Google Ads Experiments: วิธีทดสอบการเปลี่ยนแปลงแคมเปญให้ได้ผลที่เชื่อถือได้

Google Ads experiments คือการทดสอบการเปลี่ยนแปลงกับทราฟฟิกเพียงส่วนหนึ่งของแคมเปญ ขณะที่ส่วนที่เหลือยังวิ่งแบบเดิม เพื่อดูว่าการเปลี่ยนแปลงนั้นช่วยได้จริงหรือไม่ก่อนจะใช้กับทั้งแคมเปญ คุณตั้งค่าได้จากหน้า Experiments ในเมนู Campaigns เลือกวิธีแบ่งทราฟฟิกหรืองบ ปล่อยให้การทดสอบวิ่งหลายสัปดาห์ จากนั้นนำเวอร์ชันที่ชนะไปใช้ หรือจบการทดสอบโดยไม่เปลี่ยนอะไร

ฟังดูง่าย และหน้าตั้งค่าก็สั้น ส่วนที่ต้องใช้วิจารณญาณคือเรื่องรอบ ๆ มัน ได้แก่ ควรใช้การทดสอบประเภทไหนกับคำถามที่มี การแบ่งกลุ่มผู้ใช้ทำงานอย่างไร experiment sync แอบทำอะไรกับแคมเปญทดลองของคุณ ต้องรอนานแค่ไหน และจะอ่านผลที่ Google บอกว่ามีนัยสำคัญหรือไม่มีอย่างไร บทความนี้อธิบายทีละเรื่องโดยอิงกลไกที่ Google เขียนไว้ใน Help Center ของ Google Ads เอง

Google Ads experiments คืออะไร

การทดสอบ (experiment) คือการเปรียบเทียบสองเวอร์ชันภายใต้เงื่อนไขเดียวกันในช่วงเวลาเดียวกัน ฝั่ง control คือแคมเปญหรือโฆษณาปัจจุบันของคุณ ฝั่ง treatment (Google เรียกว่า trial หรือ experiment arm ด้วย) คือเวอร์ชันที่มีการเปลี่ยนแปลง เพราะทั้งสองฝั่งแข่งในการประมูลเดียวกันในวันเดียวกัน ปัจจัยอย่างฤดูกาล ความเคลื่อนไหวของคู่แข่ง หรือข่าวต่าง ๆ จึงกระทบทั้งสองฝั่งเท่ากัน นี่คือหัวใจของเรื่อง และเป็นเหตุผลที่การทดสอบเชื่อถือได้มากกว่าการเทียบเดือนที่แล้วกับเดือนนี้

Google รวบรวมการทดสอบไว้ในหน้า Experiments ซึ่งตอนนี้ Google อธิบายว่าเป็นส่วนหนึ่งของ Experiment Center คู่กับ lift studies ประเภทการทดสอบที่อยู่ในหน้านั้นได้แก่

• Custom experiments สำหรับทดสอบการตั้งราคาเสนอ (bidding) ประเภทการจับคู่คีย์เวิร์ด หน้า landing page กลุ่มเป้าหมาย และการเปลี่ยนแปลงระดับกลุ่มโฆษณา บนสำเนาของแคมเปญ
• Ad variations สำหรับทดสอบการเปลี่ยนข้อความใน responsive search ads ในแคมเปญ Search หนึ่งหรือหลายแคมเปญ
• Video experiments สำหรับเปรียบเทียบโฆษณาวิดีโอหรือการตั้งค่า กับกลุ่มเป้าหมายเดียวกันบน YouTube
• Performance Max experiments สำหรับวัดผลส่วนเพิ่ม (uplift) จาก Performance Max หรือทดสอบการตั้งค่าใน PMax
• AI Max experiments สำหรับทดสอบฟีเจอร์ AI Max for Search ภายในแคมเปญ Search ที่มีอยู่

นอกจากนี้ยังมี App asset experiments และ Demand Gen experiments ที่มีขั้นตอนของตัวเอง ส่วน campaign drafts เป็นเครื่องมือที่เกี่ยวข้องแต่แยกกัน draft ให้คุณเตรียมการเปลี่ยนแปลงของแคมเปญ Search หรือ Display ไว้ แล้วนำไปใช้ทีหลัง โดยไม่มีการแบ่งทราฟฟิกใด ๆ

Custom experiments

Custom experiment จะสร้างแคมเปญทดลอง (trial) ที่คัดลอกมาจากแคมเปญหลัก (base campaign) แล้วให้คุณเปลี่ยนสิ่งที่ต้องการทดสอบในสำเนานั้น ทั้งสองแคมเปญใช้ทราฟฟิกและงบของแคมเปญเดิมร่วมกันตลอดช่วงวันที่คุณเลือก หน้าช่วยเหลือของ Google ระบุว่ารองรับแคมเปญ Search และ Display รวมถึงการตั้งค่า Video บางแบบ (เฉพาะแคมเปญแบบประมูล ไม่รวม YouTube Select หรือ Masthead) แคมเปญ Shopping ใช้ custom experiments ไม่ได้ ถ้าต้องการเทียบ Standard Shopping กับ Performance Max ให้ใช้ Performance Max experiment แทน

ขั้นตอนตั้งค่าคือ ไปที่ Experiments คลิกปุ่มบวก เลือก Custom experiment เลือกประเภทแคมเปญ ตั้งชื่อการทดสอบ เลือกแคมเปญหลัก แล้วเพิ่มคำต่อท้าย (suffix) เพื่อให้หาแคมเปญทดลองได้ง่าย จากนั้นเลือกตัวชี้วัดความสำเร็จได้สูงสุด 2 ตัว (เช่น Clicks โดยตั้งเป้าเป็น "Increase") กำหนดสัดส่วนการแบ่ง เลือกวิธีแบ่งแบบขั้นสูงสำหรับ Search และกำหนดวันที่ คุณยังเริ่มการทดสอบจากแคมเปญที่กำลังแก้ไขอยู่ได้ด้วยการเลือก "Save as experiment"

บางแคมเปญใช้ไม่ได้ Google ระบุว่างบประมาณที่ใช้ร่วมกัน (shared budget) กลยุทธ์ราคาเสนอแบบ Portfolio และแคมเปญที่ยังมีโฆษณาข้อความหรือโฆษณาข้อความแบบขยายที่เลิกใช้แล้ว เป็นสิ่งที่ทำให้ตั้งค่าไม่ได้ และแคมเปญหลักต้องยังเปิดใช้งานอยู่ตลอดการทดสอบ คุณตั้งเวลาการทดสอบล่วงหน้าได้สูงสุด 5 รายการต่อหนึ่งแคมเปญ แต่วิ่งได้ทีละรายการเท่านั้น

Ad variations

Ad variations เป็นทางเลือกที่เบากว่าสำหรับการทดสอบข้อความโฆษณา แทนที่จะคัดลอกแคมเปญ คุณระบุการเปลี่ยนแปลง แล้ว Google จะนำไปใช้กับ responsive search ads ที่ตรงเงื่อนไขในช่วงทดสอบ มีสามแบบ ได้แก่ find and replace (เปลี่ยนข้อความหนึ่งเป็นอีกข้อความ เช่น "Book now" เป็น "Call now" โดย Google ระบุว่าการจับคู่คำแยกตัวพิมพ์เล็กพิมพ์ใหญ่) update text (เพิ่ม ลบ หรือปักหมุดพาดหัวและคำอธิบาย) และ update URLs (final URL, display path และ final mobile URL)

คุณใช้ variation กับทุกแคมเปญหรือแคมเปญเดียวก็ได้ และกรองโฆษณาที่จะถูกเปลี่ยนตามพาดหัว คำอธิบาย display path หรือ final URL สัดส่วนการแบ่งคิดเป็นเปอร์เซ็นต์ของงบแคมเปญ และผู้ใช้ถูกจัดกลุ่มด้วยคุกกี้ คนหนึ่งคนจึงมักเห็นแค่เวอร์ชันเดียวไม่ว่าจะค้นหากี่ครั้ง เมื่อ variation เริ่มแล้ว วันเริ่มจะถูกล็อก เมื่อกดนำไปใช้ Google จะสร้างโฆษณาใหม่ที่มีการเปลี่ยนแปลงนั้น คำแนะนำของ Google เองคือ ใช้ ad variations เมื่อทดสอบครีเอทีฟทั้งแคมเปญ และใช้ custom experiments เมื่อต้องการทดสอบเฉพาะบางกลุ่มโฆษณา

Video experiments

Video experiments เปรียบเทียบโฆษณาวิดีโอหรือการตั้งค่า กับกลุ่มเป้าหมายเดียวกันบน YouTube แบบพื้นฐานคือการทดสอบ A/B ของวิดีโอ มีสองฝั่งที่ต่างกันแค่ครีเอทีฟ ใช้ได้กับแคมเปญ Video Reach และ Video View ส่วนแบบ Custom ขั้นสูงให้ทดสอบตัวแปรอื่นได้และมีหลายฝั่งได้ ฝั่ง treatment จะคัดลอกกลุ่มเป้าหมาย ราคาเสนอ และรูปแบบโฆษณาจากฝั่ง control และการเปลี่ยนงบหรือวันที่ของ control จะส่งต่อไปยัง treatment อัตโนมัติ ยกเว้นครีเอทีฟที่กำลังทดสอบ เมื่อมีสองฝั่ง ค่าเริ่มต้นคือแบ่งทราฟฟิกเท่ากันฝั่งละ 50%

ตัวชี้วัดที่ใช้ได้มี Absolute Brand Lift (ต้องมีการศึกษา Brand Lift และไม่ได้เปิดให้ผู้ลงโฆษณาทุกราย) CTR อัตรา conversion ต้นทุนต่อ conversion CPC CPM CPV และอัตราการดู Video experiments ต้องจบด้วยตนเอง

Performance Max experiments

Performance Max experiments แบ่งเป็นสามกลุ่ม Uplift experiments วัด conversion หรือมูลค่า conversion ที่เพิ่มขึ้นเมื่อมี Performance Max วิ่งคู่กับแคมเปญอื่น Upgrade experiments จำลองการย้ายงบจากแคมเปญเดิมไปยัง PMax เช่น Standard Shopping เทียบกับ Performance Max หรือแคมเปญ Dynamic Search Ads หรือ Display เทียบกับ PMax ส่วน Optimization experiments ทดสอบการตั้งค่าภายในแคมเปญ PMax เช่น final URL expansion หรือการทดสอบชิ้นงาน (asset) Google อาจแนะนำการทดสอบเหล่านี้ผ่านการ์ดคำแนะนำเมื่อแคมเปญมีจำนวน conversion มากพอที่จะเข้าเงื่อนไข

AI Max experiments

AI Max experiment แบ่งแคมเปญ Search ที่มีอยู่ ส่วนหนึ่งวิ่งโดยปิด AI Max (ฝั่ง control) ส่วนที่เหลือวิ่งโดยเปิด AI Max ใช้ทดสอบฟีเจอร์อย่าง search term matching และ asset optimization ขั้นตอนนี้จะใช้ไม่ได้ถ้าแคมเปญเปิด text customization อยู่ กำหนดเป้าหมายไปยังเครือข่าย Display อยู่ในกลยุทธ์ราคาเสนอแบบ Portfolio ใช้งบร่วมกัน ใช้ bidding exploration หรือมีการทดสอบอื่นที่ยังวิ่งอยู่ ถ้าคุณจบการทดสอบโดยไม่นำไปใช้ การตั้งค่า AI Max จะกลับไปเป็นแบบก่อนทดสอบ

การแบ่งทราฟฟิก และการแบ่งแบบ cookie-based กับ search-based ทำงานอย่างไร

คำว่า "แบ่ง" ซ่อนการตัดสินใจไว้สองเรื่อง คือ แต่ละฝั่งได้ส่วนแบ่งเท่าไร และผู้ใช้ถูกจัดเข้าฝั่งไหนด้วยวิธีใด

เรื่องสัดส่วน Google ใช้การแบ่งงบ (budget split) กับการทดสอบ Search, App และ Display บางแบบ และใช้การแบ่งทราฟฟิก (traffic split คือส่วนแบ่งของการเข้าประมูลที่มีสิทธิ์) กับการทดสอบ Performance Max, Demand Gen และ Video Google แนะนำสัดส่วน 50% สำหรับ custom experiments เพราะให้การเปรียบเทียบที่ชัดที่สุด สัดส่วน treatment ที่น้อยกว่าช่วยปกป้องฝั่ง control แต่เก็บข้อมูลได้ช้ากว่า สัดส่วนนี้แก้ไม่ได้หลังตั้งค่าแล้ว ถ้าต้องการสัดส่วนใหม่ต้องสร้างการทดสอบใหม่

การแบ่งกำหนดสิทธิ์เข้าประมูล ไม่ได้กำหนดผลลัพธ์ Google ระบุชัดว่าการแบ่ง 50/50 ไม่ได้รับประกันว่าจำนวนการแสดงผลหรือค่าใช้จ่ายจะเท่ากัน เพราะ Ad Rank ราคาเสนอ ขีดจำกัดงบ และช่วงเรียนรู้ของกลยุทธ์ราคาเสนอ ล้วนทำให้การเข้าถึงเปลี่ยนไป สำหรับ Performance Max คำถามที่พบบ่อยของ Google ระบุว่าค่าใช้จ่ายที่ต่างกันไม่เกิน 20% ระหว่างสองฝั่งถือเป็นพฤติกรรมปกติของการประมูล

เรื่องการจัดกลุ่มผู้ใช้ custom experiments บน Search มีสองตัวเลือกในการตั้งค่าขั้นสูง

• Cookie-based (Google แนะนำ) สุ่มผู้ใช้แต่ละคนเข้าฝั่งใดฝั่งหนึ่ง แล้วผู้ใช้คนนั้นจะเห็นแค่ฝั่ง control หรือแค่ฝั่ง trial
• Search-based สุ่มทุกครั้งที่มีการค้นหา คนที่ค้นหาหลายครั้งอาจตกอยู่ทั้งสองฝั่ง วิธีนี้อาจได้ผลมีนัยสำคัญเร็วกว่า แต่การเห็นโฆษณาจะปนกัน

Custom experiments บน Display ใช้แบบ cookie-based เสมอ ควรใช้ cookie-based เมื่อการเปลี่ยนแปลงส่งผลต่อผู้ใช้หลายครั้งที่เข้ามา (เช่น landing page หรือการตั้งราคาเสนอเพื่อ conversion ที่เกิดหลายวันหลังคลิก) ส่วน search-based อาจเหมาะกับการเปลี่ยนแปลงที่มีผลกับการค้นหาครั้งเดียว เช่น การทดสอบประเภทการจับคู่คีย์เวิร์ด เมื่อคุณต้องการความเร็วเพิ่ม

Experiment sync ทำอะไร

Experiment sync มีใน custom experiments ของ Search และ Display และเปิดเป็นค่าเริ่มต้น เมื่อเปิด sync การเปลี่ยนแปลงที่คุณทำกับแคมเปญหลักหลังจากสร้างแคมเปญทดลองแล้ว จะถูกคัดลอกไปยังแคมเปญทดลอง โดยปกติภายในประมาณ 15 นาที การ sync ทำงานทางเดียว การแก้ไขในแคมเปญทดลองจะไม่ย้อนกลับไปที่แคมเปญหลัก

คุณปิด sync ได้เฉพาะตอนสร้างแคมเปญทดลองเท่านั้น หลังจากนั้นเปิดหรือปิดไม่ได้อีกสำหรับการทดสอบที่ตั้งเวลาไว้หรือกำลังวิ่ง มีสองรายละเอียดที่ทำให้หลายคนพลาด อย่างแรก โฆษณาถูกใช้ร่วมกันระหว่างสองฝั่ง การแก้โฆษณาในฝั่ง control จึงเปลี่ยนโฆษณาในฝั่ง treatment ด้วยไม่ว่าจะตั้ง sync ไว้อย่างไร อย่างที่สอง การอัปโหลดโฆษณาแบบกลุ่ม (bulk upload) จะเปลี่ยนทั้งสองแคมเปญแม้ปิด sync อยู่ ถ้าเกิดข้อผิดพลาดในการ sync การ sync จะหยุดไปตลอดการทดสอบที่เหลือ และการเปลี่ยนแปลงในแคมเปญหลักหลังจากนั้นต้องคัดลอกเอง

หลักปฏิบัติคือ เปิด sync ไว้ถ้าต้องการให้งานดูแลประจำ (เพิ่มคีย์เวิร์ดเชิงลบ หยุดคีย์เวิร์ด) มีผลกับทั้งสองฝั่ง และปิดเฉพาะเมื่อสิ่งที่คุณทดสอบเป็นสิ่งที่ sync จะเขียนทับ ถ้าปิด ทุกการเปลี่ยนแปลงในแคมเปญหลักระหว่างทดสอบต้องทำซ้ำในแคมเปญทดลองด้วยมือ ไม่อย่างนั้นการเปรียบเทียบจะคลาดเคลื่อน

Google Ads experiment ควรวิ่งนานแค่ไหน และอ่านนัยสำคัญทางสถิติอย่างไร

คำถามที่พบบ่อยเรื่องการทดสอบของ Google แนะนำให้วิ่งอย่างน้อย 4-6 สัปดาห์ และนานกว่านั้นถ้า conversion ของคุณใช้เวลานานหลังคลิก หน้าการติดตามผลของ Google ระบุ 2-3 สัปดาห์เป็นขั้นต่ำในการเก็บข้อมูล และหน้า custom experiments บอกให้เผื่อ 7-14 วันให้ฝั่ง treatment นิ่ง คำถามที่พบบ่อยยังระบุว่าข้อมูล 7 วันแรกจะถูกตัดออกจากผลการทดสอบบางแบบเพื่อชดเชยช่วงเริ่มต้น สรุปคือ วางแผนไว้หนึ่งเดือนขึ้นไป และถือว่าหนึ่งถึงสองสัปดาห์แรกเป็นช่วงเริ่มต้นที่ Google ระบุว่าข้อมูลอาจแกว่ง

ตารางสรุปผล (scorecard) จะแสดงใต้ตัวชี้วัดแต่ละตัว เป็นยอดรวมของฝั่งทดลอง ตามด้วยส่วนต่างโดยประมาณเมื่อเทียบกับ control เช่น +10% และช่วงค่า เช่น [+8%, +12%] ช่วงค่านี้คือช่วงความเชื่อมั่นตามระดับความเชื่อมั่นที่คุณเลือก ค่าเริ่มต้นคือ 80% และ dynamic confidence reporting ให้คุณเลือกระดับอื่นได้ เครื่องหมาย "--" หมายถึงข้อมูลยังไม่พอ เมื่อผลมีนัยสำคัญทางสถิติ Google จะแสดงเครื่องหมายดอกจันสีน้ำเงิน การเลื่อนเมาส์ไปวางบนบรรทัดนั้นจะอธิบายช่วงความเชื่อมั่นและแสดงตัวเลขของทั้งสองฝั่ง

Video experiments ใช้เกณฑ์ต่างออกไป ผลเชิงทิศทาง (directional) อาจแสดงที่ความเชื่อมั่น 70% หรือ 80% และ Google ถือว่าผลเป็นข้อสรุป (conclusive) ที่ 95% และแนะนำให้รอถึงระดับนั้น

ถ้าผลไม่มีนัยสำคัญ Google ระบุเหตุผลที่เป็นไปได้สี่ข้อ คือ การทดสอบยังวิ่งไม่นานพอ แคมเปญมีทราฟฟิกน้อยเกินไป สัดส่วนการแบ่งน้อยเกินไป หรือการเปลี่ยนแปลงไม่ได้สร้างความต่างจริง ข้อสุดท้ายเป็นผลลัพธ์ที่ใช้ได้ ผลที่ออกมาเท่ากันบ่งชี้ว่าการเปลี่ยนแปลงนั้นไม่ได้สร้างความต่างที่วัดได้ในระดับทราฟฟิกนั้น ซึ่งก็มีประโยชน์ในตัวเอง

นำผลไปใช้ หรือจบการทดสอบ

เมื่อ custom experiment จบ ให้เปิดการทดสอบแล้วคลิก Apply จากนั้นเลือกหนึ่งในสองตัวเลือก

• Update your original campaign การทดสอบจะจบ และการเปลี่ยนแปลงจะถูกเขียนลงในแคมเปญหลัก
• Convert to a new campaign แคมเปญทดลองจะกลายเป็นแคมเปญปกติที่ใช้งบและวันที่ของแคมเปญเดิม และแคมเปญเดิมจะถูกหยุดชั่วคราว

ไม่ว่าเลือกแบบไหน ข้อมูลผลงานของทั้งแคมเปญเดิมและแคมเปญทดลองจะถูกเก็บไว้ คำถามที่พบบ่อยของ Google ยังอธิบายถึง auto-apply ซึ่งเปิดเป็นค่าเริ่มต้นสำหรับการทดสอบใหม่ ถ้าผลออกมาดี การเปลี่ยนแปลงจะถูกนำไปใช้กับฝั่ง control อัตโนมัติ คำว่า "ผลดี" ขึ้นกับกลยุทธ์ราคาเสนอ (ถ้าใช้ Maximize conversions พร้อม target CPA ฝั่ง treatment ต้องได้ conversion มากกว่าที่ CPA ต่ำกว่า) auto-apply ทำงานเฉพาะกับการทดสอบที่จบในวันสิ้นสุดที่คุณกำหนด การทดสอบที่คุณหยุดก่อนกำหนดจึงไม่ถูกนำไปใช้ และคุณเลือกไม่ใช้ auto-apply ได้ก่อนการทดสอบจบ

ถ้าต้องการหยุด custom experiment ก่อนกำหนด ให้เปลี่ยนวันสิ้นสุด หรือเลือก Edit แล้ว End now สำหรับ AI Max experiments คุณเลือก "Apply your experiment changes if results are favorable" ได้ตอนตั้งค่า ส่วนใน Performance Max upgrade experiments การนำผลไปใช้จะทำให้แคมเปญ PMax เป็นแคมเปญหลักที่ได้ทราฟฟิก 100% และหยุดฝั่ง control

อะไรทดสอบได้ และอะไรทดสอบไม่ได้

Custom experiments เป็นเครื่องมือที่กว้างที่สุด Google ยกตัวอย่างการทดสอบทั่วไป ได้แก่ การตั้งราคาเสนอ ประเภทการจับคู่คีย์เวิร์ด landing page กลุ่มเป้าหมาย และการเปลี่ยนแปลงกลุ่มโฆษณา Ad variations ดูแลการเปลี่ยนข้อความและ URL ใน responsive search ads Video experiments ดูแลครีเอทีฟและการตั้งค่าบน YouTube ส่วน Performance Max และ AI Max experiments ดูแลฟีเจอร์อัตโนมัติที่ผลิตภัณฑ์เหล่านั้นควบคุม

บางอย่างทำไม่ได้หรือมีช่องว่าง งบร่วมกันและกลยุทธ์ราคาเสนอแบบ Portfolio ทำให้ใช้ custom และ AI Max experiments ไม่ได้ Custom experiments ไม่รองรับรายงานหลายตัว รวมถึง auction insights รายงานข้อความค้นหา bid landscapes และรายงานตำแหน่งโฆษณาบน Display จึงควรวางแผนตัดสินผลจากตัวชี้วัดใน scorecard แคมเปญ Shopping ใช้ custom experiments ไม่ได้ และหนึ่งแคมเปญวิ่ง custom experiment ได้ทีละรายการเท่านั้น

การทดสอบ เทียบกับการเปรียบเทียบก่อนและหลัง

ทางเลือกที่คนใช้บ่อยแทนการทดสอบ คือเปลี่ยนแล้วเทียบสัปดาห์หลังกับสัปดาห์ก่อน วิธีนี้เร็ว แต่ทำให้เข้าใจผิดได้ง่าย อะไรก็ตามที่เปลี่ยนระหว่างสองช่วง (วันหยุด โปรโมชันของคู่แข่ง ราคาบนเว็บไซต์ที่เปลี่ยน ความต้องการค้นหาที่ขยับ หรือกลยุทธ์ราคาเสนอที่ยังเรียนรู้อยู่) จะถูกนับเป็นผลของการเปลี่ยนแปลงของคุณ และแยกออกจากกันภายหลังไม่ได้

การทดสอบแก้ปัญหานี้เพราะทั้งสองฝั่งผ่านช่วงเวลาเดียวกัน ราคาที่ต้องจ่ายคือแต่ละฝั่งได้ทราฟฟิกแค่บางส่วน คุณจึงต้องอดทน ถ้าแคมเปญเล็กเกินไปจนไม่มีทางได้นัยสำคัญในเวลาที่สมเหตุสมผล การเทียบก่อนและหลังเป็นทางสำรอง แต่ให้ถือเป็นสัญญาณที่อ่อน และจดทุกอย่างที่เปลี่ยนไปในช่วงนั้นไว้ด้วย

ความผิดพลาดที่ทำให้ผลทดสอบใช้ไม่ได้

• แก้ไขระหว่างทดสอบ Google ไม่แนะนำให้เปลี่ยนอะไรระหว่างที่การทดสอบวิ่งอยู่ โดยเฉพาะในช่วงเรียนรู้ 7-14 วัน ที่การเปลี่ยนแปลงอาจทำให้เริ่มเรียนรู้ใหม่ การเปลี่ยนงบทำได้ แต่ควรทำให้น้อยที่สุด
• ลืมว่า sync ทำอะไร เมื่อเปิด sync การเปลี่ยนแคมเปญหลักที่ตั้งใจให้มีผลกับ control อย่างเดียว จะไปถึงแคมเปญทดลองด้วย เมื่อปิด sync การเปลี่ยนแคมเปญหลักที่ลืมคัดลอก จะทำให้สองฝั่งต่างกันสองเรื่องแทนที่จะเป็นเรื่องเดียว
• ทดสอบหลายอย่างพร้อมกัน ถ้าแคมเปญทดลองเปลี่ยนทั้งกลยุทธ์ราคาเสนอและ landing page พร้อมกัน ผลที่ชนะจะบอกไม่ได้ว่ามาจากอะไร ทดสอบทีละตัวแปรต่อหนึ่งการทดสอบ
• วิ่งการทดสอบซ้อนกัน คำถามที่พบบ่อยของ Google แนะนำให้วิ่งทีละการทดสอบต่อกันไป ไม่ใช่พร้อมกัน เพราะอาจรบกวนกันเอง
• สรุปผลเร็วเกินไป ตัวเลขที่แกว่งแรงในสัปดาห์แรกก่อนพ้นช่วงเริ่มต้น ยังไม่ใช่ผลลัพธ์ ให้รอดอกจันสีน้ำเงิน หรือรอถึงวันสิ้นสุดที่วางแผนไว้
• อ่านค่าใช้จ่ายที่ต่างกันเป็นผลงาน ค่าใช้จ่ายไม่เท่ากันระหว่างสองฝั่งเป็นเรื่องปกติภายใต้การแบ่ง ให้เทียบตัวชี้วัดที่เลือกเป็นตัวชี้วัดความสำเร็จ ไม่ใช่ต้นทุนดิบ
• สัดส่วนน้อยเกินไปในแคมเปญเล็ก ฝั่ง treatment 10% ในแคมเปญที่มีปริมาณน้อย อาจไม่มีวันได้ผลที่มีนัยสำคัญ

ความหมายสำหรับผู้ลงโฆษณาในประเทศไทย

กลไกเหมือนกันทุกตลาด แต่มีปัจจัยท้องถิ่นบางอย่างที่ควรคิดตอนวางแผนทดสอบ ถ้าคุณแยกแคมเปญสำหรับคีย์เวิร์ดภาษาไทยกับภาษาอังกฤษ แต่ละแคมเปญจะมีปริมาณน้อยกว่าแคมเปญรวม การทดสอบในแคมเปญใดแคมเปญหนึ่งจึงใช้เวลานานกว่าจะได้นัยสำคัญ และคุณอาจต้องใช้สัดส่วน 50% และวิ่งนานกว่าขั้นต่ำ 4-6 สัปดาห์

ปฏิทินก็มีผล ถ้าช่วงทดสอบครอบคลุมวันหยุดอย่างสงกรานต์ในเดือนเมษายนหรือช่วงปลายปี การเทียบก่อนและหลังข้ามสัปดาห์เหล่านั้นจะปนผลของวันหยุดกับผลของการเปลี่ยนแปลง การทดสอบที่ถูกต้องซึ่งวิ่งผ่านช่วงวันหยุดยังเทียบทั้งสองฝั่งภายใต้เงื่อนไขเดียวกันได้ แต่ผลที่ได้สะท้อนทราฟฟิกช่วงวันหยุด จึงควรตรวจว่าผลยังเป็นแบบเดิมหลังพ้นช่วงนั้นหรือไม่ ถ้า conversion ของคุณมาจากแชต LINE หรือโทรศัพท์ที่นำเข้าข้อมูลทีหลัง ให้วิ่งการทดสอบนานพอให้ conversion ที่มาช้าเหล่านั้นเข้ามาครบก่อนตัดสิน

คำถามที่พบบ่อย

เปลี่ยนสัดส่วนการแบ่งหลังเริ่มการทดสอบได้ไหม

ไม่ได้ สัดส่วนการแบ่งทราฟฟิกเปลี่ยนไม่ได้หลังตั้งค่าการทดสอบแล้ว คำถามที่พบบ่อยของ Google ระบุว่าถ้าต้องการสัดส่วนใหม่ต้องสร้างการทดสอบใหม่ จึงควรกำหนดสัดส่วนก่อนเริ่ม โดยจำไว้ว่าฝั่ง treatment ที่เล็กกว่าจะใช้เวลานานกว่าจะได้นัยสำคัญ

ควรใช้การแบ่งแบบ cookie-based หรือ search-based

ใช้ cookie-based สำหรับการทดสอบส่วนใหญ่ ตามที่ Google แนะนำ เพราะผู้ใช้แต่ละคนเห็นแค่เวอร์ชันเดียว แบบ search-based อาจได้นัยสำคัญเร็วกว่า แต่คนเดียวกันอาจเห็นทั้งสองฝั่ง จึงเหมาะกับการเปลี่ยนแปลงที่มีผลกับการค้นหาครั้งเดียว

ควรวิ่ง Google Ads experiment นานแค่ไหน

วางแผนไว้อย่างน้อย 4-6 สัปดาห์ตามคำแนะนำของ Google และนานกว่านั้นถ้า conversion มาช้า Google ตัดข้อมูล 7 วันแรกออกจากผลบางแบบเพื่อชดเชยช่วงเริ่มต้น การทดสอบสั้น ๆ จึงมีข้อมูลที่ใช้ได้น้อยกว่าที่ปฏิทินบอก

ดอกจันสีน้ำเงินในผลการทดสอบหมายถึงอะไร

ดอกจันสีน้ำเงินหมายถึงส่วนต่างระหว่างสองฝั่งมีนัยสำคัญทางสถิติ ตามระดับความเชื่อมั่นที่คุณเลือก ระดับเริ่มต้นคือ 80% และคุณเลือกระดับอื่นได้ผ่าน dynamic confidence reporting

แคมเปญเดิมจะเป็นอย่างไรเมื่อนำผลการทดสอบไปใช้

ขึ้นกับตัวเลือกที่คุณเลือก "Update your original campaign" จะเขียนการเปลี่ยนแปลงลงในแคมเปญเดิม ส่วน "Convert to a new campaign" จะหยุดแคมเปญเดิมและให้แคมเปญทดลองวิ่งแทน ข้อมูลผลงานของทั้งสองแคมเปญถูกเก็บไว้ทั้งสองกรณี

การทดสอบให้คำตอบที่ชัดที่สุดว่าการเปลี่ยนกลยุทธ์ราคาเสนอ landing page ใหม่ หรือ AI Max คุ้มที่จะใช้หรือไม่ แต่ต้องวางแผนมากกว่าเร่งรีบ ถ้าต้องการคนช่วยเลือกว่าจะทดสอบอะไรและช่วยอ่านผล คุยกับทีมบริการ Google Ads ของเรา หรือดูบริการ Relevant Search Google Ads สำหรับแคมเปญ Search สำหรับการทดสอบครีเอทีฟบน YouTube ดูบริการโฆษณา YouTube และสำหรับการทดสอบ Shopping หรือการย้ายไป Performance Max ดูบริการ Google Shopping