Как поднять конверсию в ВК на 91,67%: что на самом деле сработало

Что такое A/B тестирование слышали все, но мало кто его вообще проводит. Как правильно и безболезненно это сделать рассказываю в статье.

CTR 0,12% в рекламе во ВКонтакте - это момент, когда уже нельзя успокаивать себя фразой «сейчас алгоритм разгонится». У меня был нормальный оффер, понятный текст и аккуратный креатив для онлайн-курсов программирования для детей, но люди почти не кликали.

После A/B-теста одно изменение в изображении подняло CTR на 91,67%.

Летом я работал с рекламой онлайн-курсов программирования для детей. На бумаге связка выглядела привычно и безопасно: оффер понятный, текст без лишней воды, картинка качественная.

Но рекламный кабинет быстро вернул к реальности: кликов почти не было. CTR держался на уровне 0,12%, а для рекламы во ВКонтакте это слишком низко.

Первый соблазн в такой ситуации - начать менять всё сразу: текст, оффер, аудитории, посадочную страницу. Я решил не делать этого. Если менять несколько элементов одновременно, потом невозможно понять, что именно сдвинуло метрику. Поэтому пошёл через A/B-тестирование. В итоге прирост CTR дала не новая воронка и не переписанный оффер, а одно изменение в изображении.

Меня зовут Александр Яничкин, я маркетолог-практик. Ниже разберу этот тест как рабочую историю: какая была гипотеза, почему я не стал трогать тексты и посадочные, какие варианты проверял и где легко было ошибиться с выводами.

Главная польза здесь не в цифре +91,67%, а в логике: как не спорить о креативах на вкус, а проверять их через данные.

Разберём по шагам.

A/B-тестирование, или сплит-тестирование - это способ проверить, какой вариант рекламы, страницы сайта или рассылки работает лучше на реальной аудитории.

Суть простая: аудиторию делят на две группы, показывают им разные версии одного элемента, а затем сравнивают результат по заранее выбранной метрике.

Цель метода - не угадать «красивее» или «понятнее», а увидеть, какое изменение влияет на конверсию, кликабельность или другую измеримую метрику.

Когда я бы запускал A/B-тест?

- Нужно улучшить ключевые показатели: конверсию, кликабельность и т. д.;

- Клиент предлагает правку, но нет уверенности, что она улучшит результат;

- Нужно проверить новый инструмент не на ощущениях, а на цифрах.

Сплит-тесты можно применять почти везде, где есть трафик, действие пользователя и метрика, которую можно сравнить:

Покажу весь процесс на проекте, где удалось поднять кликабельность рекламы на 91,67%.

Перед запуском теста нужно честно ответить на вопрос: какую метрику я хочу сдвинуть и почему именно её.

В этой истории цель была конкретной: повысить кликабельность рекламных объявлений, то есть CTR.

В работе я стараюсь держать принцип 80/20%. 80% бюджета идёт на уже рабочие связки, 20% - на тесты, в том числе на A/B-проверки внутри текущих рекламных кампаний. По такой логике я осваиваю по 3 000 000 рублей на одном из проектов по детскому онлайн-программированию.

Что я фиксирую до теста:

- Метрику, по которой буду оценивать результат. Подходят только количественные показатели: CTR, CPA, конверсия и т. д.;

- Текущие значения, чтобы была точка отсчёта, а не сравнение «кажется, стало лучше».

На старте работы с проектом онлайн-курсов программирования для детей CTR рекламы был всего 0,12%. Это примерно в 4 раза ниже, чем по нашим показателям в других проектах во ВКонтакте для схожих ниш.

Задача была не просто «сделать красивее», а увеличить CTR, чтобы реклама лучше откручивалась.

Гипотеза в A/B-тестировании - это проверяемое предположение о том, какой вариант даст лучший результат. Чем точнее формулировка, тем проще потом интерпретировать цифры.

❌ «Сделать креатив более цепляющим» - плохая гипотеза. Непонятно, что именно меняется и как оценивать результат.

✅ «Если переместить кнопку в нижний правый угол страницы, то кликабельность повысится в три раза».

Обычно я формулирую гипотезу так: «вариант B работает лучше, чем вариант A». После теста она либо подтверждается, либо нет.

Так как ежемесячно откручивается по 3 млн руб. в нише детского инфобизнеса с другими клиентами, я не стал начинать с текстов, офферов и посадочных страниц. По накопленной статистике в них проблема была маловероятна.

Поэтому фокус сузили до изображений в рекламе.

Гипотеза звучала так: «Если заменить текущий креатив на более простой, без дизайнерских элементов, то кликабельность увеличится».

На этом этапе готовятся варианты элемента, который будет тестироваться. Здесь легко испортить эксперимент: если одновременно поменять фото, текст, оффер и визуальный стиль, результат уже нельзя будет нормально расшифровать.

Мне было принципиально оставить фотографию школы. Родители, которые приводят ребёнка учиться в это здание, могли зацепиться именно за узнаваемое место. Поэтому я подготовил два новых варианта рекламного креатива:

1. С надписями, но без дизайнерских элементов: убрали линии, треугольники и ощущение «вылизанного» макета, но оставили номер школы и оффер.

2. Без надписей: оставили акцент только на фотографии, а все офферы вынесли в текст объявления.

Размер выборки - это количество пользователей, которым покажут разные варианты. От него зависит, можно ли доверять результатам. Если показов и кликов мало, разница может оказаться случайностью.

Обычно тестируют 2-30% от генеральной совокупности пользователей, то есть от всех пользователей, которые взаимодействуют с объектом. Например, от числа посетителей сайта в месяц.

Чтобы понять, удачный ли креатив с точки зрения продаж, достаточно скрутить его на 15-20к показов по всем объявлениям.

После теста я сравниваю метрики и смотрю, какой вариант действительно показал лучший результат.

Если новый вариант, например, даёт конверсию на 5% выше, его можно внедрять и использовать дальше. Если разницы почти нет или старый вариант лучше, значит гипотеза не подтвердилась. Тогда нужно формулировать следующую, а не притягивать выводы к ожиданиям.

В нашем случае результаты получились такими:

- Исходный креатив: CTR 0,12%;

- Креатив без дизайнерских элементов: CTR 0,23%;

- Креатив без надписей: CTR 0,20%.

Лучше всего сработал вариант с простым текстом и без дизайнерских элементов. CTR вырос с 0,12% до 0,23%, то есть на 91,67%. Этот креатив я масштабировал на всю рекламную кампанию.

- Тестирование сразу нескольких изменений.

Нельзя одновременно менять цвета кнопок, призывы к действию, фотографии и текст. В таком тесте можно получить рост, но не понять, из-за чего он случился.

Поэтому правило остаётся простым: одно изменение - одно сплит-тестирование.

- Недостаточный объём выборки и преждевременное завершение теста - маленькая выборка легко даёт случайные результаты.

Не стоит останавливать тест раньше, чем набран нужный объём данных. Нельзя уверенно сказать, какой креатив лучше, если по одному было 10 кликов, а по другому 12.

- Игнорирование внешних факторов.

На эксперимент могут влиять сезонность, периоды распродаж и другие события, которые меняют поведение аудитории. Для чистого сравнения лучше запускать A/B-тестирование в нейтральные периоды.

Я заранее фиксирую такие условия, чтобы потом не принять внешний всплеск или просадку за эффект от креатива.

Чтобы тест не превратился в спор о вкусах, я держу несколько правил:

- Чётко определить цель и метрики: CTR, CPA, конверсия и т. д.;

- Проверять только одно изменение за тест;

- Набрать достаточную выборку пользователей;

- Учитывать внешние факторы, например сезонность;

- В этой истории замена сложного креатива на более простой дала рост CTR с 0,12% до 0,23%, то есть +91%.

Главный вывод, который я забрал из этого теста: не стоит первым делом переписывать всю связку, если просела одна метрика. Иногда проблема лежит в конкретном элементе. В нашем случае это был перегруженный креатив, и повторно я бы ещё раньше сузил проверку до изображения, не тратя время на обсуждение субъективных правок.