur ein paar Minuten.

Fazit

Das A/B-Split-Testing von Anzeigentexten wird oft übersehen, obwohl es eine der zuverlässigsten und effektivsten Formen der Optimierung ist. Aufgrund seiner inhärenten Komplexität und Mehrdeutigkeit übersehen wir es oft und wählen gewinnende Anzeigentexte eher nach Intuition als nach statistisch fundierten Ergebnissen aus.

Das A/B-Split-Testing-Tool von Optmyzr ändert das für viele Menschen, indem es eine komplexe Aufgabe vereinfacht und unglaublich einfach und mühelos regelmäßig und effektiv durchzuführen macht.

Auch wenn wir uns stark auf statistische Beweise bei A/B-Tests stützen, ist es entscheidend, Ihre kreative Stimme auszudrücken und Ihr intuitives Gespür zu nutzen, um zu bestimmen, was, wo und wie getestet werden soll. Indem Sie Ihre einzigartige Persönlichkeit mit einer guten statistischen Analyse kombinieren, werden Sie A/B-Tests wie ein Profi durchführen.

Es ist leicht, sich in einem bestimmten Haltemuster bei A/B-Tests zu verfangen, also erinnern Sie sich alle paar Monate (oder Wochen) daran, wieder an das Reißbrett zu gehen und einige neue „Konzept“-Anzeigen zu testen.

Wenn Sie interessante Daten zu A/B-Tests haben, die Sie in der Vergangenheit durchgeführt haben, würde ich gerne davon hören. Natürlich sind alle Kommentare oder Fragen mehr als willkommen (hinterlassen Sie sie unten), und ich werde sicherstellen, dass ich mich bei Ihnen melde.

Wenn Sie es bis hierher geschafft haben, schätze ich wirklich, dass Sie sich die Zeit genommen haben, diesen Beitrag zu lesen. Ich freue mich auf das nächste Mal …

Viel Spaß beim Testen!

Erfahren Sie mehr darüber, wie ich AdWords-Konten verwalte bei Adventure PPC.