Иметь отличное мобильное приложение и включать в него рекламу - это еще не конец истории. Теперь, когда вы проехали целых девять ярдов, вам необходимо оставаться на вершине своей рекламной производительности, постоянно анализируя, тестируя и оптимизируя для достижения наилучших результатов. И под результатами мы подразумеваем не только цифры, но и общее впечатление пользователей. Одним из лучших методов для этого является A/B-тестирование - изменение одной вещи в объявлении и наблюдение за результатами. Также называемое раздельным тестированием, оно используется для определения того, какие элементы и функции лучше всего подходят для вашей целевой аудитории.
Поскольку партнеры по рекламе обычно не сообщают о доходах от рекламы на одного пользователя, A/B-тестирование рекламы для монетизации приложений требует разделения пользователей на две группы и предоставления различного опыта для каждой группы. Затем вы измеряете производительность обоих, чтобы потом можно было сравнить их с помощью таких инструментов, как Google Plays Staged Rollouts.
Давайте рассмотрим пять способов, с помощью которых вы можете проводить A/B тестирование вашей мобильной рекламы.
Интервальное тестирование
Наиболее часто используемый метод A/B тестирования, интервальное тестирование относится к издателю приложений, имеющему одну версию приложения, которая уже опубликована и распространяющему версию с новой функцией на все устройства в качестве принудительного обновления. Затем сравниваются результаты для двух различных временных интервалов. Например, первая неделя будет содержать первую версию, а вторая неделя - вторую, поэтому издатель может сравнить первую и вторую версии, используя результаты в различных диапазонах дат.
- Сильные стороны: Этот метод довольно прост в реализации.
- Слабые стороны: Внедрение обновлений силы может негативно сказаться на удержании пользователей. Она также может быть подвержена неточностям и сезонности.
Места расположения (зоны, участки)
Концепция размещения, зон или площадей часто спланирована рекламодателями, так что вы можете определить различные области приложения, в которых реклама показывается для целей мониторинга и оптимизации. Эту концепцию можно использовать в A/B-тестировании, где можно создать зоны A и B. Затем зона B наблюдается для пользователей, которые были подвержены воздействию нового объекта, одновременно осуществляя мониторинг зоны A для контрольной группы. Если вы используете несколько рекламных сетей, рекомендуется повторить этот процесс для каждой из них и агрегировать результаты после тестового периода для завершения A/B тестирования. Вы также можете создать новое приложение на экране настройки рекламной сети, что означает, что у вас будет два ключа приложения и один ключ приложения в группе А и другой в группе Б.
- Сильные стороны: чуть более точные, чем другие методы.
- Слабые стороны: Требуется больше инженерно-технических усилий, и это не идеально для формирования культуры тестирования и ориентации на данные.
Подсчитывание впечатлений
Каждый раз, когда подается впечатление, издатель сообщает о событии на свой собственный сервер. Кроме того, издатель может создать ежедневную программу, которая запрашивает отчетные API каждой рекламной сети и извлекает данные eCPM из каждой страны. Затем эта информация консолидируется в базе данных издательства, и для каждого пользователя количество оттисков для каждой рекламной сети умножается на среднесуточную величину eCPM указанной рекламной сети в выбранной стране. В этом процессе мы получаем оценку рекламного дохода этого пользователя в течение одного дня. Как только эта система будет установлена, можно будет проводить A/B тестирование, разделяя пользователей на группы и вычисляя средний доход на каждого пользователя в каждой группе.
- Сильные стороны: Для проведения испытаний не требуется специальных технических знаний, по крайней мере, после первоначальной настройки.
- Слабые стороны: Первоначальная настройка системы требует значительных инженерных усилий. Более того, результаты несколько неточны, поскольку в этом методе используется среднее значение eCPM, в то время как отклонение eCPM является существенным.
Эффективное использование истинного eCPM
Говоря об eCPM, более точным методом является использование нескольких источников данных для триангуляции eCPM каждого отдельного оттиска. Как вы, возможно, догадались, это требует огромных инженерных усилий, для которых вы, возможно, захотите использовать сторонние инструменты. Как только данные интегрированы в базу данных компании, издатели могут провести A/B тестирование и получить результаты непосредственно в свой собственный BI или просмотреть их через информационную панель стороннего инструментария. Это упрощает A/B-тестирование и позволяет сформировать культуру тестирования и оптимизации.
- Сильные стороны: Это самый точный способ A/B-тестирования, который также может привести к увеличению дохода на миллионы долларов.
- Слабые стороны: Использование стороннего инструмента может быть дорогостоящим, но обычно оно того стоит, так как окупаемость инвестиций очевидна довольно быстро.
Тестирование креативов
Творческие элементы, которые можно использовать для A/B тестирования, включают изображения, цвета, стиль, ценностные предложения, текст, CTAs, логотипы, длину видео, целевые страницы и так далее. Вам следует попробовать поиграть с этими элементами, чтобы увидеть, какие изменения выделяют или отличаются от остальных элементов интерфейса или других рекламных объявлений.
- Сильные стороны: Творчество легко поддается проверке.
- Слабые стороны: Иногда бывает легко попасть в ловушку, рассматривая несколько разных творцов как один элемент. Это может привести к неубедительным или вводящим в заблуждение результатам.
Сохраняйте спокойствие и продолжайте A/B-тестирование
A/B тестирование и оптимизация - это бесконечный процесс. Как только вы усовершенствуете свое приложение, всегда будет возможность для дальнейшего улучшения по мере изменения условий и развития технологий, особенно в области монетизации рекламных приложений. Очень важно, чтобы вы помнили об этом и прилагали отважные усилия, чтобы идти в ногу с тенденциями, меняющимися условиями и опытом пользователей с помощью A/B-тестирования всего.
