A oder B - was funktioniert am besten?
Sobald nach den ersten Testkampagnen etwas Klarheit über die zu erwartende Performance von Beilagen für dein Unternehmen herrscht, lassen die Fragen nach Optimierungen nicht lange auf sich warten: Welche Endkunden-Angebote schneiden am besten ab? Führt ein teureres Format wirklich zu einem niedrigeren oder gar zu einem höheren ROI? Was passiert, wenn man das Layout an die Zielgruppe des Publishers anpasst? A/B-Tests liefern die Antworten - wenn man sie richtig aufsetzt.
2021 war das Jahr des Testens für Affiliprint - noch nie haben wir mehr Tests durchgeführt, und noch nie mehr Daten gemeinsam mit unseren Partnern über den bestmöglichen Insert Business Case gesammelt. Und da jeder Partner von Affiliprint auch vom Erfolg anderer profitiert, freuen wir uns, dir unsere Key-Learnings aufzuzeigen - auch hier gilt natürlich, wenn du deine eigenen Erfahrungen mit uns teilen möchtest, oder noch weiteren Input für optimale Testings für uns hast, freuen wir uns wie immer von dir zu hören und von dir zu lernen.
Der richtige Zeitpunkt
Die Wahl des richtigen Zeitpunkts kann für einen A/B-Test entscheidend sein. Im besten Fall wird der Test dann durchgeführt, wenn er nicht von außergewöhnlichen Performance Faktoren wie Black Friday, Ferienzeiten oder anderen Kampagnen mit gleichen oder höheren Rabatten beeinflusst wird.
Die richtigen Publisher
- Verfügen deine Test-Publisher schon über genügend ausgefeilte Streuprozesse für einen sauberen Test? (Wir können dir helfen, die zuverlässigsten Publisher für Tests zu identifizieren.)
- Erzielen sie eine ausreichende Performance, um aussagekräftige Daten zu generieren? (Sprich uns an, damit wir unsere Datenbank nach deinen idealen Test-Publishern durchsuchen können.)
- Ist das mögliche Buchungsvolumen pro Publisher groß genug, um valide Testergebnisse zu sammeln? (Wie hoch ist die durchschnittliche CR deiner Inserts? Frag dich z.B., ob ein Test mit Ergebnissen von 5 vs. 7 Sales wirklich aussagekräftig ist, bzw. ab wann ein Publisher wirklich valide Ergebnisse liefern kann.)
- Spiegelt die Summe der Publisher einen Querschnitt aller verfügbaren Publisher für deine Zielgruppe wider? (Um böse Überraschungen bei der Skalierung des Testergebnisses zu vermeiden, sollte das Publisherset möglichst breit gefächert sein.)
Die Testvariablen
Was möchtest du testen und was wird deine Testvariable? Achte darauf, dass du jeweils nur eine Variable testest und mögliche Einflussfaktoren gleich bleiben. Wenn du z.B. herausfinden willst, wie ein 15€-Rabatt gegenüber einem 15%-Rabatt performt, achte darauf, dass alle anderen Variablen gleich bleiben:
- Publisher
- MBW (Mindestbestellwert)
- Volumen pro Testvariable
- Format
- Design
- Konditionen (z.B. Release-Deadline)
- Verteilzeit
Das schränkt natürlich die Anzahl der Tests ein, die du pro Kampagne durchführen kannst, garantiert aber, dass du zuverlässige Daten über die getestete Variable sammelst.
Bereite die Logistik vor
Stelle sicher, dass die Tests mit allen Beteiligten sorgfältig besprochen werden: Druckereien, Publishern und Lagerhäusern. Wenn möglich, werden die Testvariablen von der Druckerei auf jeder Palette gemischt, um ein gleichmäßiges Verteilschema zu gewährleisten. Publisher und Lager sollten über die Lieferung verschiedener Beilagen für denselben Zeitraum informiert werden.
Wenn du deine A/B Tests über Affiliprint abwickelst, übernehmen wir diese Prozesse selbstverständlich, und du kannst du zu 100% auf den Marketingpart konzentrieren.
Dinge werden schief gehen
Jeder, der lange genug im Beilagenmarketing tätig ist, kennt ihn - den Human Error. Im Gegensatz zu Online-Kampagnen, bei denen fast 100 % der potenziellen Fails durch das richtige Setup vermieden werden können, funktioniert Beilagenmarketing anders: Auf dem langen Weg von einer gedruckten Beilage zum Haushalt deiner potenziellen Kunden kann immer etwas schief gehen. Die Forecasts der Publisher können abweichen, Paletten können verloren gehen oder Beilagen werden falsch verteilt, egal wie gut das Briefing war. Das passiert selbst den besten Publishern und den organisiertesten Lagern. Deshalb ist es wichtig, immer mehrere Publisher einzubeziehen, um die Ergebnisse derjenigen zu relativieren, die nicht korrekt verteilen.
Nimm kontakt auf
Planst du gerade einen A/B-Test und willst, dass wir das Setup überprüfen? Oder hast du einen ersten Business Case geschaffen, doch die Performance ist noch nicht auf einem Level, um den Kanal skalieren zu können? Sprich uns an und wir setzen zusammen ein optimales Szenario auf: