Een van de grote onzekerheden van elke zakelijke onderneming (en vooral als het om marketing gaat) is of een actie haalbaar is. Het kwantitatief bepalen van de geldigheid van een advertentie, inhoud of online campagne kan bijzonder lastig zijn. We hebben dus enorm veel geluk gehad dat het internet heeft geleid tot een goudmijn aan online testmaatregelen. In deze A/B-testcase laten we zien hoe we twee Nederlandse architectenbureaus hebben geholpen hun beste beentje voor te zetten en hun online aanwezigheid te laten groeien.
Bij Promoguy nemen we nauwgezette maatregelen om ervoor te zorgen dat onze klanten optimale online marketingdiensten ontvangen. Het vergelijken van A/B-varianten is hier een belangrijk onderdeel van, omdat het helpt inzicht te krijgen in targetingbehoeften. Ons proces is echter ingewikkelder dan het simpelweg gooien van twee contrasterende stukken marketingcontent en het vergelijken van cijfers.
Zoals deze online marketingcase laat zien, zag het bedrijf al snel groei onder hun doelcijfers nadat we nieuwe maatregelen hadden geïmplementeerd. Deze case volgt op een reeks initiatieven op sociale mediaplatforms (LinkedIn en Instagram) om nieuwe soorten inhoud te testen, leadgeneratiecampagnes uit te voeren en de betrokkenheid van het publiek te vergroten.
Achtergrond klant
Als architectuurvisualisatiebedrijven produceerden de Nederlandse bedrijven gerenderde 3D-fotosimulaties van verschillende woon-, stedelijke of industriële ontwerpprojecten. Sommige van deze visualisaties werden gemaakt in opdracht van klanten of ontwerpbureaus, terwijl andere meededen aan wedstrijden. Deze projecten konden bureaus en architecten helpen om hun ontwerpen beter te presenteren, door de projecten af te beelden zoals ze er na de bouw zouden uitzien.
De klanten waren beiden gevestigd in Nederland, maar hun diensten strekten zich ook uit naar andere landen. Het meeste werk was lokaal in hun geboorteland en de buurlanden, zoals Duitsland of België. Hun werk was omvangrijk, een van de klanten was inmiddels al meer dan 2 decennia actief. Ze maakten al geruime tijd gebruik van een aantal van onze diensten (zoals benadrukt in eerdere zaken).
Het spreekt voor zich dat ze hun respectieve online aanwezigheid wilden verbeteren, meer klanten wilden aantrekken en de betrokkenheid met sociale media wilden vergroten. Hun belangrijkste doel was merkopbouw en het creëren van een overtuigende, door het publiek geteste versie van hun online marketingcontent. Daarom waren de bedrijven allebei op zoek naar leadgeneratie en een grotere naamsbekendheid als middel om hun bedrijf te laten groeien.
Meer specifiek wilden ze met elke campagne een bepaald type klanten aantrekken. Bepaalde klanten waren bedoeld voor leadgeneratie. Zo wilde één bedrijf zich richten op potentieel geïnteresseerde architecten of mensen bij architectenbureaus in Nederland, die mogelijk gebruik willen maken van hun diensten. Op dezelfde manier was een tweede campagne gebaseerd op een opgestelde bedrijfsmailinglijst.
Onze experts concludeerden ook dat om deze doelen te bereiken, het bedrijf de inhoud moest voorzien van hun eigen identiteit en opmaak terwijl ze het in verschillende versies testten. Dit moest verschillende teksten, afbeeldingen en pagina's omvatten die zichtbaar waren voor klanten.
A/B-testproces
Onze A/B-testprocessen verschillen per project. Als basis kunnen we AB-tests maken voor alles wat een klant wil. Dit omvat het testen van locaties, verschillende interesses, leeftijd, geslacht en het testen van gunstige afbeeldingen of teksten.
Voor de niet-ingewijden: A/B-testen bestaat uit het gebruik van twee varianten van een stuk content om gebruikers-, publieks- of andere prestatiegegevens te verkrijgen. Deze meetgegevens kunnen gunstigheid, CTR, verkeersgeneratie of vele andere zijn, afhankelijk van de specifieke kenmerken van de test. Voor websites kan het zo eenvoudig zijn als het tonen van 2 variaties van dezelfde pagina en het controleren van de reacties van gebruikers op basis van de acties van bezoekers.
Rekening houdend met de specifieke targetingbehoeften van de klant leek dit de juiste methode om te gebruiken. A/B-tests zijn bijzonder nuttig om de onzekerheid van websiteoptimalisatie weg te nemen. Juist daarom is het een zeer cruciale methode in ons arsenaal. Het maakt het mogelijk om gemakkelijk kwantificeerbare gegevens te verzamelen op basis van gebruikerservaringen.
De meeste bedrijven hebben de neiging om 2 varianten te testen voor eenvoudig A en B testen. Wij gaan een stap verder door de beste processen in beide varianten samen te voegen. We implementeren gegevens met socialemediapixel (LinkedIn, Instagram en Facebook, afhankelijk van het geval) en Google Analytics om specifieker gebruikersgedrag te volgen. Door de doelstellingen van ons onderzoek als uitgangspunt te nemen, kunnen onze analisten de inhoud verder afstemmen op specifieke klantdoelen.
Dit kunnen zaken zijn als de tijd die op een pagina wordt doorgebracht, statistieken over pixelimplementatie, specifiek klikgedrag op landingspagina's en daarbuiten, enz. Dit leidt tot een vruchtbaardere evaluatie van hoe we verder kunnen gaan dan A/B-content en tot de creatie van een C-content die gebruikmaakt van de beste elementen van beide varianten. Afhankelijk van wat de klant nodig heeft, kunnen we elementen kiezen om effectiever achter deze statistieken aan te gaan.
Het architectenbureau Online Marketing Analyse
Voorheen pasten de bedrijven contentmarketing een beetje lukraak toe. De bedrijven deelden content (meestal foto's) via sociale media, maar het onderzoek voor dergelijke activiteiten was minimaal. Eerdere content werd bijvoorbeeld met weinig SEO-optimalisatie geplaatst en niet A/B-getest. Daarom moest de infrastructuur voor dit werk vanaf de grond worden opgebouwd.
Onze visuele ontwerpers en copywritingteams gingen aan de slag met verschillende versies van meerdere afbeeldingen en oproepen tot actie. Zo konden we de meest effectieve beperken en een krachtige boodschap opstellen om potentiële klanten aan te trekken of betrokkenheid te stimuleren. In de ene campagne kwam dit in de vorm van e-mails met geautomatiseerde en gepersonaliseerde klantberichten. Bij de andere campagne gebeurde dit in de vorm van posts op sociale media.
De belangrijkste kanalen die ze gebruikten waren Instagram en LinkedIn. Beide bleken vruchtbare grond voor 2 verschillende soorten A/B-tests: een voor informele content die leidt tot betrokkenheid van het publiek, en de andere voor het genereren van leads van potentiële klanten met behulp van InMail. Deze passen ook bij de specifieke behoeften van elke campagne.
Nu de variaties gemaakt waren, konden we hun effectiviteit testen. We ontdekten dat InMail-advertenties en -berichten bijzonder goed werken. De advertenties en gepersonaliseerde berichten liepen 2 tot 3 dagen en verzamelden zo voldoende gegevens. Daarna begon de analyseperiode.
Opkomende resultaten & aanpassingen
De eerste resultaten waren veelbelovend, maar er lag nog meer werk in het verschiet. We analyseerden de versies en beoordeelden de prestaties en sleutelden aan de formaten van elk stuk content om robuustere marketingmaterialen te produceren. Het gevolg was dat de betrokkenheid exponentieel toenam na de implementatie van deze wijzigingen.
Zoals rechts te zien is, had onze campagne een veel doelgerichtere aanpak waardoor een grote toename in postbetrokkenheid op sociale media mogelijk was. Eerdere resultaten liepen terug in termen van gebruikersactiviteit, maar na de implementatie van onze marktgeteste variaties zagen we een veelvoudige groei.
Zoals eerder vermeld, is een van de grootste problemen bij het inhuren van een marketingbureau of het implementeren van een marketingstrategie de levensvatbaarheid. Na A/B-testen en sleutelen aan de gegevens kwamen we met een verfijnde aanpak en we konden de resultaten laten zien. De LinkedIn re-marketing campagne leverde bijna 2 dozijn potentiële leads op binnen een zeer korte tijd.
Indrukken en bereik voor beide campagnes waren op een recordhoogte. Bovendien stegen de conversies terwijl de kosten per conversie stabiel bleven. Dit toonde aan dat de klanten veel en veel meer waar voor hun geld kregen. Op het meest optimale tarief haalden we 0,04 per engagement.
Zoals de casestudy illustreert, is het niet genoeg om 2 varianten te testen, maar om te evalueren en opnieuw te synthetiseren op basis van gebruikersgegevens. De meeste bedrijven beginnen met 2 varianten, controleren oppervlakkige datametrics en kiezen een van de twee zoals ze zijn. In het geval van Promoguy evalueren en herformuleren we de opties op basis van diepere gegevens dan alleen CTR's en betrokkenheid. We maximaliseren ook de kosteneffectiviteit en leggen de nadruk op procedurele efficiëntie.