5 formas astutas de dividir la prueba de sus anuncios de compras de Google

¿Una de las mejores maneras de aumentar su rentabilidad? Pruebas divididas A/B. Google Ads tiene una función llamada Experimentos en la que puede crear experimentos personalizados para sus campañas y comparar el rendimiento de su grupo de prueba con el de sus campañas originales (grupo de control) a lo largo del tiempo.

El único problema es que esto solo está disponible para las campañas de Búsqueda y Display. No para ir de compras. Afortunadamente, se me ocurrieron cinco formas en las que puede probar múltiples variaciones de sus campañas de Shopping, que es en lo que nos sumergiremos en esta publicación.

Cómo hacer pruebas A/B de la información del producto

La información de productos de prueba A/B, como títulos, imágenes o extensiones, puede ser útil para optimizar su feed de productos.

Esto se puede hacer en la configuración de su feed, ya sea a través de una herramienta de administración de feeds o manualmente en Google Merchant Center. Una vez que haya decidido lo que desea probar, deberá crear grupos iguales de productos. Esto se puede hacer de varias maneras, principalmente uso los siguientes dos métodos:

1. El método de análisis de conglomerados

Con un análisis de conglomerados, dividirá según el rendimiento histórico (p. ej., dividirá sus productos en grupos iguales según métricas como clics, ingresos, costos y valor de conversión). Puede hacerlo a través de una hoja de cálculo para conjuntos de datos más pequeños o en R (u otros lenguajes de programación) para conjuntos de datos más grandes.

2. El método de división aleatoria

Se puede hacer una división aleatoria en función de la identificación de su producto. Por ejemplo, si usa valores numéricos como ID de productos, puede asignar el grupo A a todos los números pares y el B a todos los números impares.

Lo más importante al dividir sus productos es asegurarse de que todos los grupos de su experimento tengan la misma cantidad de productos y que sus métricas clave también estén muy cerca.

Una vez que haya realizado la división, realice los cambios en los ID de producto en su grupo de prueba. Asegúrese de poder generar informes sobre todos los ID de sus productos y los grupos correspondientes. De esta manera puedes analizarlos y encontrar ganadores. A continuación, puede encontrar un ejemplo de cómo se vería esto en su feed.

Cómo realizar pruebas A/B de la configuración de la campaña

Si desea dividir la configuración de la campaña de prueba, como el ROAS, la orientación o diferentes tipos de campaña, deberá realizar divisiones en función de algo que no sean los ID de productos. Idealmente, querrá ofrecer los mismos productos tanto en su grupo de control como en el de prueba porque el rendimiento puede variar según el producto. Hay tres divisiones diferentes que puede hacer para probar su configuración. Al igual que la configuración de prueba en el contenido del producto, la creación de grupos iguales es clave. Con todos los métodos, debe realizar el análisis de conglomerados de datos usted mismo. Crea dos o más grupos iguales y analiza en base a las diferencias.

3. El método de división de la segmentación por lista de clientes

Con la segmentación por lista de clientes, puede dirigirse a audiencias propias en Google Ads. Funciona cargando una lista de direcciones de correo electrónico de su base de datos existente a la que desea dirigirse, y Google hará coincidir esas direcciones de correo electrónico con las cuentas de Google.

Cómo hacerlo

Si utiliza la segmentación por lista de clientes, debería poder crear una división de cookies en su software de CRM. Luego puede crear dos campañas diferentes utilizando dos audiencias de segmentación por lista de clientes de Google diferentes. Cambie la configuración que desea probar en su campaña de prueba y mantenga todo lo demás igual en su campaña de control. Y eso es.

Nota: si está utilizando la segmentación por lista de clientes, asegúrese de tener una tercera campaña activa para todos los clientes potenciales que no están dentro de su base de datos. De esta manera, no perderá ninguna conversión potencial.

Fuente de imagen

ventajas

• División aleatoria: al dividir las cookies, en realidad tiene una división aleatoria que se usa a menudo en otras pruebas A/B.
• Datos fiables: debido a la división aleatoria, los resultados son fiables y reproducibles.

Contras

• Difícil de implementar: no todos los anunciantes tienen los recursos para implementar la segmentación por lista de clientes o realizar la división aleatoria en su CRM.
• No completo al 100 %: este experimento solo se aplica a los clientes existentes en su base de datos. Eso significa que los resultados no son válidos para nuevos clientes potenciales.

4. El método de prueba geo split

Las divisiones geográficas a menudo se usan para encontrar aumentos incrementales en las campañas. Esto podría responder preguntas como: ¿Existe un valor incremental en la publicidad en palabras clave de marca?

Cómo hacerlo

En una prueba geográfica, un mercado se divide en regiones geográficas más pequeñas llamadas geos. A cada geo se le asigna un control o un grupo de prueba. Los usuarios de las zonas geográficas de prueba están expuestos a las campañas modificadas, mientras que los usuarios de las zonas geográficas de control reciben las campañas de control. La división se puede hacer por país o región, siempre que ambos grupos regionales estén altamente correlacionados. Deberá utilizar el análisis de clústeres para determinar sus grupos.

ventajas

• Fácil de configurar: cualquiera con un poco de experiencia en Google Ads puede configurarlo.
• Confiable: dado que dividimos las mismas campañas, la estacionalidad no puede ser una influencia.

Contras

• El comportamiento puede variar ampliamente según la ubicación geográfica. Es esencial tener dos grupos altamente correlacionados. Además, la estacionalidad puede diferir según la ubicación geográfica. No es ideal comparar Alaska con Texas si vende equipos para actividades al aire libre.
• Un poco difícil de preparar: el análisis de conglomerados en la orientación geográfica puede ser complicado cuando se trata de ubicaciones geográficas más pequeñas.

5. El método de división de campaña

En una división de campaña, simplemente divide tus campañas o cuentas en dos grupos altamente correlacionados. Ambos grupos deben tener la misma cantidad de métricas clave, como clics, conversiones y costos.

Cómo hacerlo

En un grupo de campañas (grupo de prueba), usted realiza los cambios mientras que en el grupo de control servirán sus mejores prácticas actuales. Si etiqueta y realiza un seguimiento de los diferentes grupos de campañas, puede decir algo sobre las diferencias en el rendimiento.

El presupuesto y la estrategia de oferta son dos configuraciones que puede probar.

ventajas

• Muy fácil de configurar: Solo necesitas cambiar la configuración en la mitad de tus campañas y listo.

Contras

• Menos confiable: la estacionalidad puede desempeñar un papel en diferentes campañas, especialmente si sus campañas están divididas por categoría de producto (¿ha probado la estructura de campaña de oferta prioritaria?).
• La preparación puede ser difícil: el análisis de conglomerados en grupos de campañas puede ser difícil cuando se trata de conjuntos más pequeños de campañas y datos.

Pensamientos finales

¡Eso es todo! Cinco formas diferentes de ejecutar pruebas A/B para sus anuncios de Google Shopping:

1. Pruebe los atributos del feed de productos, creando grupos con un análisis de conglomerados.
2. Pruebe los atributos del feed de productos, creando grupos con una división aleatoria.
3. Pruebe la configuración de la campaña con grupos de segmentación por lista de clientes.
4. Pruebe la configuración de la campaña con geos.
5. Probar la configuración de la campaña con grupos de campañas

La calidad del resultado depende de la calidad de su configuración y análisis preliminar (grupo). Lo que obtienes es lo que pones. Esperamos que esto te ayude con la optimización de tus campañas de Google Shopping. Si prueba alguno de estos métodos, ¡comparta los resultados en los comentarios! Por ahora, ¡que tengas un día maravilloso y sigue optimizando!