1. Co to jest testowanie A / B? Testowanie A / B (znane również jako podzielone testy lub testowanie...
2. Dlaczego należy przeprowadzić test A / B
3. Proces testowania A / B
4. Testowanie A / B i SEO
5. Przykłady testowania A / B

Co to jest testowanie A / B?

Testowanie A / B (znane również jako podzielone testy lub testowanie łyżek ) jest metodą porównywania ze sobą dwóch wersji strony internetowej lub aplikacji w celu określenia, która z nich działa lepiej. Testowanie AB jest zasadniczo eksperymentem, w którym dwa lub więcej wariantów strony są pokazywane użytkownikom w sposób losowy, a analiza statystyczna jest używana do określenia, która odmiana działa lepiej dla danego celu konwersji.

Przeprowadzenie testu AB, który bezpośrednio porównuje odmianę z aktualnym doświadczeniem, pozwala zadawać szczegółowe pytania dotyczące zmian w witrynie lub aplikacji, a następnie zbierać dane o wpływie tej zmiany.

Testowanie nie wymaga zgadywania optymalizacja strony internetowej i umożliwia podejmowanie decyzji opartych na danych, które przenoszą rozmowy biznesowe z „myślimy” na „wiemy”. Mierząc wpływ zmian na dane, możesz zapewnić, że każda zmiana przyniesie pozytywne wyniki.

Jak działa testowanie A / B

W teście A / B bierzesz stronę internetową lub ekran aplikacji i modyfikujesz ją, aby utworzyć drugą wersję tej samej strony. Ta zmiana może być tak prosta, jak pojedynczy nagłówek lub przycisk, lub może być całkowitym przeprojektowaniem strony. Następnie połowa ruchu jest wyświetlana w oryginalnej wersji strony (nazywanej kontrolką), a połowa w zmodyfikowanej wersji strony (odmiany).

W miarę, jak odwiedzający otrzymują kontrolę lub wariację, ich zaangażowanie w każde doświadczenie jest mierzone i gromadzone na pulpicie analitycznym i analizowane za pomocą mechanizmu statystycznego. Następnie możesz określić, czy zmiana doświadczenia miała pozytywny, negatywny lub żaden wpływ na zachowanie odwiedzających.

Dlaczego należy przeprowadzić test A / B

Testy A / B umożliwiają osobom, zespołom i firmom dokonywanie dokładnych zmian w doświadczeniach użytkowników podczas zbierania danych o wynikach. Pozwala im to na konstruowanie hipotez i lepsze poznanie, dlaczego pewne elementy ich doświadczeń wpływają na zachowania użytkowników. Innymi słowy, można udowodnić, że się mylą - ich opinię o najlepszym doświadczeniu dla danego celu można udowodnić błędnie w teście A / B.

Więcej niż tylko udzielenie odpowiedzi na jednorazowe pytanie lub rozstrzygnięcie sporu, testy AB mogą być używane konsekwentnie, aby stale ulepszać dane doświadczenie, poprawiając pojedynczy cel, taki jak współczynnik konwersji w czasie.

Na przykład firma technologiczna B2B może chcieć poprawić jakość sprzedaży i wielkość sprzedaży ze stron docelowych kampanii. Aby osiągnąć ten cel, zespół wypróbował zmiany testowania A / B w nagłówku, obrazach wizualnych, polach formularzy, wezwaniu do działania i ogólnym układzie strony.

Testowanie jednej zmiany na raz pomaga im wskazać, które zmiany miały wpływ na zachowanie ich użytkowników, a które nie. Z czasem mogą połączyć efekt wielu wygranych zmian z eksperymentów, aby zademonstrować wymierną poprawę nowych doświadczeń w porównaniu ze starymi.

Ta metoda wprowadzania zmian w doświadczeniu użytkownika pozwala również na optymalizację doświadczenia w celu uzyskania pożądanego rezultatu i może zwiększyć skuteczność kluczowych kroków w kampanii marketingowej.

Testując kopię reklam, marketingowcy mogą dowiedzieć się, która wersja przyciąga więcej kliknięć. Testując kolejną stronę docelową, mogą dowiedzieć się, który układ najlepiej konwertuje odwiedzających na klientów. Całkowite wydatki na kampanię marketingową można w rzeczywistości zmniejszyć, jeśli elementy każdego kroku działają tak efektywnie, jak to możliwe, aby pozyskać nowych klientów.

Testy A / B mogą być również wykorzystywane przez twórców produktów i projektantów do zademonstrowania wpływu nowych funkcji lub zmian na doświadczenie użytkownika. Wprowadzanie produktów na rynek, zaangażowanie użytkowników, modalności i doświadczenia w produkcie można zoptymalizować za pomocą testów A / B, o ile cele są jasno określone i masz jasną hipotezę.

Proces testowania A / B

Poniżej przedstawiono strukturę testowania A / B, której można użyć do rozpoczęcia uruchamiania testów:

• Zbieranie danych: Twoja analiza często zapewnia wgląd w to, gdzie możesz rozpocząć optymalizację. Pomaga zacząć od obszarów o dużym natężeniu ruchu w witrynie lub aplikacji, ponieważ pozwoli to na szybsze gromadzenie danych. Wyszukaj strony o niskim współczynniku konwersji lub wysokim współczynniku zaniku, które można poprawić.

• Zidentyfikuj cele: Twoje cele konwersji to dane używane do określenia, czy odmiana jest bardziej skuteczna niż wersja oryginalna. Celami mogą być cokolwiek, od kliknięcia przycisku lub łącza do zakupów produktów i rejestracji e-mail.

• Generuj hipotezę: Po zidentyfikowaniu celu możesz rozpocząć generowanie pomysłów testowych A / B i hipotez, dlaczego uważasz, że będą one lepsze niż obecna wersja. Gdy masz już listę pomysłów, uszereguj je pod względem oczekiwanego wpływu i trudności z wdrożeniem.

• Twórz wariacje: Korzystając z oprogramowania do testowania A / B (takiego jak Optimizely), wprowadź pożądane zmiany w elemencie witryny lub aplikacji mobilnej. Może to być zmiana koloru przycisku, zamiana kolejności elementów na stronie, ukrycie elementów nawigacyjnych lub coś całkowicie niestandardowego. Wiele wiodących narzędzi do testowania A / B ma wizualny edytor, który ułatwi te zmiany. Upewnij się, że przeprowadziłeś eksperyment, aby upewnić się, że działa zgodnie z oczekiwaniami.

• Uruchom eksperyment: rozpocznij eksperyment i zaczekaj, aż odwiedzający go wezmą udział! W tym momencie odwiedzający Twoją witrynę lub aplikację zostaną losowo przydzieleni do kontroli lub odmiany Twojego doświadczenia. Ich interakcja z każdym doświadczeniem jest mierzona, liczona i porównywana, aby określić, jak każda z nich wykonuje.

• Analiza wyników: po zakończeniu eksperymentu czas na analizę wyników. Oprogramowanie testujące A / B przedstawi dane z eksperymentu i pokaże różnicę między sposobem wykonania dwóch wersji strony a tym, czy istnieje statystycznie znaczące różnica.

Jeśli Twoja odmiana jest zwycięzcą, gratulacje! Sprawdź, czy możesz zastosować informacje z eksperymentu na innych stronach swojej witryny i kontynuować powtarzanie eksperymentu, aby poprawić wyniki. Jeśli Twój eksperyment generuje wynik negatywny lub nie ma wyniku, nie przejmuj się. Wykorzystaj eksperyment jako doświadczenie edukacyjne i wygeneruj nową hipotezę, którą możesz przetestować.

Niezależnie od wyniku eksperymentu, wykorzystaj swoje doświadczenia, aby poinformować o przyszłych testach i nieustannie sprawdzać optymalizację działania aplikacji lub witryny.

Testowanie A / B i SEO

Google pozwolenia i zachęca Testy A / B i stwierdzili, że wykonanie testu A / B lub testu wielowymiarowego nie stanowi nieodłącznego ryzyka dla rankingu wyszukiwania witryny. Istnieje jednak możliwość narażenia rangi wyszukiwania na nadużywanie narzędzia do testowania A / B do celów takich jak maskowanie. Google określiło kilka najlepszych praktyk, aby upewnić się, że tak się nie stanie:

• No Cloaking - Maskowanie to praktyka pokazywania wyszukiwarek innej treści niż typowy odwiedzający. Maskowanie może spowodować obniżenie poziomu witryny lub nawet usunięcie jej z wyników wyszukiwania. Aby zapobiec maskowaniu, nie należy nadużywać segmentacji użytkowników, aby wyświetlać Googlebotowi inną zawartość na podstawie agenta użytkownika lub adresu IP.
• Użyj rel = "canonical" - Jeśli uruchomisz test podzielony z wieloma adresami URL, powinieneś użyć rel = "kanoniczny" atrybut, aby wskazać odmiany z powrotem do oryginalnej wersji strony. Dzięki temu Googlebot nie będzie się mylić z wieloma wersjami tej samej strony.
• Użyj 302 przekierowań zamiast 301 - Jeśli uruchomisz test przekierowujący oryginalny adres URL na adres URL z odmianą, użyj przekierowania 302 (tymczasowego) w porównaniu z przekierowaniem 301 (na stałe). Informuje to wyszukiwarki, takie jak Google, że przekierowanie jest tymczasowe i że powinny one zachować oryginalny indeks URL zamiast testowanego adresu URL.
• Uruchamianie eksperymentów tylko tak długo, jak to konieczne - Uruchamianie testów dłużej niż to konieczne, zwłaszcza jeśli obsługujesz jedną odmianę swojej strony dla dużego odsetka użytkowników, można postrzegać jako próbę oszukiwania wyszukiwarek. Google zaleca aktualizację witryny i usunięcie wszystkich odmian testowych witryny, gdy tylko zakończy się test, i uniknięcie niepotrzebnego uruchamiania testów.

Więcej informacji na temat testowania AB i SEO można znaleźć w artykule na temat bazy wiedzy jak testowanie A / B wpływa na SEO .

Firma turystyczna może chcieć zwiększyć liczbę udanych rezerwacji na swojej stronie internetowej lub aplikacji mobilnej lub może chcieć zwiększyć przychody z dodatkowych zakupów. Aby poprawić te dane, mogą testować odmiany:

• Moduły wyszukiwania na stronie głównej
• Strona wyników wyszukiwania
• Prezentacja produktu pomocniczego

Firma handlu elektronicznego może chcieć zwiększyć liczbę zrealizowanych transakcji, średnią wartość zamówienia lub zwiększyć sprzedaż świąteczną. Aby to osiągnąć, mogą wykonać test A / B:

• Promocje na stronie głównej
• Elementy nawigacyjne
• Komponenty leja do kasy

Firma technologiczna może chcieć zwiększyć liczbę wysokiej jakości leadów dla swojego zespołu sprzedaży, zwiększyć liczbę darmowych użytkowników próbnych lub przyciągnąć określonego rodzaju nabywcę. Mogą testować:

• Elementy formy ołowiu
• Bezpłatny proces rejestracji próbnej
• Wiadomości na stronie głównej i wezwanie do działania

Przykłady testowania A / B

Te przykłady testów A / B pokazują rodzaje wyników najbardziej innowacyjnych firm na świecie w testach A / B z Optimizely:

Discovery A / B przetestowało komponenty swojego odtwarzacza wideo, aby zaangażować się w program telewizyjny „super fan”. Wynik? 6% wzrost zaangażowania wideo.

ComScore A / B przetestował logo i referencje, aby zwiększyć dowód społeczny na stronie docelowej produktu i zwiększyć liczbę potencjalnych klientów o 69%.

Secret Escapes przetestował odmiany swoich stron rejestracji mobilnej, podwajając współczynniki konwersji i zwiększając wartość dożywotnią.