Facebook Experimente helfen Dir dabei herauszufinden, welche Zielgruppe oder welches Creative sich besser für die jeweiligen Ziele eignet. Außerdem kannst Du mit Facebook messen, inwieweit sich Deine Facebook-Kampagnen auf Deine Verkaufszahlen und Deine Markenwahrnehmung auswirken. Wir zeigen Dir Möglichkeiten für kontrollierte-Facebook-Tests auf.
Quelle: Facebook Blueprint (Studienleitfaden zur Expertenprüfung für Marketing Science)
Wobei helfen kontrollierte Tests?
In Online Marketing-Kampagnen stehen sich in der Regel verschiedene Zielgruppen und Creatives jeweils innerhalb der Kampagnenstruktur gegenüber. Möchte man mit neuen Creatives frischen Wind in die Kampagnenperformance bringen und gegen die Werbemüdigkeit (Ad Fatigue) ankämpfen, werden diese meist integriert und nicht in einem aufwendigen Test eingebunden. So gesehen werden Creatives, Zielgruppen oder Kampagnenziele am fortlaufenden Band gegeneinander getestet und auf die besseren Ergebnisse hin optimiert.
Quelle: Facebook Business Manager – Experimente
A/B-Tests: Der Klassiker für experimentierfreudige Online Marketers
Ein verbreiteter A/B-Test ist die Gegenüberstellung verschiedener Gebotsstrategien. Bei der Erstellung des A/B-Tests wird die gewünschte Kampagne gespiegelt und das vorgesehene Budget verteilt. Meist nutzt man eine 50:50-Verteilung, um die Daten direkt miteinander vergleichen zu können. Man kann allerdings auch ein anderes Budgetverhältnis, wie eine 70:30-Verteilung, einstellen.
Gebotsstrategien lassen sich deshalb gut mit einem A/B-Test ausprobieren, da es sich dabei um einen großen Eingriff in das Kampagnenmanagement und die Aussteuerung der Anzeigen handelt. So hat man die Möglichkeit, bei einem Wechsel zur Gebotsstrategie “Kostenbegrenzung” erst einmal zu beobachten, ob sich die Kampagnenperformance durch den Wechsel verbessert oder ob ein Verbleiben bei der aktuellen Gebotsstrategie zu besseren Ergebnissen führt. Der Vorteil des A/B-Tests liegt hier in der zeitgleichen Ergebnisbetrachtung, da ein Vergleich verschiedener Zeiträume oftmals hinkt.
Digitale News!
Mit unserem Digital Arrow bist Du immer zu heißen News aus Online Marketing und Yield Management exklusiv vorab informiert.
Eine weitere Möglichkeit ist die Gegenüberstellung von verschiedenen Creative-Sets. Möchte man zum Beispiel ein “clean” gehaltenes Creative-Set gegen ein Creative-Set mit einem bunten Störer testen, lässt sich dies optimal mit einem A/B-Test aufsetzen. Dabei können sowohl einzelne AdSets und damit auch einzelne Targetings, als auch ganze Kampagnen gespiegelt werden. Creative-Tests, die sehr häufig Anwendung finden sind z.B.:
Variante A | Variante B |
|---|---|
Creative mit Störer | Creative ohne Störer |
Creative in einer Farbgestaltung (z.B. blau) | Creative in anderer Farbgestaltung (z.B. rot) |
Aufwendige Video-Creatives | Einfach gestaltete GIFs |
Kurzes Video | Längeres Video |
Ein Anzeigenformat (z.B. Carousel-Ads) | Anderes Anzeigenformat (z.B. Collection-Ads) |
Creative mit Rahmen | Creative ohne Rahmen |
Creative mit Logo | Creative ohne Logo |
Reines Produktbild | In Szene gesetztes Produkt (z.B. Mensch mit Produkt) |
Tipp: Werbung auf Facebook – Creatives erstellen für Einsteiger!
Unser Facebook Experte Marcel Ölert erklärt Dir in diesem Video, wie Du im Creative Hub vom Facebook Werbeanzeigenmanager Mockups erstellen kannst.
Im Grunde können bei einem A/B-Test nahezu alle Variablen in den Einstellungen, Targetings und Creatives gegeneinander getestet werden, um zu einem optimalen Kampagnen-Setup zu gelangen. Zu beachten ist dabei die Verwendung der Kampagnenbudgetoptimierung (Campaign Budget Optimization, CBO) sowie die Unterschiede in den Auslieferungsmöglichkeiten der Variablen. Wer ein Freund von CBO-Kampagnen ist, muss für Testings auf Anzeigengruppen-Ebene auf “Budgets” je Anzeigengruppe wechseln, da ansonsten die klare Budgetverteilung für den Test nicht möglich ist.
Zudem muss beachtet werden, dass beispielsweise das Testing von Carousel-Ads vs. Collection-Ads im Vergleich genauer betrachtet werden muss. Da Collection-Ads ein reines mobiles Format sind, ist der direkte Vergleich mit Carousel-Ads irreführend, da Carousel-Ads auf mehreren Platzierungen ausgeliefert werden können. Hier muss der Vergleich also dieselben Platzierungen umfassen und zum Beispiel Desktop- und Story-Platzierungen ausschließen, um eine Vergleichbarkeit zu schaffen.
Holdout-Tests/Conversion-Lift-Studies: Finde heraus, wie sich Facebook auf Deinen Umsatz auswirkt
Mithilfe von Holdout-Tests bzw. Conversion-Lift-Studies kannst Du den kausalen Zusammenhang Deiner Marketingmaßnahmen erkennen und den echten Geschäftswert Deiner Aktivitäten messen. Dabei hilft Dir der Conversion-Lift zu erkennen, wie Deine Auswirkung auf Facebook, Instagram und dem Audience Network zu inkrementellen Conversions und Umsatz beigetragen haben.
Wie funktioniert ein Holdout-Test bzw. eine Conversion-Lift-Study?
Es gibt mehrere Möglichkeiten eine Conversion-Lift-Study aufzubauen. Der Grundsatz ist dabei jedoch immer gleich.
Innerhalb einer Studie werden die Handlungen echter Menschen in zufällig ausgewählten Test- und Kontrollgruppen verglichen und somit der zusätzliche (inkrementelle) Umsatz online, offline oder in mobilen Apps, welcher durch Anzeigen auf Facebook, Instagram und im Audience Network generiert wurde, gemessen. Konkret kann man die Funktionsweise in den folgenden 5 Schritten darstellen:
Quelle: Facebook
Wie in Schritt 2/3 erkennbar, sortiert Facebook Deine Zielgruppe in zwei verschiedene Gruppen:
- Eine Testgruppe, welche Deine Werbeanzeigen sehen werden
- Eine Kontrollgruppe, welche Deine Anzeigen nicht sehen werden
Schritt 4 ist hier der entscheidende Punkt für die wirkliche Aussagekraft Deiner Conversion-Lift-Study: Die Datenqualität, die Du Facebook zur Verfügung stellst.
Falls Du nur einen Online Shop betreibst, ist das für Dich leicht, da Dein gesamter Umsatz über den Shop generiert wird und dies über das Facebook-Pixel und die Conversion-API übermittelt wird. Falls Du aber zusätzlich ein lokales Geschäft hast, ist es wichtig einen Workflow für die Integration von Offline Conversions zu schaffen. Das System kann nach Upload Deiner Offline Conversions erkennen, welche Kunden nach einer Anzeigenexposition in Deinem lokalen Geschäft eine Transaktion getätigt haben. Nach Erhalt aller relevanten Daten erhältst Du von Facebook für Dein Experiment Werte entlang Deiner angegeben KPIs und kannst besser beurteilen, wie sich Facebook-Anzeigen auf Deinen Umsatz und Deine Conversions auswirken.
Welche Arten von Tests gibt es?
- Einzellige Tests
Diese lassen sich relativ einfach erklären. Dies ist z.B. ein Holdout-Test bei dem Facebook-Anzeigen geschaltet werden, im Vergleich dazu, dass keine Anzeigen geschaltet werden. Es gibt dementsprechend eine Testgruppe, welche das Treatment (Anzeige) sieht und eine Kontrollgruppe, die das Treatment nicht sieht.
- Mehrzellige Tests
Die lassen sich auch relativ einfach erklären. Diese sind wie ein A/B-Test, jedoch mit einem Holdout, also einer Kontrollgruppe. Bei diesem Vorgehen werden die verschiedenen Werbestrategien getestet, um so den Conversion-Lift innerhalb der unterschiedlichen Strategien zu ermitteln.
Quelle: Facebook Blueprint (Studienleitfaden zur Expertenprüfung für Marketing Science)
- Verschachtelte Tests
Diese sind komplizierter und gehen schon sehr tief in den Bereich der Facebook Marketing Science. Bei einem verschachtelten Test findet ein weiterer Test innerhalb des Tests statt. Man hat wie gewohnt eine Test- und Kontrollgruppe, mit dem feinen Unterschied, dass es nun innerhalb der Testgruppe noch eine weitere Test- und Kontrollgruppe gibt.
Quelle: Facebook Blueprint (Studienleitfaden zur Expertenprüfung für Marketing Science)
Das ist wichtig für Deinen Test
Das Budget und die Laufzeit kannst Du in etwa so kalkulieren:
- Laufzeit = Vergangener Zeitraum der letzten 100 Events, des Standard-/Custom-Events, welches Du testen möchtest bei vergleichbaren Bedingungen (Budget/Zielgruppe/Creative). Hier sollte ein zusätzlicher Zeitrahmen für Post-Conversion-Fenster einkalkuliert werden.
- Budget = Nimm Dir Deine durchschnittlichen Kosten pro Conversion, welche Du testen möchtest und rechne diese auf eine statistisch signifikante Größe hoch z.B. Kosten pro Kauf = 10€ ergeben bei mind. 100 Käufen (für ein signifikantes Ergebnis) einen Betrag von 1.000€. Das ist lediglich ein Richtwert, um erste Erfahrungen mit der Art von Tests zu machen.
Grundsätzlich kannst Du Deinen Test auf verschiedene Dinge ausrichten. Dies kann z.B. nur eine Kampagne sein, mehrere Kampagnen oder Deine kompletten Werbemaßnahmen in einem Werbekonto.
Markenstudie/Brand-Lift-Studies: Finde heraus, wie sich Facebook auf Deine Markenwahrnehmung auswirkt
Beim Brand Lift wird Deine Zielgruppe analog zum Conversion Lift in eine Testgruppe und eine Kontrollgruppe geteilt. Auch hier erhält nur die Testgruppe das Treatment (die Anzeigenexposition), während die Kontrollgruppe kein Treatment erhält.
Du kannst also mithilfe einer Umfrage in einer Brand-Lift-Study herausfinden, ob sich Deine Zielgruppe an Dich und Deine Werbeanzeigen erinnert, was Deine Zielgruppe von Dir denkt bzw. mit welchen Dingen Deine Zielgruppe Deine Kernbotschaft assoziiert.
In folgenden Fällen kannst Du eine Brand-Lift-Study durchführen:
- Du hast bereits mit einem Facebook-Ansprechpartner zusammengearbeitet. Dann ist für Dich die Erstellung des Tests kostenlos, es gelten jedoch gewisse Budgetvorgaben von ca. 25.000 €.
- Über das oben von uns vorgestellte Facebook-Experiments-Tool. Hier kannst Du schrittweise Markenumfragen in Deine Strategie einbauen, um den Wiedererkennungswert, die Wahrnehmung und Bekanntheit der Marke zu messen.
Bedenke:
Eine Brand-Lift-Study solltest Du nicht durchführen, wenn Du gerade weitere Kampagnen für dieselbe Marke oder dasselbe Produkt innerhalb von Facebook, Instagram und dem Audience Network schaltest, da in diesem Fall Personen aus Deiner Kontrollgruppe die Werbeanzeigen anderer Kampagnen sehen könnten. Dies würde zu verfälschten Ergebnissen führen.
3 mögliche Einschränkungen innerhalb Deiner Experimente
Es gibt verschiedene Einschränkungen, die Dich erwarten können, wenn Du die Experimente-Tools von Facebook verwenden möchtest, um die Inkrementalität deiner Facebook-Anzeigen zu messen:
- Keine ausreichende statistische Aussagekraft (ein Test sollte min. 80% Aussagekraft haben)
Dies ist der Fall, wenn z.B. weitere Kampagnen laufen, welche Deine Kontrollgruppen beeinflussen. Des Weiteren kann ein Grund eine zu kleine Test- und Kontrollgruppe sein, wenn die von Dir ausgewählte Zielgruppe zu klein gewählt ist.
- Die Treatment-Variable (Anzeigenexpositionen) können nicht immer isoliert werden
Dieser Fall tritt z. B. ein, wenn weitere Werbemaßnahmen (Print/TV) zu starke Auswirkungen haben oder wenn Mitglieder der Testgruppe Kontakt mit Personen aus der Kontrollgruppe haben.
- Du kannst Unbekannte nicht mit einbeziehen
Fazit
Größere, kontrollierte Tests wie die Conversion-Lift- und die Brand-Lift-Studies helfen in strategischer Hinsicht dabei, die inkrementellen Auswirkungen der Kampagnensteuerung auf die Markenbekanntheit oder die Umsätze zu messen. Diese Erkenntnisse helfen bei der Bewertung der Kampagnenaktivitäten auf Facebook im gesamten Marketing-Mix des Unternehmens. Die Studien benötigen eine große Datenbasis und sollten daher im Vorfeld gut geplant werden, um die Erkenntnisse auch strategisch sinnvoll einsetzen zu können.
A/B-Tests dagegen sind relativ schnell aufgesetzt und helfen Marketers die Auswirkungen verschiedener Optimierungsstellschrauben gegeneinander innerhalb der Auktionsdynamik kontrolliert auszutesten und valide Entscheidungen in der Optimierung zu treffen. Außerdem gewinnt man durch die A/B-Tests ein besseres Verständnis für die Zielgruppe und die Auktionsdynamik, sodass künftige Kampagnen-Set-Ups, auf den Erkenntnissen basierend für das Unternehmen, besser aufgesetzt werden können.
Du möchtest mehr zu dem Thema Facebook Marketing Science lernen? In diesem Studienleitfaden von Facebook findest du noch viel mehr Informationen.
Dein Facebook Experiment mit mso digital!
Du willst genauer verstehen, inwiefern Facebook sich auf Deine Markenwahrnehmung oder Deinen Umsatz auswirkt? Wir helfen Dir gerne bei der Erstellung von Experimenten.
