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

(split testiranje, A/B testiranje, Split testiranje) na web stranici je marketinška metoda koja se sastoji od praćenja kontrolnih (A) i testnih (B) grupa elemenata – stranica web stranica koje se razlikuju samo po nekim pokazateljima, kako bi se povećati konverziju web stranice. Stranice se posjetiteljima prikazuju jedna po jedna u jednakim udjelima, a nakon postizanja potrebnog broja pojavljivanja, na temelju dobivenih podataka određuje se najkonvertirajuća opcija.

Faze A/B testiranja

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

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

Korak 2. Snimanje početnih statističkih podataka

3. korak Testiranje postavki i samog procesa

Korak 4. Procjena rezultata i implementacija najbolje opcije

Korak 5. Ponovite eksperiment na drugim stranicama ili s drugim elementima ako je potrebno

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 je dovoljno 100 radnji konverzije na stranici i potrebno je oko 2-4 tjedna.

Stranice za testiranje

Za testiranje možete odabrati bilo koju stranicu web-mjesta koja je važna s gledišta konverzije. Najčešće je to početna stranica, stranice za registraciju/prijavu i stranice prodajnog toka. U ovom slučaju, bolje je obratiti pozornost na sljedeće točke:

1. Najposjećenije stranice na stranici
2. Stranice sa skupim posjetama
3. Stranice s odbijanjima

Prvi je nužan za čistoću eksperimenta, drugi i treći su nužni za prepoznavanje slabih točaka na mjestu.

Najčešće se za testiranje biraju gumbi, tekst, slogan poziva na akciju i izgled stranice u cjelini. Za odabir elementa možete koristiti sljedeći algoritam:

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

1. Dodajte riječ "Besplatno"
2. Objavite video s objašnjenjem
3. Zalijepite gumb za registraciju na vrh stranice
4. Smanjite broj polja u aplikaciji
5. Dodajte brojač posebnih ponuda
6. Dodajte besplatnu probu
7. Promijenite boju gumba ili tekst na njima

Automatizacija testiranja

Postoji nekoliko plaćenih i besplatnih alata za automatizaciju procesa testiranja s različitim skupovima funkcija. Može se vidjeti veliki popis. Najpopularniji se može nazvati eksperimenti u Google Analyticsu. Besplatan je, rusificiran, jednostavan za učenje, a ako je na web mjestu instaliran brojač, ne morate čekati da se prikupe početni podaci i možete pokrenuti eksperiment u samo nekoliko klikova.

A/B testiranje pomoću Google Analyticsa

Pogledajmo proces izrade testa u Google Analyticsu. Da biste to učinili, idite na karticu Izvješća->Ponašanje->Eksperimenti. Unesite URL stranice koju želite testirati i kliknite "Pokreni eksperiment".

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

U drugom koraku morat ćete navesti adrese glavne (kontrolne) stranice i njezinih varijanti.

Ako je sve napravljeno kako treba, sustav će dati zeleno svjetlo za početak testiranja.

Rezultat eksperimenta je vrlo vizualan i može izgledati ovako:

Suprotno uvriježenom mišljenju (uostalom, stvaraju se duplicirane stranice), takvo testiranje nema negativan utjecaj na poziciju stranice. Na alternativnim stranicama dovoljno je napisati rel=”canonical”.

Važne informacije 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 postavljanja postavki odaberite nove posjetitelje stranice
4. O rezultatima se može suditi samo na širokom uzorku, po mogućnosti najmanje 1000 ljudi
5. Procijenite rezultate odjednom
6. Ne vjerujte sebi, ne razmišljaju svi korisnici kao vi, tako da vaša preferirana opcija može biti daleko od pobjede.
7. Rezultati A/B testiranja možda neće uvijek donijeti željene rezultate u povećanju konverzija. To znači da moramo eksperimentirati s drugim elementima.

A/B testiranje, također poznato kao split testiranje, jedan je od najučinkovitijih načina da dođete do mjerljivih (i znanstveno utemeljenih) poboljšanja vaše web stranice. U praksi to izgleda ovako: razvijaju se dvije verzije sadržaja - na primjer, za odredišnu stranicu - i dvije se takve stranice istovremeno pokreću publici iste veličine kako bi se vidjelo koja ima bolju izvedbu. Ovaj test, pravilno obavljen, pokazuje koje će promjene pomoći u povećanju konverzija.

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

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

Najčešće ti testovi padaju jer iza njih ne stoje jasni ciljevi – stoga morate znati što testirate. Na primjer, upotrijebite ovakav test da testirate teoriju: Bi li ova slika pomogla u povećanju konverzija ako se doda na odredišnu stranicu? Jesu li ljudi skloniji pritisnuti plavi ili crveni gumb? Što se događa ako promijenite naslov kako biste naglasili da je ponuda ograničena? Učinak svih ovih promjena prilično je mjerljiv.

Ljudi imaju mnogo problema s izvođenjem A/B testova kada je cilj previše nejasan, kao što je testiranje dva dizajna s mnogo razlika. To se može povući dugo dok se ne odredi jasan pobjednik, au tom slučaju se mogu izvući netočni zaključci i postojat će neizvjesnost o tome što je uzrokovalo povećanje konverzije.

2. Koliko bi varijanti trebalo biti u A/B testiranju?

Recimo da ste napravili domaću zadaću i imate četiri nevjerojatne ideje za dizajn odredišne ​​stranice. Naravno, volio bih pokrenuti sve četiri opcije odjednom i odrediti pobjednika, ali takvo istovremeno pokretanje više se ne može smatrati A/B testiranjem. Niz faktora iz svake opcije može zamutiti čistu vodu rezultata, da tako kažemo. Ljepota ispravnog A/B testiranja je u tome što su rezultati pouzdani i specifični.

3. Što je nulta hipoteza?

Nulta hipoteza je hipoteza da je razlika u rezultatima posljedica pogreške uzorkovanja ili standardne varijacije. Razmislite o bacanju novčića. Iako su šanse da će pasti na glavu 50/50, ponekad su u praksi 51/49 ili neki drugi omjer ovisno o šansi. Međutim, što više bacate novčić, to ćete se na kraju približiti rezultatu 50/50.

U statistici, ideja se dokazuje ispravnom ili pogrešnom osporavanjem nulte hipoteze. U našem slučaju, osporavanje ove hipoteze je provođenje testiranja dovoljno dugo da se isključe slučajni rezultati. To se također naziva postizanjem statističke značajnosti.

4. Koliko je posjeta stranici potrebno za dobar rezultat A/B testiranja?

Prije provjere rezultata A/B testa, trebali biste se uvjeriti da je dosegao statističku značajnost - određenu točku u kojoj možete biti 95 posto ili više sigurni da je rezultat točan.

Dobra vijest je da mnogi alati za testiranje već imaju ugrađeni brojač statističke značajnosti koji vas upozorava kada su rezultati testa spremni za tumačenje. Ako nemate takav brojač, možete koristiti jedan od mnogih besplatnih kalkulatora i alata za izračun statističke značajnosti.

5. Što je multivarijatno testiranje i po čemu se razlikuje od A/B testiranja?

A/B testovi obično se koriste za prepoznavanje jednog učinkovitog rješenja redizajna za postizanje određenog cilja (kao što je povećanje konverzija). Multivarijantno testiranje obično se koristi za testiranje malih promjena tijekom duljeg vremenskog razdoblja. Pokriva više elemenata web stranice i provjerava sve moguće kombinacije tih elemenata za kontinuiranu optimizaciju. HubSpot stručnjak Corey Eridon objašnjava razlike u korištenju jednog ili drugog testa:

“A/B testiranje je izvrsna metoda ako želite brze, smislene rezultate. Budući da su promjene od stranice do stranice jasno vidljive, bit će lakše reći koja stranica ima najbolju izvedbu. Ovo je također pravi izbor ako vaša stranica ima nizak promet.

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

Ako imate dovoljno prometa za višedimenzionalno testiranje (iako i dalje možete koristiti A/B testove za testiranje novih dizajna i izgleda), najbolje ga je provesti kada želite napraviti suptilne promjene na stranici, kako biste razumjeli kako određeni elementi komuniciraju s međusobno i postupno poboljšavati postojeći dizajn.”

6. Je li istina da A/B testiranje negativno utječe na SEO?

Postoji mit da A/B testovi snižavaju rang stranice u tražilicama jer se može klasificirati kao dvostruki sadržaj (za koji je poznato da tražilice ne reagiraju baš povoljno). Međutim, to apsolutno nije tako - s pravim pristupom testiranju. Zapravo, Googleov Matt Cutts preporučuje pokretanje podijeljenih testova za poboljšanje funkcionalnosti vaše web stranice. Website Optimizer također dobro opovrgava ovaj mit, na primjer.

Ako ste i dalje uvjereni u suprotno, uvijek možete dodati oznaku noindex jednoj od varijacija stranice. Pročitajte detaljne upute o tome kako dodati takvu oznaku.

Riječ glavnog urednika. Google je nedavno objavio kako spriječiti da A/B testovi negativno utječu na rangiranje vaše web stranice u rezultatima Google pretraživanja.

7. Kako i kada mogu protumačiti rezultate split testa?

Test počinje. Podaci se počinju gomilati. I želite saznati tko je pobjednik. Ali rane faze nisu pravo vrijeme za tumačenje rezultata ispitivanja. Pričekajte dok vaš test ne dosegne statističku značajnost (pogledajte korak 4), a zatim se vratite na svoju izvornu hipotezu. Je li test definitivno potvrdio ili opovrgnuo vaše pretpostavke? Ako da, možete izvući neke zaključke. Kada analizirate testiranje, nemojte žuriti s pripisivanjem njegovih rezultata određenim promjenama. Uvjerite se da postoji jasna veza između promjena i rezultata te da nema zbunjujućih čimbenika.

8. Koliko promjenjivih elemenata treba ispitati?

Potreban vam je test s uvjerljivim rezultatima, trošite vrijeme na njega, pa vjerojatno želite na kraju dobiti jasan odgovor. Problem s testiranjem više promjena u isto vrijeme je taj što nećete moći točno odrediti koja je bila najkorisnija. To jest, sigurno možete reći koja stranica općenito ima bolju izvedbu, ali ako testirate tri ili četiri različita elementa na svakoj stranici, nećete znati koji element šteti stranici i nećete moći uvesti korisne elemente druge stranice. Naš savjet: pokrenite niz osnovnih testova, svaki put po jednu promjenu, kako biste postupno došli do najučinkovitije verzije stranice brutalnom silom.

9. Što trebam testirati?

• Pozivi na akciju.Čak i gledajući ovaj jedan element, možete testirati nekoliko različitih stvari. Samo budite sigurni da razumijete koji specifični aspekt poziva na radnju želite testirati. Možete testirati sam tekst poziva: na što tjera osobu koja ga gleda? Možete testirati izgled: gdje je na stranici najbolje uputiti poziv? Također možete testirati oblik i stil: kako izgleda?
• Titula. To je obično prva stvar koju posjetitelj pročita na vašoj web-lokaciji, tako da je potencijal za utjecaj ovdje značajan. Isprobajte različite stilove naslova u svom A/B testiranju. Provjerite je li razlika između svakog naslova jasna i da to nije samo besmisleno ponavljanje iste stvari. To je neophodno kako bi se točno znalo što je uzrokovalo promjene.
• Slika.Što je učinkovitije? Je li to slika osobe koja koristi vaš proizvod ili sam proizvod? Isprobajte različite varijante stranice s različitim pratećim slikama i provjerite postoji li razlika u izvedbi.
• Dužina teksta. Bi li skraćivanje pomoglo da poruka bude jasnija? Ili vam, naprotiv, treba više teksta da objasnite bit prijedloga? Isprobavanjem različitih verzija glavnog teksta možete odrediti koliko pojašnjenja treba čitatelju prije pretvaranja. Da bi ovaj test uspio, pokušajte koristiti tekstove približno istog sadržaja, mijenjajući samo njihov volumen.

10. Je li moguće A/B testiranjem testirati nešto osim web stranica?

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

• E-mail. Ovdje promjenjivi elementi koji se testiraju mogu biti predmet pisma, tehnike personalizacije i ime pošiljatelja.
• PPC kampanje. Tijekom ovih kampanja možete primijeniti A/B testiranje na naslov, tijelo teksta, tekst veze i ključne riječi.
• Poziv na akciju. Ovdje možete eksperimentirati s tekstom poziva, njegovim oblikom, dizajnom boja i mjestom na stranici.

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

Postoji niz stranica koje sadrže primjere i rezultate A/B testiranja. Neki vam omogućuju pretraživanje prema vrsti tvrtke, a većina pruža detaljne informacije o tome kako je tvrtka protumačila rezultate testa. Ako tek počinjete s A/B testiranjem, bit će vam korisno pročitati neke od ovih stranica kako biste dobili ideju o tome što vaša tvrtka treba testirati.

• WhichTestWon.com. Postoji nekoliko primjera na ovoj stranici, a postoje i neka godišnja natjecanja na koja možete poslati svoje testove.
• Visual Website Optimizer nudi softver za A/B testiranje. Blog tvrtke sadrži neke primjere iz kojih možete učiti.
• ABTests.com. Ova stranica više nije ažurirana, ali postoji dobra arhiva A/B testova.

12. Što trebam učiniti ako ne vjerujem rezultatima?

Ako stvarno ne vjerujete rezultatima i isključili ste bilo kakve pogreške ili probleme s valjanošću testa, najbolje je ponovno provesti isti test. Tretirajte ga kao potpuno zaseban test i pogledajte možete li ponoviti rezultat. Ako se ponavlja iznova i iznova, vjerojatno mu se može vjerovati.

13. Koliko često biste trebali izvoditi A/B testiranje?

Uvijek postoji prilika da testirate nešto na svojoj stranici. Samo se pobrinite da svaki test ima jasan cilj i da rezultira funkcionalnijom web stranicom za vaše posjetitelje i tvrtku. Ako provodite mnogo testova i završite s minimalnim učinkom i nekoliko pobjeda, ponovno razmotrite svoju strategiju testiranja.

14. Što vam je potrebno za početak A/B testiranja na vašoj web stranici?

Najbolji način za pokretanje A/B testiranja je korištenje namjenskog softvera: na primjer, Visual Website Optimizer, HubSpot, Unbounce. Ako vam ne smeta malo petljati s kodom, Google također ima besplatni alat koji se zove Content Experiments u Google Analyticsu. Malo se razlikuje od tradicionalnog A/B testiranja, ali ako ste tehnički napredni, vrijedi pokušati.

15. Koje su još neke zamke valjanosti osim veličine uzorka?

Prošle godine MECLABS je sastavio zbirku prijetnji za testiranje valjanosti. Ovdje dr. Flint McGlaughlin razmatra pogreške u testiranju i kako smanjiti rizik od njihovog susreta u testovima. Preporučamo pročitati cijeli tekst, ali ćemo ipak dati par grešaka s popisa:

• Nešto se događa u vanjskom svijetu što uzrokuje negativnu pristranost u rezultatima testa.
• Greška u softveru za testiranje potkopava rezultate.

16. Je li potrebno provesti A/B testiranje glavne stranice stranice?

Zadatak razvoja valjanog testa početne stranice može biti vrlo težak. Promet na ovoj stranici je vrlo varijabilan, jer dolaze svi - od slučajnih posjetitelja do potencijalnih klijenata i stvarnih kupaca. Osim toga, početna stranica obično sadrži ogromnu količinu sadržaja, tako da može biti teško odrediti u jednom testu što tjera posjetitelje da djeluju ili ne djeluju.

Konačno, budući da na vašu početnu stranicu dolazi mnoštvo različitih posjetitelja, određivanje specifične svrhe testa i stranice može biti izazovno. Možete, na primjer, postaviti cilj testiranja konverzija, ali ako testnu verziju stranice ne posjećuju potencijalni kupci, već stvarni kupci, vaši ciljevi za ovu grupu mogu se promijeniti.

Ako želite testirati svoju početnu stranicu, počnite testirati pozive na akciju.

17. Što ako nemam glavnu verziju stranice?

Kontrolna verzija je postojeća verzija web-stranice na koju obično stavljate nove varijacije. Također biste mogli testirati dvije verzije stranice koje prije nisu postojale. I to je sasvim normalno. Samo nazovite kontrolu nekog od njih. Pokušajte odabrati onu koja je dizajnom najsličnija postojećoj stranici, a drugu koristite kao opciju.

18. Zašto rezultat A/B testiranja nije uvijek 50/50?

Ponekad prilikom provođenja A/B testa možete primijetiti da različite verzije stranica nemaju isti promet. To ne znači da nešto nije u redu s testom, samo da se nasumične varijacije pojavljuju slučajno. Razmislite o bacanju novčića. Šanse za glavu i rep su 50/50, ali ponekad se repovi, na primjer, pojave 3 puta zaredom. Međutim, što je veći promet na vašoj stranici, to bi rezultati testa trebali biti bliži omjeru 50/50.

Izdali smo novu knjigu, Marketing sadržaja društvenih medija: Kako ući u glave svojih sljedbenika i navesti ih da se zaljube u vaš brend.

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

Što je A/B testiranje web stranice?

Ukratko, to je metoda evaluacije učinkovitosti dviju verzija iste stranice. Na primjer, postoje dva dizajna kartica proizvoda i oba su toliko cool da ne možete ni spavati ni jesti. Logično rješenje je provjeriti koja opcija radi bolje. Da biste to učinili, polovici posjetitelja prikazuje se opcija br. 1, a polovici – opcija br. 2. Pobjeđuje onaj tko se bolje nosi sa zadanim zadacima.

Ovo nije jedini način korištenja A/B (ili podijeljenog) testiranja web stranice. Uz njegovu pomoć možete testirati lude hipoteze, pogodnost nove strukture stranice ili različite opcije teksta.

Kako provesti A/B testiranje web stranice

Formulacija problema

Prvo morate odlučiti o svom cilju. Shvatite što želite postići: povećati konverziju, vrijeme provedeno na stranici ili smanjiti stopu napuštanja početne stranice. Ako je sve u redu s ciljevima, promijenite sadržaj ili dizajn na temelju njih. Na primjer, možete slijediti put svih hakera rasta i promijeniti lokaciju i dizajn gumba "Kupi". Sada visi dolje lijevo i želite vidjeti što će se dogoditi ako promijenite njegov izgled i pomaknete gumb više i udesno.

Tehnička izvedba

Ovdje je sve jednostavno - ili se stvara zasebna stranica na kojoj se mijenja samo testni objekt, ili programer koristi magiju i implementira sve unutar jednog dokumenta.

Priprema podataka za ispitivanje

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

Test

Sada trebate nasumično podijeliti promet na pola. Polovica korisnika prikazuje stranicu A, a ostatak - B. Da biste to učinili, možete koristiti posebne usluge (ima ih puno) ili učiniti sve ručno od strane programera.

Bitno je da je “sastav” prometa isti. Eksperiment neće biti objektivan ako je samo prva opcija dostupna svim korisnicima koji kliknu na kontekst, a samo druga opcija svim posjetiteljima s društvenih mreža.

Analiza

Sada trebate pričekati da se prikupi dovoljno statistike i usporediti rezultate A/B testiranja. Koliko ćete točno morati čekati ovisi o popularnosti stranice i nekim drugim parametrima. Uzorak mora predstavljati statističku značajnost. To znači da vjerojatnost slučajnog rezultata ne smije biti veća od 5%. Primjer: Recimo da obje stranice imaju isti broj posjeta - svaka tisuću. Istovremeno stranica A ima 5 ciljnih radnji, a stranica B 6. Rezultat se premalo razlikuje da bi se moglo govoriti o uzorku, pa nije prikladan.

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

Razvijanje rješenja

Što ćete učiniti s rezultatima testa ovisi o vama. Ako je novi pristup uspio, možete ga ostaviti na stranici kao novu verziju stranice. U isto vrijeme, nije potrebno stati na tome, pogotovo ako vidite da još uvijek postoji potencijal za rast pokazatelja. U tom slučaju ostavite opciju B na mjestu i pripremite novi test.

Kako A/B i split testiranje učiniti objektivnim

Smanjite utjecaj vanjskih čimbenika.Već smo se malo dotakli ove teme - potrebno je provesti test u istom vremenskom razdoblju, a izvori prometa trebaju biti isti za obje stranice. Ako ne vodite računa o jednakim uvjetima, dobit ćete nereprezentativan uzorak. Ljudi iz pretraživanja ponašaju se drugačije na stranici od posjetitelja iz grupe na Facebooku ili Vkontakteu. Isto vrijedi i za obim prometa – trebao bi biti približno isti.

Minimizirajte utjecaj unutarnjih čimbenika.Ovo je relevantno za web stranice velikih tvrtki - na statistiku mogu uvelike utjecati sami zaposlenici tvrtke. Posjećuju stranicu, ali ne poduzimaju nikakve ciljane radnje. Stoga ih je potrebno isključiti iz statistike. Da biste to učinili, morate instalirati filtar u sustave web analitike.

Osim toga, postoji prilično očita 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.

Utječe li A/B testiranje web stranice na SEO?

Postoji popularan mit da se A/B testiranje može obiti o glavu, jer zbog dupliciranja stranica možete pasti pod filtere tražilice. To nije istina. Google vam čak govori kako sve učiniti kako treba i nudi posebne alate za to.

Što se i kako može poboljšati A/B testiranjem

• Pretvorba.Najpopularnija opcija. Čak i mala promjena stranice može utjecati na vašu stopu konverzije. U tom se slučaju ciljanom radnjom može smatrati kupnja, registracija, pregledavanje stranice, pretplata na newsletter ili klik na poveznicu.
• Prosječan račun.U ovom slučaju često se testiraju novi dodatni blokovi prodaje: "slični proizvodi" i "ljudi često kupuju s ovim proizvodom".

• Čimbenici ponašanja.To uključuje dubinu gledanja, prosječno vrijeme na stranici i odskakanje.

Obično pokušavaju promijeniti:

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

U principu, sve može funkcionirati; nijedna Vanga vam ne može točno reći kako povećati konverziju ili prosječni ček. Postoji mnogo preporuka, ali jednostavno ih je nerealno uzeti u obzir, a mogu djelovati i sa suprotnim učinkom. A ponekad potpuno nelogične stvari dovode do poboljšanja performansi, na primjer, napuštanje detaljnih opisa proizvoda. Isprobajte različite pristupe i opcije, ovo je test.

Alati za A/B testiranje web stranica

Ima ih samo hrpa, pa smo odabrali one najbolje. Svi su na engleskom jeziku i stoga su skupi, ali svaki ima besplatno probno razdoblje. U Rusiji samo lpgenerator.ru radi nešto slično, ali tamo se mogu testirati samo odredišne ​​stranice stvorene u konstruktoru usluge. Nećete moći učitati svoju stranicu.

Optimizely.com

Jedna od najpopularnijih usluga. Mogućnost testiranja svega iu bilo kojoj kombinaciji. Ostale prednosti: mogućnost višekanalnog testiranja, eksperimenti s mobilnim aplikacijama, prikladni filtri rezultata, ciljanje, vizualni uređivač i malo web analitike.

Changeagain.me

Prilično praktična usluga, glavna prednost je jednostavna i potpuna integracija s Google Analyticsom: ciljevi se mogu kreirati izravno u usluzi, a zatim se automatski učitavaju u sustav. Preostale funkcije su više-manje standardne: jednostavan vizualni uređivač, ciljanje prema uređaju i zemlji. određeni skup ovisi o tarifnom planu..

ABtasty.com

Ova usluga ima dugo probno razdoblje - traje čak 30 dana, umjesto standardnih 14-15. Osim toga, alat se integrira u WordPress, Google Analytics i nekoliko drugih usluga koje koriste strani trgovci i webmasteri. Dodatne prednosti: korisničko sučelje i detaljno ciljanje.

Kako provesti A/B testiranje pomoću Google Analyticsa

Da biste to učinili, morate se prijaviti na svoj račun, otvoriti izbornik izvješća, pomaknuti se do kartice "Ponašanje" i kliknuti "Eksperimenti". Tamo je sve krajnje jednostavno.

Dajemo naziv eksperimentu, raspodjeljujemo promet po stranicama u potrebnom omjeru, odabiremo ciljeve i prelazimo na sljedeću fazu - detaljnu konfiguraciju.

Tamo su postavljene adrese stranica A i B. Ako označite potvrdni okvir „Objedinjavanje opcija za ostala izvješća o sadržaju“, tada će se u ostalim izvješćima indikatori svih opcija uzeti u obzir kao indikatori izvorne stranice.

Nakon toga, Analytics će proizvesti kôd koji trebate postaviti na stranicu A i pokrenuti eksperiment. Izvješća o izvedbi mogu se vidjeti u istom izborniku "Eksperimenti".

Kako postaviti Yandex Metrica za A/B testiranje

Rad je podijeljen u dva dijela. Najprije morate izraditi dvije stranice ili konfigurirati jednu da korisniku prikazuje dvije različite vrste elemenata. Kako to učiniti je tema za poseban veliki članak, pa ćemo ga za sada preskočiti.

Nakon toga trebate prenijeti podatke u metriku o tome koju je verziju stranice korisnik vidio. Male uputeSam Yandex daje . Da bismo to učinili, moramo kreirati parametar A/B testiranja i dodijeliti mu željenu vrijednost. U slučaju gumba, definiramo parametar kao:

var yaParams = (ab_test: "Gumb1");

ili

var yaParams = (ab_test: "Button2");

Nakon toga, parametar se prenosi u Metricu i može se koristiti za generiranje izvješća o “parametrima posjeta”.

Rezultati

A/B (ili split) testiranje web stranice važan je, neophodan i gotovo obavezan alat. Ako redovito testirate nove hipoteze, performanse stranice mogu se podići na novu razinu. Ali ne može se reći da to zahtijeva minimum truda. Da biste jednostavno promijenili mjesto ili boju gumba, morat ćete uključiti programera ili dizajnera, čak i ako to ne oduzima puno vremena. Osim toga, svaka pretpostavka može se pokazati pogrešnom. Ali oni koji ne riskiraju ne dobivaju povećan protok prijava i ne trče sretni po uredu.

Izvorna publikacija: http://quality-lab.ru/a-b-testing/

Uvod

Emocije kontroliraju ljude, a upravljanje ljudskim emocijama san je svakog trgovca. U pravilu, sve inovacije temelje se na subjektivnom "čini mi se da će ovo biti ljepše/udobnije." Mnogo rjeđe se radi analiza mišljenja kupaca za određenu promjenu. Moguće je osloniti se na subjektivnu procjenu marketinškog stručnjaka, ali to je riskantno. Sazivanje fokus grupe je skupo. Jednostavno uvođenje promjene i gledanje što se događa tijekom vremena nije znanstveno.

Dakle, kako možete odrediti prednosti promjena bez gubitka klijenata i vremena? A/B testiranje rješava ovaj problem. Njegovo korištenje dovodi do povećanja prometa kupaca i stope konverzije web stranice, kao i povećanja broja prodaja, klikova i lajkova.

Što je?

Wiki definicija:
A/B testiranje(engleski: A/B testiranje, Split testiranje) – metoda marketinškog istraživanja. Bit metode je da se kontrolna skupina elemenata uspoređuje sa skupom testnih skupina (u kojima je promijenjen jedan ili više pokazatelja) kako bi se otkrilo koje promjene poboljšavaju ciljani pokazatelj. Vrsta A/B testiranja je multivarijatno testiranje. U ovom slučaju ne ispituju se dvije cjelovite opcije, već nekoliko elemenata proizvoda ili komponenti predmeta koji se proučava u različitim kombinacijama, pri čemu svaki testirani element može biti dvije vrste (A ili B).

Jednostavno rečeno, cjelokupni tok ljudi na stranici podijeljen je u dvije skupine. Jedna grupa se prikazuje na glavnoj stranici, na primjer, s gumbom Prijavi se (opcija A). Druga grupa – ista stranica, ali s gumbom Prijavi se besplatno (opcija B). Testiranje se provodi u sesijama. Na kraju svake sesije zbrajaju se rezultati i izračunava pobjednička opcija. Primjer multivarijatnog A/B testiranja prikazan je na dijagramu:

Kako testirati?

Zamislimo situaciju: internetska banka trebala je povećati broj zahtjeva za kreditiranje fizičkih osoba. Na stranici je već postojao banner koji je pozivao ljude da ispune prijavu, ali trgovci su predložili da se poboljša. Dva mock-upa poslana su odjelu za testiranje na A/B testiranje:

Prije svega, odjel za testiranje odlučio se za alate koji bi nam omogućili bilježenje statistike i analizu rezultata. Na internetu možete pronaći desetak platformi za provođenje A/B testiranja među kojima su najpopularnije sljedeće:

Svi su praktični na svoj način i sadrže dovoljan broj funkcija da postanu nezamjenjiv pomoćnik pri provođenju A/B testiranja. Naši testeri odabrali su besplatni Google Content Experiment (ovo je rješenje dio Google Analyticsa i može samostalno odrediti pobjednika).

Pomoću ove platforme napravljen je eksperiment za testiranje na web stranici banke. Za dobivanje točnih rezultata bilo je potrebno provesti nekoliko testiranja u trajanju od dva tjedna. U prvoj sesiji testeri su dobili dvosmislene rezultate (konverzija u dvije opcije bila je gotovo jednaka, pa nije bilo moguće odrediti pobjednika A/B testiranja). Nakon niza sličnih eksperimenata, testeri su ipak uspjeli dobiti jasan rezultat testa: pobijedila je druga verzija bannera (s fotografijom obitelji). Možda je to bilo zbog činjenice da se posljednja sesija dogodila tijekom novogodišnjih praznika: ciljana publika bila je lojalnija i prijateljskija.

Rezultat priče: ako je prije 2 od 10 ljudi koji su pogledali banner tražilo kredit, sada je to 4 od 10.

Vratimo se na alate za A/B testiranje. Za alate koji ne mogu odrediti pobjednika, rezultati sesije A/B testiranja mogu se obraditi ručno ili pomoću kalkulatora. Kod ručne obrade potrebno je voditi računa o omjeru konverzije prema broju posjeta stranici. Ovo je dugotrajan proces koji će zahtijevati vaš fokus i preciznost; 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 postoje i oni