In letzter Zeit hat die Bedeutung des Einsatzes von Tests und Optimierung zur Verbesserung der Conversions um ein Vielfaches zugenommen, der Einsatz neu entwickelter A/B-Testtools ist jedoch überwiegend monochromatisch ^[1].

Der Grund, warum ich das sage, liegt darin, dass Tests und Optimierung in erster Linie von einem großen Teil der Online-Werbetreibenden/Vermarkter genutzt werden und der Großteil des Traffics auf diesen Testseiten aus bezahlten Quellen stammt. Andererseits hat ein ebenso großes Segment – ​​bestehend aus Publishern, Bloggern und Webmastern – noch keine Vorteile geerntet. Wir werden versuchen, einen wichtigen möglichen Einsatz von A/B-Tests für Verlage zu untersuchen.

Was können Publisher mit A/B-Tests tun?

A/B-Tests und Mehrarmiger Bandit Mit Lösungen können Publisher ihre Werbeeinnahmen steigern, indem sie unter anderem die bestmögliche Anzeigenposition, -größe und das bestmögliche Farbthema finden.

Viele Leute argumentieren, dass ein roter statt eines grünen Knopfes zwar die Klicks auf den Knopf erhöhen, aber letztendlich nicht den Umsatz steigern kann. Abgesehen von meinen Ansichten zu diesem Thema geht es darum, wer argumentieren kann, wenn mehr Klicks direkt mehr Umsatz bedeuten? Das ist der Vorteil von A/B-Tests für Publisher. Wenn Ihr Seitenlayout A also mehr Klicks auf Anzeigen erhält als Seitenlayout B, führt dies direkt zu mehr Umsatz für den Publisher, Ende der Geschichte.

Aktuelles Szenario

In den letzten Monaten habe ich mit einer beträchtlichen Anzahl von Publishern gesprochen und fast keiner von ihnen hat A/B-Tests zur Verbesserung der Werbeeinnahmen eingesetzt.

Einschränkungen aktueller A/B-Testsoftware

Weit verbreitete A/B-Testsoftware ist nicht für Verlage gedacht. Hier ist der Grund:

• Anzeigenklicks können nicht verfolgt werden, um Ergebnisse zu messen: Da die meisten Werbenetzwerke die Motive in Form eines Iframes einbinden, sind A/B-Testsoftware nicht in der Lage, Anzeigenklicks zu verfolgen. Nicht zu vergessen ist, dass es für viele Werbenetzwerke auch einen Verstoß gegen die Programmrichtlinien darstellt, Anzeigenklicks direkt mithilfe einer Analyse- oder Testsoftware zu messen.
• Keine Unterstützung für die automatische Erstellung von Variationen: A/B-Testanzeigen können etwas komplizierter sein, da die Anzahl der Variationen exponentiell ansteigt. Normalerweise möchten Sie 3 Anzeigenblöcke auf einer Seite anzeigen und haben 6–7 Schlüsselspots, 2–3 wichtige Anzeigengrößen für jeden Standort und 5–6 Farbthemen für jeden Spot. Die Anzahl der Variationen würde leicht 100 erreichen und es gibt keinen Grund, warum die Erstellung von Variationen nicht automatisiert werden sollte. Natürlich empfiehlt sich die Erstellung sehr vieler Varianten nur für große Verlage.
• Auch das manuelle Bearbeiten des Codes hilft nicht: Auch wenn Sie den neuen Anzeigencode (mit dem Sie das Steuerelement vergleichen möchten) manuell erstellen, sagen wir im AdsenseIm Anzeigenverwaltungsfenster von können Sie nicht einfach den HTML-Code der Variante innerhalb beliebter A/B-Testtools bearbeiten (die meisten davon sind clientseitig). Das wird nicht funktionieren. Dies liegt daran, dass A/B-Testtools (wiederum die clientseitigen) die Aktualisierungen/Änderungen (die Sie vorgenommen haben) nach dem Laden der Seite auf der Seite veröffentlichen. Das Adsense-JavaScript funktioniert nicht, und nicht zu vergessen: Das Herumspielen mit dem Adsense JS-Code verstößt gegen die Programmrichtlinien.

Auf dem Weg zu MAB und kontinuierlicher Optimierung

Technisch gesehen wird ein ideales Produkt für Publisher nicht A/B-Tests sein, sondern sie sollten andere Multi-Arm-Bandit-Lösungen verwenden, einfach weil Optimierung als kontinuierlicher Prozess betrachtet werden sollte.

Jeder, der das Layout einer Website geändert hat, auf der Anzeigen geschaltet werden, würde feststellen, dass die Klickrate direkt nach der Design-/Layoutänderung steigt. Dies geschieht hauptsächlich, weil sich Ihr Layout entwickelt Bannerblindheit im Laufe der Zeit. Kontinuierliche MAB-Tests sind die perfekte Lösung. Es ist keine schwierige Aufgabe, einen Frühindikator für Veränderungen im Nutzerverhalten gegenüber Anzeigenblöcken zu erstellen, der dazu beitragen kann, dass Anzeigenblöcke jederzeit eine gute Leistung erbringen. In einer nicht-technischen Sprache: Sobald Sie das Experiment auf Ihrer Website starten, liefern kontinuierliche Optimierung und MAB weiterhin den Großteil Ihrer Impressionen an die Variante mit der besten Leistung und sobald das System einen (statistisch signifikanten) Rückgang der CTR feststellt, wird die Das System ist in der Lage, selbst die bestmögliche Variante zu finden. Es ist auch technisch möglich, mithilfe von maschinellem Lernen die beste Stelle für Ihre Werbung (außerhalb der definierten Variationen) zu finden und diese anzupassen, wenn sich das Nutzerverhalten ändert.

Fallstudien: Wird es wirklich helfen?

Anzeigengröße: Schauen Sie sich dieses Video vom Adsense-Team an. In einem Live-Beispiel, das sie demonstrieren, führte der Ersatz eines 120×600 Skyscraper durch einen 160×600 Wide Skyscraper und der Ersatz eines 468×60 Banners durch ein 300×250 Medium Rechteck zu einer Steigerung der AdSense-Einnahmen für diese Website um 109 %.

Text- oder BildanzeigenGoogle empfiehlt dass Sie sowohl Bild- als auch Textanzeigen für Ihre Website aktivieren. Statistiken sprechen etwas anderes. Keith Lock von Webmaster.net verbesserte sein Einkommen um satte 475 % nach dem Testen zwischen Bild und Text und dem Festhalten an Textanzeigen.

^{[1] A/B-Tests werden immer noch hauptsächlich von Internet-Vermarktern und Werbetreibenden eingesetzt. Allerdings haben mobile App-Entwickler in letzter Zeit auch damit begonnen, A/B-Tests einzusetzen. Es liegen jedoch keine Daten darüber vor, wie gut es angenommen wurde.}

^{Haftungsausschluss: Wir bei Ad Pushup entwickeln ein Tool zur Optimierung der Werbeeinnahmen, das MAB-Lösungen nutzen wird, um Publishern dabei zu helfen, ihre Werbeeinnahmen zu steigern. Wir nennen es ein A/B-Testtool, einfach weil die meisten unserer Interessenten MAB derzeit nicht verstehen.}

---