So führen Sie A / B-Tests durch: Eine Checkliste, die Sie mit einem Lesezeichen versehen möchten

Wenn Vermarkter wie wir Zielseiten erstellen, E-Mail-Kopien schreiben oder Handlungsaufforderungstasten entwerfen, kann dies der Fall sein Die Versuchung, unsere Intuition zu nutzen, um vorherzusagen, was Menschen zum Klicken und Konvertieren bringt.

Aber Marketingentscheidungen auf ein „Gefühl“ zu stützen, kann sich ziemlich nachteilig auf die Ergebnisse auswirken. Anstatt sich auf Vermutungen oder Annahmen zu verlassen, um diese Entscheidungen zu treffen Sie sind viel besser dran, einen A / B-Test durchzuführen – manchmal auch als Split-Test bezeichnet.

A / B-Test kann wertvoll sein, weil sich unterschiedliche Zielgruppen unterschiedlich verhalten. Etwas, das für ein Unternehmen funktioniert, funktioniert möglicherweise nicht unbedingt für ein anderes. In der Tat hassen CRO-Experten (Conversion Rate Optimization) den Begriff „Best Practices“, weil er möglicherweise nicht die beste Vorgehensweise für Sie ist.

A / B-Tests können jedoch auch komplex sein. Wenn Sie nicht aufpassen, können Sie falsche Annahmen darüber treffen, was die Leute mögen und was sie zum Klicken bringt – Entscheidungen, die andere Teile Ihrer Strategie leicht falsch informieren können.

Lesen Sie weiter, um zu lernen, wie man A / B macht Testen vor, während und nach der Datenerfassung, damit Sie aus Ihren Ergebnissen die besten Entscheidungen treffen können.

Um einen A / B-Test durchzuführen, müssen Sie zwei verschiedene Versionen eines Inhalts mit Änderungen erstellen Dann zeigen Sie diese beiden Versionen zwei ähnlich großen Zielgruppen und analysieren, welche über einen bestimmten Zeitraum besser abschneidet (lange genug, um genaue Schlussfolgerungen über Ihre Ergebnisse zu ziehen).

Quellentests

A / B-Tests helfen Marketingfachleuten dabei, zu beobachten, wie eine Version eines Teils von Marketing-Inhalte treten nebeneinander auf. Hier sind zwei Arten von A / B-Tests, die Sie möglicherweise durchführen, um die Conversion-Rate Ihrer Website zu erhöhen:

Beispiel 1: User Experience-Test

Vielleicht möchten Sie sehen, ob Wenn Sie eine bestimmte CTA-Schaltfläche (Call-to-Action) an den oberen Rand Ihrer Homepage verschieben, anstatt sie in der Seitenleiste zu belassen, wird die Klickrate verbessert.

Wenn Sie diese Theorie von A / B testen, d Erstellen Sie eine weitere alternative Webseite, die die Änderung der CTA-Platzierung widerspiegelt. Das vorhandene Design – oder die „Steuerung“ – ist Version A. Version B ist der „Herausforderer“. Anschließend testen Sie diese beiden Versionen, indem Sie sie jeweils einem bestimmten Prozentsatz der Website-Besucher anzeigen. Im Idealfall ist der Prozentsatz der Besucher, die eine der beiden Versionen sehen, gleich.

Erfahren Sie, wie Sie A / B-Tests einfach durchführen eine Komponente Ihrer Website mit HubSpots Marketing Hub.

Beispiel 2: Designtest

Vielleicht möchten Sie herausfinden, ob Sie die Farbe Ihres Call-to-Action (CTA) ändern Die Schaltfläche) kann die Klickrate erhöhen.

Um diese Theorie zu testen, müssen Sie eine alternative CTA-Schaltfläche mit einer anderen Schaltflächenfarbe entwerfen, die zur gleichen Zielseite wie das Steuerelement führt Normalerweise verwenden Sie in Ihren Marketinginhalten eine rote Handlungsaufforderungstaste, und die grüne Variante erhält nach Ihrem A / B-Test mehr Klicks. Dies könnte es verdienen, die Standardfarbe Ihrer Handlungsaufforderungstasten von nun an auf Grün zu ändern

Um mehr über A / B-Tests zu erfahren, laden Sie hier unseren kostenlosen Einführungsleitfaden herunter.

Die Vorteile von A / B-Tests

A / B-Tests eine Vielzahl von Vorteilen für eine ma rketing-Team, je nachdem, was Sie testen möchten. Vor allem aber sind diese Tests für ein Unternehmen wertvoll, weil sie „kostengünstig, aber hoch belohnt“ sind.

Nehmen wir an, Sie beschäftigen einen Content-Ersteller mit einem Gehalt von 50.000 US-Dollar pro Jahr. Dieser Ersteller von Inhalten veröffentlicht fünf Artikel pro Woche für den Unternehmensblog, insgesamt 260 Artikel pro Jahr. Wenn der durchschnittliche Beitrag im Blog des Unternehmens 10 Leads generiert, kann man sagen, dass die Generierung von 10 Leads für das Unternehmen etwas mehr als 192 US-Dollar kostet (50.000 US-Dollar Gehalt ÷ 260 Artikel = 192 US-Dollar pro Artikel). Das ist ein solider Teil der Veränderung / p>

Wenn Sie diesen Inhaltsersteller nun bitten, zwei Tage lang einen A / B-Test für einen Artikel zu entwickeln, anstatt in diesem Zeitraum zwei Artikel zu schreiben, können Sie 192 US-Dollar verbrennen, weil Sie einen Artikel weniger veröffentlichen Wenn dieser A / B-Test jedoch ergibt, dass Sie die Conversion-Rate jedes Artikels von 10 auf 20 Leads erhöhen können, haben Sie nur 192 US-Dollar ausgegeben, um möglicherweise die Anzahl der Kunden zu verdoppeln, die Ihr Unternehmen von Ihrem Blog erhält.

Wenn Der Test schlägt fehl, natürlich haben Sie 192 US-Dollar verloren – aber jetzt können Sie Ihren nächsten A / B-Test noch besser ausbilden. Wenn es diesem zweiten Test gelingt, die Conversion-Rate Ihres Blogs zu verdoppeln, haben Sie letztendlich 284 US-Dollar ausgegeben, um möglicherweise den Umsatz Ihres Unternehmens zu verdoppeln. Unabhängig davon, wie oft Ihr A / B-Test fehlschlägt, überwiegt sein Erfolg fast immer die Kosten für die Durchführung.

Es gibt viele Arten von Split-Tests, die Sie ausführen können, damit sich das Experiment am Ende lohnt.Hier sind einige allgemeine Ziele, die Vermarkter für ihr Geschäft beim Testen von A / B haben:

• Erhöhter Website-Verkehr: Durch Testen verschiedener Blogpost- oder Webseitentitel kann die Anzahl der Personen geändert werden, die auf diesen Hyperlink-Titel klicken Gehen Sie zu Ihrer Website. Dies kann den Website-Verkehr erhöhen.
• Höhere Conversion-Rate: Durch Testen verschiedener Positionen, Farben oder sogar Ankertexte in Ihren CTAs kann die Anzahl der Personen geändert werden, die auf diese CTAs klicken, um zu einer Zielseite zu gelangen. Dies kann die Anzahl der Personen erhöhen, die Formulare auf Ihrer Website ausfüllen, ihre Kontaktinformationen an Sie senden und in einen Lead „konvertieren“.
• Niedrigere Absprungrate: Wenn Ihre Website-Besucher die Website verlassen (oder „abprallen“) „) Wenn Sie nach dem Besuch Ihrer Website verschiedene Blogpost-Einführungen, Schriftarten oder Funktionsbilder testen, kann dies die Absprungrate verringern und mehr Besucher binden.
• Geringerer Abbruch des Einkaufswagens: E-Commerce-Unternehmen sehen 40% – 75% der Kunden Laut MightyCall verlassen sie ihre Website mit Artikeln im Warenkorb. Dies wird als „Abbruch des Einkaufswagens“ bezeichnet. Durch Testen verschiedener Produktfotos, Designs von Check-out-Seiten und sogar dort, wo Versandkosten angezeigt werden, kann diese Abbruchrate gesenkt werden.

Lassen Sie uns nun die Checkliste zum Einrichten, Ausführen, und Messen eines A / B-Tests.

Durchführen von A / B-Tests

Folgen Sie den Anweisungen Mit unserem kostenlosen A / B-Testkit mit allem, was Sie zum Ausführen von A / B-Tests benötigen, einschließlich einer Testverfolgungsvorlage, einer Anleitung zur Anleitung und Inspiration sowie einem statistischen Signifikanzrechner, um festzustellen, ob Ihre Tests Gewinne, Verluste oder Erfolge waren nicht schlüssig.

Vor dem A / B-Test

Lassen Sie uns die Schritte behandeln, die Sie ausführen müssen, bevor Sie Ihren A / B-Test starten.

1. Wählen Sie eine zu testende Variable aus.

Wenn Sie Ihre Webseiten und E-Mails optimieren, werden Sie möglicherweise feststellen, dass Sie eine Reihe von Variablen testen möchten. Um zu bewerten, wie effektiv eine Änderung ist, möchten Sie eine „unabhängige Variable“ isolieren und ihre Leistung messen. Andernfalls können Sie nicht sicher sein, welche für Leistungsänderungen verantwortlich war.

Sie kann mehr als eine Variable für eine einzelne Webseite oder E-Mail testen; Stellen Sie nur sicher, dass Sie sie einzeln testen.

Sehen Sie sich die verschiedenen Elemente in Ihren Marketingressourcen und ihre möglichen Alternativen für Design, Wortlaut und Layout an. Andere Dinge, die Sie testen könnten, sind E-Mail-Betreffzeilen , Absendernamen und verschiedene Möglichkeiten zur Personalisierung Ihrer E-Mails.

Beachten Sie, dass selbst einfache Änderungen, wie das Ändern des Bildes in Ihrer E-Mail oder der Wörter auf Ihrer Handlungsaufforderungstaste, große Verbesserungen bewirken können Tatsächlich sind diese Arten von Änderungen normalerweise einfacher zu messen als die größeren.

Hinweis: In manchen Fällen ist es sinnvoller, mehrere Variablen anstelle einer einzelnen Variablen zu testen. Dies ist ein Prozess Wenn Sie sich fragen, ob Sie einen A / B-Test im Vergleich zu einem multivariaten Test durchführen sollen, finden Sie hier einen hilfreichen Artikel von Optimizely, in dem die beiden verglichen werden.

2. Identifizieren Sie Ihr Ziel.

Obwohl Sie für jeden Test eine Reihe von Metriken messen, wählen Sie eine primäre Metrik aus, auf die Sie sich konzentrieren möchten – bevor Sie ru n dem Test. Tun Sie dies, bevor Sie die zweite Variante einrichten. Dies ist Ihre „abhängige Variable“.

Überlegen Sie, wo sich diese Variable am Ende des Split-Tests befinden soll. Sie können eine offizielle Hypothese aufstellen und Ihre Ergebnisse anhand dieser Vorhersage untersuchen.

Wenn Sie bis dahin warten, um darüber nachzudenken, welche Metriken für Sie wichtig sind, welche Ziele Sie verfolgen und wie die von Ihnen vorgeschlagenen Änderungen aussehen Wenn Sie das Benutzerverhalten beeinflussen, können Sie den Test möglicherweise nicht auf die effektivste Weise einrichten.

3. Erstellen Sie ein „Steuerelement“ und einen „Herausforderer“.

Sie haben jetzt Ihren unabhängige Variable, Ihre abhängige Variable und Ihr gewünschtes Ergebnis. Verwenden Sie diese Informationen, um die unveränderte Version von allem, was Sie „testen“, als „Kontrolle“ einzurichten. Wenn Sie eine Webseite testen, ist dies die unveränderte Webseite, wie sie bereits vorhanden ist. Wenn Sie eine Zielseite testen, ist dies das Design und die Kopie der Zielseite, die Sie normalerweise verwenden würden.

Erstellen Sie von dort aus eine Variante oder einen „Herausforderer“ – die Website, die Zielseite oder die E-Mail, die Sie gegen Ihre Kontrolle testen. Wenn Sie sich beispielsweise fragen, ob das Einfügen eines Testimonials in eine Zielseite einen Unterschied bewirken würde, richten Sie Ihre Kontrollseite ohne Testimonials ein. Erstellen Sie dann Ihre Variation mit einem Testimonial.

4. Teilen Sie Ihre Stichprobengruppen gleich und zufällig.

Bei Tests, bei denen Sie mehr Kontrolle über die Zielgruppe haben – wie bei E-Mails – müssen Sie mit zwei oder mehr Zielgruppen testen, die gleich sind, um schlüssige Ergebnisse zu erzielen.

Wie Sie dies tun, hängt vom verwendeten A / B-Testtool ab. Wenn Sie ein HubSpot Enterprise-Kunde sind, der beispielsweise einen A / B-Test für eine E-Mail durchführt, teilt HubSpot den Datenverkehr automatisch auf Ihre Variationen auf so dass jede Variation eine zufällige Stichprobe von Besuchern erhält.

5. Bestimmen Sie Ihre Stichprobengröße (falls zutreffend).

Wie Sie Ihre Stichprobengröße bestimmen, hängt auch von Ihrem A / B-Testwerkzeug und der Art des von Ihnen durchgeführten A / B-Tests ab.

Wenn Sie eine E-Mail A / B testen, möchten Sie wahrscheinlich einen A / B-Test an einen kleineren Teil Ihrer Liste senden, um statistisch signifikante Ergebnisse zu erhalten. Schließlich werden Sie einen Gewinner auswählen und senden Sie die Gewinnvariante an den Rest der Liste. (Weitere Informationen zur Berechnung Ihrer Stichprobengröße finden Sie im eBook „The Science of Split Testing“ am Ende dieses Artikels.)

Wenn Sie ein HubSpot Enterprise-Kunde sind, haben Sie Hilfe bei der Bestimmung der Größe Ihrer Stichprobengruppe mit einem Schieberegler. Damit können Sie einen 50/50-A / B-Test für jede Stichprobengröße durchführen – obwohl für alle anderen Stichprobenaufteilungen eine Liste mit mindestens 1.000 Empfängern erforderlich ist.

Wenn Sie etwas testen, das keine begrenzte Zielgruppe hat, wie z. B. eine Webseite, wirkt sich die Dauer Ihres Tests direkt auf Ihre aus Stichprobengröße.

Sie müssen Ihren Test lange genug laufen lassen, um eine erhebliche Anzahl von Ansichten zu erhalten. Andernfalls ist es schwierig zu sagen, ob zwischen den beiden Variationen ein statistisch signifikanter Unterschied besteht.

6. Entscheiden Sie, wie wichtig Ihre Ergebnisse sein müssen.

Wenn Sie Ihre Zielmetrik ausgewählt haben, überlegen Sie, wie wichtig Ihre Ergebnisse sein müssen, um die Auswahl einer Variation gegenüber einer anderen zu rechtfertigen. Die statistische Signifikanz ist ein sehr wichtiger Teil des A / B-Testprozesses, der häufig missverstanden wird. Wenn Sie eine Auffrischung der statistischen Signifikanz unter Marketinggesichtspunkten benötigen, empfehle ich, diesen Blog-Beitrag zu lesen.

Je höher der Prozentsatz Je sicherer Sie über Ihre Ergebnisse sein können, desto sicherer können Sie sein. In den meisten Fällen möchten Sie ein Konfidenzniveau von mindestens 95% – vorzugsweise sogar 98% -, insbesondere wenn es sich um ein zeitintensives Experiment handelt. Manchmal ist es jedoch sinnvoll, eine niedrigere Konfidenzrate zu verwenden, wenn der Test nicht so streng sein muss.

Matt Rheault, Senior Software Engineer bei HubSpot, denkt gerne an statistische Signifikanz wie Platzierung Eine Wette. Auf welche Gewinnchancen setzen Sie gerne? Wenn Sie „Ich bin zu 80% sicher, dass dies das richtige Design ist und ich bereit bin, alles darauf zu setzen“, ähnelt dies der Durchführung eines A / B-Tests mit einer Signifikanz von 80% und dann einen Gewinner zu erklären.

Rheault sagt auch, dass Sie wahrscheinlich eine höhere Konfidenzschwelle wünschen, wenn Sie auf etwas testen, das die Konversationsrate nur geringfügig verbessert. Warum? Weil zufällige Varianz eher eine größere Rolle spielt.

„Ein Beispiel, bei dem wir uns sicherer fühlen könnten, wenn wir unsere Vertrauensschwelle senken, ist ein Experiment, das die Conversion-Rate wahrscheinlich um 10% oder mehr verbessern wird, z. B. ein neu gestalteter Heldenabschnitt“, erklärte er.

„Die Erkenntnis hier ist, dass je radikaler die Änderung ist, desto weniger wissenschaftlich müssen wir prozessual sein. Je spezifischer Je wissenschaftlicher (Schaltflächenfarbe, Mikrokopie usw.), desto wissenschaftlicher sollten wir sein, da die Änderung weniger wahrscheinlich einen großen und spürbaren Einfluss auf die Conversion-Rate hat. „

7. Stellen Sie sicher, dass Sie für jede Kampagne jeweils nur einen Test ausführen.

Das Testen von mehr als einer Sache für eine einzelne Kampagne – auch wenn sie sich nicht auf genau demselben Asset befindet – kann Ihre Ergebnisse erschweren. Wenn Sie beispielsweise eine E-Mail-Kampagne testen, die gleichzeitig mit dem Testen dieser Zielseite auf eine Zielseite verweist, wie können Sie wissen, welche Änderung die Zunahme der Leads verursacht hat?

Während des A / B-Tests

Lassen Sie uns die Schritte behandeln, die während Ihres A / B-Tests ausgeführt werden müssen.

8. Verwenden Sie ein A / B-Testwerkzeug.

Um einen A / B-Test auf Ihrer Website oder in einer E-Mail durchzuführen, müssen Sie ein A / B-Testtool verwenden. Wenn Sie ein HubSpot Enterprise-Kunde sind, bietet die HubSpot-Software Funktionen, mit denen Sie E-Mails (hier erfahren), Handlungsaufforderungen (hier erfahren) und Zielseiten (hier erfahren) A / B-Tests durchführen können.

Für Nicht-HubSpot Enterprise-Kunden gehören zu den weiteren Optionen Google Analytics-Experimente, mit denen Sie bis zu 10 Vollversionen einer einzelnen Webseite A / B testen und deren Leistung anhand einer zufälligen Stichprobe von Benutzern vergleichen können.

9. Testen Sie beide Varianten gleichzeitig.

Das Timing spielt eine wichtige Rolle für die Ergebnisse Ihrer Marketingkampagne, unabhängig davon, ob es sich um Tageszeit, Wochentag oder Monat des Jahres handelt. Wenn Sie Version A während ausführen möchten Wie würden Sie einen Monat und Version B einen Monat später wissen, ob die Leistungsänderung durch das unterschiedliche Design oder den unterschiedlichen Monat verursacht wurde?

Wenn Sie A / B-Tests ausführen, müssen Sie die ausführen Zwei Variationen gleichzeitig, andernfalls können Sie Ihre Ergebnisse hinterfragen.

Die einzige Ausnahme besteht darin, dass Sie das Timing selbst testen, z. B. die optimalen Zeiten für das Versenden von E-Mails Ein guter Test, denn je nachdem, was Ihr Unternehmen anbietet und wer Ihre Abonnenten sind, kann der optimale Zeitpunkt für die Kundenbindung je nach Branche und Zielmarkt erheblich variieren.

10. Geben Sie dem A / B-Test genügend Zeit, um nützliche Daten zu erstellen.

Auch hier sollten Sie sicherstellen, dass Ihr Test lange genug ausgeführt wird, um eine erhebliche Stichprobengröße zu erhalten. Andernfalls ist dies der Fall. Es ist schwer zu sagen, ob es einen statistisch signifikanten Unterschied zwischen den beiden Variationen gab.

Wie lange ist lang genug? Abhängig von Ihrem Unternehmen und der Art und Weise, wie Sie den A / B-Test durchführen, können statistisch signifikante Ergebnisse in Stunden … oder Tagen … oder Wochen erzielt werden. Ein großer Teil der Zeit, die benötigt wird, um statistisch signifikante Ergebnisse zu erzielen, hängt davon ab, wie viel Verkehr Sie erhalten. Wenn Ihr Unternehmen also nicht viel Verkehr auf Ihre Website bringt, dauert es viel länger, bis Sie ein A / B ausführen Test.

Theoretisch sollten Sie die Zeit, in der Sie Ergebnisse sammeln, nicht einschränken. (Lesen Sie diesen Blog-Beitrag, um mehr über Stichprobengröße und Timing zu erfahren.)

11. Bitten Sie echte Benutzer um Feedback.

A / B-Tests haben viel mit quantitativen Daten zu tun … aber das hilft Ihnen nicht unbedingt zu verstehen, warum Menschen bestimmte Maßnahmen gegenüber anderen ergreifen Wenn Sie Ihren A / B-Test durchführen, können Sie qualitatives Feedback von echten Benutzern sammeln.

Eine der besten Möglichkeiten, Personen nach ihrer Meinung zu fragen, ist eine Umfrage oder Umfrage. Sie können auf Ihrer Website eine Exit-Umfrage hinzufügen, in der Besucher gefragt werden, warum sie nicht auf einen bestimmten CTA geklickt haben, oder eine Umfrage auf Ihren Dankesseiten, in der Besucher gefragt werden, warum sie auf eine Schaltfläche geklickt oder ein Formular ausgefüllt haben.

Sie könnten zum Beispiel feststellen, dass viele Leute auf eine Handlungsaufforderung geklickt haben, die sie zu einem E-Book führte, aber als sie den Preis sahen, haben sie nicht konvertiert. Diese Art von Informationen gibt Ihnen einen umfassenden Einblick, warum sich Ihre Benutzer auf bestimmte Weise verhalten.

Nach dem A / B-Test

Lassen Sie uns abschließend die Schritte zu behandeln Nehmen Sie nach Ihrem A / B-Test.

12. Konzentrieren Sie sich auf Ihre Zielmetrik.

Auch wenn Sie mehrere Metriken messen, konzentrieren Sie sich auf diese primäre Zielmetrik, wenn Sie führen Ihre Analyse durch.

Wenn Sie beispielsweise zwei Varianten einer E-Mail getestet und Leads als primäre Metrik ausgewählt haben, lassen Sie sich nicht von der Öffnungsrate oder der Klickrate einfangen. Möglicherweise sehen Sie eine hohe Klickrate und schlechte Conversion-Raten. In diesem Fall wählen Sie möglicherweise die Variante mit einer niedrigeren Klickrate am Ende.

13. Messen Sie die Signifikanz Ihrer Ergebnisse mit unserem A / B-Testrechner.

Nachdem Sie festgestellt haben, welche Variation die beste Leistung erbringt, ist es an der Zeit, festzustellen, ob Ihre Ergebnisse statistisch signifikant sind oder nicht. Mit anderen Worten, reichen sie aus, um eine Änderung zu rechtfertigen?

Um dies herauszufinden, müssen Sie einen Test mit statistischer Signifikanz durchführen. Sie können dies manuell tun … oder Sie können einfach die anschließen Ergebnisse Ihres Experiments in unseren kostenlosen A / B-Testrechner.

Für jede getestete Variante werden Sie aufgefordert, die Gesamtzahl der Versuche einzugeben, z. B. gesendete E-Mails oder gesehene Impressionen. Geben Sie dann die Anzahl der erreichten Ziele ein – im Allgemeinen sehen Sie sich Klicks an, dies können jedoch auch andere Arten von Conversions sein.

Der Rechner spuckt das Konfidenzniveau aus, das Ihre Daten für die Gewinnvariante erzeugen. Messen Sie diese Zahl dann anhand des Werts, den Sie zur Bestimmung der statistischen Signifikanz ausgewählt haben.

14. Ergreifen Sie Maßnahmen basierend auf Ihren Ergebnissen.

Wenn eine Variation statistisch besser als die andere ist, haben Sie einen Gewinner. Schließen Sie Ihren Test ab, indem Sie die verlierende Variation in Ihrem A / B-Testwerkzeug deaktivieren.

Wenn keine der beiden Variationen statistisch besser ist, haben Sie gerade erfahren, dass die von Ihnen getestete Variable keine Auswirkungen auf die Ergebnisse hat, und Sie müssen den Test als nicht schlüssig markieren. Halten Sie sich in diesem Fall an die ursprüngliche Variante – oder führen Sie einen anderen Test durch. Mithilfe der fehlgeschlagenen Daten können Sie eine neue Iteration für Ihren neuen Test ermitteln.

Während A / B-Tests Ihnen helfen, die Ergebnisse von Fall zu Fall zu beeinflussen, können Sie die Lektionen auch anwenden Sie lernen aus jedem Test und wenden ihn auf zukünftige Bemühungen an.

Wenn Sie beispielsweise A / B-Tests in Ihrem E-Mail-Marketing durchgeführt haben und wiederholt festgestellt haben, dass die Verwendung von Zahlen in E-Mail-Betreffzeilen bessere Klickraten generiert Vielleicht möchten Sie diese Taktik in mehr Ihrer E-Mails anwenden.

15. Planen Sie Ihren nächsten A / B-Test.

Der gerade abgeschlossene A / B-Test hat möglicherweise geholfen Sie entdecken einen neuen Weg, um Ihre Marketinginhalte effektiver zu gestalten – aber hören Sie hier nicht auf. Es gibt immer Raum für weitere Optimierungen.

Sie können sogar versuchen, einen A / B-Test für eine andere Funktion derselben Webseite oder E-Mail durchzuführen, für die Sie gerade einen Test durchgeführt haben. Wenn Sie beispielsweise gerade eine Überschrift auf einer Zielseite getestet haben, warum nicht einen neuen Test für die Textkopie durchführen? Oder Farbschema? Oder Bilder? Halten Sie immer Ausschau nach Möglichkeiten zur Steigerung der Conversion-Raten und Leads.

Starten Sie A / B-Tests noch heute

Mit A / B-Tests können Sie die Wahrheit über Inhalte und Marketing herausfinden Ihr Publikum will sehen.Erfahren Sie, wie Sie einige der oben genannten Schritte am besten mit dem unten stehenden kostenlosen E-Book ausführen können.

Anmerkung des Herausgebers: Dieser Beitrag wurde ursprünglich im Mai 2016 veröffentlicht und aus Gründen der Vollständigkeit aktualisiert.

Ursprünglich veröffentlicht am 13. April 2020, 8:00 Uhr : 00 AM, aktualisiert am 08. September 2020