火山引擎A/B测试推出新功能——广告投放A/B测试

　　7月20日，火山引擎A/B测试平台推出新功能——广告投放A/B实验。火山引擎是字节跳动旗下的企业级技术服务平台，现在访问火山引擎官网首页的“火种计划”页面，可以申请A/B测试的12个月免费使用权。

　　A/B测试又被称为小流量实验。针对想改进的某个功能/UI/逻辑策略等，提供两种或多种不同的备选解决方案，从总体企业用户中抽取一小部分，随机地将抽取出的流量分配给不同方案，最终结合一定的统计方法，通过实验数据对比来确定最优方案。

　　广告投放A/B实验 ，针对广告投放中不同素材、预算出价、人群定向、落地页等广告元素进行实验，帮助广告投放人员了解不同元素对投放结果的影响，进而选择更优的投放策略，提升投放效果。

　　A/B测试可以测哪些广告元素？

　　早在20世纪六七十年代，A/B测试就成为了广告教父大卫·奥格威最喜欢的一种营销手段。奥格威用A/B测试优化文案、创意、营销方式等，获得的结果也帮助他做出了很多正确的营销决策。

　　到现在，随着数字营销的发展，用户的线上行为被数据化，A/B测试实施起来更科学、精准。可测试的元素也更丰富多样。

　　一条广告计划主要有广告素材、人群定向、预算出价、落地页四个环节，火山引擎的广告投放A/B实验，涵盖这四个环节中涉及的十多种广告元素。

　　以素材A/B实验为例，游戏行业在广告投放中素材呈现多样性分布。广告主通常根据不同游戏类型的特性，提炼游戏亮点以达成营销目的，而游戏广告转化的促成因子较其他行业更多元，可能是因为人物精美、坐骑炫酷、技能新颖，战斗精彩，甚至可能是由于偏爱古风。

　　火山引擎A/B测试平台的优势

　　火山引擎的A/B测试产品，是经过抖音、今日头条等多款产品验证之后，才进行对外开放，具备以下技术优势：

　　快速创建对照实验

　　火山引擎的广告投放A/B实验可以快速添加实验版本，同时保证实验变量的唯一性。例如，多素材广告实验用户只需修改素材即可完成实验计划的创建，而计划的其他元素如用户定向、广告位等与对照计划全部一致。

　　自动生成数据报告

　　可以选择关注更多维度的指标，如激活率、注册率、ROI、LTV、留存率等，并通过关注指标自动生成数据报告;

　　可以将实验下面所有广告计划的数据进行快速对比，快速了解各指标的差异;

　　数据报告

　　1、通过设置核心指标识别优胜组

　　2、可以查看关注指标的置信度

　　广告投放A/B实验的注意事项

　　需要注意的是，广告投放A/B实验与标准的A/B测试有一定的差异。

　　首先是在流量分配上。标准的A/B测试需要对流量进行平均分配，但广告投放实验无法确保在实验过程中的流量是平均分配的。

　　其次是在随机性(无偏性)上。标准的A/B测试是在线上流量中取出一小部分，完全随机地分给原策略A和新策略B，目前广告投放实验的计划之间无法完全排除干扰，不同计划存在一定的竞争性。

　　但是也有一些方法减少实验误差：

　　一是增加实验时长。由于周一和周日的人群会有很大的差距，因此建议实验运行7天以上，才能有足够的样本，保证实验的精准性。

　　二是增加人群包的范围数量，人群包的范围越大，实验运行的随机性越强。据Facebook A/B实验的结果，每个实验至少要有300到500次的点击，广告展示数要在10000次以上。

　　广告投放A/B实验的价值

　　对于广告营销行业，用好A/B测试，可以产生巨大的价值。

　　随着互联网流量红利的逐渐衰退，每家企业在用户增长方面都越来越难，提升广告转化效率变得尤为重要。通过A/B测试，企业可以不断地找到更优的创意、文案、图片等，每一个元素的更优解，最终将带来广告营销效果、广告转化效率的极大提升。

　　其次，A/B测试可以对广告投放的出价方式进行实验，企业能够以最佳方式使用广告预算，让每一分钱都花在刀刃上。甚至有人认为，A/B测试是广告营销不浪费钱的核心法则。

　　更重要的，A/B测试能够让企业更好地理解用户行为，洞察用户需求。

　　以往企业很难大范围了解自己的用户，通过A/B测试，企业可以挖掘出潜在用户更喜欢什么、更希望得到什么。有了对用户的深入洞察，企业能够更好地把握用户需求。

特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。