Skip to content

Digital marknadsföring i världsklass

För att lyckas med din digitala marknadsföring, t.ex. ett AdWords-konto som genererar avkastning på investerat kapital, krävs att du genomför experiment eller tester. Det här blogginlägget går igenom vad du behöver ha klart för dig innan du genomför dina experiment.

Men för att kunna testa på ett meningsfullt sätt behöver du först kunna mäta dina experiment. Annars har du ingen koll på vad du håller på med. Då är mitt råd att du löser det problemet först. Något annat som är viktigt är din kontostruktur. Annars riskerar du att suboptimera och i värsta fall konkurrerar med dig själv.

Mina erfarenheter inom PPC-marknadsföring i förhållande till lyckade resultat (och nöjda kunder) är hur väl du kan mäta dina tester och agera på resultat. Enligt min åsikt finns inget värre än att behöva gissa och gå på magkänsla. Det hänger ofta ihop med den berömda “hippo”-problematiken. För att undvika kostnader för mindre begåvade tillvägagångssätt kan man utföra kontrollerade experiment. Dessa experiment undviker icke-statistiska och metodologiskt tveksamma föresatser som; jag vill-, jag tycker-, eller jag tror- och därför ska vi göra si eller . Har du någon gång opererat på det sättet så ska jag försöka bota dig från onödigt höga alternativkostnader och, inte så genomtänkt, metodologi.

Men för att tydliggöra hur objektiva vi är som människor, så kan vi inte helt befria oss från sinnets subjektiva natur. Då digital marknadsföring inte bara är statistik utan också kommunikation så innefattar även disciplinen en hög grad av kreativitet som än så länge är något för komplex att automatisera, helt. Även de gudabenådade experimenten består av bägge delarna. Men genom att anta en mer vetenskaplig ansats så kan vi avskärma och identifiera de subjektiva(kreativa) delarna i marknadsföring. Metodologiska ansatsen som jag tänker använda mig av är en kvantitativ ansats. Det innebär att vi, utifrån empirisk data, gör antaganden om framtiden som vi fattar våra beslut på.

För att börja testa så finns det några frågeställningar och steg som du först behöver ha klart för dig. Det är dessa frågor som skiljer dig från den primitiva klåparen, till någon som är värd sin vikt i guld, över tn tidsenheter, dvs. en professionell specialist och analytiker.

Det du behöver ha klart för dig innan du startar dina experiment är:

  • din hypotes du vill testa
  • experimentets nivå (aggregat eller nivå i din kontostruktur)
  • experimentets typ
  • hur du avgör om ett utfall är lyckat (konfidensgrad och datamängd. Läs mer om det i detta inlägg)
  • hur du ska sätta upp experimentet
  • hur du samlar in data
  • hur du ska agera på resultatet från experimentet

Det är väldigt viktigt att du använder relevant data och meningsfulla variabler/ nyckeltal. Vet du inte vad du håller på med, har du gjort fel. Du måste på förhand veta vad du vill ha svar på och hur du ska mäta besökarnas interaktioner med dina annonser.

Jag ska försöka att gå igenom hur du ska genomföra dina experiment så att du använder korrekt metod, data och variabler. Om du sedan följer mina råd bör du ha tillräckligt med kött på benen för att kunna förvandla din digitala marknadsföring från, att vara penga-donator till olika sökmotorer, till att använda sökmotorerna till din fördel. Din måluppfyllelse för marknadsföringen bör alltså öka markant över tid om du agerar på tillförlitliga resultat.

Bestäm vilken hypotes du vill testa

När vi genomför våra experiment så testar vi hypoteser. Det kallas hypotesprövning och är en statistisk metod för att undersöka olika idéer, dvs. hypoteser. Hypotesprövningen tillåter oss sedan att göra uttalanden eller att fatta beslut på hur vi bör agera utifrån utfallet.

I disciplinen digital marknadsföring använder vi bland annat hypotesprövning för att forma hypoteser om hur våra potentiella kunder interagerar med våra annonser och/ eller webbplatser. Agerar vi sedan på vad vi lärt oss bör vi öka måluppfyllelsen med annonseringen eller webbplatsen.

För att ge dig ett exempel så skulle vi kunna undersöka priselasticiteten för en viss vara eller tjänst. Vi vill undersöka om försäljningen ökar när vi annonserar med rabatterat pris på 10 %. Om försäljningen ökar, ökar den då så mycket att den sålda kvantiteten täcker upp för rabatten? Vår hypotes kan då lyda: Vi antar att en rabatt på 10 % kommer att öka försäljningen med 20 % och vara x TKR högre än vid annonsering med normalpriset.

Ett annat exempel kan vara att marknadsföra sig med ett budskap som manar till att göra en brådskande affär när utbudet minskar i annonserna och på landningssidan. Hypotesen kan lyda: Vi antar att marknadsföra sig med “ett fåtal biljetter kvar” när biljetterna till en mässa nästan är slut. Leder till att biljetterna säljs mer frekvent före att mässan går av stapeln.

Möjligheterna är många vid hypotesprövning.

Nedan kan du läsa några fler exempel på hypoteser:

  • Priser vs. rabatter
  • Geografisk avgränsning vs. att inte marknadsföra sig med geografisk avgränsning
  • Uppmaning till agerande som även innehåller beskrivning av fördelar
  • Olika typer av fördelar
  • Stort utbud vs. specialdesignad och/ eller skräddarsydda lösningar
  • Noggrannare och utförligare annonsbeskrivning för B2B än mot B2C
  • Affärstrovärdighet vs. enkelt att göra själv
  • Dynamic keyword insertion vs. handskrivna annonser
  • Nedräkningar vs. begränsat utbud
  • Annonstillägg vs. annat annonstillägg
  • Landningssida vs. en annan landningssida
  • Undersökandefasen vs. köpfasen för sökord i konsument cykeln

När du beslutat vad du ska testa kan du gå vidare till nästa del i experiment som är att bestämma experimentets nivå i kontostrukturen.

Bestäm experimentets nivå

Nivån på experimentet har att göra med på vilken aggregerad nivå du vill genomföra dina tester på. Men se upp här så du inte genomför tester på en alltför aggregerad nivå. Då kommer du få resultat som inte säger dig något meningsfullt. Du kommer att hamna i den matematiska nationalekonomins största fälla som få skolor i nationalekonomi förstår, förutom nationalekonomer från den Österrikiska skolan i nationalekonomi, verkar det som. Fällan består i att genomsnitt alltid ljuger. Och ju större aggregat som slås samman desto större blir felet.

Huruvida utfallet av det du räknar ihop har något med verkligheten att göra är inte säker om man använder sig av alltför aggregerad data.

Ett exempel är om vi har en webbplats som säljer bröllopssittningar och hotellnätter. Om vi skulle testa samma budskap för de två produkterna så skulle vi få ett utfall, men det kanske inte är det mest optimala, då köpbeteendet troligtvis är olika. I bröllopsprodukten kan köpcykeln var annorlunda och kräva egna tester. Samtidigt kan vi upprätta andra testprocesser för att testa budskapen för hotellprodukten. I exemplet så riskerar vi att missa det viktigaste; nämligen att det är individers subjektiva preferenser och efterfrågan som avgör deras nytta och hur de agerar. Om vi testar hypoteser eller gör antaganden allt för långt bort från individers subjektiva tycke och smak så blir utfallet inte lika tillförlitligt att gå på om vi vill nå en ökad måluppfyllelse.

I konto-nivån behöver vi ta med oss en gnutta a priori-stisk härledning utifrån potentiella kunders subjektiva egenskaper och produktens natur. Det låter svårare än det är. I klartext kallas det i folkmun för sunt förnuft.

För att komma tillbaka till kontostrukturen så kan vi välja mellan att testa hypoteser för annonser i samma annonsgrupp, eller mellan flera annonsgrupper i flera kampanjer.

Vid tester av annonser i samma annonsgrupp ingår enbart data från en annonsgrupp. Har du grupperat t.ex. sökord med samma två-ords-bas i samma annonsgrupp så bör du få en hyfsad kontroll i din annonsgrupp. Men förslagsvis placerar du ett sökord i varje annonsgrupp för att testa dig fram till vilket budskap som passar till kundens köpcykelspositionering för det unika sökordet. Då får du en bättre kontroll av vilket annonsbudskap som passar till vilket sökord. Genomförs testerna på detta sätt kommer du bättre kunna svara på användarnas genomsnittliga intention med vad de söker efter beroende på sökord. Nackdelen med att vara noggrann är att du får vänta längre på att få in tillräckligt med data för att resultaten ska uppnå dina konfidens-krav. Om du tar denna noggranna ansats så spelar det ingen roll hur många olika annonsgrupper du testar samtidigt. Varje test är isolerat inom sin annonsgrupp (Dock kan det finnas påverkan av beteendet på webbplatsens utfall).

Genomför du tester mellan flera annonsgrupper behöver du se upp med vad du testar för egenskap. Här behöver du vara extra noggrann med att den eller de hypoteser som du testar är meningsfulla i alla annonsgrupper. Det du kan testa för är t.ex. mönster, rubriker, uppmaningar, landningssidor, etiketter eller olika schablontexter m.m. mellan alla annonsgrupper som ingår i testet.

Vid varje test bör du fundera på vart du kan använda resultaten i ditt konto.

När du testar annonser, sökord, placeringar m.m. i en annonsgrupp får du noggrannare insikter om inriktningen i en annonsgrupp.

Fördelar och nackdelar med att testa på de olika nivåerna beskrivs nedan.

Enskilda annonsgruppstester

Fördelar:

  • Fungerar bäst för annonsgrupper med hög trafik
  • Fungerar bra för annonsgrupper som är varumärkesrelaterade
  • Enkelt att komma igång om du har fler än en annons per annonsgrupp (en nödvändig förutsättning)

Nackdelar

  • Du erhåller endast insikter från enskilda annonsgrupper
  • Kräver en ansenlig mängd trafik för att nå minimumgräns för datamängd vilket innebär att det inte är lika lämpligt att testa annonsgrupper som erhåller låg trafik

Annonsterster som aggregerar data från flera annonsgrupper

Fördelar

  • Fungerar bra för att testa bredare budskap och annonsmallar
  • Bra för konton som erhåller låg trafik
  • Bra för att undersöka marknaden och att testa generella hypoteser för flera annonsgrupper som har något gemensamt
  • Bra för väldigt stora konton med många annonsgrupper

Nackdelar

  • Kan enbart testa generella idéer och hypoteser, baksidan är att vissa annonsgrupper hade presterat bättre av att testa dem enskilt. Dock kommer ditt genomsnittliga resultat prestera bättre.
  • Eftersom du endast testar generella hypoteser så är det inte att rekommendera för varumärkesannonsering då det är viktigt att ha hög grad av kontroll. Du kan heller inte testa noggranna inriktningar/ inställningar.
  • Är mer tidsödande att sammanställa data från tester

Vilken nivå ska du använda, och när?

Testar du dina bäst säljande annonser, varumärkesbudskap eller dina bästa sökord så är det bättre att genomföra noggranna tester i enskilda annonsgrupper. Då kommer du komma fram till de bästa insikterna för det som genererar mest värde för dig.

Men om du testar mer generella idéer, mallar, eller testar väldigt stora konton. Då kan du med fördel testa över flera annonsgrupper samtidigt. Det ger dig insikter som du kan använda över flera annonsgrupper samtidigt (om det du testar har en gemensam nämnare för alla annonsgrupper som ingår i testet). Andra hypoteser som med fördel kan testas över flera annonsgrupper är olika landningssidor och marknadsföringskanaler.

När du fastställt hypotes och och den nivå du kommer att testa är nästa steg att välja vilka variabler, dvs. nyckeltal som du vill undersöka. Det är dessa nyckeltal som kommer tala om för dig vilket av hypoteserna som har gynnsammaste utfall (om signifikans erhålls).

 

Har du läst såhär långt vill jag gratulera dig!

Ge dig en klapp på axeln och känn att du nu antingen är mer upplyst inom metodiken i digital marknadsföring eller att du repeterat något du redan visste och nu kan det bättre.

 

Published inDigital MarketingGoogle AdWordsTesting methodology

Be First to Comment

Leave a Reply

Your email address will not be published. Required fields are marked *