A/B テストを実施することで、データに基づいてメディエーションの広告ソースの設定を判断できるため、収益の増加につながります。
A/B テストの仕組み
A/B テストでは、既存のメディエーション グループとそれに基づいて作成した 2 つのパターンを評価し、その結果を比較してどちらが効果的かを検証できます。このテストでは、既存のメディエーション グループとそのパターンとでアプリユーザーを分割し、各々のパフォーマンスを並べて比較できるようにします。
パターン B のメディエーション グループ設定は次のように変更できます。
- 広告ソースを追加または削除して、メディエーション グループへの影響を確認する
- 広告ソースの手動 eCPM 値を変更して、別のウォーターフォール順序を使用する
- ウォーターフォールの広告ソースの最適化を有効または無効にする
- 広告ソースの呼び出し回数を変更する
注: AdMob でテスト結果を判断するためには、少なくとも 10,000 件の広告リクエストを取得する必要があります。
クリックしてサンプルのテストを表示
テスト期間は 90 日ですが、いつでも終了できます。テストの結果に基づいて、オリジナルのメディエーション グループの設定（パターン A）とテストパターン（パターン B）のどちらを使用するかを決めることができます。
テストが公正かつ正確に実施されるよう、A/B テストを開始すると、テストを停止するかテストが終了するまで、パターン A とパターン B に変更を加えることはできなくなります。
A/B テストを設定する
手順は次のとおりです。
- https://admob.google.com から AdMob アカウントにログインします。
- サイドバーで [メディエーション] をクリックします。
- A/B テストを作成するメディエーション グループの横にある [ A/B テストの設定] をクリックします。
- テストの名前を入力します。
- スライダーを使用して、ユーザーの割り当てを設定します。これにより、A/B テストの実施期間中にパターン B に割り当てられるアプリユーザーの割合が決まります。アプリのユーザー トラフィックの 1～50% をパターン B に割り当てることができます。残りはパターン A（元の設定）に割り当てられたままになります。
注: ユーザー割り当ての設定は、テストの開始後に変更することはできません。
- パターン B の広告ソース設定を変更します。次の変更が可能です。
- 広告ソースを追加または削除して、メディエーション グループへの影響を確認する
- 手動 eCPM 値を変更して、ウォーターフォールの順序を変更する
- ウォーターフォールの広告ソースの最適化を有効または無効にする
- 広告ソースの呼び出し回数を変更する
- パターン A とパターン B で同じ広告ソースを使用する場合は、レポートを正確にするために、個別の広告ユニット マッピングを使用することをおすすめします。たとえば、パターン A で未使用のマッピングを使用します。
- [広告ユニットのマッピング] 列で [編集] をクリックします。マッピングの詳細は通常、該当する広告ネットワークのアカウントでご確認いただけます。
- 詳しくは、ウォーターフォールの広告ソースと入札広告ソースを追加する方法の記事をご覧ください。
- [保存] をクリックします。
- [テストを開始] をクリックします。
A/B テストを開始すると、テストを停止するかテストが完了するまで、メディエーション グループ（パターン A とパターン B を含む）に変更を加える（たとえば、広告ユニットや地域ターゲティングを編集する）ことはできなくなります。テストの実施中に変更を加えると、結果に影響を与える可能性があります。
- 確認ボックスで [開始] をクリックすると、数分でテストが開始されます。
デフォルトではテストは 90 日間実施されますが、取得したデータに基づいて、テストを終了しテスト結果を適用することもできます。詳しくは、A/B テストを分析して適用する方法をご確認ください。
ベスト プラクティス
- テストが結果を判断できるだけの十分なトラフィックがある広告ユニットを選択します。結果を判断するためには少なくとも 10,000 件の広告リクエストを取得する必要があります。
- パフーマンスの違いの原因となった変更を正確に特定できるよう、一度に 1 つの設定のみを変更します。
- テストを少なくとも 2 週間は実施します。データが多いほど、効果的なパターンの推測がより正確になります。
- パターン A とパターン B で異なるマッピングを使用することを検討してください。そうすることにより、ウォーターフォール方式の広告ソースに関するテストデータとレポートの正確性が維持されます。