Et kampagneeksperiment (Google Ads experiment) er en indbygget A/B-test, hvor Google kopierer en eksisterende kampagne, du ændrer én ting i kopien, og budget og trafik deles mellem original og eksperiment. Efter testperioden sammenligner Google resultaterne og viser, om forskellen er statistisk sikker. Vinderen kan anvendes på den oprindelige kampagne eller gøres til en ny.
Hvad er et kampagneeksperiment i Google Ads?
Den mest almindelige måde at teste på i Google Ads er at ændre noget og se, om tallene bliver bedre. Problemet er, at alt andet også ændrer sig samtidig: sæson, konkurrenter, priser, vejret. Et kampagneeksperiment løser det ved at køre før og efter på samme tid. Halvdelen af trafikken ser den gamle opsætning, den anden halvdel den nye, og forskellen skyldes ændringen. Det er princippet i enhver A/B-test, bygget ind i Google Ads.
Typer af eksperimenter
| Type | Kampagner | Typisk test |
|---|---|---|
| Tilpassede eksperimenter | Søgning, display (og video, hotel) | Budstrategi, ROAS-mål, matchtyper, landingsside |
| Annoncevarianter | Søgning | Ny tekst i mange annoncer på én gang |
| AI Max-eksperimenter | Søgning | AI Max slået til eller fra, 50/50 |
| Performance Max-eksperimenter | Performance Max | Fx PMax mod Shopping eller med og uden en funktion |
| Demand Gen-eksperimenter | Demand Gen | Kreativer og målgrupper |
| Videoeksperimenter | Video | 2-4 grupper, måles på brandløft eller konverteringer |
Bemærk at tilpassede eksperimenter ifølge Googles hjælpeside om tilpassede eksperimenter ikke findes til Shopping-kampagner. For webshops betyder det, at budstrategitests i standard Shopping må laves på anden vis, fx med to kampagner på hver sin halvdel af sortimentet.
Cookiebaseret eller søgningsbaseret opdeling
| Opdeling | Sådan virker den | Brug den når |
|---|---|---|
| Cookiebaseret | Hver bruger ser kun én version | Standard. Bedst til budstrategier og landingssider |
| Søgningsbaseret | Fordeles tilfældigt pr. søgning. Samme bruger kan se begge | Du vil have et resultat hurtigere og testen ikke påvirkes af gentagne besøg |
Google anbefaler 50/50 for den bedste sammenligning. Du kan planlægge op til 5 eksperimenter pr. kampagne, men kun ét kan køre ad gangen.
Sådan opsætter du et kampagneeksperiment
- Eksperimenter
- Alle eksperimenter
- + (nyt eksperiment)
Eksperimenter ligger i venstremenuen. Vælg type, basiskampagne, ændring, opdeling og datoer.
- Vælg én ændring. Ændrer du både budstrategi og annoncer, ved du ikke, hvad der virkede.
- Skriv hypotesen ned. "Mål-ROAS 450 % i stedet for 400 % giver højere dækningsbidrag" er en hypotese. "Lad os se hvad der sker" er ikke.
- Vælg den metrik, der afgør det. Konverteringsværdi, CPA eller profit, ikke klik.
- Lad det køre længe nok. Mindst 4 uger og helst så længe, at hver side har haft en god mængde konverteringer.
- Rør ikke originalen. Ændringer i basiskampagnen synkroniseres ikke til eksperimentet og ødelægger sammenligningen.
Sådan læser du resultatet
Google viser forskellen pr. metrik med et konfidensinterval og markerer, når et resultat er statistisk signifikant. Et grønt tal efter fem dage er dog sjældent nok. Konverteringer tikker ind i dagevis efter klikket, så de sidste dage i testen er aldrig færdige. Se konverteringsforsinkelse. Når budstrategien ændres, har eksperimentet desuden en læringsperiode i starten, som trækker resultatet ned.
- Original: Mål-ROAS 400 %
- Forbrug 20.000 kr., værdi ekskl. moms 84.000 kr.
- Eksperiment: Mål-ROAS 500 %
- Forbrug 15.000 kr., værdi ekskl. moms 72.000 kr.
- Dækningsbidrag ved 40 % dækningsgrad minus forbrug
- Original: 33.600 - 20.000 = 13.600 kr. Eksperiment: 28.800 - 15.000 = 13.800 kr.
Næsten samme overskud for 5.000 kr. mindre forbrug. Om det er en vinder, afhænger af, om du vil have vækst eller marginal.
Faldgruber fra praksis
- For lidt data. En kampagne med 20 konverteringer om måneden kan ikke bære et 50/50-eksperiment. Hver side får for lidt til at lære og for lidt til at vise noget.
- Kort test i højsæson. En test, der starter i uge 46 og slutter i uge 48, måler Black Week, ikke din ændring.
- Vinderen bliver ikke anvendt. Husk at anvende eller afslutte eksperimentet. Et glemt eksperiment kører videre med halvdelen af trafikken.
De bedste tests er dem, der besvarer et forretningsspørgsmål. Spørg din Google Ads-specialist, hvilke eksperimenter der har kørt det sidste år, og hvad de lærte jer. En PPC-specialist bør kunne vise mindst ét.
En PPC-specialist, der tester i stedet for at gætte
Store ændringer køres som eksperimenter og måles på overskud. Se hvordan jeg arbejder.
Ofte stillede spørgsmål om Kampagneeksperimenter
Hvordan laver man en A/B-test i Google Ads?
Gå til Eksperimenter i venstremenuen, opret et nyt eksperiment, vælg den kampagne der skal testes, lav én ændring og del trafikken 50/50. Lad det køre mindst 4 uger.
Hvor længe skal et Google Ads eksperiment køre?
Mindst 4 uger, og længere hvis kampagnen har få konverteringer. Google anbefaler 4-6 uger for videoeksperimenter. Træk konverteringsforsinkelse og læringsperiode fra, når du læser resultatet.
Kan man lave eksperimenter i Shopping-kampagner?
Ikke med tilpassede eksperimenter, som kun findes til søge-, display-, video- og hotelkampagner. Performance Max har sine egne eksperimenter.
Hvad sker der, når eksperimentet er slut?
Du kan anvende ændringen på den oprindelige kampagne eller gøre eksperimentet til en selvstændig kampagne. Data fra testen bevares i begge tilfælde.
Relaterede begreber
- A/B-test En test, hvor to versioner kører samtidig på hver sin del af trafikken, så du kan se hvilken der faktisk virker bedst.
- Læringsperiode Perioden efter en ændring, hvor en automatisk budstrategi kalibrerer sig. Status: Indlæring i gang. Resultaterne svinger mere end normalt.
- Target ROAS Budstrategi hvor Google byder efter en ønsket ROAS i procent, fx 400 %, så værdien pr. annoncekrone rammer målet.
- Konverteringsforsinkelse Tiden fra annonceklik til køb. Derfor er de seneste dages tal i Google Ads altid ufærdige og ser dårligere ud, end de ender med.
- Anbefalinger i Google Ads Googles automatiske forslag til ændringer i din konto. Nogle er nyttige, mange øger mest dit forbrug.