超干货FB广告优化：教你如何进行 AB Test

今天，我们主要讨论一下A/B测试。

在广告投放中，因为广告投放出来的数据错综复杂不易分析，所以当我们优化广告时，经常会选择进行 A/B Test 来对比各广告之间的效果。这不仅可以直观地分析广告数据，还能有效避免对数据做出错误判断，从而导致曝光率的减少，甚至转换降低的情况。所以说，A/B测试是广告优化的最佳实践方法之一。

什么是A/B测试？

A/B Test 也被称为拆分测试。通常适用于测试因某一个变量而产生的两个不同版本。通过收集受众所反馈的数据差异，以结果判断A和B方案的优劣来进行决策，从而提高转化率。

为什么要做A/B测试呢？

通过A/B Test，我们可以更加有针对性地统计和分析数据，根据数据分析结果迅速调整优化策略，降低用户转化率低的风险，以便为受众创建更具吸引力的内容，从而可以提高用户体验、提升转化目标。

以下总结几点A/B测试的好处：

1、增加广告及其落地页曝光率

2、提高转化率

3、易于分析

4、降低风险

A/B测试的流程

A/B Test提供了一种非常有效的测试方法，可以比较A/B两个版本测试结果，了解不同版本的数据差异，再根据数据进行迭代下版本素材。在进行A/B测试时，可以通过明确的优化目标进行区域划分，使测试工作更有利地进行。

在这里我们以投放Facebook广告举例，阐述Facebook广告A/B Test的流程。

首先，我们需要明确测试的变量和定位受众：

确认测试的变量

适合进行A/B测试的变量有：受众，素材，文案，广告版位。在优化广告期间，我们会发现有许多要测试的变量，但是想要把所有变量因素都拉出来做测试，这又并不实际。不仅测试时间不允许，预算也不支持。所以，通常在测试前期，需要明确主要的测试变量，为后续的测试定向。

例如，无论是广告还是帖子，当定位受众一致时，图片和文案是影响广告效果的最大因素，因为它们决定了广告能否在第一时间吸引用户的眼光，所以在A/B Test中素材和文案为常用测试变量。

但广告长时间运行，用户容易对素材产生疲惫感，为了增强用户的曝光和互动，除了更换素材，还可以增加受众的覆盖面积。

如：前期受众定位在18-25岁的男性。随着广告展示频次不断上升，广告效果不断下降，为了增强用户的曝光和互动，可以扩大受众年龄层甚至增加女性受众（如果合适）。我们可以选择受众范围18-38岁的全部受众，后续在根据测试结果分析哪个年龄段的受众数据最为给力。

注意：因为在测试多个变量时，无法确定哪个变量最终会成为优胜广告。所以我们需要根据变量测试结果的显示，以测试数据决策新的广告素材。

针对受众做精准细分定位

以游戏举例，我们最关注的就是游戏回收（ROI）。那么在受众的细分定位里面，哪方面的定位会影响到ROI呢？

自定义受众+类似受众

一般如果产品本身已经积累了一定的受众基础，这个时候可以创建自定义受众，对产品本身受众进行覆盖，也可以根据游戏自身purchase的种子玩家进行类似受众。这部分上期文章有相关的讲解，在此略过不讲。（上期文章）

通过兴趣精准筛选相似受众

在创建相似受众时，为了避免造成预算过高，我们还可以根据优化指标进行地区、年龄、性别、行为、手机操作系统等进行细分受众。

举个例子：

假设你正在投放游戏广告，目标人群是18-35岁的男性，那可以缩小受众范围，以年龄、性别覆盖受众。

当然，也可以根据Facebook受众设置来定位符合的兴趣受众和剔除对应的受众，使广告投放更精准。尝试添加两到三个Interest受众，在投放过程中观察转化率是否提高。 如果转化率没有提高，可能是因为其中一个兴趣定向偏差太大了。

为了更准确的吸引对游戏感兴趣的潜在受众，可根据产品本身特定，选择同类型竞争的受众人群。而为了减少受众重叠情况，还需排除掉已安装过应用的用户，避免造成不必要的损失。

此外，还可以通过选择设备先进的用户来提高广告回收率（毕竟消费能力高的人群，购买力更强一些）。虽然不能排除其他的行为，但可以指定智能设备及其操作系统或者排除某些选项，使定向用户更有可能产生购买/注册操作。

准确的定向受众，不仅可以为优化调整做准备，更能提升广告的成效。当然，想要真正提高广告转化率，还需要了解Facebook Split Test工具。

善用Facebook Split测试工具

Facebook有个Split Test功能，可以跟踪并分析不同创意方案下的结果，从而确定不同创意方案之间的优劣，在可控范围内选择更佳的方案。

例如：

广告优化就是通过不断测试来提升产品推动业务目标的过程。为提高产品的曝光率、转化率，部分产品采用A/B测试用户对素材的变化，以确定哪些更改最终会带来更多的转化（例如：曝光率、点击率提高，转化率增加等）。

如果只是针对广告创意和预算进行微幅调整测试，那测试结果可能无法反映两者成效的差异。

通过测试广告素材和文案，优化师可以了解哪个版本吸引了更多点击率，了解哪种布局最能将访问者转化为目标受众。如果每个步骤的元素都尽可能高效地获取用户，则可以减少总体支出。所以在测试前期，需要定向测试迭代变量。

测试过程

在测试期间，优化师根据关键表现指标（KPI）进行分析结果，对比两个版本数据差异，识别表现不佳的元素，分析数据制定素材迭代方案，根据KPI指标再对素材元素进行优化（即：优化广告文案、广告标题、广告素材、CTA按键及其落地页等）。

举个例子：

在选择受众定量进行A/B测试，会发现不同的素材和文案，用户所反映的效果也不同。那如何确认哪个素材才是真正的“赢家”呢？

首先，在投放广告前，需要了解素材测试周期是多久？

正常来说，一般测试周期三到十五天。但作为一个绝对最低限度，至少需要让广告运行24小时，再来调整广告的效果级别。Facebook的广告推送算法也需要学习时间，因此最好能拥有充足的时间来确保数据的收集。

当然，这并不是绝对的，当数据差异过大，结果也就很快出来了。如果数据收集差异不大，那还需要对素材进行测试（根据自身的预算及其测试时间设计迭代方案数量）。

投放时，以聚焦素材为迭代变量进行A/B Test。

素材和文案是Facebook广告中最为重要的部分。在进行A/B测试，可以对素材进行叠加测试，再对两版本数据差异进行修改。

收集A/B测试数据并分析

在广告投放期间，时刻关注Facebook收集的数据，对比两个版本数据所存在的差异。如果差异过大，优化师通过两个版本数据对比分析，从而对下版本素材进行修改变动，以优秀素材作为迭代版本的基础，进行优化。

根据数据结果再迭代测试变量

收集测试结果，了解用户所喜好的元素，在原来的优胜的素材上进行叠加，从而再进行测试。

通过以下的几个版本发现，在原来基础上进行叠加的素材，数据的差异并不大。

大部分素材在相同的情况下，广告运行时间过长，用户容易产生视觉疲惫，广告就会变得没有吸引力，用户的点击率和曝光率就有所降低。

通常以测试结果为依据，当广告效果低下时，就需要经常测试新的广告素材和文案。效果还不好，就需要更换素材角度，再根据测试数据叠加测试素材，以便找到效果更好的广告。

标题的吸引性

如果两个版本数据差异不大，但用户反应数据都不错，那可以继续投放广告。

以素材为定量，文案为迭代变量，进行测试。除了素材，好的标题也是吸引用户眼球的重要元素。

如果产品的受众年龄跨度较大，可以不同年龄设置不同文案及其标题，避免出现代沟情况。

经过反复的A/B测试可以得出，数据驱动素材及其文案的优化，新的决策依赖于数据结果。

根据测试结果统计用户行为操作，分析用户访问数据，了解用户是否对广告感兴趣，再对用户进行Remarketing，更可能的提高用户的转化率。

最后一点：广告创意比文本素材更容易抓取受众眼球

在测试过程中，我们发现图片和视频往往比标题和文案更容易获取用户的注意。所以，我们在进行A/B测试前期可以对测试层级变量分主次级，不仅可以减少时间，还可以减少成本。

不同广告创意，不同标题/文案，用户所反映数据结果也不相同。

根据我们之前的数据发现，最能影响广告效果的广告因素有以下排序：

1、广告创意：图片、视频

2、广告文本：标题、文案等

3、广告目标：转化量、访问量

当然，不同的产品或许会有不同的结果，在实践过程还需根据自身数据进行对比，找出对广告影响最大的变量测试。

总结：

在这里简化了一下以上讲述的内容：

1、 确认A/B Test测试变量，为测试定向。

2、 A/B Test测试的层级变量很多，需要分主次进行测试，毕竟预算有限。

3、 受众测试包括类似受众、自定义受众以及兴趣受众的定位，需要根据产品的特性来决定。

4、 记得使用Facebook创意报告中的数据进一步分析优化广告系列创意

5、 A/B测试的核心灵魂就在于：坚持不懈地测试。