Всем привет, на связи SMA! Сегодня — не про «что нажать в интерфейсе», а про то, как думать при тестировании рекламы.
Что такое A/B-тестирование и почему интуиция здесь не работает
A/B-тестирование — метод сравнения двух версий объявления (А и B), которые показываются одновременно одной и той же аудитории, чтобы определить, какая версия работает лучше по заданной метрике.
Ключевое слово — «одновременно». Если сравнить объявление, показанное в январе, с объявлением, показанным в феврале, на результат повлияют десятки посторонних факторов: сезонность, действия конкурентов, изменение ставок аукциона, даже погода — для некоторых ниш это буквально так. A/B-тест исключает эти искажения, потому что оба варианта конкурируют за одну и ту же аудиторию в один и тот же момент времени.
Интуиция подсказывает маркетологу, какой заголовок «звучит убедительнее». Но подсказка интуиции и реальное поведение аудитории — разные вещи: пользователи регулярно выбирают не тот вариант, который кажется профессионалу более сильным.
Что можно тестировать в объявлении
Тестировать стоит по одному элементу за раз — иначе не получится понять, что именно повлияло на результат. Основные элементы для тестов:
- Заголовок — самый влияющий элемент, именно он определяет, кликнет ли пользователь по объявлению.
- Текст объявления — акцент на цене, на скорости, на гарантии или на эмоции.
- Призыв к действию — «Купить сейчас», «Узнать цену», «Оставить заявку» дают разную конверсию в зависимости от ниши.
- Изображение или видео — для медийной и таргетированной рекламы визуал часто влияет на результат сильнее текста.
- Уточнения и быстрые ссылки — дополнительные элементы объявления в Яндекс.Директ также поддаются тестированию.
- Целевая страница — технически это уже не тест объявления, но именно связка «объявление + посадочная страница» определяет итоговую конверсию в заявку.
Какую метрику считать победой
Выбор метрики зависит от цели кампании, и здесь кроется одна из главных ловушек тестирования: рост CTR не всегда означает рост прибыли.
CTR (кликабельность) показывает, насколько объявление привлекает внимание, но не говорит ничего о качестве трафика. Провокационный заголовок может дать высокий CTR и низкую конверсию — придут не те пользователи.
Конверсия в заявку — более честная метрика, она показывает, приводит ли объявление к целевому действию.
CPA (стоимость заявки) — метрика, которая учитывает и CTR, и конверсию, и стоимость клика одновременно. Именно на неё стоит ориентироваться в большинстве тестов, если конечная цель — не охват, а продажи.
Для e-commerce и услуг с понятной воронкой продаж лучшая метрика — не CPA, а ROMI, о котором мы писали в статье про расчёт ROI рекламной кампании: объявление с более высоким CPA иногда приносит клиентов с более высоким чеком и в итоге оказывается выгоднее.
| Вариант объявления | Показов | Клики | CTR (%) | Целевые действия (конверсии) | Конверсия (%) CR | Расходы на рекламу | CPC (руб.) |
|---|---|---|---|---|---|---|---|
| Вариант 1 | 10 000 | 200 | 2% | 10 | 5% | 50 000 | 250 |
| Вариант 2 | 10 000 | 150 | 1,5% | 5 | 3,3% | 50 000 | 333 |
Когда результату теста можно доверять
Здесь чаще всего совершают главную ошибку: останавливают тест через два дня, увидев, что у одного варианта CTR выше, и сразу отключают «проигравший» вариант.
Результат теста статистически значим, только если выполнены три условия:
- Достаточный объём данных. Для большинства ниш нужно минимум 100–200 кликов на каждый вариант, а для тестов по конверсиям — минимум 30–50 целевых действий на вариант. Меньший объём данных даёт слишком большую погрешность.
- Достаточная длительность. Тест должен охватывать минимум 1–2 полных недели, чтобы учесть разницу в поведении аудитории в будни и выходные.
- Стабильность результата во времени. Если один вариант лидировал в первые три дня, а затем разрыв сократился до статистической погрешности — тест стоит продолжить, а не останавливать по первому впечатлению.
Для расчёта статистической значимости удобно использовать бесплатные калькуляторы A/B-тестов — они по количеству показов, кликов и конверсий каждого варианта показывают, можно ли доверять результату или разница ещё случайна.
Для примеры используем калькулятор достоверности A/B тестирования от Яндекс.Директ
Примеры из практики
Пример 1. Интернет-магазин электроники. Тестировали два заголовка: «Ноутбуки от 25 000 ₽» против «Ноутбуки с гарантией 2 года». Первый вариант дал CTR на 18% выше, но конверсия в заказ у второго варианта оказалась выше на 24% — аудитория, которая кликала по «гарантии», была более платёжеспособной и реже отказывалась от покупки после консультации с менеджером.
Пример 2. Стоматологическая клиника. Сравнивали призывы к действию «Записаться на приём» и «Узнать цену бесплатно». Второй вариант увеличил количество заявок на 31% — формулировка снимала страх перед звонком с обязательствами и явно обещала бесплатную консультацию по стоимости.
Пример 3. B2B-услуга (бухгалтерский аутсорсинг). Тест изображения в рекламной сети: фото офиса против фото довольного клиента с отзывом. Вариант с отзывом дал CTR ниже на 9%, но конверсия в заявку — выше на 40%. Меньше кликов, но более осознанных.
Общий вывод из всех трёх примеров один: оптимизация только по CTR может привести к неверным решениям, если не смотреть на метрику дальше по воронке.
Мифы об A/B-тестировании
Миф 1: «Чем больше вариантов тестировать одновременно, тем быстрее найдём лучший». На практике тестирование более двух вариантов сразу размывает трафик и увеличивает время до статистической значимости результата. Для большинства кампаний с ограниченным бюджетом оптимально тестировать ровно два варианта за раз.
Миф 2: «Если тест ничего не показал — время потрачено зря». Отсутствие значимой разницы между вариантами — тоже результат. Он говорит, что тестируемый элемент не влияет на решение аудитории, и ресурсы стоит сосредоточить на других гипотезах.
Миф 3: «Один раз протестировали — можно больше не возвращаться к теме». Аудитория, конкуренты и алгоритмы аукциона меняются со временем. Объявление-победитель полугодовой давности может проигрывать сегодня — тестирование должно быть постоянным процессом, а не разовой акцией.
Инструменты для A/B-тестирования рекламы
- Яндекс.Директ — встроенные эксперименты с равномерным распределением показов между вариантами объявлений.
- VK Реклама — сплит-тестирование креативов внутри одной кампании.
- Google Ads — эксперименты кампаний с автоматическим определением победителя.
- Целевые страницы — сервисы вроде Yandex Optimize или встроенных конструкторов лендингов с поддержкой A/B-тестов посадочных страниц.
Короткий чек-лист перед запуском теста
- Тестируется только один элемент объявления.
- Оба варианта показываются одной и той же аудитории одновременно.
- Заранее выбрана метрика победы (CTR, конверсия или CPA).
- Определён минимальный объём данных для значимого результата.
- Тест запланирован минимум на 1–2 недели.
Итог
A/B-тестирование — это не разовая проверка «какой заголовок лучше», а системный способ принимать решения о рекламе на основе данных, а не предположений. Начинайте с элементов, которые сильнее всего влияют на решение аудитории — заголовка и призыва к действию, — и постепенно переходите к тестированию визуалов и посадочных страниц. Регулярное тестирование даже одного объявления в месяц со временем ощутимо снижает стоимость привлечения клиента.
Спасибо, что прочитали статью до конца!
