Facebook 推广平台：实验的类别与 Facebook 相关解决方案

洞悉 Facebook 为实验所提供的解决办法。

若您在 Facebook 开展实验，选择随机控制（试验）或 RC A/试验会成为增加影响的关键。若您选择随机控制尝试 A/B 测试，Facebook 提供多种方案助力您开展实验。

Facebook 具备随机控制试验和 A/B 测试的解决方案。点击各部分可浏览更多信息。

Facebook 怎样避免测试结果出现偏差？在转换提升测试中，Facebook 运用治疗测试（Intent-to-Treat，ITT 结果）技术来把控潜在偏差对测试产生的影响。例如看到或看不到广告，实际情况可能并非如此。

有时受试者未必能接触到处理变数，比如有些本该看到广告的人可能未看到，这会影响所收集的资料，致使测试结果存在潜在偏差。

依据 ITT 的做法，无论受试者看到什么内容或有何动作，都按照其原先分配的组别进行分析，如此便能规避潜在偏差的影响。

想象一下医学要测试新药，您被分到测试组且服用了药。但在 ITT 设定中，不管您有无接触处理变数（即“吃药”），实验都会将您视为测试组的一员来衡量结果。

品牌指标提升测试

品牌指标提升测试能让您知晓您的广告行销活动引发用户感受的程度。当您开展品牌指标提升测试，相似的广告受众会随机分为测试组和控制组，让您了解广告回想、品牌捕捉、信息关联性等特征的行为。

开始进行品牌指标提升测试，系统会为您的广告受众提供不重复的展示。请大家一同深入探究 Facebook 如何开展品牌提升测试。

成功案例

No Yolks 是位于同一地点的一家食品公司，他们期望提升自家无棕色的芝加哥的知名度，于是运用品牌目标，在九个市场展开行销活动。

No Yolks 针对面识别消息关联性展开了品牌指标提升研究。对比测试组和控制组的调查结果，No Yolks 发现消费者在考虑购买食品品牌时，能够认出 No Yolks 及其低胆固醇商品。

转换提升测试

转换提升测试有助于您了解 Facebook、Instagram 及奥迪网络广告对于场景表演和转换次数增长的实际效果。

开始进行升级提升测试时，系统会先为您的广告受众提供不重复的活动。请点击各自内容深入了解 Facebook 如何进行升级提升测试。

常见问题

用户 A：什么是转换循环？

用户 B：因为是由广告曝光才发生的，否则就不会产生转换次数。

成功案例

WeWork 是一家全球性的工作空间供应商，他们想吸引更多寻找办公室空间的顾客、提升潜在顾客的质量，并且增加网络次数。

他们面临的问题是通过不同的广告来传达独特的价值目标。为此，他们与 Facebook 创意店制作短片广告，并在影片开头就突显品牌、视觉效果和叠压文字。

之后，他们使用 Facebook 转换提升测试，得出如下试行计划行销活动的成果：

1、每张销售出成本降低 88%

2、广告投资报酬率增加 10 倍

3、使潜在顾客开发成本降低 80%

4、潜在顾客的工作空间参观率提高 16%

5、多组测试

6、品牌指标提升和这提升均提供进行测试的选项。请点击多组图卡深入了解两种选项。

例如测试显示 Facebook 的广告和不显示广告。

在多组测试中，您能够通过多个独立的单组测试研究不同的广告策略。这样一来，您可以一次性测试多条广告或多种策略，并与各自的控制组进行比较，了解它们的效果。

技术原型可避免测试结果产生潜在误差。这有助于您了解单一行销活动或策略宣传和转化次数的影响。此项目提供的品牌指标能够让您知晓您的广告行销活动引发用户共鸣的程度。这能让您测试两个以上的变数/策略，同时提供各自的降低后果。

表现测试

一次性进行 A/B 测试，请使用我们的未来测试解决方案。每个成果最低。请点击各个专题深入了解 Facebook 如何进行业绩测试。

在决定

要采用分组测试还是多组提升测试时，请记住，分组测试无法确定实际的 ROI，因为分组测试未使用控制组，没有可对比的基准，所以无法让您了解递增影响。

因此多数情况下多组测试是更好的选择，但此类测试的行销活动规模比表现测试大。对于擅长的广告主，若比较基准的规模较小，通常有基准的需求；理想情况下，对于新兴或小型广告主而言，大量吸引行销活动的销售量，即是其销售量的可能。

Sole Society 销售平价时尚的鞋子、包包、配饰和服饰。他们想打造引人注目的广告创意，吸引更多顾客到其网站购物。Sole Society 建立了表现测试，比较流行图像和横向图像，他们锁定 25 岁以上的女性，制作广告受众随机且不重复的例子。

Sole Society 将其他所有广告元素保持一致，因此能够区分效果。顾客购买的商品数量也增加了 32%。

整理整理

随机控制试验和 A/B 测试是两种不同的实验。“转换提升测试”和“品牌指标提升测试”是 Facebook 的随机控制试验解决方案。

性能测试是 Facebook 的 A/B 测试解决方案。

学习成果验收

效果测试是正确的解决方案，能够帮助您了解影响。

1、随机控制试验和 A/B 测试的差别何在？请选择两个答案。

2、随机控制试验可进行升级提升，A/B 测试可衡量品牌提升。

3、随机控制试验的测试结果能够提供动态关系，A/B 测试则无法提供实际的动态关系。

4、随机控制试验需要使用控制组，A/B 测试则不使用控制组。

5、随机控制试验由 Facebook 业务代表进行，A/B 测试则不是。