Adverteren op LinkedIn kan erg duur zijn. Hierom is het van belang dat je de kosten van je advertenties omlaag drijft en de prestaties blijft verbeteren. Dit doe je door je advertenties te A/B testen. Met een A/B test verander je steeds kleine delen van de advertentie en behoud je wat de beste resultaten oplevert. Je test dus twee vrijwel identieke advertenties met elkaar en gaat verder met de best presterende. Hierdoor weet je zeker dat het verschil in prestatie door deze kleine verandering komt.
In deze blog behandelen we A/B testen op LinkedIn en hoe je deze het beste uitvoert. Zo behaal je op de lange termijn betere resultaten tegen een lagere prijs.
Hoe maak ik een A/B test in LinkedIn?
Voordat we in de details duiken, behandelen we eerst de praktische stappen voor het opzetten van een succesvolle A/B test. Als je gaat A/B testen, is het behouden van overzicht voor jezelf belangrijk. De reden hiervoor is dat er misschien wel 16 advertenties tegelijk online gezet moeten worden per campagne.
- Maak 4-8 verschillende ad copies met verschillende USP’s van jouw bedrijf.
- Design 2-4 verschillende ad-images voor deze campagne.
- Maak voor elke advertentie een unieke UTM-code om de Google Analytics te kunnen traceren vanuit deze advertentie (alleen van belang bij advertenties die doorverwijzen naar een website).
Bij het maken van ad copies en ad-images is het van belang dat je de structuur hetzelfde houdt en alleen kleine aanpassingen doorvoert voor de A/B test, zoals te zien in het voorbeeld hierboven.
Er is geen optie om op LinkedIn automatisch advertenties te maken voor het A/B testen. Je moet elke advertentie helaas nog handmatig maken. Wel heb je de mogelijkheid om advertenties de dupliceren. Op deze manier hoef je alleen de image, ad copy en UTM te veranderen.
De eerste stap van A/B testen
Als je begint met een nieuwe campagne in LinkedIn moet je er eerst achter komen waar jouw doelgroep interesse in heeft. Dit doe je door het aanbod te A/B testen. Met het A/B testen van een aanbod kom je er achter welk aanbod aanslaat bij jouw doelgroep. Voorbeelden van verschillende soorten aanbod waar je mee kan beginnen zijn: e-books, whitepapers, introductievideo’s, kennismakingsgesprekken, webinars of een gratis demo.
Begin dus altijd met het inventariseren van je aanbod en gebruik dit in je eerste A/B testen.
Hoe gebruik je A/B testen voor de probleemstelling?
Problemen moeten opgelost worden, maar wie gaat dit doen? Ga je het heft in eigen handen nemen of laat je een externe partij dit voor jou doen? In de B2B-wereld is het uitbesteden van dit soort zaken het meest efficiënt. Zorg er dus voor dat je in jouw advertentie duidelijk maakt hoe jouw product of service de problemen van de doelgroep oplost.
Het is van belang om te bekijken vanuit welke hoek jij de doelgroep het beste hierin tegemoet kan komen. Met het A/B testen van verschillende probleemstellingen kom je er achter waar het pijnpunt van jouw doelgroep zit.
Het A/B testen van je ad copy
Nu je het beste aanbod en de juiste probleemschets hebt, kun je gaan kijken naar de details van je advertentie. Bij elke advertentie worden de eerste 150 karakters standaard weergeven. Denk dus goed na over verschillende A/B testen die je wilt uitproberen; grijp je mensen hun aandacht met een opvallende zin? Laat je je belangrijkste USP’s (unique selling points) zien? Of kies je voor een interessante statistiek? Er zijn genoeg voorbeelden om hier creatief mee om te gaan. Meer inspiratie nodig voor een interessante ad copy om te A/B testen? Lees vooral ons blog voor de ideale ad copy op LinkedIn.
Het A/B testen van de advertentie afbeelding
Een belangrijk onderdeel wat vaak wordt vergeten, is het A/B testen van verschillende afbeeldingen. De afbeelding van een advertentie kan er voor zorgen dat de doelgroep juist wel of niet op jouw advertentie klikt.
Verschillende voorbeelden van A/B testen die je kan uitvoeren voor afbeeldingen zijn:
- Het A/B testen van normale images (1200×627) tegen square images (800×800). Steeds meer mensen maken gebruik van het LinkedIn platform via hun mobiele telefoon. Square images worden groter vertoont op je telefoon, omdat je telefoon niet geoptimaliseerd is voor normale images (1200×627). Het A/B testen hiervan kan dus veel opleveren.
- Het A/B testen van verschillende USP’s van jouw product of service. Welke USP slaat in de advertentie afbeelding aan? Verstandig is om dit samen met de ad copy te testen.
- Het A/B testen van Humanizing. Gebruik je mensen in je afbeeldingen of juist niet? En wat voor mensen gebruik je in je afbeelding? Lees hier meer over Humanizing.
- Het A/B testen van verschillende kleuren. Gebruik je exclusief je bedrijfskleuren, of gebruik je ook kleuren die niet in je brandbook staan?
Zo zijn er nog veel meer details die je kunt bedenken om te A/B testen op LinkedIn. Wij zien dat de bovengenoemde punten vaak voor significante verschillen zorgen in de prestatie van je advertenties.
A/B test de call to action
De call to action (CTA) bij je advertentie is de knop die mensen onder jouw advertentie zien staan. Je kunt op LinkedIn kiezen uit de volgende CTA’s: Inschrijven, Nu solliciteren, Downloaden, Offerte aanvragen, Meer informatie, Abonneren en Registreren. Voer een A/B test uit voor de CTA’s die logisch zijn voor jouw aanbod en test tot je de beste gevonden hebt.
Hoe bepaal je of een A/B test succesvol is?
Bepalen of een A/B test succesvol is, hangt af van of je met veel zekerheid kan zeggen dat advertentie A beter presteert dan advertentie B. Wanneer er kleine verschillen tussen de prestaties zitten, kan het goed zijn dat deze verschillen puur komen door kans. In zo’n geval misleid je jezelf als je aanneemt dat dit kleine verschil in prestatie, komt door het verschil tussen de advertenties.
Om formeel te bepalen of een A/B test succesvol is, moet je kijken naar significantie en power. Online zijn veel websites te vinden die je helpen bij het berekenen van zowel significantie als power. Gebruikelijk is om een significantie van 95% aan te houden en een power van 80%.
In de praktijk is het erg lastig om al je A/B testen op zo’n manier te beoordelen. Dit komt doordat voor een significantie van 95% je vrij veel data nodig hebt. Hierdoor duren je A/B testen lang en worden ze duur. Wij raden daarom aan om significantie en power te gebruiken als richtlijnen en niet als harde criteria.
Daarnaast is er ook nog een andere, minder wetenschappelijke, manier om je A/B testen te beoordelen. Een scenario wat veel voorkomt is dat je 4 teksten en 4 afbeeldingen wilt testen. Voor iedere combinatie maak je een advertentie, waarmee je op 16 advertenties uitkomt. Deze advertenties plaats je in een campagne en laat je enige tijd draaien. Meestal komen er 2-6 advertenties uit de test die duidelijk beter presteren dan de andere advertenties. Door deze advertenties aan te laten staan en de “verliezers” uit te schakelen, wordt het budget alleen nog verdeeld over de “winnaars”. Bij de volgende ronde tests, test je verder met de winnaars.
Het is hierbij wel belangrijk dat alle advertenties de kans hebben gekregen om als winnaar uit de test te komen. Een grove richtlijn is dat een advertentie minimaal 9000 impressions nodig heeft om iets over de prestatie te kunnen zeggen. Dit is echter een richtlijn en deze verschilt sterk afhankelijk van het campagnedoel, doelgroep, aanbod, etc. Onze ervaring is dat het het meest effectief is om deze methode te combineren met een softe versie van de formele methode. Hierbij bereken je wel of het verschil significant is, maar verlaag je de benodigde significantie naar bijvoorbeeld 90% of 85%. Je resultaten zijn hierdoor wat minder betrouwbaar, maar het kost een stuk minder tijd en geld om te A/B testen.
Slot
Wanneer je deze 5 A/B tests hebt uitgevoerd, ben je een heel eind op weg richting de ideale advertentie voor jouw doelgroep. Wanneer je ziet dat na al deze tests de resultaten na verloop van tijd toch weer dalen, is het tijd om de advertentie weer een frisse look te geven. Tijd om verder te A/B testen dus. Verder is het belangrijk om in de gaten te houden dat je een A/B test het liefst zo puur mogelijk uitvoert. Een pure A/B test houdt in dat je de advertenties identiek houdt, op het element dat je test na. Zo krijg je de meest correcte – en daardoor meest waardevolle – data en kun je echt zien wat het beste werkt.
Benieuwd naar andere mogelijkheden op LinkedIn? Houd dan onze bedrijfspagina en website in de gaten. Heb je vragen over LinkedIn? Stuur ons dan vrijblijvend een berichtje op LinkedIn, of kom in contact via:
info@primemarketing.nl
Je moet ingelogd zijn om een reactie te plaatsen.