Systematik des AB-Testing

Ein wichtiges Instrument im Bereich der Optimierung von Anzeigen sind die sogenannten AB-Tests. Diese ermöglichen es, mehrere Anzeigen in einer Kampagne „gegeneinander“ laufen zu lassen. Es ist zu empfehlen, innerhalb einer Kampagne immer mehrere Anzeigen zu erstellen und diese, vereinfacht gesagt, gegeneinander zu testen. Dadurch können die erzielten Leistungswerte analysiert werden und auf dieser Grundlage die Anzeigen und die dazugehörigen Einstellungen gefiltert werden, die am besten performen.  So kann im Anschluss der Schwerpunkt auf die Anzeigen gelegt werden, die die besten Leistungen erzielen. An diesem Punkt hat man wiederum die Möglichkeit, erneut weitere Anzeigen hochzuladen, die dann gegen die als erfolgreichste identifizierte Anzeige gegenlaufen. So erfolgt eine schrittweise Optimierung, in der am Ende die Anzeigen und Einstellungen gefunden werden, die der Nutzer am besten annimmt. Die gewählten Ausrichtungsoptionen sind hier von besonderer Bedeutung. Beispielsweise kann bei der Analyse herauskommen, dass die Anzeige von einer bestimmten Altersgruppe besonders häufig geklickt wird. Hier bietet sich die Möglichkeit, hinsichtlich des Budgets einen Schwerpunkt auf die jeweilige demografische Gruppe zu legen. Gleiches ist natürlich auch in den Bereichen Geräte, Standorte, Sprachen, Kontext- und Interessens-Targeting möglich. Ebenso ist das AB-Testing besonders wichtig für die Ermittlung des optimalen Frequency Capping. So sollten immer wieder Anzeigen mit unterschiedlichen Kontakthäufigkeiten gegenübergestellt werden, um zu analysieren, mit welchem FC die beste Performance erzielt wird. 

Abbildung: Systematik des AB-Testing

Um die verschieden Anzeigen angemessen bewerten und vergleichen zu können ist es notwendig, bestimmte spezifische KPIs wir CTR, CVR bzw. Lead Rate oder auch den Cost-per-Action heranzuziehen. Innerhalb des Beispiels in Abbildung 21 wurde sich auf den KPI Lead-Rate fokussiert. Dabei wurden die beiden Anzeigenvarianten A und B gegeneinander mit einer Verteilung von 50% ausgespielt. Da in diesem Beispiel die Anzeigenvariante A eine deutlich höhere Lead-Rate erzielt, sollte sich auf diese Anzeige fokussiert werden. Ebenso sollte Anzeigenvariante B durch eine neue Variante ersetzt werden, die anschließend gegen Anzeigenvariante A ausgespielt. So erfolgt eine schrittweise Optimierung, die schließlich in der Anzeige mit der höchsten Lead-Rate mündet.