AI가 분할 테스트보다 나은 이유와 사용 방법

기업은 항상 전환율을 최적화하기 위해 노력합니다. 이는 중요하고 널리 사용되는 전략입니다. 그들은 고객 경험을 최적화하기 위해 매년 수백 개의 테스트와 실험을 실행합니다. 그리고 그들은 대부분 AB 테스트 또는 분할 테스트를 통해 수행합니다. 그러나 분할 테스트의 문제는 그다지 효율적이지 않다는 것입니다.

회사는 수십 년 동안 이러한 유형의 테스트로 제한되었습니다. 그러나 이러한 테스트는 거의 긍정적인 결과를 가져오지 않으며 기업은 실제로 필요한 결과를 얻기 위해 필요한 수의 테스트를 실행할 리소스나 트래픽이 없습니다. 여전히 의사 결정 및 최적화를 위한 중요한 도구이지만 전환율 최적화 분야에서는 여전히 훨씬 더 좋을 수 있습니다.

디지털 마케팅의 인공 지능 목표 중 하나는 적시에 올바른 메시지를 제공하는 것이지만 때때로 잘못됩니다. 우리 모두는 웹 전체에서 우리가 관심조차 갖지 않는 광고에 시달리고 있습니다.

이것은 마케터가 메시지가 언제 어디서 나타날지 인간의 추측을 통해 결정해야 하기 때문에 발생합니다. 이는 우리 모두가 알고 있듯이 틀릴 수 있습니다. 이러한 추측은 많은 테스트에서 비롯되지만 느린 프로세스입니다.

인공지능이 세상을 바꾼다

IT 부서에서 고객 서비스 등에 이르기까지 광고에 대한 우리의 생각이 바뀝니다.

최근 연구에 따르면 고객의 46%는 자신과 관련된 광고가 있는 웹사이트가 이상적인 경험이 될 것이라고 말했으며 58%는 이러한 개인화된 접근 방식이 브랜드에 대한 비전을 향상시킨다고 말했습니다.

그러나 분할 테스트는 유사한 사람들의 과거 행동, 패턴 및 선호도에 크게 의존합니다.

인공 지능 기술은 우리가 테스트하는 방식과 광고를 제공하는 방식 모두를 변화시키기 위해 존재합니다. Google은 검색에 맞게 조정되어 광고주의 시간을 엄청나게 절약해 주는 인공 지능 도구를 출시했습니다. 또 다른 회사인 비달고(Bidalgo)는 마케터가 고객이 원하는 것이 무엇인지 쉽게 배울 수 있는 크리에이티브 인공 지능을 출시했습니다.

이것은 미디어와 구매 프로세스, 특히 온라인 광고에 대해 점점 더 깊어지고 있습니다.

인공 지능은 고객이 원하는 것을 예측할 수 있습니다.

Bidalgo의 인공 지능 도구는 고객 여정의 모든 부분을 기반으로 광고의 다양한 요소에 점수를 매깁니다. 또한 이미지뿐만 아니라 다양한 광고 및 메시지의 성능을 비교합니다. 광고주는 패턴을 보더라도 왜 발생하는지 알지 못하기 때문에 많은 경우에 눈이 멀 수 있습니다. 그러나 인공 지능은 광고주가 무엇과 이유를 이해하는 데 도움이 될 뿐만 아니라 일부 변수를 분석할 수 있도록 합니다.

인공 지능이 없으면 광고주는 하나의 변수만 변경한 다음 원본 및 다른 변수에 대해 변형을 실행하여 승자를 얻는 분할 테스트를 적용해야 합니다. 그런 다음 테스트할 변수가 더 많아지면 원이 계속 이동합니다. 그러나 인공 지능은 동시에 수십 가지 일을 할 수 있습니다. 이것은 광고를 만드는 더 빠른 방법이자 더 나은 방법입니다.

인공 지능은 "왜?"라는 질문에 답을 줄 수 있습니다. 선호도

많은 회사들이 머신 러닝과 인공 지능에 대해 더 많이 채택하고 배우고 있지만 데이터는 여전히 매우 얇습니다. 그러나 이 정보는 곧 제공될 것입니다. 그런 일이 발생하는 즉시 마케터는 트렌드를 비교하고 모든 트렌드의 공통점을 찾을 수 있습니다. 인공 지능은 아직 사물의 심리학을 이해할 수 없지만 미래에는 이해할 수 있을 것입니다.

인간은 여전히 ​​광고를 만들지만 이것은 미래에 바뀔 수 있습니다. 지난해 첫 로봇 크리에이티브 디렉터가 출범했다. 그들은 로봇의 인공 지능에 뛰어난 광고를 제공했고 로봇은 비즈니스 정장을 입고 날아다니는 개가 있는 광고를 생각해 냈습니다. 이 광고는 실제로 사람이 만든 광고보다 선호되었습니다.

그러나 개념화는 로봇보다 훨씬 더 창의적이기 때문에 항상 인간에게 맡겨야 합니다. 로봇이나 인공 지능이 테스트 및 분석 작업을 하는 동안 인간은 아이디어와 창의적인 부품을 작업할 수 있습니다.

분할 테스트의 테스트 제한 사항:

• 리소스 제약 – 많은 기업은 행동과 패턴을 테스트하고 분석하는 데 더 많은 사람을 투입할 수 있는 충분한 자금이 없습니다.
• 제약 조건 증가 – 기업은 또한 통계적으로 유의미한 결과를 제공할 수 있을 만큼 충분히 큰 표본을 확보하는 데 어려움을 겪고 있습니다. 그들은 모두 정말 느리게 작동하는 변수를 테스트하기 위해 트래픽과 시간을 모두 바쳐야 합니다.
• 분할 테스트는 종종 실패 합니다. 수행된 모든 분할 테스트의 약 10-20%가 성능을 향상시킵니다. 나머지는 실패합니다. 즉, 테스트할 특정 가설만 선택할 수 있으며 그 경우에도 실패할 수 있습니다.

그리고 인공 지능에는 인식하기 쉬운 특정 이점이 있습니다.

• 생산성을 높일 수 있습니다. 인공 지능은 한 번에 많은 다른 가설을 자동으로 평가할 수 있으며 한 사람이 수백 개의 AB 테스트만큼 크고 복잡한 실험을 설정할 수 있습니다. 이를 통해 단일 리소스가 분할 테스트가 달성할 수 있었던 것보다 더 많은 작업을 수행할 수 있습니다.
• 더 빠르게 학습할 수 있습니다 . 단일 실험을 통해 수백 번의 분할 테스트가 필요한 정보를 볼 수 있습니다. 그것은 실시간으로 몇 달이며 많은 것을 놓쳤을 것임을 의미합니다.
• 더 많은 개선 가능성이 있습니다 . 한 번에 더 많은 가설을 테스트하면 문제를 수정하고 변경할 수 있는 더 많은 기회가 제공되며 팀은 테스트해야 하는 변수에 우선 순위를 지정할 필요가 없습니다.
• 전체 깔때기를 최적화할 수 있습니다 . 인공 지능은 깔때기와 다른 페이지에서 많은 변경 사항을 생성하도록 구축되었습니다. 이렇게 하면 변경사항이 유입경로 하단의 전환율에 미치는 영향과 전반적인 실적을 이해하는 데 도움이 됩니다. 전체 유입경로 최적화는 프로세스 속도를 높이고 모든 사람에게 더 나은 경험을 제공합니다.

A/B 또는 분할 테스트에 대해 더 깊이 들어가면 수십 년 동안 유용한 리소스였으며 그 중 유일한 리소스였습니다. Google이 표시할 검색 결과의 수를 테스트하는 데 사용했을 때 더 많은 인기를 얻었습니다.

기본적으로 방문자를 두 그룹으로 나누고 각 그룹에 동일한 항목의 약간 변경된 버전을 표시하는 것입니다. 이 두 가지 중 더 많은 관심을 받는 쪽이 이깁니다. 각 반응을 기록하고 모니터링하여 원하는 작업을 수행하고 있는지 확인합니다. 그룹이 충분히 테스트되면 광고에서 어떤 변수가 더 잘 수행되는지에 대한 결정적인 솔루션을 갖게 될 것입니다. 트래픽을 실제로 늘리지 않고도 전환을 늘릴 수 있습니다. 이는 비용이 적게 들고 효율적입니다.

언급했듯이 수십 년 동안 사용되어 유용합니다. 그러나 모든 것이 인공 지능으로 대체되고 있으므로 이 지겹고 오래된 방법도 그래야 합니다. 작동하는 동안 현대 환경에서는 작동하지 않는 지루하고 느린 프로세스입니다.

그리고 여기에 인공 지능이 개입합니다. 모든 마케터와 광고 분야의 사람들을 위한 빛나는 갑옷의 기사입니다. 신선하고 현대적이며 속도가 빠르고 멀티태스킹이 가능합니다. 인공 지능을 사용하면 실시간으로 테스트하고 최적화할 수 있습니다. 인공 지능으로 구동되는 모든 소프트웨어는 웹사이트를 방문하는 모든 개인의 행동을 분석하고 각 사용자에게 제공되는 변형을 제공할 수 있습니다. 이런 식으로 A와 B를 테스트하거나 그 반대로 테스트하는 것이 아니라 테스트에 흥미롭고 매력적으로 보이는 모든 변수도 테스트하게 됩니다. 이것은 인간에게 매우 복잡한 작업이지만 기계에게는 매우 간단합니다. 다양한 조합을 시도할 수 있습니다. 하나의 이미지와 헤드라인을 다른 이미지와 헤드라인과 비교하여 테스트합니다.

데이터를 분석하여 이들 중 어떤 조합이 더 나은 결과를 제공하는지 확인할 수 있습니다. 인공 지능은 자신의 힘을 사용하여 실시간으로 각 개인에게 가장 적합한 조합을 알아냅니다.

분할 테스트와 같이 사람들을 동일한 관심사를 가진 평등한 사람으로 보는 대신 다양한 다른 요소를 고려합니다. 여기에는 인구 통계, 선호도, 행동 및 어떤 광고가 어떤 사용자에게 가장 적합한지 결정하는 기타 요소가 포함됩니다. 인공 지능은 또한 모든 방문자에게 최고의 전환 기회를 제공하도록 자산을 최적화할 수 있기 때문에 강력합니다.

이것은 복잡한 작업처럼 보일 수 있고 대부분의 경우에 그럴 수 있지만 소프트웨어는 수동으로 처리해야 하는 모든 것을 처리하므로 그만한 가치가 있습니다. 테스트할 수 있는 다양한 변수를 제공하기만 하면 됩니다.

간단한 영어로 – 분할 테스트보다 훨씬 빠르고 효율적입니다.

분할 테스트는 대부분의 회사에서 효율적이지 않습니다. 물론 대기업은 표본과 자원이 많기 때문에 효율적으로 수행할 수 있지만 저는 모두에게 최선의 선택일 수 있습니다. 특정 작업을 전담하는 팀이나 비용이 많이 들 수 있는 아웃소싱이 필요하지 않습니다. 그것은 당신을 위해 모든 노력을 다하고 광고의 창의적이고 전략적인 측면을 위한 시간을 확보합니다. 자산을 실시간으로 최적화할 수 있으며 최종 결과를 게시하기 전에 테스트할 필요가 없습니다.

또한 각 개인이보고 싶어하는 것에 더 중점을 둡니다. 이를 통해 보다 개인화된 경험을 제공하고 모든 사용자에게 개별적으로 더 큰 만족을 제공합니다. 분할 테스트는 청중의 모든 사람이 사람이 그렇게 작동하지 않기 때문에 본질적으로 잘못된 변수 중 하나 또는 다른 변수를 좋아할 것이라고 가정합니다. 물론, 유사한 개인의 큰 그룹은 비슷한 것을 좋아할 수 있지만 각 사람은 선호도가 있을 것입니다.

이렇게 생각해 보세요. 분할 테스트의 결과로 결정된 더 나은 헤드라인은 청중이 그룹으로 좋아한다는 사실에 따라 전환을 증가시킬 수 있지만 그들이 얼마나 좋아할지 상상하고 그들에게 적합한 헤드라인으로 전환하십시오. 구체적으로.

색상이나 이미지에 집중할 수 있지만 실제 차이는 더 나은 개인화에 있습니다. 각 사람에게 가장 적합한 헤드라인을 결정할 수 있습니다.

A/B 테스트를 사용하면 한 번에 한 페이지 최적화를 테스트할 수 있지만 인공 지능을 사용하면 여러 페이지에서 작업할 수 있습니다. 따라서 유입경로 상단, 유입경로 중간 및 하단뿐만 아니라 유입경로 너머에서 작업하고 전체 여정을 최적화할 수 있습니다. 이것은 효율적이고 다른 전선에서 활동하고 다른 사람들이 동시에 참여하고 있기 때문에 효과가 있습니다.

따라서 A/B에서 인공 지능으로의 전환에 대비하십시오. 그것은 당신이 광고하는 방식을 바꿀 것입니다.