前几期讲到了有关投放素材的制作，帮助大家解决文案、素材、落地页的素材制作的难题。那么素材有了，接下来的就是投放广告了。今天小编就为大家来剖析投放测试时所需要的。废话不多说，我们开始吧。
很多广告主在做好了相关的落地页的时候就开始投放，计划效果不好就马上更换人群包、素材、展现方式等等。但是就是找不到本质问题所在，就算产品和素材再好也不能达到预想的效果。因为你缺少了一个关键的步骤——投放测试思路。
投放测试并不是“试错”或者“踩坑”，而是抱着很强的目的去做变量测试，这样才可以在计划有漏洞的时候第一时间找到错误。
在投放前期，测试是必不可少的。但是也不能盲目的测试，一定要有计划有思路的去测试，没有用在刀刃上的力全是无用功，正确的投放方式一般分为三个步骤：
Ⅰ、通过模仿以及创造，做出新的a/b两个或者两个以上的计划
Ⅱ、通过控制变量的方法进行测试，并且优化
Ⅲ、最后测试出最适合自己，最有前景的法案进行大量投放。
那A/B测试是什么？
A/B测试也就是对照试验，即为同一个转化目标（比如我们想看看哪个落地页提交表单的效果更好），制定两个或两个以上的方案（落地页或主图），在控制其他变量不变的前提下，分别让组成成分、特征相同的访客群随机的访问这些落地页版本，根据各群组的用户数据反馈，结合统计学的工具方法，来筛选出更符合效果需求的版本。
所以，要执行一个有效的A/B测试的重点是：
- N个方案并行测试；
- N个方案之间只存在一个变量，排除其他因素的干扰；
- 以某一个标准评判结果优劣，筛出最优方案。
分时间段测试就意味着其他相关的变量会不一致，比如访客本身访问的周期规律、媒体上内容环境的变化、同行竞争的广告影响等等，这些因素都会干扰测试结果的可靠性。
为什么测试要控制变量？
归根结底是为了测试的有效性。我们都知道，影响转化的因素太多了。诸如竞争状况、流量本身的质量、消费者购买的周期规律等等都有可能影响转化，尤其是在信息流广告的场景下，消费者在看到广告之前看到的资讯内容会给消费者带来怎样的心理唤起（也可以起理解成平台方主动发起的流量塑形），我们都是无法预知的，这些都会影响广告转化效果。
在测试的数据出来之后我们可以通过数据进行优化，把自己的计划尽量完善。
数据分析可参考经典的转化评估的四象限法则：
在这个四象限法则里，横坐标代表着我们的广告费用消耗，纵坐标代表着广告产生的转化量，我们逐一来看：
第一象限：有三个属性标签，即转化高、消耗多、成本高。这一类的数据，需要优化的因素比较多，重点在于出价、点击率/转化率以及文案创意的精准度。转化高、点击量高、消耗多、成本高，可以试着降低成本 调整一下出价。
第二象限：这一部分是最优的广告数据，转化高成本低，可以持续保持观察，当然预算大的客户也可适当扩量。
第三象限：这一部分很明显就是广告没能投放出去，曝光量级太小，那么我们优化的时候就需要优先考虑展现量。转化低、消耗少、成本低、点击量低、曝光低，可以先尝试着提高出价、优化创意提高曝光量。
第四象限：最后这部分的数据，转化量低、转化成本过高，我们优先考虑优化的便是投放方案（包括创意/落地页/定向等）以及流量的精准度。转化低、点击量低、消耗多、成本高，可以尝试者优化创意、定向。
接下来我们通过一个案例来简单的解释：
A计划
B计划
在这个案例中，我们可以看到A与B两个计划。
A与B计划素材中的人物及文案都不变，这是不变量。
素材的背景图一个是灰色底，一个是渐变底，这就是变量。
A计划每1020的曝光有11的点击量，而B计划每5005的曝光量有45的点击量，A计划的点击率明显比B计划的点击率高。
那么我们就得出了结论：这款保暖衣的图片素材以灰色底色或者以简单底色的素材效果比渐变色效果好。
总结
一个产品的的测试需要考虑：预算、成本、定价、人群定向包、平台、计划本身等等。每个产品的测试结果都不一样，不能以确切的数字去局限大家，所以只能告诉大家方法和思路。任重而道远，希望对大家有所帮助。
作者：二类电商运营
来源：二类电商运营
