Betrouwbaar A/B Testen in Google Ads met de Experimenten Tool

Inhoud

Als digitale marketeer wil je altijd blijven testen om je campagnes te optimaliseren. Een van de meest effectieve manieren om dit datagedreven te doen is A/B testen. Wat wij veel zien gebeuren is dat er twee advertenties naast elkaar gedraaid worden in een advertentiegroep en dat hier vervolgens conclusies uit getrokken worden. Een makkelijke, voor de hand liggende en snelle strategie, maar vaak niet heel betrouwbaar! Graag leggen we je uit waarom de Experimenten tool van Google Ads jouw go-to A/B test tool zou moeten zijn. En last but not least, geven we je de concrete handvatten waarmee je direct je eigen A/B test via de Experimenten tool kunt opzetten. Klinkt goed? Let’s go!

Wat is A/B testen en hoe garandeer je de betrouwbaarheid van een test?

A/B testen is een methode waarbij twee versies van een pagina, advertentie of bijvoorbeeld een afbeelding tegen elkaar worden getest om te zien welke beter presteert. Hierbij kijken wij als agency graag naar het uiteindelijke verschil in Return On Ad Spend (ROAS), maar ook andere metrics als CTR en conversieratio zijn belangrijk om te analyseren.

Voor een betrouwbare, in het vakgebied ook genoemd: significante A/B test is het belangrijk dat je content op dezelfde momenten exact 50/50 gesplitst wordt over je publiek, en dat je populatie (aantal mensen wat meedraait in de test) groot genoeg is. Google Ads heeft hier basisfuncties voor, maar een best practice voor het opzetten en analyseren van een A/B test is het gebruiken van online calculators, bijvoorbeeld van ABTestGuide. Hiermee bereken je makkelijk voor- en achteraf hoe groot je populatie moet zijn voor een significant resultaat. Hierbij kun je kiezen uit twee statistische benaderingen: de Frequentist benadering en de Bayesian benadering. Zonder hier al te diep op in te gaan neem je met de eerste benadering zo min mogelijk risico op een foutieve uitslag en is de tweede benadering wat opportunistischer. Kies wat het beste bij jouw situatie past!

Waarom A/B testen via de Experimenten tool van Google Ads?

De Experimenten tool van Google Ads is specifiek ontwikkeld voor A/B testen binnen het Google Ads platform, waardoor je met gemak advertentievarianten kunt opzetten, de prestaties kunt volgen en aanpassingen kunt doorvoeren.

Bovendien zorgt de Experimenten tool voor een correcte verdeling van het verkeer tussen de testgroepen en houdt het externe variabelen constant, waardoor je zuivere, betrouwbare resultaten krijgt. Dit is niet het geval als je in een advertentiegroep 2 advertenties naast elkaar zet, zelfs niet als je bij de Advertentiegroep instellingen gelijke roulatie aanzet. Wij zien in de praktijk dat zelfs dan de vertoningen niet gelijk verdeeld worden. Google geeft zelf ook aan: als je kiest voor gelijke roulatie, betekent dit niet altijd dat de advertenties gelijkmatiger worden vertoond. Het betekent dat advertenties gelijkmatiger deelnemen aan de veiling. Omdat advertenties niet gegarandeerd elke veiling winnen, worden advertenties niet altijd gelijkmatig gerouleerd. Andere factoren, zoals de advertentiekwaliteit, het bod en de concurrentie kunnen van invloed zijn op de manier waarop een advertentie wordt getoond.

200% hogere ROAS door het A/B testen

In een branding campagne, waar mensen binnenkomen via merknaam gerelateerde zoektermen, hadden wij binnen een advertentiegroep twee dezelfde ads naast elkaar gezet om zo twee verschillende landing pages te testen: de homepage en een specifiekere productpagina. Wij keken hierbij naar het verschil in ROAS en conversiepercentage. De verdeling tussen de advertenties was echter maar niet gelijk te trekken, ook niet na het instellen van gelijke ad roulatie. Door een 50/50 A/B test via de Experimenten tool op te zetten, was de verdeling beduidend meer gelijk (al was de verdeling nog steeds geen perfecte 50/50). Na een maand hebben wij een duidelijke winnaar kunnen aanwijzen: de variant waarbij de ad op een productpagina landde in plaats van de homepage, leverde een 200% hogere ROAS (Conv.waarde/kosten) op. Ook lag het conversiepercentage 1,19% hoger. Wij hebben vervolgens deze winnende variant geïmplementeerd in de betreffende campagne.

resultaten-ab-test

In 8 stappen een A/B Test opzetten met Google Experimenten

In deze 8 stappen zet je in Google Ads Experimenten een A/B test op:

     

      1. Voorbereiding: Bedenk van tevoren wat je wilt testen en gebruik bij voorkeur de calculators om een idee te krijgen wanneer je test significant zal zijn. Door te kijken hoeveel bezoekers je per week trekt met de campagne waarmee je wil gaan testen, kun je uitrekenen hoe lang een test moet draaien voor een significant aantal deelnemers aan de test.

       

        1. Ga naar het Experimenten tabblad: In het zijmenu van je Google Ads interface vind je het ‘Experimenten’ tabblad. Hier kun je alle lopende en geplande experimenten bekijken en nieuwe experimenten creëren. Hieronder zie je hoe je bij het tabblad Experimenten komt:

      google-experimenten-tool

         

          1. Nieuw experiment: Klik op het blauwe plusteken om een nieuw experiment te starten.

           

            1. Stel de basis in: Geef je experiment een naam en stel de start- en einddatum in. Bepaal ook welk percentage van het budget je naar het experiment wilt sturen. Tip: Start met een kleiner percentage om het risico te minimaliseren.

             

              1. Kies de variabele: Dit is waar je daadwerkelijk bepaalt wat je wilt testen, of het nu gaat om biedstrategieën, advertentietekst, keyword targeting of een andere variabele. Maak de gewenste wijzigingen voor je experiment-versie.

               

                1. Experiment-parameters instellen: Met Google Experimenten kun je kiezen hoe je de verkeersverdeling wilt opsplitsen (bijv. 50/50 of 70/30). Je kunt ook geavanceerde instellingen aanpassen zoals ‘experimentgewicht’ en ‘experimentversnelling’ om te bepalen hoe snel je wilt dat het experiment wordt uitgerold.

                 

                  1. Bewaar & start: Zodra alles is ingesteld, klik op ‘Opslaan’ en ‘Start’ om je experiment live te laten gaan.

                   

                    1. Monitor & analyseer: Nadat je experiment een tijdje heeft gelopen, kun je terugkeren naar het ‘Experimenten’ tabblad om de prestaties van je controle- en experimentgroep te vergelijken. Ook via het campagneoverzicht kun je de resultaten analyseren. Selecteer hierbij de tijdsperiode waarin het experiment heeft gedraaid voor een correcte analyse. De inzichten zullen je helpen beslissen welke versie uiteindelijk het beste presteert. Gebruik hierbij ook weer de calculators. En vergeet niet de winnende variant te implementeren in je campagne!

                  Zelf aan de slag met A/B Testen

                  Oke, nu jij! Met deze blog ben je helemaal klaar om te starten met betrouwbaar A/B testen via de Experimenten tool van Google Ads!

                  Kun je hierbij wel wat hulp gebruiken? Chase Marketing heeft veel expertise in huis op het gebied van SEA en heeft meerdere specialisten in dienst die de fijne kneepjes van Google Ads kennen. Neem eens contact met ons op om te sparren!

                  Wij vertellen je graag meer!

                  Wil je meer weten na het lezen van onze blog. Daag ons uit!

                  "*" geeft vereiste velden aan

                  Naam*
                  Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.

                  Vrijblijvende review

                  Krijg direct inzicht in de groeipotentie van jouw organisatie en hoe de concurrentie het doet. We maken een actieplan op maat, gebaseerd op jouw doelstelling met een voorstel om jouw organisatie te helpen.

                  "*" geeft vereiste velden aan

                  Naam*
                  Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.

                  Vrijblijvende review

                  Krijg direct inzicht in de groeipotentie van jouw organisatie en hoe de concurrentie het doet. We maken een actieplan op maat, gebaseerd op jouw doelstelling met een voorstel om jouw organisatie te helpen.

                  "*" geeft vereiste velden aan

                  Naam*
                  Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.