- Mỗi khi nhận được một sản phẩm mới thì ngoài việc đầu tiên là tìm hiểu kỹ càng về sản phẩm cũng như nhu cầu của người mua hàng thì việc A/B Testing sản phẩm đó là không thể tránh khỏi.
- Suy cho cùng, khi tìm hiểu sản phẩm cũng như nhu cầu của khách hàng thì chúng ta mới chỉ đứng dưới góc độ chủ quan của cá nhân đánh giá về sản phẩm nên đôi khi nó thiếu chính xác. Mà để chính xác nhất thì chúng ta sẽ sử dụng phương pháp A/B Testing để từ đó có các số liệu từ kết quả của các chiến dịch quảng cáo về sản phẩm. Từ đó ta mới biết được chính xác nhất bước đi tiếp theo là như thế nào
1.A/B Testing là gì?
- A/B testing (hay thường được gọi là split testing) là một quy trình so sánh mà trong đó hai phiên bản ( chúng ta tạm gọi là A và B) sẽ được cùng so sánh trong một môi trường / tình huống được xác định cụ thể giống nhau và qua đó đánh giá xem phiên bản nào hiệu quả hơn. Phiên bản ở đây có thể là nhiều thứ khác nhau từ một hình banner, trang web, mẫu quảng cáo cho tới email và hiệu quả được đánh giá dựa trên các mục tiêu của người làm test muốn dành cho các phiên bản này.
- Ví dụ như một website bán hàng thì thường có mục tiêu là muốn khách hàng của mình phải mua hàng hoặc mua nhiều hơn nữa. Một banner quảng cáo thì thường có mục tiêu là muốn khách hàng bị thu hút nhiều hơn từ đó phải bấm vào đó nhiều hơn. Một email thì có mục tiêu là khách hàng phải mở ra xem càng nhiều càng tốt. Tất cả mọi thứ đều có một mục tiêu nào đó, nhằm khiến cho khách hàng thực hiện một hành động cụ thể, một mong muốn nào đó, hành động này được gọi là conversion. Tỉ lệ người thực hiện các hành động đó trên tổng số người được gọi là conversion rate (tỉ lệ chuyển đổi).
- Việc đo lường và đánh giá 2 phiên bản A và B trong cùng một điều kiện giống nhau cũng chính là việc đo lường và đánh giá conversion rate của tiến trình đang thực hiện.
2.Tại sao lại cần phải làm A/B testing?
- Nếu các bạn có một lượng khách hàng tiềm năng nhất định và bạn muốn tăng số lượng lượt conversion lên thì cách đầu tiên là cần phải mang thêm nhiều khách hàng hơn về đến website hoặc cửa hàng của bạn. Cách tiếp theo chính là tăng tỉ lệ conversion rate để với cùng một lượng khách tiềm năng sẵn có, họ có thể tạo ra một lượng conversion lớn hơn. A/B testing giúp các bạn làm được điều thứ hai bằng cách cho phép cải thiện hiệu quả của các tiến trình đang làm dù đó là phát triển web, phát triển ứng dụng, quảng cáo hay bán hàng.
3.Thực hiện A/B testing
- Như các bạn đã biết, cấu tạo của một chiến dịch quảng cáo nói chung hay quảng cáo facebook nói riêng gồm 3 phần chính
- Chiến dịch: gồm hình thức chạy khác nhau như: boost post, click to web, lead.. và giới hạn ngân sách (nếu muốn giới hạn thì chọn ko thì bỏ qua)
- Nhóm quảng cáo : gồm nhiều thứ : ngân sách chạy (của riêng nhóm quảng cáo đó), thời gian, đối tượng, vị trí quảng cáo trên thiết bị, cách tính giá, phương pháp phân phối.
- Quảng cáo : đây chính là nội dung bài viết hay bài quảng cáo mà mình muốn mọi người nhìn thấy..[caption id="attachment_870" align="aligncenter" width="619"]
Cấu trúc một chiến dịch quảng cáo facebook[/caption] - Như vầy facebook cho mình rất nhiều lựa chọn, các hình thức A/B Testing khác nhau để các bạn tìm ra lựa chọn nào tối ưu nhất cho sản phẩm của mình
- Các bước A/B Testing đối với 1 sản phẩm Facebook thì các bạn làm như sau nhé. Đối với các chiến dịch quảng cáo khác thì các bạn làm tương tự nhé
Bước 1: Test nội dung
- Tạo 1 chiến dịch tên "test nội dung", nhắm đối tương nhóm quảng cáo là đôi tượng nữ, 20-30 tuổi (chọn đối tượng mà dễ tương tác nhất còn trên 30 thì để sau đi).
- Tại Nhóm quảng cáo này tạo 2 bài quảng cáo (có thể 3-4 tùy)
- Bài 1 tên "mẫu A" và chọn 1 bài mình muốn test
- Bài 2 tên "mẫu B" và chọn 1 bài mình mốn test. - Ngân sách chạy hàng ngày và tính giá chọn CPM (cho nhiều người thấy), để càng lâu càng đo chính xác, tuy nhiên theo cá nhân mình thì mình để 2 ngày thui.
Bước 2: Test nhóm quảng cáo
- Sau khi chọn được bài nội dung tốt hơn, giả sử là "mẫu A" thì các bạn bắt đầu cho chạy bài này, chọn "ngân sách hàng ngày", CPM để lâu càng tốt mà mình test trong 3 ngày thui.
- Giả sử mình định hướng bán sản phẩm cho nữ thì chọn nữ là đối tượng luôn để tiết kiệm chi phí còn nếu mình bán cái bếp từ, thì không chọn gì vì ko biết nam hay nữ có nhu cầu mua.
- Kết thúc chiến dịch vào bảng phân tích của facebook xem cái nào tối ưu nhất
Và đây là kết quả sau khi test 1 chiến dịch của mình: (chỉ riêng sản phẩm của mình nhé, mỗi sản phẩm có 1 kết quả khác nhau) - Xem bảng thống kê độ tuổi mình chọn được khoảng tuổi tương tác nhiều nhất là 25-34.
[caption id="attachment_867" align="aligncenter" width="960"]
Bảng so sánh độ tương tác giữa các vùng[/caption]
- Nhìn vào hình trên các bạn sẽ thấy các tỉnh, thành phố Hà Nội, Quảng Ninh, Thanh Hóa, Nghệ An, Hài Phòng, .. có tương tác cao hơn hẳn, nên chúng ta sẻ chỉ bán trong các tỉnh này thôi
[caption id="attachment_869" align="aligncenter" width="859"]
Bảng so sánh độ tương tác giữa các nền tảng[/caption]
- Nhìn vào hình trên các bạn sẽ thấy các nền tảng iphone, máy tính để bàn tương tác cao hơn hẳn nên mình sẽ tập chung tiền vào các đối tượng này. Lát nữa vị trí quảng cáo mình chọn "Bảng tin trên máy tính", "Bảng tin trên thiết bị di dộng" - tiếp theo chỏ phải xuống chọn "Chỉ thiết bị ios"
- Còn đối với thời gian trong ngày các bạn chọn cái mà nhìều người tương tác giá lại rẻ ấy, như của mình sẽ là 9h-11h, 14h-16h, 20h-22h, nên mình chỉ chạy trong khoảng thời gian này
Bước 3: Tối ưu chiến dịch
- Sau khi có kết quả như trên, mình tạo thêm một chiến dịch mới và set theo các nhận xét mình đã tối ưu bên trên và chọn "ngân sách trọn đời",
- Lưu ý: Tuổi như trên rất chung chung (vì face chỉ cho xem như vậy) nên mình sẽ tách ra test kĩ hơn 20-23, 24-27,28-31.. cái này set 1 nhóm quảng cáo rùi chọn "Sao chép" ra 3 cái, sau đó thay đổi tuổi là được nhé.
4.Lời kết
- Như vậy là chỉ với vài thao tác A/B Testing đơn giản các bạn đã có thể lọc ra cho mình những nhóm đối tượng có độ tuổi, vị trí địa lý, thiết bị sử dụng... hợp lý để từ đó dành tiền đánh trọng tâm vào các nhóm đối tượng này nhằm thu được hiệu quả cáo nhất
Tham khảo bài gốc ở :
Tối ưu chiến dịch quảng cáo hiệu quả bằng A/B Testing
0 nhận xét