Prihvatite rezultate a b testa. AB test: kako ga provesti i šta je za to potrebno. Kako i kada mogu protumačiti rezultate split testiranja

(split testiranje, A/B testiranje, Split testiranje) na sajtu je marketinška metoda koja se sastoji u praćenju kontrolne (A) i testne (B) grupe elemenata - stranica sajta koje se razlikuju samo po nekim pokazateljima kako bi se povećati konverziju stranice. Stranice se posjetiteljima prikazuju naizmjenično u jednakim udjelima, a nakon dostizanja potrebnog broja impresija, na osnovu primljenih podataka određuje se opcija najviše konverzije.

Faze A/B testiranja

Općenito, cijeli proces A/B testiranja može se sažeti u 5 koraka:

Korak 1. Postavljanje ciljeva (poslovni ciljevi, konverzija, ciljevi web stranice)

Korak 2 Fiksiranje početnih statističkih podataka

Korak 3 Postavljanje i proces testiranja

Korak 4 Evaluacija rezultata i implementacija najbolje opcije

Korak 5 Ponovite eksperiment na drugim stranicama ili s drugim elementima po potrebi

Trajanje testa

Trajanje eksperimenta ovisi o dostupnom prometu na stranici. Stopa konverzije, kao i razlike u testiranim opcijama. Mnoge usluge automatski određuju trajanje. U prosjeku, 100 radnji konverzije na stranici je dovoljno i traje oko 2-4 sedmice.

Stranice za testiranje

Za testiranje možete odabrati bilo koju stranicu sajta koja je važna u smislu konverzije. Najčešće je to glavna stranica, stranice za registraciju / autorizaciju, stranice toka prodaje. U ovom slučaju, bolje je obratiti pažnju na sljedeće tačke:

1. Najposjećenije stranice stranice
2. Stranice sa velikom posjećenošću
3. Stranice za odbijanje

Prvi je neophodan za čistoću eksperimenta, drugi i treći za identifikaciju slabosti na lokaciji.

Najčešće se za testiranje biraju dugmad, tekst, slogan-poziv na akciju i izgled stranice u cjelini. Da biste odabrali element, možete koristiti sljedeći algoritam radnji:

• Postavlja se hipoteza o ponašanju posjetitelja
• Predlaže se rješenje za promjenu elemenata (bolje je uzeti 1-2, ne više)

1. Dodajte riječ "besplatno"
2. Pošaljite video s objašnjenjem
3. Zalijepite dugme za registraciju na vrh stranice
4. Smanjite broj polja u aplikaciji
5. Dodajte brojač posebne ponude
6. Dodajte besplatnu probnu verziju
7. Promijenite boje gumba ili tekst na njima

Test Automation

Postoji nekoliko plaćenih i besplatnih alata za automatizaciju procesa testiranja s različitim skupom funkcija. Može se pogledati velika lista. Najpopularniji mogu biti eksperimente u Google Analytics. Besplatan je, rusificiran, jednostavan za učenje, a ako je na stranici instaliran brojač, onda ne morate čekati prikupljanje početnih podataka i možete započeti eksperiment u samo nekoliko klikova.

A/B testiranje sa Google Analytics

Razmotrite proces kreiranja testa u Google Analytics. Da biste to učinili, idite na karticu Izvještaji->Ponašanje->Eksperimenti. Unesite URL stranice koju testirate i kliknite na "Pokreni eksperiment".

Sljedeći korak je popunjavanje polja: naziv eksperimenta, cilj (možete birati između konfiguriranih ciljeva za stranicu), pokrivenost posjetitelja stranice za eksperiment (bolje je postaviti 100%).

U drugom koraku moraćete da navedete adrese glavne (kontrolne) stranice i njene varijante.

Ako je sve urađeno kako treba, sistem će dati zeleno svjetlo za početak testiranja.

Rezultat eksperimenta je vrlo vizualan i može izgledati ovako:

Suprotno uvriježenom mišljenju (ipak se stvaraju duple stranice), takvo testiranje nema negativan utjecaj na poziciju stranice. Dovoljno je napisati rel="canonical" na alternativnim stranicama.

Važno o A/B testiranju

1. Testne verzije stranica ne smiju se razlikovati za više od 2 elementa
2. Promet između stranica treba biti ravnomjerno raspoređen
3. Prilikom podešavanja, odaberite nove posjetitelje stranice
4. O rezultatima se može suditi samo na širokom uzorku, po mogućnosti najmanje 1000 ljudi.
5. Procijenite rezultate u isto vrijeme
6. Ne biste trebali vjerovati sebi, ne razmišljaju svi korisnici kao vi, tako da vaša preferirana opcija možda neće biti dobitna.
7. Rezultati A/B testiranja možda neće uvijek donijeti željene rezultate u povećanju konverzija. Stoga morate eksperimentirati s drugim elementima.

A/B testiranje, poznato i kao split testiranje, jedan je od najefikasnijih načina da dođete do mjerljivih (i zasnovanih na dokazima) poboljšanja vaše web stranice. U praksi to izgleda ovako: razvijaju se dvije verzije sadržaja - na primjer, za odredišnu stranicu - i dvije takve stranice se istovremeno pokreću za publiku iste veličine kako bi se otkrilo koja bolje funkcionira. Takav test, pravilno izveden, pokazuje koje promjene će pomoći u povećanju konverzija.

Mnogi ljudi imaju pitanja o tome kako pokrenuti i uspješno provesti A/B testiranje. Ovo su najčešće postavljana pitanja i odgovori na njih.

1. Kada je A/B testiranje dobra/loša ideja?

Najčešće takvi testovi ne uspiju jer iza njih ne stoje jasni ciljevi – pa morate znati šta testirate. Na primjer, koristite ovaj kviz da testirate teoriju: Da li bi ova slika pomogla u povećanju konverzija ako bi se dodala na odredišnu stranicu? Da li je veća vjerovatnoća da će ljudi pritisnuti plavo ili crveno dugme? Šta se događa ako promijenite naslov kako biste naglasili da je ponuda ograničena? Učinak svih ovih promjena je prilično mjerljiv.

Ljudi imaju mnogo problema s izvođenjem A/B testova kada je cilj previše nejasan, poput testiranja dva dizajna s puno razlika. Ovo može potrajati dok se ne utvrdi jasan pobjednik, a mogu se izvući netačni zaključci, postojaće neizvjesnost o tome šta je zaista uzrokovalo povećanje konverzija.

2. Koliko varijacija treba biti u A/B testiranju?

Recimo da ste obavili dobar posao i imate četiri nevjerovatne ideje za dizajn odredišne ​​stranice. Naravno, želio bih pokrenuti sve četiri opcije odjednom i odrediti pobjednika, ali takvo istovremeno lansiranje se više ne može smatrati A/B testiranjem. Brojni faktori iz svake opcije mogu, da tako kažem, poprskati čistu vodu rezultata. Ljepota ispravnog A/B testiranja je u tome što je pouzdano i specifično.

3. Šta je nulta hipoteza?

Nulta hipoteza je hipoteza da je razlika u rezultatima posljedica greške uzorkovanja ili standardnih fluktuacija. Razmislite o bacanju novčića. Iako su šanse da joj padne na glavu 50/50, ponekad su u praksi 51/49 ili neki drugi slučajni odnos. Međutim, što više bacate novčić, to ćete više završiti sa rezultatom 50/50.

U statistici se ispravnost ili neispravnost neke ideje dokazuje osporavanjem nulte hipoteze. U našem slučaju, osporavanje ove hipoteze je testiranje na dovoljno dugo vrijeme da se isključe slučajni rezultati. Ovo se također naziva postizanjem statističke značajnosti.

4. Koliko je pregleda stranice potrebno da se dobije dobar rezultat A/B testa?

Prije nego provjerite rezultate A/B testa, trebali biste se uvjeriti da je dostigao statističku značajnost – neki trenutak nakon kojeg možete biti 95 posto ili više sigurni da je rezultat tačan.

Dobra stvar je što mnogi alati za testiranje već imaju ugrađen brojač statističke značajnosti: sa njim ćete dobiti signal kada rezultati testa budu spremni za interpretaciju. Ako takav brojač ne postoji, možete koristiti jedan od mnogih besplatnih kalkulatora i alata za izračunavanje statističke važnosti.

5. Šta je multivarijantno testiranje i po čemu se razlikuje od A/B testiranja?

A/B testovi se obično koriste za određivanje jednog efikasnog redizajn rješenja za postizanje određenog cilja (na primjer, povećanje konverzija). Multivarijantno testiranje se obično koristi za testiranje malih promjena u dužem vremenskom periodu. Pokriva višestruke elemente stranice i provjerava sve moguće kombinacije ovih elemenata za kontinuiranu optimizaciju. HubSpot stručnjak Corey Eridon objašnjava razlike u korištenju jednog ili drugog testa:

“A/B testiranje je odlična metoda ako želite brze i značajne rezultate. Budući da su promjene sa stranice na stranicu jasno vidljive, bit će lakše odrediti koja stranica ima najbolji učinak. Takođe je pravi izbor ako vaša stranica ima malo prometa.

Ali za ispravne rezultate u multivarijantnom testiranju potrebna vam je stranica s velikim prometom, jer se u takvom testiranju provjerava nekoliko različitih promjenjivih elemenata.

Ako imate dovoljno prometa za multivarijantno testiranje (iako čak i tada možete koristiti A/B testove za testiranje novih dizajna i izgleda), najbolje ga je provesti kada želite napraviti suptilne promjene na stranici, razumjeti kako određeni elementi stupaju u interakciju s međusobno i postepeno poboljšavaju postojeći dizajn.

6. Da li je istina da A/B testiranje negativno utiče na SEO?

Postoji mit da A/B testovi snižavaju rang stranice u pretraživačima jer se mogu klasifikovati kao dupli sadržaj (za koji se ne zna da je baš prijateljski za pretraživače). Međutim, to apsolutno nije slučaj - uz pravi pristup testiranju. Zapravo, Googleov Matt Cutts savjetuje pokretanje split testova kako biste poboljšali funkcionalnost vaše stranice. Na primjer, Website Optimizer također dobro razotkriva ovaj mit.

Ako ste još uvijek uvjereni u suprotno, uvijek možete dodati noindex oznaku jednoj od varijacija na stranici. Pročitajte detaljna uputstva za dodavanje takve oznake.

Napomena urednika. Nedavno je Google objavio o sprječavanju negativnog utjecaja A/B testova na poziciju stranice u rezultatima Google pretraživanja.

7. Kako i kada mogu protumačiti rezultate split testa?

Test je u toku. Podaci se počinju akumulirati. I želite da saznate ko je pobednik. Ali rana faza nije pravo vrijeme za tumačenje rezultata testa. Sačekajte dok vaš test ne dostigne statističku značajnost (pogledajte korak 4), a zatim se vratite na svoju prvobitnu hipotezu. Da li je test konačno potvrdio ili opovrgnuo vaše pretpostavke? Ako jeste, možete izvući neke zaključke. Kada analizirate testiranje, nemojte žuriti da njegove rezultate pripišete određenim promjenama. Uverite se da postoji jasna veza između promena i rezultata i da nema uticaja bilo kakvih faktora koji su ovde pomešani.

8. Koliko promjenjivih elemenata treba testirati?

Potreban vam je test sa uvjerljivim rezultatima, trošite svoje vrijeme na njega i stoga, svakako, želite na kraju dobiti jasan odgovor. Problem sa testiranjem više izmjena u isto vrijeme je taj što ne možete precizno odrediti koja je korisnija. Odnosno, možete, naravno, reći koja stranica ima bolji učinak u cjelini, ali ako se tri ili četiri promjenjiva elementa testiraju na svakom od njih, nećete znati koji element šteti stranici i nećete moći uvesti korisne elemente na druge stranice. Naš savjet: Pokrenite seriju osnovnih testova, unoseći po jednu promjenu svaki put, da biste ponovili najefikasniju verziju stranice.

9. Šta treba da testiram?

• Pozivi na akciju.Čak i ako uzmete u obzir ovaj jedan element, možete testirati nekoliko različitih stvari. Samo budite sigurni da razumijete koji specifični aspekt poziva na akciju želite testirati. Možete testirati sam tekst poziva: na šta gura onoga ko ga pogleda? Možete testirati lokaciju: gdje je na stranici najbolje mjesto za upućivanje poziva? Također možete testirati oblik i stil: kako izgleda?
• Naslov. Ovo je obično prva stvar koju posjetitelj pročita na vašoj web stranici, tako da je potencijal uticaja značajan. Isprobajte različite stilove naslova u svom A/B testiranju. Uvjerite se da je razlika između svakog naslova jasna i da to nije samo bezumno prepisivanje istog naslova. Ovo je neophodno kako bi se tačno znalo šta je izazvalo promene.
• Slika.Šta je efikasnije? Slika osobe koja koristi vaš proizvod ili sam proizvod? Isprobajte različite varijacije stranice s različitim pomoćnim slikama i vidite ima li razlike.
• Dužina teksta. Da li bi njegovo skraćivanje pomoglo da poruka bude jasnija? Ili, naprotiv, treba li vam još teksta da objasnite suštinu rečenice? Isprobavanjem različitih verzija osnovnog teksta, možete odrediti koliko je pojašnjenja potrebno čitaocu prije konverzije. Da bi ovaj test funkcionirao, pokušajte koristiti tekstove približno istog sadržaja, mijenjajući samo njihovu dužinu.

10. Može li A/B testiranje testirati nešto drugo osim web stranica?

Svakako! Osim odredišnih stranica i web stranica, mnogi trgovci koriste A/B testove za prijemne sandučiće e-pošte, kampanje plaćanja po kliku (PPC) i pozive na akciju.

• Email. Ovdje elementi koji se mogu provjeriti mogu biti predmet pisma, tehnike personalizacije, ime pošiljaoca.
• PPC kampanje. Tokom ovih kampanja, možete primijeniti A/B testiranje na naslov, tijelo teksta, tekst linka i ključne riječi.
• Poziv na akciju. Ovdje možete eksperimentirati s tekstom poziva, njegovim oblikom, shemom boja i lokacijom na stranici.

11. Kako mogu pronaći primjere A/B testiranja od sličnih kompanija?

Postoji niz stranica koje prikupljaju primjere i rezultate A/B testiranja. Neki vam omogućavaju da pretražujete po tipu kompanije, a većina pružaju detaljne informacije o tome kako je kompanija interpretirala rezultate testa. Ako tek počinjete s A/B testiranjem, možda će vam biti od pomoći da pročitate neke od ovih stranica kako biste shvatili šta vaša kompanija treba da testira.

• WhichTestWon.com. Na ovoj stranici postoji nekoliko primjera, a postoje i neka godišnja takmičenja na kojima možete predati svoje testove.
• Visual Website Optimizer nudi softver za A/B testiranje. Blog kompanije ima nekoliko primjera iz kojih možete naučiti.
• ABTests.com. Ova stranica više nije ažurirana, ali ima dobru arhivu A/B testova.

12. Šta da radim ako ne vjerujem rezultatima?

Ako zaista ne vjerujete rezultatima i isključili ste bilo kakve greške ili probleme vezane za valjanost testa, najbolje je da ponovite isti test. Tretirajte ga kao potpuno zaseban test i provjerite možete li ponoviti rezultat. Ako se ponavlja iznova i iznova, vjerovatno mu se može vjerovati.

13. Koliko često trebam izvoditi A/B testiranje?

Na vašoj web stranici uvijek postoji nešto za testiranje. Samo se pobrinite da svaki test ima jasnu svrhu i da rezultira funkcionalnijom web lokacijom za vaše posjetitelje i kompaniju. Ako pokrenete puno testova i završite s minimalnim utjecajem i manjim pobjedama, ponovo razmislite o svojoj strategiji testiranja.

14. Šta mi je potrebno da pokrenem A/B testiranje na sajtu?

Najbolji način za pokretanje A/B testiranja je korištenje namjenskog softvera kao što je Visual Website Optimizer, HubSpot, Unbounce. Ako vam ne smeta da se malo poigrate s kodom, Google također ima besplatan alat pod nazivom Content Experiments u Google Analytics. Malo se razlikuje od tradicionalnog A/B testiranja, ali ako ste tehnički potkovani, ovaj alat vrijedi isprobati.

15. Koje su zamke valjanosti osim veličine uzorka?

Prošle godine, MECLABS je sastavio kolekciju prijetnji validnosti testova. Ovdje dr. Flint McGlaughlin govori o greškama u testiranju i kako smanjiti rizik od njih u vašim testovima. Preporučujemo da pročitate cijeli tekst, ali ipak navedite nekoliko grešaka sa liste:

• Nešto se događa u vanjskom svijetu što uzrokuje negativne predrasude u rezultatima testa.
• Greška u softveru za testiranje potkopava njegove rezultate.

16. Da li trebam provesti A/B testiranje glavne stranice stranice?

Zadatak razvoja izvodljivog testa za testiranje početne stranice može biti veoma težak. Promet na ovoj stranici je vrlo promjenjiv, jer tamo idu svi - od slučajnih posjetitelja do potencijalnih kupaca i stvarnih kupaca. Osim toga, obično postoji ogromna količina sadržaja na početnoj stranici, tako da može biti teško odrediti u jednom testu šta posjetitelje tjera da nešto preduzmu ili ne.

Konačno, zbog činjenice da na vašu početnu stranicu dolaze potpuno različiti posjetitelji, može biti problematično odrediti konkretnu svrhu testa i stranice. Možete, na primjer, krenuti u testiranje konverzija, ali ako probna stranica dobije više posjeta od potencijalnih kupaca stvarnim kupcima, vaši ciljevi za tu grupu mogu se promijeniti.

Ako i dalje želite testirati svoju početnu stranicu, pogledajte testove poziva na akciju.

17. Šta ako nemam master verziju stranice?

Kontrolna verzija je postojeća verzija web stranice, prema kojoj biste normalno gurali nove verzije. Možda biste željeli testirati i dvije verzije stranice koje ranije nisu postojale. I to je sasvim normalno. Samo pozovite jednog od njih kontroloru. Pokušajte odabrati onu koja je po dizajnu najsličnija postojećoj stranici, a drugu upotrijebite kao opciju.

18. Zašto A/B testiranje nije uvijek 50/50?

Ponekad kada provodite A/B test, možete primijetiti da različite verzije stranica imaju različit promet. To ne znači da nešto nije u redu sa testom, samo se slučajno pojavljuju slučajna odstupanja. Razmislite o bacanju novčića. Šanse za 'glave' i 'repove' su 50/50, ali ponekad dođe do repova, na primjer, 3 puta zaredom. Međutim, što je veći promet na vašoj stranici, rezultati testa bi trebali biti bliži 50/50.

Izdali smo novu knjigu "Marketing sadržaja društvenih medija: Kako ući u glavu pretplatnika i natjerati ih da se zaljube u vaš brend."

Ako ste kao dijete voljeli rastavljati automobile s motorom ili miješati sve tekućine koje su bile u kući, onda je ovaj članak za vas. Danas ćemo pogledati A/B testiranje web stranice i otkriti zašto se u pravim rukama pretvara u moćno oružje. Iskopavamo duh eksperimentatora u dubini svijesti, otresemo prašinu s njega i čitamo.

Šta je A/B testiranje web stranice?

Ukratko, to je metoda procjene učinka dvije varijacije iste stranice. Na primjer, postoje dva dizajna kartica proizvoda i oba su toliko cool da ne možete ni spavati ni jesti. Logičan izlaz je provjeriti koja opcija najbolje radi. Da bi to učinili, polovini posjetitelja prikazana je opcija broj 1, a pola - opcija broj 2. Pobjednik je onaj ko se bolje nosi sa zadacima.

Ovo nije jedini način za korištenje A/B (ili split) testiranja stranice. Pomoću njega možete testirati lude hipoteze, pogodnost nove strukture stranice ili različite tekstualne opcije.

Kako se provodi A/B testiranje web stranice

Formulacija problema

Prvo morate odlučiti o cilju. Shvatite šta želite postići: povećati broj konverzija, vrijeme provedeno na web stranici ili smanjiti stopu posete početne stranice. Ako je sve u redu sa ciljevima i ciljevima, promijenite sadržaj ili dizajn na osnovu njih. Na primjer, možete pratiti putanju svih hakera rasta i promijeniti lokaciju i dizajn gumba Kupi. Trenutno visi u donjem levom uglu i želite da vidite šta će se desiti ako promenite njegov izgled i pomerite dugme gore i desno.

Tehnička implementacija

Ovdje je sve jednostavno - ili se kreira posebna stranica, na kojoj se mijenja samo objekt testiranja, ili programer koristi magiju i implementira sve u okviru jednog dokumenta.

Priprema kontrolnih podataka

Stranica je preuređena i sve je spremno za pokretanje testa. Ali prvo moramo izmjeriti početne stope konverzije i sve ostale parametre koje ćemo razmotriti. Originalnoj verziji stranice dodjeljujemo naziv “A”, a novoj “B”.

Test

Sada moramo nasumično podijeliti promet na pola. Polovini korisnika prikazana je stranica A, a ostalim - B. Da biste to učinili, možete koristiti posebne usluge (ima ih puno) ili sve učiniti rukama programera.

Istovremeno, važno je da „sastav“ saobraćaja bude isti. Eksperiment neće biti objektivan ako je samo prva opcija dostupna svim korisnicima koji dođu klikom na kontekst, a samo druga opcija dostupna je svim posjetiteljima sa društvenih mreža.

Analiza

Sada morate pričekati dok se ne prikupi dovoljno statistike i uporediti rezultate A/B testiranja. Koliko dugo ćete morati da čekate zavisi od popularnosti sajta i nekih drugih parametara. Uzorak mora biti statistički značajan. To znači da vjerovatnoća slučajnog rezultata ne smije biti veća od 5%. Primjer: Recimo da obje stranice imaju isti broj posjeta - po hiljadu svake. U isto vrijeme, stranica A ima 5 ciljnih radnji, a stranica B ima 6. Rezultat se premalo razlikuje da bi se moglo govoriti o obrascu, tako da nije prikladan.

Većina specijalnih službi sama izračunava prag statističke značajnosti. Ako sve radite ručno, možete koristiti kalkulator.

Donošenje odluke

Na vama je kako ćete se nositi s rezultatima testa. Ako je novi pristup uspio, možete ga ostaviti na web mjestu s novom verzijom stranice. Istovremeno, nije potrebno stati na tome, pogotovo ako vidite da još uvijek postoji potencijal za rast pokazatelja. U tom slučaju ostavite opciju B na sajtu i pripremite novi test.

Kako napraviti cilj A/B i split testiranja

Smanjite uticaj spoljašnjih faktora.Već smo se malo dotakli ove teme - potrebno je da testirate u istom vremenskom periodu, a izvori prometa bi trebali biti isti za obje stranice. Ako ne vodite računa o jednakim uslovima, dobićete nereprezentativni uzorak. Ljudi iz pretraživanja se ponašaju drugačije na stranici od posjetitelja iz grupe na Facebooku ili Vkontakteu. Isto je i sa obimom saobraćaja - trebao bi biti približno isti.

Minimizirajte uticaj unutrašnjih faktora.To vrijedi za web stranice velikih kompanija – na statistiku mogu snažno utjecati i sami zaposlenici kompanije. Posjećuju stranicu, ali ne poduzimaju nikakve ciljane radnje. Stoga ih treba isključiti iz statistike. Da biste to učinili, morate instalirati filter u sisteme web analitike.

Osim toga, postoji prilično očigledna stvar koja se ponekad zaboravlja. Morate testirati jedan element. Ako ste promijenili pola stranice odjednom, ali nije došlo do potpunog redizajna stranice, rezultati eksperimenta neće biti valjani.

Da li A/B testiranje web stranice utiče na SEO?

Postoji popularan mit da A/B testiranje može ići postrance, jer zbog duplih stranica možete doći pod filtere pretraživača. To nije istina. Google vam čak govori kako da to uradite kako treba i nudi posebne alate za to.

Šta i kako se može poboljšati A/B testiranjem

• konverzija.Najpopularnija opcija. Čak i mala promjena na stranici može utjecati na vašu stopu konverzije. U ovom slučaju, ciljna radnja se može smatrati i kupovinom, i registracijom, i pregledom stranice, i pretplatom na newsletter, i klikom na link.
• Prosečna provera.U ovom slučaju često se testiraju novi blokovi dodatne prodaje: „slični proizvodi“ i „često kupujte s ovim proizvodom“.

• faktori ponašanja.To uključuje dubinu pregledavanja, prosječno vrijeme na stranici i odbijanja.

Obično pokušajte promijeniti:

• Dizajn gumba "Kupi", "Ostavi zahtjev".
• Sadržaj stranice: naslovi, opis proizvoda, slike, pozivi na akciju i sve ostalo.
• Lokacija i izgled bloka sa cijenama.
• Struktura stranice.
• Izgled, struktura i dizajn obrasca za prijavu.

U principu, sve može funkcionirati, niti jedan Wang ne može točno reći kako povećati konverziju ili prosječnu provjeru. Postoji mnogo preporuka, ali uzeti u obzir sve je jednostavno nerealno, a mogu djelovati i sa suprotnim efektom. A ponekad potpuno nelogične stvari dovode do boljeg učinka, na primjer, odbijanje detaljnog opisa robe. Probajte različite pristupe i opcije, to je test.

Alati za A/B testiranje web stranice

Ima ih samo gomila, pa smo izabrali najbolje. Svi su na engleskom i stoga skupi, ali svaki ima besplatan probni period. U Rusiji samo lpgenerator.ru radi nešto slično, ali tamo se mogu testirati samo odredišne ​​stranice kreirane u konstruktoru servisa. Nećete moći učitati svoju stranicu.

Optimizely.com

Jedna od najpopularnijih usluga. U mogućnosti testirati sve iu bilo kojoj kombinaciji. Ostale prednosti: mogućnost višekanalnog testiranja, eksperimenti sa mobilnim aplikacijama, pogodni filteri rezultata, targetiranje, vizuelni uređivač i malo web analitike.

changeagain.me

Prilično zgodan servis, glavna prednost je jednostavna i potpuna integracija sa Google Analytics: ciljevi se mogu kreirati direktno u servisu, a zatim se automatski učitavaju u sistem. Ostale funkcije su manje-više standardne: jednostavan vizualni uređivač, ciljanje po uređaju i zemlji. određeni set zavisi od tarifnog plana.

ABtasty.com

Ovu uslugu odlikuje veliki probni period - traje čak 30 dana, umjesto standardnih 14-15 dana. Osim toga, alat se integrira sa WordPress, Google Analytics i nekoliko drugih usluga koje koriste strani trgovci i webmasteri. Dodatne prednosti: korisničko sučelje i detaljno ciljanje.

Kako A/B testirati pomoću Google Analytics

Da biste to učinili, morate se prijaviti na svoj račun, otvoriti meni izvještaja, skrolovati do kartice "Ponašanje" i kliknuti na "Eksperimenti" u njoj. Tamo je sve krajnje jednostavno.

Eksperimentu dajemo naziv, distribuiramo promet po stranicama u potrebnom omjeru, biramo ciljeve i prelazimo na sljedeći korak - detaljna podešavanja.

Tu se postavljaju adrese stranica A i B. Ako označite polje „Objedini varijante za ostale izvještaje po sadržaju“, onda će se u ostalim izvještajima indikatori svih varijanti uzeti u obzir kao indikatori originalne stranice.

Nakon toga, Analytics će generirati kod koji trebate postaviti na stranicu A i pokrenuti eksperiment. Izvještaji o učinku mogu se vidjeti u istom meniju Eksperimenti.

Kako postaviti Yandex Metrica za A/B testiranje

Rad je podijeljen u dva dijela. Prvi korak je kreiranje dvije stranice ili konfiguriranje jedne tako da korisniku prikazuje dvije različite vrste elemenata. Kako to učiniti je tema za poseban veliki članak, pa ćemo je za sada zaobići.

Nakon toga morate prenijeti informacije o tome koju verziju web-mjesta je korisnik vidio u metriku. Mala instrukcijadaje sebi "Yandex" . Za nas trebamo kreirati parametar A/B testiranja i dodijeliti mu željenu vrijednost. U slučaju dugmeta, parametar definišemo kao:

var yaParams = (ab_test: "Button1" );

ili

var yaParams = (ab_test: "Button2" );

Nakon toga, parametar se prenosi u "Metricu" i može se koristiti za generiranje izvještaja o "Parametrima posjeta".

Rezultati

A/B (ili split) testiranje stranice je važan, neophodan i gotovo obavezan alat. Ako redovno testirate nove hipoteze, performanse stranice mogu se podići na novi nivo. Ali ne može se reći da to zahtijeva minimum napora. Da biste jednostavno promijenili lokaciju ili boju gumba, morat ćete uključiti programera ili dizajnera, čak i ako to ne traje mnogo vremena. Osim toga, svaka pretpostavka može biti pogrešna. Ali oni koji ne rizikuju ne dobijaju povećan protok aplikacija i ne trče srećni po kancelariji.

Originalna objava: http://quality-lab.ru/a-b-testing/

Uvod

Emocije pokreću ljude, a upravljanje emocijama ljudi san je svakog trgovca. Po pravilu, sve inovacije su zasnovane na subjektivnom „čini mi se da će biti ljepše/pogodnije“. Mnogo rjeđe, za određenu promjenu, vrši se analiza mišljenja kupaca. Moguće je osloniti se na subjektivnu procjenu trgovca, ali je rizično. Sastavljanje fokus grupe je skupo. Jednostavno uvođenje promjene i gledanje šta će se dogoditi nakon određenog vremena nije naučno.

Dakle, kako još uvijek odrediti prednosti promjene bez gubitka kupaca i vremena? Ovo pitanje se rješava A/B testiranjem. Njegovo korištenje dovodi do povećanja prometa kupaca i stepena konverzije stranice, do povećanja broja prodaja, klikova i lajkova.

Šta je to?

Definicija sa Wiki:
A/B testiranje(englesko A/B testiranje, Split testiranje) - metoda marketinškog istraživanja. Suština metode je da se kontrolna grupa elemenata upoređuje sa skupom test grupa (u kojima je promijenjen jedan ili više indikatora) kako bi se utvrdilo koje promjene poboljšavaju ciljni indikator. Varijacija A/B testiranja je multivarijantno testiranje. U ovom slučaju se ne testiraju dvije kompletne opcije, već nekoliko elemenata proizvoda ili komponenti objekta koji se proučava u različitim kombinacijama odjednom, pri čemu svaki testirani element može biti dva tipa (A ili B).

Jednostavno rečeno, cijeli tok ljudi na stranici podijeljen je u dvije grupe. Jedna grupa se prikazuje na glavnoj stranici, na primjer, pomoću dugmeta za prijavu (opcija A). Druga grupa je ista stranica, ali sa dugmetom Prijavi se besplatno (Opcija B). Testiranje se vrši povremeno. Na kraju svake sesije, rezultati se sumiraju i izračunava pobjednička opcija. Primjer multivarijatnog A/B testiranja prikazan je na dijagramu:

Kako testirati?

Zamislite situaciju: onlajn banka je trebala povećati broj zahtjeva za kreditiranje fizičkih lica. Na sajtu je već postojao baner sa pozivom da se popuni prijava, ali su trgovci ponudili da ga finalizuju. Odjeljenju za testiranje dostavljena su dva izgleda za A/B testiranje:

Prije svega, odjel za testiranje se odlučio za alate koji vam omogućavaju bilježenje statistike i analizu rezultata. Na webu postoje desetine platformi za A/B testiranje, od kojih su najpopularnije:

Svi su na svoj način zgodni i sadrže dovoljan broj funkcija da postanu nezamjenjiv pomoćnik pri provođenju A/B testiranja. Izbor naših testera pao je na besplatni Google Content Experiment (ovo rješenje je dio Google Analytics i može samostalno odrediti pobjednika).

Uz pomoć ove platforme napravljen je eksperiment za testiranje na web stranici banke. Da bi se dobili tačni rezultati, bilo je potrebno provesti nekoliko sesija testiranja u trajanju od dvije sedmice. U prvoj sesiji testeri su dobili mješoviti rezultat (konverzija u dvije opcije je bila gotovo jednaka, tako da nije bilo moguće odrediti pobjednika A/B testiranja). Nakon niza sličnih eksperimenata, testeri su ipak uspjeli dobiti jasan rezultat testa: pobijedila je druga verzija banera (sa porodičnom fotografijom). Možda je to bilo zbog činjenice da je posljednja sesija pala na novogodišnje praznike: ciljna publika je bila lojalnija i ljubaznija.

Rezultat priče: ako su se ranije 2 od 10 koji su pogledali baner prijavili za kredit, sada je to 4 od 10.

Vratimo se na alate za A/B testiranje. Za alate koji ne znaju kako odrediti pobjednika, rezultati sesije A/B testiranja mogu se obraditi ručno ili pomoću kalkulatora. Prilikom ručne obrade potrebno je uzeti u obzir omjer konverzije prema broju posjeta stranici. Ovo je dugotrajan proces koji će zahtijevati da budete fokusirani i precizni; može potrajati nekoliko sati. Mnogo je praktičnije koristiti gotovo rješenje - kalkulator: samo trebate unijeti rezultate testa i dobiti pobjedničku opciju. Gotovo svi kalkulatori za A/B testiranje su na engleskom, ali ih ima