Real-Time Optimisation, Kunci Bermanuver Digital Marketing

Memahami A/B Testing dan Multivariate Testing

1. A/B Testing

A/B testing dikenal juga sebagai split testing atau bucket testing. Dalam prosesnya, Anda akan melakukan perbandingan, misalnya membandingkan dua versi dari email, landing page, website, atau materi iklan, untuk mengetahui mana yang performanya paling baik. 

Ada beberapa data sebagai matriks yang perlu Anda monitor performanya. Data-data ini, antara lain open rates, click through rates, dan conversion rates.

Pada dasarnya A/B testing adalah sebuah eksperimen di mana dua atau lebih variasi dipaparkan kepada pengguna secara random. 

Selanjutnya dilakukan analisis statistik untuk menentukan variasi mana yang performanya lebih bagus untuk mencapai suatu tujuan, biasanya konversi.

A/B testing juga menjadi cara paling gampang untuk optimalisasi. Namun kekurangannya, perlu waktu lama untuk melakukan testing jika variabel yang diukur lebih dari empat. 

Dalam situasi ini, A/B testing kurang dapat menunjukkan informasi lebih banyak tentang bagaimana variabel-variabel itu saling berinteraksi mencapai tujuan. 

2. Multivariate Testing

Metode multivariate testing mirip dengan A/B testing, namun dalam multivariate testing variabelnya lebih banyak. 

Dengan demikian Anda bisa mendapatkan lebih banyak informasi bagaimana variabel-variabel ini saling berinteraksi satu sama lain.

Kapan menggunakan multivariate testing? Anda bisa menggunakannya ketika perbedaan antara satu variasi dengan variasi yang lainnya tipis-tipis. 

Jadi, menggunakan A/B testing memungkinkan Anda menetapkan format atau variasi utama yang kinerjanya terbaik. 

Lalu dengan multivariate test, Anda menemukan detail-detail elemen mana dari variasi utama itu yang paling efektif mencapai tujuan.

Sebagai contoh: multivariate testing pada landing page yang memiliki beberapa elemen. Di dalamnya ada formulir registrasi, teks utama dengan Call To Action (CTA) yang menarik, dan footer. 

Jika melakukan A/B testing, Anda perlu membuat dua desain landing page yang sama sekali berbeda, untuk tahu mana halaman landing dengan elemen tertentu yang memiliki performa terbaik.

Sementara kalau memilih menerapkan multivariate testing, yang Anda buat berupa dua versi formulir registrasi dengan kolom isian yang berbeda, tiga versi teks dengan CTA, dan dua footer. 

Anda menguji semua kombinasi yang mungkin dibuat dengan berbagai variasi tersebut. Metode ini disebut juga sebagai full factorial testing.

Semakin banyak elemen yang diuji, semakin kompleks testing-nya. Waktu yang dibutuhkan juga lebih lama. 

Oleh karena itu, multivariate testing lebih cocok untuk menguji digital asset dengan traffic yang signifikan. Lalu dengan melakukan perbaikan sedikit saja, bisa membuat kinerja digital asset tersebut meningkat tajam.

Proses Real Time Optimisation

Pertanyaan selanjutnya, apa yang dibutuhkan supaya perusahaan bisa menjalankan real time optimization dengan baik? Untuk menjawab pertanyaan ini, Anda perlu memahami seluruh rangkaian prosesnya. 

Berangkat dari definisi optimalisasi di awal artikel ini, Anda bisa mengidentifikasikan ada tiga proses dalam real time optimisation, yaitu:

• Pengumpulan data. 
• Lalu menarik insights dari data tersebut.
• Mengambil langkah-langkah yang diperlukan untuk mencapai “nilai maksimum.” 

Satu aktivitas tambahan adalah melakukan ketiga proses itu dalam siklus mingguan, bulanan, per kuartal dan tahunan. Secara lengkap, baca penjelasannya di bawah ini.

1. Pengumpulan Data

Anda sudah tahu, kan, kalau data memiliki peran krusial dalam setiap tahapan digital marketing? Ya, Anda akan berhubungan dengan data saat perencanaan, eksekusi sampai evaluasi. 

Namun dalam konteks real time optimization, data di sini adalah yang digunakan pada tahap eksekusi. Tahap di mana data berperan meningkatkan efisiensi dan efektifitas dari eksekusi strategi.

Data apa saja yang dibutuhkan? Paling penting adalah data yang bisa menjadi indikator efektivitas dan efisiensi dari aktivitas digital marketing. 

Efektivitas merujuk pada seberapa besar upaya yang Anda lakukan bisa mendatangkan hasil. Efisiensi adalah berapa biaya atau resources yang Anda keluarkan untuk mencapai hasil tersebut.

Contoh data efektivitas adalah impressions, reach, clicks, open rates, video views, dan conversion rate. Sementara data yang berkaitan dengan efisiensi, antara lain CPM, CPC, CPV atau Cost Per Conversion. 

Anda mengumpulkan data-data tersebut untuk mendapatkan informasi tentang respons platform, respons dari target audience, dan dampaknya pada bisnis.

Data-data itu dengan mudah bisa Anda dapatkan dari platform digital marketing yang Anda gunakan, seperti Facebook, Google, atau yang berbasis programmatic advertising.

Khusus untuk programmatic advertising, biasanya Anda perlu menambahkan tools atau feature khusus untuk melengkapi pengumpulan data. 

Lalu, jika memiliki banyak touchpoints dalam digital marketing, sebaiknya Anda mengotomatisasikan proses pengumpulan data. Penjelasan mengenai hal ini bisa Anda baca di artikel Cara Efektif Menggunakan Alat Otomatisasi Pemasaran.

2. Analisis Data untuk Mencari Problem

Tantangan muncul di tahap berikutnya, yakni menarik insights. Ini berarti ada proses mengolah dan menganalisis data untuk menemukan problem dan potensi problem. 

Pada tahap inilah Anda membutuhkan data analyst dalam organisasi marketing. Misalnya, ada kondisi ketika jumlah impressions dan reach per hari kecil, sehingga penyerapan budget-nya rendah dibandingkan dengan rencana awal. 

Umumnya pada kondisi ini ada indikasi masalah dengan respons platform. Mungkin buying method-nya salah, ada masalah dengan materi iklan, atau pemilihan audience data untuk targeting yang terlalu niche. 

Hasil analisis bisa langsung ditindak lanjuti oleh tim, namun ada juga beberapa hal yang perlu mendapat pertimbangan dari pengambil keputusan bisnis. 

Maka visualisasi data sangat penting untuk membuat informasi lebih mudah dimengerti, misalnya dengan menyajikan data dalam bentuk grafik, bagan, atau format visual yang lain.

Hubungan antar data dikomunikasikan melalui gambar. Ini sangat penting karena visualisasi memudahkan Anda melihat tren dan pola. Pastikan Anda memiliki data visualization tool yang handal.

3. Membuat Perubahan

Berdasarkan informasi dan hasil analisis, selanjutnya Anda perlu menentukan perubahan apa yang perlu dilakukan dan bagaimana Anda akan melakukannya. 

Pada tahap ini, penting bagi Anda untuk membuat beberapa hipotesis hasil dari perubahan. Dalam membuat hipotesis, sebaiknya gunakan data-data historikal sebagai basis.

Seringkali hipotesis itu perlu diuji terlebih dahulu melalui A/B testing atau multivariate testing seperti yang disampaikan di awal artikel.

Baik strategis maupun taktis, eksekusi dari perubahan ini membutuhkan kematangan dari tim marketing maupun para mitra, seperti digital marketing agency Indonesia atau digital agency Jakarta. 

Kematangan ini merujuk pada dua hal, yakni data driven culture dan marketing operational excellence.

Aksi inilah yang menjadi inti dari melakukan manuver dalam digital marketing. Sudah siapkah perusahaan Anda menjalankannya? Jika belum, mari berdiskusi dengan menghubungi Kontak Redcomm.