Kuinka tehdä A / B-testaus: tarkistuslista, jonka haluat lisätä kirjanmerkkeihin

Kun kaltaiset markkinoijat luovat aloitussivuja, kirjoittavat sähköpostikopioita tai suunnittelevat toimintakehotuspainikkeita, se voi olla houkuttelevaa käyttää intuitioltamme ennustamaan, mikä saa ihmiset napsauttamaan ja kääntymään.

Mutta markkinointipäätöksien perustaminen ”tunteesta” voi olla melko haitallista tuloksille. Sen sijaan, että luottaisit arvauksiin tai oletuksiin näiden päätösten tekemisessä , sinun on paljon parempi suorittaa A / B-testi – joskus sitä kutsutaan jakotestiksi.

A / B-testaus voi olla arvokasta, koska eri yleisöt käyttäytyvät hyvin, eri tavalla. Jotain, joka toimii yhdessä yrityksessä, ei välttämättä toimi toisessa. Itse asiassa tulosprosentin optimoinnin (CRO) asiantuntijat vihaavat termiä ”parhaat käytännöt”, koska se ei välttämättä ole paras tapa sinulle.

Mutta A / B-testit voivat olla myös monimutkaisia. Jos et ole varovainen, voit tehdä virheellisiä oletuksia siitä, mistä ihmiset pitävät ja mikä saa heidät napsauttamaan – päätöksiin, jotka voivat helposti väärentää strategian muita osia.

Jatka lukemista oppiaksesi tekemään A / B testaus ennen tiedonkeruuta, sen aikana ja sen jälkeen, jotta voit tehdä parhaat tulokset tuloksista.

A / B-testin suorittamiseksi sinun on luotava kaksi erilaista versiota yhdestä sisällöstä, muutoksin yhdelle muuttujalle. Sitten näytät nämä kaksi versiota kahdelle samankokoiselle yleisölle ja analysoit, mikä niistä toimi paremmin tietyn ajanjakson aikana (riittävän pitkä tekemään tarkkoja johtopäätöksiä tuloksistasi).

Lähde

A / B-testaus auttaa markkinoijia havaitsemaan, kuinka pala markkinointisisältö toimii toisen rinnalla. Tässä on kahden tyyppisiä A / B-testejä, joita voit suorittaa pyrkiessäsi lisäämään verkkosivustosi tulosprosenttia:

Esimerkki 1: Käyttökokemustesti

Ehkä haluat nähdä, tietyn toimintakehotuspainikkeen siirtäminen kotisivusi yläosaan sen sijaan, että pidät sitä sivupalkissa, parantaa sivun napsautussuhdetta.

Voit testata tätä teoriaa A / B: llä ” d luo toinen, vaihtoehtoinen verkkosivu, joka heijastaa CTA-sijoittelun muutosta. Nykyinen malli – tai ”ohjaus” – on versio A. Versio B on ”haastaja”. Sitten testaa nämä kaksi versiota näyttämällä kumpikin niistä ennalta määrätylle prosenttiosuudelle sivuston kävijöistä. Ihannetapauksessa kummankin version näkevien kävijöiden prosenttiosuus on sama.

Opi tekemään helposti A / B-testi osa verkkosivustoasi HubSpotin markkinointikeskuksen avulla.

Esimerkki 2: Suunnittelutesti

Ehkä haluat selvittää, vaihdatko toimintakehotuksen (CTA) väriä ) -painike voi lisätä napsautussuhdetta.

A / B: n testataksesi tämän teorian, sinun tulisi suunnitella vaihtoehtoinen CTA-painike, jolla on eri painikkeen väri, joka johtaa samalle aloitussivulle kuin ohjausobjekti. käytät yleensä punaista toimintakehotuspainiketta markkinointisisällössäsi, ja vihreä muunnelma saa enemmän napsautuksia A / B-testisi jälkeen, tämä voi ansaita toimintakehotuspainikkeiden oletusvärin muuttamisen tästä lähtien .

Jos haluat lisätietoja A / B-testauksesta, lataa ilmainen esittelyopas täältä.

A / B-testauksen edut

A / B-testaus on lukuisia etuja ma rketing-tiimi sen mukaan, mitä päätät testata. Nämä testit ovat kuitenkin ennen kaikkea arvokkaita yritykselle, koska ne ovat kustannuksiltaan alhaisia, mutta palkkiot ovat korkeat.

Oletetaan, että palveluksessa on sisällöntuottaja, jonka palkka on 50 000 dollaria vuodessa. Tämä sisällöntuottaja julkaisee viisi artikkelia viikossa yrityksen blogille, yhteensä 260 artikkelia vuodessa. Jos yrityksen blogin keskimääräinen viesti tuottaa 10 viittausta, voit sanoa, että 10 viittauksen luominen yritykselle maksaa hieman yli 192 dollaria (50000 dollarin palkka ÷ 260 artikkelia = 192 dollaria artikkelia kohden). Se on vahva osa muutosta.

Jos pyydät tätä sisällöntuottajaa viettämään kaksi päivää A / B-testin kehittämiseen yhdelle artikkelille, sen sijaan, että kirjoittaisit kahta artikkelia kyseisenä ajanjaksona, saatat polttaa 192 dollaria, koska julkaiset yhden artikkelin vähemmän . Mutta jos A / B-testi havaitsee, voit nostaa jokaisen artikkelin tulosprosenttia 10: stä 20 viittaukseen, olet kuluttanut juuri 192 dollaria kaksinkertaistamaan yrityksesi asiakkaiden lukumäärän blogistasi.

Jos testi epäonnistuu, menetät tietysti 192 dollaria – mutta nyt voit tehdä seuraavasta A / B-testistäsi entistä koulutetumman. Jos tämä toinen testi onnistuu kaksinkertaistamaan blogisi tulosprosentin, käytit viime kädessä 284 dollaria yrityksesi tulojen kaksinkertaistamiseen. Riippumatta siitä, kuinka monta kertaa A / B-testi epäonnistuu, sen mahdollinen menestys ylittää melkein aina sen suorittamisesta aiheutuvat kustannukset.

Voit suorittaa monenlaisia jaettuja testejä, jotta kokeilu olisi lopulta sen arvoinen.Tässä on joitain yleisiä tavoitteita, joita markkinoijilla on liiketoiminnalleen A / B-testauksessa:

• Lisääntynyt verkkosivustoliikenne: Testaamalla erilaisia blogiviestejä tai verkkosivujen otsikoita voi muuttaa hyperlinkitetyn otsikon napsauttavien ihmisten määrän päästä verkkosivustollesi. Tämä voi lisätä verkkosivuston liikennettä seurauksena.
• Korkeampi tulosprosentti: Testattaessa eri sijainteja, värejä tai jopa ankkuritekstejä CTA: ssasi voi muuttaa niiden ihmisten määrää, jotka napsauttavat näitä CTA: ta päästäkseen aloitussivulle. Tämä voi lisätä niiden ihmisten määrää, jotka täyttävät verkkosivustollasi lomakkeita, lähettävät yhteystietonsa sinulle ja ”muuntavat” liidiksi.
• Alempi välitön poistumisprosentti: Jos verkkosivustosi kävijät poistuvat (tai ”palautuvat”) ”) nopeasti verkkosivustollasi käymisen jälkeen, testaten erilaisia blogiviestien esittelyjä, fontteja tai erikoiskuvia, tämä vähentää poistumisprosenttia ja pitää enemmän kävijöitä.
• Alempi ostoskorin hylkääminen: Verkkokaupan yritykset näkevät 40-75% asiakkaista jätä verkkosivustonsa tuotteiden kanssa ostoskoriin MightyCallin mukaan. Tätä kutsutaan ”ostoskorin hylkäämiseksi”. Eri tuotekuvien testaaminen, sivujen suunnittelun tarkastaminen ja jopa lähetyskustannusten näkyminen voivat alentaa tätä hylkäysastetta.

Anna nyt käydä läpi tarkistuslista asennusta, suorittamista, ja mittaamalla A / B-testi.

Kuinka suorittaa A / B-testaus

Seuraa ilmaisen A / B-testipakkauksemme kanssa, joka sisältää kaiken tarvitsemasi A / B-testauksen suorittamiseen, mukaan lukien testin seurantamalli, ohjeet opastukseen ja inspiraatioon sekä tilastollisen merkitsevyyden laskin, jotta voit tarkistaa, olivatko testisi voittoja, tappioita tai epäjohdonmukainen.

Ennen A / B-testiä

Tarkastellaan suoritettavat vaiheet ennen A / B-testin aloittamista.

1. Valitse yksi testattava muuttuja.

Optimoidessasi verkkosivujasi ja sähköpostejasi saatat löytää useita testattavia muuttujia. Mutta muutoksen tehokkuuden arvioimiseksi haluat eristää yhden ”itsenäisen muuttujan” ja mitata sen suorituskykyä – muuten et voi olla varma, mikä muutoksista vastasi suorituskyvyn muutoksista.

Sinä voi testata useampaa kuin yhtä muuttujaa yhdelle verkkosivulle tai sähköpostille; vain testaa ne yksi kerrallaan.

Katso markkinointiresurssien eri elementtejä ja niiden mahdollisia vaihtoehtoja suunnittelulle, sanamuodolle ja ulkoasulle. Muita testattavia asioita ovat sähköpostin aiherivit , lähettäjien nimet ja erilaisia tapoja mukauttaa sähköpostejasi.

Muista, että jopa yksinkertaiset muutokset, kuten sähköpostin kuvan tai toimintakehotuspainikkeen sanojen muuttaminen, voivat saada aikaan suuria parannuksia. Itse asiassa tällaisia muutoksia on yleensä helpompi mitata kuin isompia.

Huomaa: On aikoja, jolloin on järkevämpää testata useita muuttujia yhden muuttujan sijaan. Tämä on prosessi kutsutaan monimuuttujatestaukseksi. Jos mietitkö, pitäisikö sinun suorittaa A / B-testi monitaajuustestin kanssa, tässä on Optimizelyn hyödyllinen artikkeli, jossa verrataan näitä kahta.

2. Tunnista tavoitteesi.

Vaikka mitatkin useita mittareita jokaista testiä varten, valitse ensisijainen mittari, johon keskityt – ennen kuin ru n testi. Itse asiassa tee se ennen kuin edes määrität toisen muunnelman. Tämä on ”riippuvainen muuttujasi”.

Mieti, missä haluat muuttujan olevan jaetun testin lopussa. Voit esittää virallisen hypoteesin ja tutkia tuloksia tämän ennusteen perusteella.

Jos odotat jälkikäteen miettiäksesi, mitkä mittarit ovat sinulle tärkeitä, mitkä ovat tavoitteesi ja miten ehdotat muutoksia saattaa vaikuttaa käyttäjien käyttäytymiseen, et ehkä voi määrittää testiä tehokkaimmalla tavalla.

3. Luo ”hallinta” ja ”haastaja”.

Sinulla on nyt riippumaton muuttuja, riippuvainen muuttuja ja haluttu tulos. Käytä näitä tietoja määrittämään muuttumaton versio kaikesta, mitä testaat uudelleen ”kontrollina”. Jos testaat verkkosivua uudelleen, tämä on muuttumaton verkkosivu, koska se on jo olemassa. Jos testaat aloitussivua, tämä olisi aloitussivun ulkoasu ja kopio, jota normaalisti käyttäisit.

Rakenna sieltä muunnelma tai ”haastaja” – verkkosivusto, laskeutumissivu tai sähköposti, jota testaat hallinnassasi. Jos esimerkiksi ihmettelet, onko suosittelun sisällyttämisellä laskeutumissivulle mitään merkitystä, asenna ohjaussivu ilman suositteluja. Luo sitten muunnelma suosittelulla.

4. Jaa esimerkkiryhmät tasaisesti ja satunnaisesti.

Testeissä, joissa sinulla on enemmän hallintaa yleisöön – kuten sähköpostiviestien kanssa – sinun on testattava vähintään kahdella tasa-arvoisella yleisöllä, jotta saat lopulliset tulokset.

Tämän tekeminen vaihtelee käyttämäsi A / B-testaustyökalun mukaan. Jos olet esimerkiksi HubSpot Enterprise -asiakas, joka suorittaa A / B-testin sähköpostilla, HubSpot jakaa automaattisesti liikenteen muunnelmiin. niin, että jokainen muunnelma saa satunnaisen otoksen vierailijoista.

5. Määritä otoskoko (jos sovellettavissa).

Näytteen koon määrittäminen vaihtelee myös A / B-testaustyökalustasi ja käynnissä olevan A / B-testin tyypistä riippuen.

Jos testaat A / B: tä sähköpostilla, haluat todennäköisesti lähettää A / B-testin pienempään osaan luetteloasi saadaksesi tilastollisesti merkitseviä tuloksia. Lopulta valitset voittajan ja lähetä voittanut muunnelma muuhun luetteloon. (Katso lisätietoja osiotekoon laskemisesta tämän artikkelin lopussa olevasta ”Science of Split Testing” -kirjasta.)

Jos olet HubSpot Enterprise -asiakas, sinulla on apua koon määrittämisessä. näyteryhmäsi liukusäätimellä. Sen avulla voit suorittaa 50/50 A / B-testin minkä tahansa otoksen koosta – vaikka kaikki muut näytteenjaot edellyttävät vähintään 1000 vastaanottajan luetteloa.

Jos testaat jotain sellaista, jolla ei ole rajallista yleisöä, kuten verkkosivua, niin kuinka kauan pidät testiäsi, vaikuttaa suoraan otoksen koko.

Sinun on annettava testisi suorittaa tarpeeksi kauan saadaksesi huomattavan määrän näkymiä, muuten on vaikea sanoa, onko näiden kahden muunnelman välillä tilastollisesti merkitsevä ero.

6. Päätä, kuinka merkittävien tulostesi on oltava.

Kun olet valinnut tavoitemittarin, mieti, kuinka merkittävien tulostesi on oltava, jotta voit perustella yhden muunnelman toisen sijaan. Tilastollinen merkitsevyys on erittäin tärkeä osa A / B-testausprosessia, jota ymmärretään usein väärin. Jos tarvitset tilastollisen merkitsevyyden päivitystä markkinoinnin näkökulmasta, suosittelen lukemaan tämän blogikirjoituksen.

Mitä suurempi prosenttiosuus Luottamustasosi, sitä varmempi voit olla tuloksissasi. Useimmissa tapauksissa haluat vähintään 95%: n luottamustason – mieluiten jopa 98%: n – varsinkin jos perustaminen oli aikaa vievää kokeilua. Joskus on kuitenkin järkevää käyttää alempaa luottamustasoa, jos et tarvitse testiä yhtä tiukana.

HubSpotin vanhempi ohjelmistosuunnittelija Matt Rheault haluaa ajatella tilastollista merkitsevyyttä, kuten sijoittamista. Mihin kertoimiin sinulla on mukava lyödä vetoa? Sanomalla ”minä” olen 80% varma, että tämä on oikea muotoilu ja minä ”haluan lyödä vetoa kaikesta siitä”, on samanlainen kuin A / B-testin suorittaminen 80 prosentin merkityksellä ja sitten voittajan julistaminen.

Rheault sanoo myös, että haluat todennäköisesti korkeamman luottamuskynnyksen testattaessasi jotain, joka vain hieman parantaa keskustelunopeutta. Miksi? Koska satunnaisella varianssilla on todennäköisemmin suurempi rooli.

”Esimerkki, jossa voisimme tuntea olomme turvallisemmaksi alentamalla luottamusrajaa, on kokeilu, joka todennäköisesti parantaa tulosprosenttia vähintään 10%, kuten uudistettu sankariosa”, hän selitti.

”Takeaway on, että mitä radikaalisempi muutos on, sitä vähemmän tieteellisiä meidän on oltava prosessikohtaisia. Mitä tarkempi? muutos (painikkeen väri, mikrokopio jne.), sitä tieteellisempää meidän pitäisi olla, koska muutoksella ei todennäköisesti ole suurta ja huomattavaa vaikutusta tulosprosenttiin. ”

7. Varmista, että suoritat vain yhden testin kerrallaan missä tahansa kampanjassa.

Useamman kuin yhden asian testaaminen yhdelle kampanjalle – vaikka se ei olisikaan samassa tarkassa sisällössä – voi vaikeuttaa tuloksia. Jos esimerkiksi testaat A / B-sähköpostikampanjan, joka ohjaa aloitussivulle, samalla kun testaat A / B-aloitussivua … mistä tiedät mikä muutos johti liidien kasvuun?

A / B-testin aikana

Selvitetään A / B-testin aikana suoritettavat vaiheet.

8. Käytä A / B-testaustyökalua.

Jotta voit tehdä A / B-testin verkkosivustollasi tai sähköpostiviestissä, sinun on käytettävä A / B-testaustyökalua. Jos olet HubSpot Enterprise -asiakas, HubSpot-ohjelmistossa on ominaisuuksia, joiden avulla voit testata sähköposteja (lisätietoja täältä), toimintakehotuksia (täältä) ja aloitussivuja (täältä).

Muille kuin HubSpot Enterprise -asiakkaille muita vaihtoehtoja ovat Google Analytics -kokeilut, joiden avulla A / B voi testata jopa 10 täysversiota yhdestä verkkosivusta ja verrata heidän suorituskykyään satunnaisotoksella käyttäjiä.

9. Testaa molempia muunnelmia samanaikaisesti.

Ajoituksella on merkittävä rooli markkinointikampanjasi tuloksissa, olipa kyseessä sitten kellonaika, viikonpäivä tai vuoden kuukausi. Jos aiot käyttää versiota A yksi kuukausi ja versio B kuukautta myöhemmin, mistä tiedät, johtuiko suorituskyvyn muutos erilaisesta suunnittelusta vai eri kuukaudesta?

Kun suoritat A / B-testejä, sinun on suoritettava kaksi muunnelmaa samaan aikaan, muuten saatat jäädä toisen arvaamaan tuloksia.

Ainoa poikkeus tässä on, jos testaat itse itsesi ajoitusta, kuten etsit optimaalisia aikoja sähköpostien lähettämiseen. Tämä on hieno asia testata, koska riippuen siitä, mitä yrityksesi tarjoaa ja ketkä tilaajat ovat, optimaalinen aika tilaajien sitoutumiseen voi vaihdella merkittävästi toimialoittain ja kohdemarkkinoilta.

10. Anna A / B-testille riittävästi aikaa hyödyllisten tietojen tuottamiseen.

Jälleen ”haluat varmistaa, että annat testin suorittaa tarpeeksi kauan saadaksesi huomattavan otoskokon. Muuten se” Minun on vaikea sanoa, onko näiden kahden muunnelman välillä tilastollisesti merkitsevä ero.

Kuinka kauan riittää? Yrityksestäsi ja A / B-testisi suorittamisesta riippuen tilastollisesti merkittävien tulosten saaminen voi tapahtua tunneissa … tai päivissä … tai viikoissa. Suuri osa siitä, kuinka kauan tilastollisesti merkittävien tulosten saaminen kestää, on kuinka paljon liikennettä saat – joten jos yrityksesi ei saa paljon liikennettä verkkosivustoosi, A / B: n käyttäminen vie paljon kauemmin. testi.

Teoriassa sinun ei pitäisi rajoittaa aikaa, jolloin keräät tuloksia. (Lue tämä blogiviesti saadaksesi lisätietoja näytteen koosta ja ajoituksesta.)

11. Pyydä palautetta todellisilta käyttäjiltä.

A / B-testauksella on paljon tekemistä kvantitatiivisten tietojen kanssa … mutta se ei välttämättä auta sinua ymmärtämään, miksi ihmiset ryhtyvät tiettyihin toimiin toisten suhteen. suoritat A / B-testisi, miksi et kerätä laadullista palautetta todellisilta käyttäjiltä?

Yksi parhaista tavoista kysyä ihmisiltä mielipiteitä on kysely tai kysely. Voit lisätä sivustollesi poistumistutkimuksen, jossa kysytään kävijöiltä, miksi he eivät napsauttaneet tiettyä toimintakehotusta, tai kiitossivuiltasi, jossa kysytään, miksi he napsauttivat painiketta tai täyttivät lomakkeen.

Saatat huomata esimerkiksi, että monet ihmiset napsauttivat toimintakehotusta, joka johti heidät e-kirjaan, mutta kun he näkivät hinnan, he eivät muuttaneet. Tällaiset tiedot antavat sinulle paljon tietoa siitä, miksi käyttäjät käyttäytyvät tietyillä tavoilla.

A / B-testin jälkeen

Katkaise lopuksi vaiheet ota A / B-testin jälkeen.

12. Keskity tavoitteesi mittariin.

Jälleen, vaikka mitatkin useita mittareita, pidä keskittymisesi ensisijaiseen tavoitemittariin, kun teet analyysisi.

Jos esimerkiksi testasit kaksi sähköpostimuunnosta ja valitsit liidit ensisijaiseksi mittariksi, älä tartu avoimeen tai napsautussuhteeseen. Saatat nähdä korkean napsautussuhteen ja huonot tulosprosentit, jolloin saatat päätyä valitsemaan muunnelman, jonka napsautussuhde oli lopulta pienempi.

13. Mittaa tulostesi merkitys A / B-testauslaskurillamme.

Nyt kun olet määrittänyt, mikä muunnelma toimii parhaiten, on aika määrittää, ovatko tulokset tilastollisesti merkitseviä vai eivät. Toisin sanoen, riittävätkö ne muutoksen perustelemiseen?

Selvitäksesi sinun on suoritettava tilastollisesti merkittävä testi. Voit tehdä sen manuaalisesti … tai vain liittää tulokset kokeilustasi ilmaiseen A / B-testauslaskuriin.

Kutakin testattua muunnosta varten sinua pyydetään antamaan kokeilujen kokonaismäärä, kuten lähetetyt sähköpostit tai näkemät näyttökerrat. Syötä sitten suoritettujen tavoitteiden lukumäärä – yleensä tarkastelet napsautuksia, mutta tämä voi olla myös muun tyyppisiä tuloksia.

Laskin sylkii luotettavuustason, jonka tietosi tuottavat voittavalle muunnelmalle. Mittaa sitten luku sen arvon kanssa, jonka valitsit tilastollisen merkitsevyyden määrittämiseksi.

14. Toimi tulostesi perusteella.

Jos yksi muunnelma on tilastollisesti parempi kuin toinen, sinulla on voittaja. Suorita testi poistamalla käytöstä häviävä muunnelma A / B-testaustyökalustasi.

Jos kumpikaan muunnos ei ole tilastollisesti parempi, olet juuri oppinut, että testaamasi muuttuja ei vaikuttanut tuloksiin, ja sinun on merkittävä testi epäjohdonmukaiseksi. Pidä tässä tapauksessa kiinni alkuperäisestä muunnelmasta – tai suorita toinen testi. Voit käyttää epäonnistuneita tietoja auttaaksesi sinua selvittämään uuden iteraation uudessa testissäsi.

Vaikka A / B-testit auttavat sinua vaikuttamaan tuloksiin tapauskohtaisesti, voit myös käyttää oppitunteja opit jokaisesta testistä ja käytät sitä tulevissa ponnisteluissa.

Esimerkiksi, jos olet suorittanut A / B-testejä sähköpostimarkkinoinnissasi ja huomannut toistuvasti, että numeroiden käyttäminen sähköpostin aiheriveillä tuottaa paremman napsautussuhteen , kannattaa harkita kyseisen taktiikan käyttämistä useammassa sähköpostissasi.

15. Suunnittele seuraava A / B-testi.

Äsken päättämäsi A / B-testi on saattanut auttaa huomaat uuden tavan tehostaa markkinointisisältöäsi – mutta älä pysähdy siihen. Aina on tilaa optimoinnille.

Voit jopa yrittää suorittaa A / B-testin samalla verkkosivulla tai sähköpostilla, jolla juuri suoritit testin. Esimerkiksi, jos testasit juuri otsikkoa aloitussivulla, miksi et tekisi uutta testiä kopiosta? Tai värimaailma? Tai kuvia? Pidä aina silmällä mahdollisuuksia lisätä tulosprosentteja ja viittauksia.

Aloita A / B-testaus tänään

A / B-testauksen avulla pääset totuuteen mihin sisältöön ja markkinointiin yleisösi haluaa nähdä.Opi suorittamaan jotkut yllä olevista vaiheista parhaiten käyttämällä alla olevaa ilmaista e-kirjaa.

Toimittajan huomautus: Tämä viesti julkaistiin alun perin toukokuussa 2016 ja on päivitetty kattavuuden vuoksi.

Alun perin julkaistu 13. huhtikuuta 2020 8:00 : 00 AM, päivitetty 8. syyskuuta 2020