虽然您可能正在努力优化每条线索的成本

[email protected]

一个将优先于另一个，并且您将进行不平衡的测试。  测试示例 -   实验截图 这就是  实验和   对比测试可以发挥作用的地方。 通过使用这些工具，您可以设置测试以关注单个（或多个）变量，并在拍卖中为每个变量提供公平的机会。 如果您有兴趣了解有关这些工具的更多信息，这里有一些视频可引导您完成  实验和  / 测试。 衡量不同  / 测试示例的成功程度 现在我们知道了如何测试，我们需要更具体地了解用于确定成功的 指标。不幸的是，我不愿意接受“表现更好”作为一个好的答案。 首先，我们必须决定我们的主要  是什么。


这是您的  每位潜在客户费用吗？兑换率？点击率？印象分享？这将完全取决于您的假设以及您选择实施的 / 测试示例。选择最能反映测试成功或失败的统计数据。（别担心，这不是我们关注的唯一指标。稍后 希腊手机号码数据 将详细介绍。） 就像测试的功能一样，可以通过三种常见的方法来实现这一点。假设我们正在尝试提高帐户的每次转化费用。我可以通过以下一些方式来表达我的“成功”指标： 目标效果：如果实验变量产生 美元的每次转化费用，则此测试成功。 改进百分比：如果实验变量的  比对照低 %，则此测试成功。 统计显着性：如果实验变量的表现优于对照的置信度为 %，则该测试成功。 所有这些都是有效的测量方法。选择最适合您目的的一种。 您的关键  指标是否符合行业标准？了解我们最新的搜索广告基准和新的 广告基准！ 设置  / 测试限制和破坏因素 现在让我们来看看我提到的其他一些指标。




但这并不意味着所有其他指标都会保持不变。事实上，我敢打赌其中许多都会发生很大的变化。由您决定其他统计数据的可接受变化水平是多少。 也许您并不关心点击率是否下降 %，只要每条线索的成本下降到可盈利的水平即可。只要收入保持稳定，您也许不介意每次点击费用增加。但并不是每个人都同意其他统计数据变化太大。 下面是一个包含不同指标的 / 测试示例：我有一位客户希望将其品牌条款的每条潜在客户成本降低 %，但他不愿意让展示次数份额降至 % 以下。虽然我们知道实施起来会很棘手，但我们针对目标每次转化费用出价进行了 / 测试实验，以尝试降低每次转化费用。当我们深入研究时，我们意识到，为了达到每次转化费用（）指标， 只展示了大约 % 的广告展示次数。