SMX Overtime: pruebas eternas, la clave del éxito de Facebook Ads

SMX Overtime es parte de nuestra serie de oradores SMX, en la que los presentadores de SMX responden preguntas de los asistentes sobre una variedad de temas.

A principios de este mes, tuve el placer de presentarme en el SMX virtual de otoño. Aunque nada reemplaza la capacidad de establecer contactos en persona, SMX hizo un gran trabajo al crear una experiencia que facilitó las discusiones y los contactos que todos nos hemos estado perdiendo, ¡además del excelente contenido!

En mi sesión, "Pruebas eternas: la clave para el éxito de los anuncios de Facebook", hubo varias preguntas excelentes a las que no pudimos llegar, así que decidimos armar esta publicación como un medio para responder esas preguntas. También incluí las preguntas que pudimos responder porque todas las preguntas eran tan precisas que pensé que sería beneficioso compartir las respuestas de una sola vez.

"¿Cuánto tiempo debería llevar contactar a un cliente potencial que llenó un instaform?"

El tiempo de espera antes de responder a un cliente potencial depende de algunas cosas:

• ¿Qué tan atractivo es el cliente potencial? ¿Solicitó una llamada de ventas o una demostración?
• Si solicitaron contenido, ¿tienen que esperar para recibirlo hasta que reciban un correo electrónico de usted con el contenido?

Si la respuesta a cualquiera de esas preguntas es sí, eso indica un sentido de urgencia y recomendaría comunicarse lo más rápido posible. Para alguien que solicita una demostración o una llamada, la mejor oportunidad que tiene de convertirlos en una venta es en ese momento. Cuanto más espere para hacer un seguimiento, más tiempo tendrán para darse una vuelta o incluso para distraerse o cambiar de opinión.

Si el cliente potencial es un cliente potencial de embudo superior y está buscando contenido, no recomiendo tratar de impulsar una venta de inmediato, ya que es probable que no esté listo para ese tipo de compromiso. Sin embargo, recomiendo crear un primer toque con bastante rapidez mientras todavía tienen recuerdo de la marca, de modo que sea más probable que interactúen con su contenido de seguimiento. Sugiero colocar a estas personas en una campaña de nutrición por correo electrónico para que participen de manera automática hasta que su comportamiento indique que están listos para ser contactados por ventas. Si puede hacer que el contenido que solicitaron sea la primera parte del contenido, eso crea una forma realmente fluida de crear un seguimiento rápido sin parecer autoritario.

“¿Cuánto dura la curva de aprendizaje de Facebook? Si probamos algo, ¿deberíamos dejarlo funcionar durante al menos 30 días?”

Esto es difícil de responder: odio dar una respuesta de "depende", pero este es un escenario en el que se aplica esa respuesta. La curva de aprendizaje de Facebook se define mejor por el tiempo que lleva llegar a 50 eventos de optimización, que puede variar de una cuenta a otra, incluso de un conjunto de anuncios a otro dentro de la misma cuenta.

La dificultad con Facebook es que si prolongas demasiado la prueba, puedes sufrir fatiga creativa, lo que también puede afectar negativamente tus resultados. El tiempo que transcurre antes de que llegues a la fatiga creativa parece variar en función de muchos factores diferentes, que también varían de una campaña a otra. El tamaño y la frecuencia de la audiencia juegan un papel aquí. Por lo tanto, un conjunto de anuncios con una gran audiencia y baja frecuencia generalmente alcanzará la fatiga creativa más lentamente que una cuenta con audiencias pequeñas.

Dicho todo esto, es ideal para salir de la fase de aprendizaje, lo que significa lograr al menos 50 eventos de optimización. El objetivo debe ser salir de la fase de aprendizaje (idealmente dentro de una semana) y también recopilar suficientes datos para que pueda lograr una significación estadística en sus resultados. Existen muchas calculadoras gratuitas de significación estadística: esta de CXL le permite estimar cuántos días más necesita en su prueba para lograr una significancia estadística en función de los resultados actuales y la cantidad de días que la prueba ha estado funcionando.

“¿Por qué el aprendizaje estaría limitado en una campaña publicitaria que tiene un presupuesto mayor y más conversiones que las otras campañas publicitarias? La audiencia es grande, de la lista de correo electrónico del cliente, con una audiencia similar”.

La fase de aprendizaje de Facebook requiere 50 eventos de optimización y cualquier cambio que se realice puede devolverlo al modo de aprendizaje. Entonces, hay algunas cosas que podrían estar sucediendo aquí:

1. La audiencia puede ser mayor, pero es posible que aún no haya alcanzado el umbral de 50 eventos de optimización.
2. Cada conjunto de anuncios ingresa y sale de la fase de aprendizaje individualmente, por lo que incluso si la campaña ha alcanzado el umbral de 50 eventos de optimización, es posible que no todos los conjuntos de anuncios hayan alcanzado ese umbral todavía y que algunos aún estén en la fase de aprendizaje.
3. Es posible que haya habido cambios recientes que podrían haber enviado partes de esta campaña nuevamente a la fase de aprendizaje, incluso si antes no estaba en modo de aprendizaje, como nuevos anuncios, cambios en el presupuesto, cambios en las ofertas o cambios en la orientación. Puede verificar esto mirando los cambios recientes para ver si se realizó alguna edición recientemente. En ese momento, tendrían que ocurrir otros 50 eventos de optimización después de la edición significativa más reciente para salir nuevamente de la fase de aprendizaje.

“¿Cuál es su opinión sobre el estado de la fase de aprendizaje de los anuncios de Facebook? ¿Afectará el escenario de prueba?”

La fase de aprendizaje definitivamente puede afectar las pruebas. Hasta que esté fuera de la fase de aprendizaje, los resultados pueden variar enormemente. Lo mejor es salir de la fase de aprendizaje antes de llamar a un ganador. Sin embargo, de manera realista, algunos conjuntos de anuncios nunca salen del modo de aprendizaje y, en esos casos, debe intentar obtener un resultado estadísticamente significativo incluso si todavía está en modo de aprendizaje.

La fase de aprendizaje no solo afecta los resultados de las pruebas que ejecuta, sino que, en última instancia, también afecta el rendimiento a largo plazo del conjunto de anuncios y los anuncios. Para mejorar el rendimiento, recomiendo tratar de identificar formas de salir del modo de aprendizaje, incluso si eso significa encontrar formas creativas de expandir la orientación sin dejar de ser relevante.

"¿Cómo encuentras la 'Optimización del presupuesto' de Facebook en comparación con los presupuestos establecidos para los conjuntos de anuncios?"

Me encanta la optimización del presupuesto de campaña (CBO) de Facebook porque, por mucho que me duela decir esto como un fanático del control parcial, los algoritmos de ofertas de Facebook son bastante buenos. Por la misma lógica, esperaría que la CBO funcione mejor que la intervención manual, ¿verdad? Desafortunadamente, realmente no he visto que ese sea el caso.

Algunas veces he usado CBO (similar a las instancias en las que tiene sentido usar Presupuestos Compartidos en Google, porque cada presupuesto individual sería demasiado restrictivo para obtener buenos resultados por sí solo). Sin embargo, normalmente encuentro que no prioriza bien el objetivo de la campaña y no gasta tan eficientemente como puedo al establecer presupuestos de conjuntos de anuncios.

“Las opciones de interés y orientación de Facebook son bastante limitadas, especialmente en B2B. ¿Tiene alguna sugerencia sobre cómo podemos optimizar la orientación de las audiencias?

Me encantan las preguntas sobre B2B para Facebook porque muchas personas se resisten a la idea de usar Facebook para B2B, ¡así que siempre me emociona cuando ese no es el caso! Las audiencias son limitadas, pero he visto que Facebook funciona muy bien para B2B.

Mis audiencias favoritas de todas las audiencias, para B2B y B2C, son los parecidos. Por lo general, encuentro que superan cualquiera de los intereses de Facebook. Si tiene datos propios a través de píxeles o listas de correo electrónico, ahí es donde comenzaría. Cuantas más audiencias calificadas pueda crear (MQL en lugar de solo clientes potenciales, las oportunidades ganadas cerradas son mejores, poder segmentar clientes empresariales, etc., cuanto mayor sea la lista de valor que pueda crear, mejor). Comenzaría con esos como un medio de prueba. También echaría un vistazo a las estadísticas de su audiencia de Facebook y vería qué surge allí en cuanto a los intereses de los seguidores de su página. A veces, Facebook tiene intereses en torno a asociaciones, además de algunos datos sobre industrias y títulos de trabajo sueltos, que también pueden ser buenas opciones.

"Un gran problema que tenemos en el lado B2B con los anuncios de FB son los prospectos que completan información de contacto falsa en formularios de generación de prospectos y formularios de generación de prospectos en el sitio".

He visto esto hasta cierto punto, también, desafortunadamente. Teníamos algunos intereses que generaron un montón de volumen, pero también un poco de basura, y luego eso contaminó a las audiencias basadas en píxeles de las que estábamos creando imitaciones y también se volvieron un poco basura, por falta de una mejor. palabra. Si sus audiencias son lo suficientemente grandes, este es un buen caso para asegurarse de que las cosas estén segmentadas para que pueda monitorear el rendimiento en el nivel de orientación, ya sea a través de clientes potenciales en Facebook o mediante una integración con su CRM. HubSpot, por ejemplo, nos permite monitorear la calidad de los clientes potenciales a nivel del conjunto de anuncios, lo que nos permite tomar decisiones a partir de ahí.

A veces, una decisión que tenemos que tomar es si estamos de acuerdo con un poco de ruido para obtener más volumen de clientes potenciales a un costo aceptable o si debemos asegurarnos de que no haya ruido, lo que puede significar avanzar hacia audiencias más pequeñas y limitadas. , pero eso también podría significar un mayor costo por cliente potencial debido a que tiene un volumen más bajo/menos datos que alimentan los algoritmos de ofertas.

Desafortunadamente, con datos incorrectos, las similitudes solo empeoran el problema, por lo que, por lo general, nos mudamos a un modelo similar a partir de solo audiencias personalizadas de listas cargadas de clientes potenciales de calidad, o buscamos una forma diferente de construir una mejor basada en píxeles. audiencia que todos los clientes potenciales, si es posible, como iniciar sesión si existe un portal, o dar el siguiente paso para programar una demostración en el calendario desde un correo electrónico de seguimiento.

“¿Cómo actualizaría su estrategia de prueba para una campaña publicitaria que tiende a rechazarse automáticamente cada vez que se actualiza? Los anuncios siguen la política y, por lo general, se restablecen después de una revisión manual”.

Esta es una situación tan frustrante y lo siento en mis huesos porque nosotros, en Cultivative, tenemos un cliente cuyos anuncios se desaprueban automáticamente (e incorrectamente, podría agregar) tan pronto como los lanzamos o hacemos alguna edición. Dependiendo de cuántos haya, por lo general termino comunicándome con el soporte con el ID de la campaña porque enviarlos individualmente para su revisión lleva mucho tiempo.

Dicho todo esto, generalmente el proceso se ve así:

1. Publicar anuncios (sabiendo que se rechazarán automáticamente).
2. Envíe la identificación de la campaña a soporte en un chat tan pronto como se produzca la desaprobación (lo que suele ser casi instantáneo).
3. Reciba un seguimiento por correo electrónico del soporte que confirma que los anuncios se rechazaron incorrectamente y ahora están activos, generalmente dentro de las 24 horas posteriores al envío de la identificación de la campaña.
4. Comience el período de prueba ahora que todo está en vivo; mismo día si es temprano en el día en que se aprueban. Si es mediodía o tarde, entonces el día siguiente se considerará el comienzo del período de prueba.

"En su opinión, ¿cuál es la mejor manera de que las búsquedas de Facebook y PPC funcionen de la mano?"

Oh, me encanta esta pregunta. Hay un montón de maneras en que Facebook y PPC pueden trabajar de la mano. ¡De tantas maneras que esto incluso podría merecer su propio artículo!

Dependiendo de cuánto tiempo haya estado ejecutando cada canal y qué esté ejecutando en cada canal, a menudo verá un aumento en el tráfico de búsqueda de marca cuando active campañas de mayor embudo, como campañas de prospección de Facebook para nuevas audiencias, así que busque fuera por eso! Supervisar las tendencias de tráfico e impresiones de Facebook frente a las tendencias de búsqueda de marca es una forma de buscar el impacto fuera del control de las conversiones directas que provienen de Facebook, si está interesado en comprender el impacto fuera de la respuesta directa inmediata.

Una de las formas más sencillas de coordinar campañas entre canales es configurar audiencias basadas en UTM para monitorear el rendimiento de cada una. Puede configurar audiencias a partir del tráfico de las campañas de Facebook y superponerlas como observación solo en sus campañas de búsqueda. También puede configurar audiencias fuera de los UTM para volver a comercializar a las personas que visitaron sus campañas de búsqueda con el remarketing de Facebook. Y puede configurar ambas audiencias en Google Analytics para obtener una mejor visibilidad de cómo las personas de cada audiencia llegan a través de otros canales.

Lo bueno de las audiencias es que te dicen algo sobre el tráfico que de otro modo no sabrías, como quiénes son (objetivos y datos demográficos) y qué acciones ya han realizado en tu sitio. Por ejemplo, en Facebook tienes muchas opciones de segmentación que no tienes en Google Ads y viceversa. Si sabe que provienen de un conjunto de anuncios específico en Facebook, eso probablemente le diga algo sobre sus datos demográficos o intereses que de otra manera no habría sabido. En ambos casos, puede personalizar los anuncios para la audiencia para asegurarse de que está aprovechando al máximo. También puede agregar audiencias negativas para evitar compartir el mismo contenido que ya han descargado para llevarlos a una llamada a la acción diferente y de menor embudo.

También hay muchas formas en que PPC y Facebook Ads pueden aprender unos de otros, por ejemplo, aprendizajes compartidos de pruebas de mensajería.

“¿Qué pasa con las categorías de anuncios restringidas, como la vivienda? ¿Tiene alguna recomendación sobre la segmentación de audiencias ya que las opciones son limitadas?

Buena pregunta, con categorías especiales como vivienda, crédito y empleo, tiene un poco menos de opciones de segmentación, pero todavía hay bastantes formas de segmentar los datos, si tiene el tamaño de la audiencia. Una de las mayores dificultades que encuentro con la vivienda y los bienes raíces es que, si solo se dirige a una ciudad (especialmente si es pequeña), puede ser difícil obtener un grupo de audiencia lo suficientemente grande con algunos de los intereses individuales, incluso sin intentando segmentar por edad o género (que de todos modos no estaría permitido, por supuesto).

Si tiene los datos, todavía hay bastantes formas de segmentar los datos, teniendo en cuenta que toda segmentación aún debe tener en cuenta si las listas individuales aún pueden lograr 50 eventos de optimización por sí mismos (si no, entonces probablemente no lo haga). tiene sentido segmentar, ya que es probable que el rendimiento sea mejor si permanecen como parte de una audiencia más grande). Esas oportunidades de segmentación podrían incluir:

• Plataforma o ubicación: solo haría esto si hay un rendimiento atípico que indica que su rendimiento sería mejor si pudiera asignar el presupuesto a una ubicación individual o presionar más en una plataforma. Si una ubicación parece funcionar mejor con una creatividad personalizada, sugeriría hacerlo dentro del bloque de anuncios existente, sin segmentarlo para ver si funciona mejor.
• Segmentación de diferentes listas de audiencia propias para crear similitudes en función de la calidad. Entonces, por ejemplo, si estuviera en bienes raíces, cargue una lista de personas que le compraron una casa como una lista separada de todos los clientes potenciales y cree similares a partir de ambos para ver cómo se desempeñan.
• Actualidad de las listas de remarketing: dirigirse a alguien en los últimos tres a siete días aparte de una lista más larga, ya que estos suelen ser prospectos más cálidos.
• Diferentes listas de remarketing para diferentes acciones en el sitio.
• Diferentes listas de audiencia personalizadas para personas que aún pueden estar en el mercado para una casa.

“Para probar la orientación, ¿recomendaría la función de prueba A/B en Facebook? Además, ¿cuál es el 'presupuesto ideal' para establecer para las pruebas?

La herramienta Experimentos de campaña en Facebook es otra que quiero amar pero con la que no he tenido la mejor de las experiencias. Encuentro que a menudo las pruebas A/B que ejecuto a través de la herramienta están sesgadas de la misma manera que lo estarían sin usar la herramienta. Por esa razón, a menudo encuentro que usar la herramienta no necesariamente reduce ninguna de las limitaciones de las pruebas dentro de Facebook. Me encantaría ver este cambio y todavía tengo la esperanza de que así sea, ya que han estado invirtiendo en la herramienta. El principal beneficio que he encontrado, además de que es bueno, es que da una lectura en lugar de usar sus propias herramientas de análisis estadístico.

Dicho esto, hay algunas cosas que puede hacer a través de la nueva herramienta de experimento de campaña que no puede hacer por su cuenta sin la herramienta, como las pruebas de retención y las encuestas de marca. Técnicamente, podría configurar una prueba de exclusión por su cuenta, pero su herramienta lo hace más fácil y ofrece una lectura más clara que la que muchos anunciantes tienen la capacidad de hacer por su cuenta, sin acceso a otras herramientas o socios de datos.

En cuanto al presupuesto, varía de un anunciante a otro. Debido a que se necesitan 50 eventos de optimización para salir de la fase de aprendizaje, desea ser realista acerca de presupuestar lo suficiente para alcanzar ese umbral y luego tener presupuesto disponible para realizar pruebas fuera de la fase de aprendizaje. Eso variará de anunciante a anunciante, dependiendo de su costo de adquisición. La fase de aprendizaje puede ser un poco volátil, por lo que recomiendo contar con un presupuesto adicional, ya que su rentabilidad puede no ser tan óptima en ese momento.

Las opiniones expresadas en este artículo pertenecen al autor invitado y no necesariamente a Search Engine Land. Los autores del personal se enumeran aquí.