Как мы уже рассказывали в нашем вводном материале, одним из наиболее эффективных инструментов повышения конверсии в работе с контекстной рекламой является персонализация контента на сайте под запросы и потребности пользователя. Персонализируя контент (заголовки и содержание текста) под поисковый запрос, по которому ваш потенциальный клиент приходит на сайт, вы получаете так называемые «мультилэндинги».
Таким образом, посетитель видит приятный и понятный человеческому глазу результат (а не просто «тупую» механическую замену заголовка непосредственно на поисковые запросы) и с большей вероятностью конвертируется в клиента.
В предыдущем посте мы постарались разъяснить отличия подобной системы повышения конверсии от товарных рекомендаций и осветили тему сегментирования поисковых запросов и соответствующей аналитики. Сегодня мы решили привести более детальный рассказ о динамическом A/B-тестировании от Yagla.
Исходя из своего опыта работы с сотнями кампаний по контекстной рекламе, мы поняли, что при плохо различимом заголовке лэндинга вероятность упустить посетителя повышается. В этом случае пользователь инстинктивно начинает обращать внимание на другие, более заметные элементы (описание какого-либо товара, логотоп и т.д.). Ему приходится тратить время на то, чтобы понять, насколько открывшаяся страница релевантна его запросу (и чем больше это время, тем выше шанс упустить потенциального клиента). Поэтому наибольшую эффективность показывают лэндинги (первый экран) с достаточно крупными и заметными заголовками (скриншот выше).
Такие заголовки становятся первым элементом вашей посадочной страницы, который видит посетитель, быстро определяя то, как соотносится представленная информация с его текущей потребностью. Наша система позволяет работать с динамическими заголовками, которые можно настраивать в ручном режиме, сегментируя поисковые запросы и соответствующие подмены заголовков, исходя из понимания вашей непосредственной аудитории.
Как определить эффективность подмен?
Конечно, мы не отроем для вас Америку, рассказав об A/B-тестировании, в ходе которого контрольная группа элементов сравнивается с набором тестовых групп с внесенными изменениями по сравнению с исходным вариантом. Такое тестирование можно смело проводить с помощью сервисов вроде Optimizely или abtest.ru, но в этом случае вам потребуются, условно говоря, копии ваших лэндингов.
При работе со средними контекстными кампаниями чисто таких “дублеров” может дойти и до десятков тестовых лэндингов, плюс вам потребуется произвести настройку тех или иных вариантов подмен в ручном режиме, собрать статистику отдельно для каждой из кампаний, сравнить результаты и по итогам уже выбирать те или иные варианты подмен.
Мы решаем эту проблему с помощью автоматических A/B-тестов. Для разных групп поисковых запросов система проводит десятки, сотни или даже тысячи тестов. В автоматическом режиме Yagla определяет те подмены, которые сработали хорошо по отношению к исходному варианту, проставляет статусы и автоматом отключает неэффективные варианты.
Все сведено в форму таблиц для визуального удобства и контроля за работой системы, и при наличии существенного трафика вы сможете протестировать хоть 10 заголовков под одну группу запросов. Для работы с системой потребуется вставка всего одной строки кода на всех страницах сайта:
<script src=‘//st.yagla.ru/js/y.c.js'></script>
Важное замечание: во время A/B-тестирования в нашей системе не возникает ситуации, когда клиент видит первоначальную версию странички, которая через мгновение заменяется тестируемым вариантом.
В следующем материале мы расскажем об особенностях тестирования однородного (и неоднородного) трафика, что в существенной мере может повлиять на правильность принимаемых решений в ходе тестирования эффективности вашей кампании.
Автор: yagla
