เพราะอะไร A/B Testing จึงมักไม่ถูกนำมาใช้จริงกับโฆษณา FB

การทำ A/B Testing กลายเป็นเทคนิคยอดนิยมของคนที่ทำงานมีเดียเพราะช่วยให้เราสามารถค้นหารูปแบบที่ให้ผลลัพธ์ที่ดีที่สุดกับงานออนไลน์ที่เราปล่อยออกไปได้ ยิ่งโดยเฉพา Facebook ที่สามารถวัดผลได้ง่ายและแม่นยำการทำ A/B Testing ก็ยิ่งมีประโยชน์มากๆ

**ใครยังไม่คุ้นเคยกับการทำ A/B Testing สามารถย้อนกลับไปอ่านได้ที่บทความนี้ ใครรู้จักดีอยู่แล้วอ่านต่อด้านล่างนี้เลยครับ

ประโยชน์ของ  A/B Testing คือช่วยให้เราค้นหารูปแบบที่ดีที่สุดของโฆษณาได้เช่น รู้ว่าโฆษณารูปภาพแบบไหนที่คนคลิกมากที่สุด, กลุ่มเป้าหมายกลุ่มใดที่เกิด Conversion มากที่สุด, เขียนบรรยายแบบใดที่ทำให้เกิด Engagement มากที่สุด ซึ่งจะช่วยให้เราได้รับผลลัพธ์ที่ดีที่สุดจากการทำโฆษณาได้

ยิ่งในปัจจุบันการมี Tools ช่วยในการทำ A/B Testing  ที่ข้อมูลมาจาก Facebook โดยการเชื่อมต่อกับ API เช่น Adespresso, Smartly, Nanigans ยิ่งทำให้การทำ A/B Testing กับโฆษณาใน Facebook นั้นสะดวกมากยิ่งขึ้น

เหรียญไม่ได้มีแค่ด้านเดียว A/B Testing ก็เช่นกัน

แต่สถานการณ์จริงๆแล้วการทำ A/B Testing มักจะไม่ถูกนำไปใช้จริงๆ ไม่ใช่เพราะว่ามันไม่มีประโยชน์มากพอหรือไม่มีข้อดีให้กับแคมเปญโฆษณา แต่มันเกิดจากอุปสรรคที่ทำให้การทำ A/B Testing นั้นไม่คุ้มค่าที่จะทำ มีข้อจำกัดหลายๆอย่างที่ทำให้การทำให้มันไม่คุ้มค่าที่จะทำ

ที่ผมเจอและได้ฟังมาจากหลายๆคนก็คือ

  • แคมเปญโฆษณาใน Facebook ส่วนมากมักจะเป็นแคมเปญระยะสั้นเช่น 3 วัน, 5 วัน, 7 วัน (หรือแม้กระทั่งวันเดียว) ทำให้การทำ A/B Testing นั้นไม่คุ้มค่าที่จะทำ เนื่องจากเราจะต้องเสียเวลาในการทดสอบเพื่อหารูปแบบดีที่สุดแต่หลังจากนั้นไม่กี่วันแคมเปญก็จบลง  การทำ A/B Testing ที่ดีที่สุดเหมาะกับแคมเปญแบบ Always-on หรือแคมเปญที่เปิดในระยะยาว
  • การทำ A/B Testing นั้นมาพร้อมกับต้นทุนที่เพิ่มสูงขึ้นไม่ว่าจะเป็นต้นทุนที่มาพร้อมกับการทำครีเอทีฟที่มากขึ้นเพราะเตรียมครีเอทีฟเอาไว้หลายชิ้นๆ ต้นทุนแรงงานและเวลาในการเซ็ตอัพแคมเปญ สำหรับบางคนอาจจะมีต้นทุนในการซื้อซอฟแวร์จากต่างประเทศเพื่อใช้ในการทำ A/B Testing ด้วย นั่นทำให้การทำ A/B Testing หลายครั้งถูกมองว่าเป็นสาเหตุในการสร้างค่าใช้จ่ายที่มากขึ้น
  • อีกหนึ่งปัญหาของการทำ A/B Testing ก็คือมันทำให้เกิดการทับซ้อนกันเองของกลุ่ม Audience ในแต่ละ Ad set หลายๆครั้งการทดสอบกลุ่มเป้าหมายที่จะเห็นโฆษณามักจะไม่สามารถแก้ไขปัญหานี้ได้ (โดยเฉพาะคนที่ทำ A/B Testing ด้วยตัวเองโดยไม่ใช้เครื่องมือช่วย) Facebook ก็เลยออกฟีเจอร์ Split test ที่ช่วยให้เราสามารถทำ A/B Testing ได้โดยที่ไม่เกิดการทับซ้อนกันของกลุ่มเป้าหมาย แต่มันก็ยังคงมีข้อจำกัดอยู่มากมายเช่นกัน
  • การทำ A/B Testing ยิ่งมี Variation (ตัวแปรที่ใช้ในการทดสอบ) เยอะก็จะยิ่งนำไปสู่การใช้ Media Budget ที่สูงมากยิ่งขึ้น เพราะการทำ A/B Testing เราต้องการผลลัพธ์ที่มีนัยยะสำคัญมากพอที่จะตัดสินว่ารูปแบบไหนดีกว่ากัน จึงต้องใส่เงินเข้าไปในแต่ละ Variation มากพอที่จะวัดผลได้
  • การวัดผลออนไลน์ที่มีความซับซ้อนก็ถือเป็นอีกหนึ่งอุปสรรคในการทำ A/B Testing เช่นเดียวกันเพราะอย่างที่เรารู้กันดีกว่าสิ่งที่มีความสำคัญมากๆในการทำ  A/B Testing ก็คือการวัดผลเพราะมันเป็นขั้นตอนในการตัดสินว่ารูปแบบไหนที่ดีกว่ากัน, A หรือ B ที่ดีกว่ากัน คนทำ  A/B Testing จะต้องมีความเข้าใจในการวัดผลอยู่ไม่น้อย ต้องเข้าใจที่มาของตัวเลข ต้องรู้ว่าจะใช้ Metric อะไรในการตัดสินว่าดีหรือไม่ดี

ผู้อ่าน HookTalk หลายๆท่านเป็นคนที่ทำงานในวงการดิจิตอล หลายๆคนทำ Media Agency ถ้าอ่านแล้วใครมีไอเดียในการแก้ไขปัญหาเหล่านี้มาพูดคุยแชร์ประสบการณ์กันได้นะครับ

Related Post