為什麼 AI 比拆分測試更好以及如何使用它

公司總是努力優化他們的轉化率——這是一個重要且廣泛使用的策略。 他們每年進行數百次測試和實驗，以優化客戶體驗。 他們大多通過 AB 測試或拆分測試來做到這一點。 但是拆分測試的問題在於它的效率並不高。

幾十年來，公司一直局限於這種類型的測試。 但是這些測試很少產生任何積極的結果，而且公司沒有資源或流量來運行所需數量的測試來真正獲得他們需要的結果。 它仍然是決策和優化的重要工具，但在轉化率優化領域，它仍然可以更好。

數字營銷中的人工智能目標之一是在正確的時間提供正確的信息，但有時會出錯。 我們都被網絡上的一個廣告所困擾——一個我們甚至不感興趣的廣告。

發生這種情況是因為營銷人員必須通過人類猜測來決定消息何時何地出現，這可能是錯誤的——眾所周知。 這些猜測確實來自大量測試，但這是一個緩慢的過程。

人工智能改變了世界

從 IT 部門到客戶服務等等，它改變了我們對廣告的看法。

最近的一項研究發現，46% 的客戶表示，理想的體驗將涉及僅與他們相關的廣告的網站，並且多達 58% 的客戶表示這種個性化的方法可以改善他們對品牌的看法。

然而，拆分測試在很大程度上依賴於相似人過去的行為、模式和偏好。

人工智能技術可以改變這一點——無論是我們的測試方式還是我們提供廣告的方式。 谷歌推出了一種人工智能工具，可以適應搜索並為廣告商節省大量時間。 另一家公司 Bidalgo 推出了創意人工智能，使營銷人員可以輕鬆了解客戶的需求。

這在媒體和購買過程中越來越深入，尤其是在線廣告。

人工智能可以預測您的客戶想要什麼

Bidalgo 的人工智能工具根據客戶旅程的所有部分對廣告的各種元素進行評分。 它還比較了不同廣告和消息以及圖像的性能。 廣告商可能在很多情況下都瞎了眼，因為即使您看到一種模式，您也不知道它為什麼會發生。 但人工智能可以幫助廣告商了解什麼和為什麼，並允許他們分解一些變量。

如果沒有人工智能，廣告商將需要通過僅更改一個變量來應用拆分測試，然後針對原始變量和其他變量運行變體以獲得贏家。 然後，當他們有更多變量要測試時，圓圈會繼續移動。 但人工智能能夠同時做幾十件事。 這是一種更快、更好的廣告製作方式。

當談到“為什麼”時，人工智能可能會有一些答案。 偏好

許多公司正在採用和學習更多關於機器學習和人工智能的知識，但數據仍然很薄。 然而，這些信息很快就會到來。 一旦發生這種情況，營銷人員將能夠比較趨勢並找到所有趨勢的共同點。 人工智能還不能理解事物的心理，但它將來能夠。

人類仍在製作廣告，但這可能會在未來發生變化。 去年，首個機器人創意總監上線。 他們為機器人的人工智能提供了出色的廣告，機器人想出了一個廣告，裡面有一隻穿著西裝飛來飛去的狗。 這個廣告實際上比人造廣告更受歡迎。

然而，概念化應該始終留給人類，因為他們比機器人更有創造力。 人類可以研究想法和創意部分，而機器人或人工智能則可以進行測試和分析。

拆分測試的測試限制：

• 資源限制——許多公司沒有足夠的錢來支付更多的人來測試和分析行為和模式。
• 增加的約束——公司還難以擁有足夠大的樣本以提供具有統計意義的結果。 他們必須投入流量和時間來測試一個所有工作都非常緩慢的變量。
• 拆分測試經常失敗——完成的所有拆分測試中約有 10-20% 會提高性能。 其餘的都失敗了。 這意味著您只能選擇某些假設進行測試，即使那樣它也可能會失敗

人工智能具有某些易於識別的優點：

• 它可以提高生產力——人工智能可以一次自動評估許多不同的假設，並允許一個人設置一個像數百個 AB 測試一樣大而復雜的實驗。 這允許單個資源完成比拆分測試所能完成的更多的任務。
• 它可以更快地學習——一個單一的實驗就可以讓你看到需要數百次拆分測試才能學習的信息。 這是幾個月的實時時間，這意味著你會錯過很多事情。
• 有更多改進的機會——一次測試更多的假設給你更多的機會來修復和改變事情，你的團隊不必優先考慮他們需要測試的變量。
• 它可以優化整個漏斗——人工智能的構建是為了在漏斗和不同頁面上創建許多變化。 這可以幫助您了解這些更改如何影響您在渠道底部的轉化率以及它的整體表現。 全渠道優化加快了流程，為每個人創造了更好的體驗。

深入了解 A/B 或拆分測試，幾十年來它一直是一種有用的資源——而且是唯一的一種。 當谷歌用它來測試要顯示的搜索結果的數量時，它變得更加流行。

它基本上將訪問者分成兩組，並向每一組顯示同一事物的略微更改版本。 這兩件事中的哪一個得到更多關注，獲勝。 記錄和監控每個反應，以查看它們是否正在執行所需的操作。 對組進行充分測試後，您可能會有一個明確的解決方案來確定哪個變量在廣告中的表現更好。 它使您能夠在不真正增加流量的情況下增加轉化率——這往往更便宜、更高效。

如前所述，它已經使用和有用了幾十年。 然而，一切都被人工智能所取代，這種疲憊的舊方法也應該如此。 雖然它確實有效，但這是一個乏味、緩慢的過程，在現代環境中是行不通的。

這就是人工智能介入的地方——所有營銷人員和廣告界人士的閃亮盔甲騎士。 它是新鮮的、現代的、最新的、快速的並且能夠執行多任務。 人工智能允許您實時測試和優化。 任何由人工智能驅動的軟件都可以構建並能夠分析每個訪問網站的人的行為，然後為每個用戶提供不同的服務。 這樣，您不僅要測試 A 和 B，反之亦然，而且還要測試所有看起來有趣且對測試有吸引力的變量。 這對任何人來說都是一項極其複雜的任務，但對機器來說卻非常簡單。 您可以嘗試不同的組合——測試一張圖片和一個標題與不同的圖片和標題。

您可以分析數據以查看所有這些組合中的哪個組合可以提供更好的結果。 人工智能利用它的力量實時找出每個人的最佳組合。

它不像拆分測試那樣將具有相同興趣的人視為平等，而是考慮了各種其他因素。 這包括人口統計、偏好、行為和其他決定哪個廣告最適合哪個用戶的因素。 人工智能也很強大，因為它可以讓您優化您的屬性，為每位訪客提供最佳的轉化機會。

這似乎是一項複雜的工作，在大多數情況下可能是這樣，但該軟件非常值得，因為它可以處理您手動必須處理的所有事情。 您需要做的就是提供可以對其進行測試的不同變量。

用簡單的英語來說——它比拆分測試更快、更有效。

對於大多數公司來說，拆分測試效率不高。 當然，大公司可能能夠有效地執行它，因為他們擁有大量樣本和資源，但我可能是所有人的最佳選擇。 它不需要專門負責該特定任務的團隊或任何也可能很昂貴的外包。 它為您完成所有繁重的工作，並為廣告的創意和戰略方面騰出時間。 您可以實時優化您的資產，無需在發布最終結果之前進行測試。

它也更關注每個人想要看到的東西。 這創造了更加個性化的體驗，並分別為每個用戶提供了更多的滿意度。 拆分測試假設觀眾中的每個人都會喜歡一個或另一個變量，這本質上是錯誤的，因為人類不會那樣工作。 當然，一大群相似的人可能喜歡相似的東西——但每個人都會有偏好。

可以這樣想——雖然通過拆分測試確定的更好的標題可能會根據您的受眾群體喜歡它的事實來增加轉化率，但想像一下他們會喜歡多少並轉換一個適合他們的標題具體來說。

您可能專注於顏色或圖像，但真正的區別在於更好的個性化。 您可以確定最適合每個人的標題。

使用 A/B 測試，您可以同時測試一個頁面優化，但使用人工智能，您可以在多個頁面上工作，這意味著您的頁面都將針對渠道平等的所有部分進行優化。 因此，您可以在漏斗頂部、漏斗中部和漏斗底部以及漏斗之外工作，優化您的整個旅程。 這是有效的，並且有效，因為您在不同的戰線上進行操作，並且不同的人同時參與其中。

因此，為從 A/B 向人工智能的轉變做好準備。 它會改變你做廣告的方式。