Hogyan kell elvégezni az A / B tesztelést: Ellenőrzőlistát szeretne könyvjelzővel ellátni

Amikor a hozzánk hasonló marketingesek céloldalakat hoznak létre, e-mail másolatot írnak vagy cselekvésre ösztönző gombokat terveznek, csábító arra, hogy intuíciónk segítségével megjósoljuk, mi készteti az embereket a kattintásra és a konverzióra.

De a marketing-döntések „érzésen alapuló” megalapozása meglehetősen káros lehet az eredményekre nézve. , sokkal jobban jársz, ha A / B tesztet futtatsz – néha split tesztnek is hívják.

A / B teszt értékes lehet, mert a különböző közönség jól, másként viselkedik. Valami, ami az egyik vállalatnál működik, nem feltétlenül működik a másiknál. Valójában az átváltási arány optimalizálás (CRO) szakértői utálják a „legjobb gyakorlatok” kifejezést, mert lehet, hogy ez valójában nem a legjobb gyakorlat az Ön számára.

De az A / B tesztek is összetettek lehetnek. Ha nem vigyáz, helytelen feltételezéseket tehet arról, hogy mi tetszik az embereknek, és mi készteti őket kattintásra – olyan döntések, amelyek könnyen félrevezethetik stratégiájának más részeit.

Olvassa tovább, hogy megtanulja, hogyan kell csinálni az A / B-t. tesztelés az adatgyűjtés előtt, közben és után, hogy az eredmények alapján a lehető legjobb döntéseket hozza meg.

A / B teszt futtatásához egy tartalom két különböző változatát kell létrehoznia, változtatásokkal egyetlen változónak. Ezután megmutatja ezt a két verziót két hasonló méretű közönségnek, és elemzi, hogy melyik teljesített jobban egy adott időszakban (elég hosszú ahhoz, hogy pontos következtetéseket vonhasson le az eredményeiről).

Forrás

Az A / B tesztelés segít a marketingszakembereknek megfigyelni, hogy egy darab a marketing tartalom egy másik mellett működik. Itt van kétféle A / B teszt, amelyet elvégezhet a webhely konverziós arányának növelése érdekében:

1. példa: Felhasználói élmény teszt

Talán szeretné megtudni, hogy Egy bizonyos cselekvésre ösztönzés (CTA) gomb áthelyezése a kezdőlap tetejére ahelyett, hogy az oldalsávon tartaná, javítja az átkattintási arányt.

Az A / B teszteléséhez ezt az elméletet, akkor ” d hozzon létre egy másik, alternatív weboldalt, amely tükrözi a CTA elhelyezésének változását. A jelenlegi kialakítás – vagy a “vezérlés” – az A verzió. A B verzió a “kihívó”. Ezután tesztelje ezt a két verziót úgy, hogy mindegyiket megjeleníti a webhely látogatóinak előre meghatározott százalékában. Ideális esetben a két verziót látó látogatók százalékos aránya megegyezik.

További információ az A / B teszt egyszerű elvégzéséről a webhely egyik összetevője a HubSpot marketing központjával.

2. példa: Tervezési teszt

Talán szeretné megtudni, hogy megváltoztatja-e a cselekvésre ösztönzés (CTA) színét ) gomb növelheti az átkattintási arányt.

Az elmélet A / B teszteléséhez megtervez egy alternatív CTA gombot más gombszínnel, amely ugyanarra a céloldalra vezet, mint a vezérlő. marketing tartalmában általában piros cselekvésre ösztönző gombot használ, és a zöld variáció több kattintást kap az A / B teszt után, ez megérdemelheti a cselekvésre ösztönzés gombok alapértelmezett színének zöldre váltását .

Ha többet szeretne megtudni az A / B tesztelésről, töltse le itt az ingyenes bevezető útmutatónkat.

Az A / B tesztelés előnyei

Az A / B tesztelés a ma előnyeinek sokasága rketing team, attól függően, hogy mit dönt a tesztelés mellett. Mindenekelőtt azonban ezek a tesztek értékesek egy vállalkozás számára, mivel “alacsonyak a költségeik, de magas a jutalma.

Tegyük fel, hogy 50 000 USD / év fizetéssel alkalmaz egy tartalomalkotót. Ez a tartalomkészítő hetente öt cikket tesz közzé a vállalati blog számára, összesen 260 cikket jelent évente. Ha a vállalat blogjának átlagos bejegyzése 10 leadet generál, akkor azt mondhatjuk, hogy valamivel több mint 192 USD-ba kerül, hogy 10 leadet generáljunk a vállalkozás számára (50 000 USD fizetés ÷ 260 cikk = 192 USD cikkenként). Ez “egy csomó változás.” / p>

Ha most arra kéri ezt a tartalomkészítőt, hogy két napot fordítson egy cikk A / B tesztjének fejlesztésére, ahelyett, hogy ebben az időszakban két cikket írna, 192 USD-t égethet, mert egy cikkel kevesebbet tesz közzé . De ha ez az A / B teszt megállapítja, akkor megnövelheti az egyes cikkek konverziós arányát 10-ről 20 leadre, csak 192 USD-t költött arra, hogy potenciálisan megduplázza a vállalkozásához a blogodból érkező ügyfelek számát.

Ha a teszt kudarcot vall, természetesen 192 dollárt veszített – de most még képzettebbé teheti következő A / B tesztjét. Ha ez a második teszt sikeresen megduplázza blogja konverziós arányát, végül 284 USD-t költött arra, hogy megduplázza a vállalat bevételeit. Nem számít, hányszor bukik meg az A / B tesztje, az esetleges sikere szinte mindig felülmúlja a lebonyolítás költségeit.

Sokféle osztott tesztet futtathat, hogy a kísérlet végül megéri.Az alábbiakban felsorolunk néhány általános célt, amelyet a marketingszakemberek az üzleti életükre néznek A / B teszteléskor:

• Megnövekedett webhelyforgalom: Különböző blogbejegyzések vagy weboldal címek tesztelése megváltoztathatja a hiperhivatkozással ellátott címre kattintók számát keresse fel a webhelyét. Ez emiatt megnövelheti a webhely forgalmát.
• Magasabb konverziós arány: Különböző helyek, színek vagy akár horgonyszövegek tesztelése a CTA-n megváltoztathatja azok számát, akik kattintanak ezekre a CTA-kre, hogy eljutjanak egy céloldalra. Ez növelheti azok számát, akik kitöltenek űrlapokat a webhelyén, elküldik neked elérhetőségeiket, és „átváltanak” vezetővé.
• Alacsony visszafordulási arány: Ha a webhely látogatói távoznak (vagy „visszapattannak”) “) gyorsan, miután meglátogatta webhelyét, különböző blogbejegyzések bevezetése, betűtípusok vagy jellemző képek tesztelése csökkentheti ezt a visszafordulási arányt és több látogatót tarthat meg.
• Alacsonyabb kosárelhagyás: Az e-kereskedelmi vállalkozások az ügyfelek 40-75% -át látják a MightyCall szerint a bevásárlókosár tételeivel hagyja el weboldalát. Ez a “bevásárlókosár elhagyása” néven ismert. A különböző termékfotók, az oldaltervek és még a szállítási költségek megjelenítésének tesztelése is csökkentheti ezt az elhagyási arányt.

Most nézzük át a beállítási, futtatási, ellenőrzési listát, és egy A / B teszt mérése.

Hogyan kell elvégezni az A / B tesztet

Kövesse az ingyenes A / B tesztkészletünkkel, amely tartalmaz mindent az A / B teszt futtatásához, beleértve a tesztkövetési sablont, az útmutató és az inspiráció útmutatóját, valamint egy statisztikai szignifikancia kalkulátort, hogy lássa, tesztjei nyertek-e, veszteségek-e vagy sem. nem meggyőző.

Az A / B teszt előtt

Tegyük le az A / B teszt megkezdése előtt elvégzendő lépéseket.

1. Válasszon ki egy változót a teszteléshez.

A weblapok és e-mailek optimalizálása során számos változót tesztelhet. De annak értékeléséhez, hogy mennyire hatékony egy változás, el akarsz különíteni egy „független változót” és megmérni annak teljesítményét – különben nem lehet biztos abban, hogy melyik volt felelős a teljesítmény változásaiért.

Ön több változót tesztelhet egyetlen weboldalhoz vagy e-mailhez; csak győződjön meg róla, hogy egyenként teszteli őket.

Nézze meg a marketing erőforrások különféle elemeit, valamint a tervezés, a megfogalmazás és az elrendezés lehetséges alternatíváit. Egyéb tesztelhető dolgok közé tartoznak az e-mail tárgyai , a feladó nevét és az e-mailek testreszabásának különböző módjait.

Ne feledje, hogy még az egyszerű változtatások is, például az e-mailben lévő kép vagy a cselekvésre ösztönző gomb szavainak megváltoztatása, nagy fejlesztéseket eredményezhetnek . Valójában ezek a változások általában könnyebben mérhetők, mint a nagyobbak.

Megjegyzés: Vannak esetek, amikor ésszerűbb több változót tesztelni, nem pedig egyetlen változót. Ez egy folyamat többváltozós tesztelésnek hívják. Ha arra kíváncsi, hogy A / B tesztet kell-e futtatnia egy többváltozós teszttel szemben, itt van az Optimizely hasznos cikke, amely összehasonlítja a kettőt.

2. Határozza meg a célját.

Bár minden egyes teszthez mérőszámokat mér, válasszon egy elsődleges mutatót, amelyre összpontosít – mielőtt n a teszt. Valójában tegye meg, mielőtt még beállítaná a második variációt. Ez az Ön “függő változója”.

Gondoljon arra, hogy ez a változó hol legyen az osztott teszt végén. Lehet, hogy hivatalos hipotézist fogalmaz meg, és ezen jóslat alapján megvizsgálhatja az eredményeit.

Ha utána vár, hogy átgondolja, mely mutatók fontosak számodra, milyen céljaid vannak, és hogy milyen változtatásokat javasolsz befolyásolhatja a felhasználói viselkedést, akkor előfordulhat, hogy nem a leghatékonyabban állítja be a tesztet.

3. Hozzon létre egy “vezérlőt” és egy “kihívót”.

Most már rendelkezik független változó, az Ön függő változója és a kívánt eredmény. Ezen információk segítségével állíthatja be annak a verziónak a változatlan változatát, amelyet “ellenőrzőként” tesztel. Ha egy weboldalt tesztel, akkor ez a változatlan weboldal, mivel már létezik. Ha egy céloldalt tesztel, akkor ez a céloldal tervezése és másolata, amelyet általában használna.

Innen készítsen egy variációt vagy egy „kihívót” – azt a weboldalt, céloldalt vagy e-mailt, amelyet az ellenőrzése alatt tesztel. Például, ha arra kíváncsi, hogy az ajánlásnak a céloldalra való felvétele jelent-e különbséget, állítsa be a vezérlő oldalt ajánlások nélkül. Ezután hozza létre a változatát egy ajánlással.

4. Ossza szét a mintacsoportokat egyformán és véletlenszerűen.

Azoknál a teszteknél, ahol jobban ellenőrizheti a közönséget – például az e-mailek esetében – két vagy több, azonos közönséggel kell tesztelnie, hogy meggyőző eredmények szülessenek.

Ennek módja az Ön által használt A / B tesztelő eszköztől függ. Ha például egy HubSpot Enterprise ügyfél végez A / B tesztet egy e-mailen, akkor a HubSpot automatikusan felosztja a forgalmat a változatokra hogy minden variáció véletlenszerű mintavételt nyerjen a látogatókról.

5. Határozza meg a minta méretét (ha alkalmazható).

A minta méretének meghatározása az A / B tesztelő eszköztől és az éppen futó A / B teszt típusától függően is változik.

Ha A / B tesztel egy e-mailt, akkor valószínűleg A / B tesztet szeretne küldeni a listájának egy kisebb részére, hogy statisztikailag szignifikáns eredményeket kapjon. Végül kiválaszt egy nyertest és küldje el a nyertes változatot a lista többi részére. (A mintaméret kiszámításával kapcsolatban lásd a cikk végén található “The Science of Split Testing” e-könyvet.)

Ha Ön HubSpot Enterprise ügyfél, akkor segítséget nyújt a méret meghatározásában. csúszka segítségével. Ez lehetővé teszi, hogy bármilyen mintaméretű 50/50 A / B tesztet hajtson végre – bár az összes többi mintafelosztáshoz legalább 1000 címzett listája szükséges.

Ha olyan dolgokat tesztel, amelyeknek nincs véges közönsége, például egy weboldalt, akkor a teszt futtatásának hossza közvetlenül befolyásolja mintaméret.

Hagynod kell a teszted elég hosszú futtatását ahhoz, hogy jelentős számú nézetet kapj, különben nehéz lesz megmondani, hogy statisztikailag szignifikáns különbség volt-e a két változat között.

6. Döntse el, mennyire fontosak legyenek az eredményei.

Miután kiválasztotta a célmutatót, gondolja át, mennyire fontosaknak kell lennie az eredményeinek ahhoz, hogy igazolja az egyik változat kiválasztását a másik helyett. A statisztikai szignifikancia rendkívül fontos része az A / B tesztelési folyamatnak, amelyet gyakran félreértenek. Ha marketing szempontból frissítésre van szüksége a statisztikai szignifikancia szempontjából, ajánlom, hogy olvassa el ezt a blogbejegyzést.

Minél magasabb a százalékos arány a magabiztossági szintjéből, annál biztosabb lehet az eredményeiről. A legtöbb esetben legalább 95% -os – lehetőleg 98% -os – megbízhatósági szintet szeretne, különösen, ha időigényes kísérlet volt a felállítása. Néha azonban van értelme alacsonyabb konfidenciaszintet alkalmazni, ha nem szükséges a teszt olyan szigorúnak lennie.

Matt Rheault, a HubSpot vezető szoftvermérnöke, olyan statisztikai jelentőségre gondol, mint a helyezés tét. Milyen esélyekre hajlandó fogadást kötni? Ha azt mondom, hogy “én” 80% -ig biztos vagyok benne, hogy ez a helyes kialakítás, és “hajlandó vagyok mindenre fogadni”, az hasonló az A / B teszt futtatásához 80% -os jelentőséggel majd győztesnek nyilvánítja.

Rheault azt is mondja, hogy valószínűleg magasabb bizalmi küszöböt szeretne, ha tesztel valamit, ami csak kissé javítja a beszélgetési arányt. Miért? Mivel a véletlenszerű variancia valószínűleg nagyobb szerepet játszik.

“Egy példa, ahol biztonságosabbnak érezhetjük magabiztosítási küszöbünket, egy olyan kísérlet, amely valószínűleg 10% -kal vagy annál is jobbá teszi a konverziós arányt, például egy újratervezett hős szakasz” – magyarázta.

“Az elvitel itt az, hogy minél radikálisabb a változás, annál kevésbé kell tudományosan eljárnunk. Minél konkrétabb a változás (gomb színe, mikrokópia stb.), annál tudományosabbnak kell lennünk, mert a változásnak kevésbé valószínű, hogy nagy és észrevehető hatása lenne az átváltási arányra. “

7. Győződjön meg róla, hogy egyszerre csak egy tesztet futtat bármely kampányban.

Több dolog tesztelése egyetlen kampánynál – még akkor is, ha nem ugyanazon az elemen szerepel – megnehezítheti az eredményeket. Például, ha A / B tesztel egy e-mail kampányt, amely egy céloldalra irányít, ugyanakkor teszteled a céloldalt … honnan tudhatod, melyik változás okozta a leadek növekedését?

Az A / B teszt során

Tegyük le az A / B teszt során végrehajtandó lépéseket.

8. Használjon A / B tesztelő eszközt.

A / B teszt elvégzéséhez webhelyén vagy e-mailben A / B tesztelő eszközt kell használnia. Ha Ön HubSpot Enterprise ügyfél, akkor a HubSpot szoftver olyan funkciókkal rendelkezik, amelyek lehetővé teszik az A / B tesztelését az e-mailekben (itt megtudhatja, hogyan), a cselekvésre ösztönzéseket (itt megtudhatja, hogyan) és a céloldalakat (itt megtudhatja, hogyan).

A nem HubSpot Enterprise ügyfelek számára egyéb lehetőségek közé tartozik a Google Analytics „Kísérletek”, amely lehetővé teszi az A / B tesztelését egyetlen weboldal legfeljebb 10 teljes verziójában, és a felhasználók véletlenszerű mintájának felhasználásával összehasonlíthatja teljesítményüket.

9. Tesztelje mindkét változatot egyszerre.

Az időzítés jelentős szerepet játszik a marketingkampány eredményeiben, legyen az napszak, hét napja vagy az év hónapja. Ha az A verziót futtatta egy hónappal és egy hónappal később a B verzióval, honnan tudhatnád, hogy a teljesítményváltozást az eltérő tervezés vagy a másik hónap okozta?

Az A / B tesztek futtatásakor le kell futtatnia a két variáció egyszerre, különben maradhat második találgatás az eredményekről.

Az egyetlen kivétel itt az, ha maga teszteli az időzítést, például megtalálja az e-mailek küldésének optimális idejét. Ez nagyszerű dolog tesztelni, mert attól függően, hogy vállalkozása mit kínál, és kik az előfizetői, az előfizetők bevonásának optimális ideje iparági és célpiaconként jelentősen változhat.

10. Adjon elegendő időt az A / B tesztnek hasznos adatok előállításához.

Ismét “meg akarja győződni arról, hogy a tesztet elég hosszú ideig futtatja-e annak érdekében, hogy jelentős mintaméretet kapjon. Egyébként meg” Nehéz lesz megmondani, hogy volt-e statisztikailag szignifikáns különbség a két variáció között.

Meddig elég hosszú? Vállalkozásától és az A / B teszt végrehajtásának módjától függően statisztikailag szignifikáns eredmények elérése órákban vagy napokban … vagy hetekben történhet. A statisztikailag szignifikáns eredmények megszerzéséhez szükséges idő nagy része az, hogy mekkora forgalmat ér el – tehát ha vállalkozása nem kap nagy forgalmat a webhelyére, akkor sokkal tovább tart, mire A / B-t futtat. teszt.

Elméletileg nem szabad korlátozni az eredmények gyűjtésének idejét. (Olvassa el ezt a blogbejegyzést, ha többet szeretne megtudni a minta méretéről és időzítéséről.)

11. Kérjen visszajelzést a valódi felhasználóktól.

Az A / B tesztelésnek sok köze van a kvantitatív adatokhoz … de ez nem feltétlenül segít megérteni, miért tesznek mások bizonyos lépéseket másokkal szemben. futtatva az A / B tesztet, miért ne gyűjtenénk minőségi visszajelzéseket a valódi felhasználóktól?

Az egyik legjobb módszer egy felmérés vagy közvélemény-kutatás segítségével kikérni az emberek véleményét. Hozzáadhat egy olyan kilépési felmérést a webhelyén, amely megkérdezi a látogatókat, miért nem kattintottak egy adott CTA-ra, vagy a köszönőlapokon, amely megkérdezi a látogatókat, miért kattintottak egy gombra vagy kitöltöttek egy űrlapot.

Megállapíthatja például, hogy sokan kattintottak egy cselekvésre ösztönzésre, amely egy ebookhoz vezetett, de miután meglátták az árat, nem váltottak át. Ez a fajta információ rengeteg betekintést nyújt abba, hogy a felhasználók miért viselkednek bizonyos módon.

Az A / B teszt után

Végül ismertessük a lépéseket végezze el az A / B teszt után.

12. Koncentráljon a célmutatójára.

Ismételten, bár több mutatót is mérni fog, az elsődleges célmutatóra koncentráljon, amikor elvégzi az elemzését.

Ha például egy e-mail két változatát tesztelte, és elsődleges mutatóként a potenciális ügyfeleket választotta, ne ragadjon le a nyitott arány vagy az átkattintási arány. Magas átkattintási arányt és rossz konverziós arányt tapasztalhat, amely esetben végül azt a változatot választja, amelynek végén alacsonyabb az átkattintási arány.

13. Mérje meg az eredmények jelentőségét az A / B teszt kalkulátorunkkal.

Most, hogy meghatározta, melyik variáció teljesíti a legjobban, ideje meghatározni, hogy eredményei statisztikailag szignifikánsak-e vagy sem. Más szóval, elegendőek-e a változás igazolásához?

A megismeréshez statisztikai jelentőségű tesztet kell végrehajtania. Ezt manuálisan is megteheti … vagy egyszerűen csatlakoztathatja a eredményei a kísérletből az ingyenes A / B teszt kalkulátorunkba.

Minden tesztelt változat esetében a rendszer kéri, hogy adja meg a próbálkozások teljes számát, például az elküldött e-maileket vagy a látott megjelenítéseket. Ezután adja meg a teljesített célok számát – általában a kattintásokat nézi, de ezek más típusú konverziók is lehetnek.

A számológép kiköti az Ön által nyert adatok bizalmi szintjét a nyertes variációhoz. Ezután mérje meg ezt a számot azzal az értékkel, amelyet a statisztikai szignifikancia meghatározásához választott.

14. Tegyen lépéseket az eredményei alapján.

Ha az egyik változat statisztikailag jobb, mint a másik, akkor nyertese van. Töltse le a tesztet úgy, hogy letiltja az A / B tesztelő eszköz vesztes változatát.

Ha statisztikailag egyik variáció sem jobb, akkor csak azt tudta meg, hogy a tesztelt változó nem hatott be, és meg kell határoznia, hogy nem meggyőző. Ebben az esetben tartsa be az eredeti változatot – vagy futtasson másik tesztet. A sikertelen adatokat felhasználhatja az új teszt új iterációjának kitalálásához.

Míg az A / B tesztek eseti alapon befolyásolják az eredményeket, alkalmazhatja a leckéket is minden tesztből tanul, és alkalmazza a jövőbeni erőfeszítésekre.

Például, ha A / B teszteket hajtott végre az e-mail marketingjében, és többször megállapította, hogy a számok használata az e-mail tárgysorokban jobb átkattintási arányt eredményez , érdemes megfontolnia ennek a taktikának a használatát több e-mailben.

15. Tervezze meg a következő A / B tesztet.

Lehet, hogy a most befejezett A / B teszt segített. felfedez egy új módszert marketing tartalma hatékonyságának növelésére – de ne álljon meg ennél. Mindig van lehetőség további optimalizálásra.

Akár megpróbálhatja elvégezni az A / B tesztet ugyanazon weboldal vagy e-mail egy másik szolgáltatásán, amelyen éppen tesztelt. Például, ha éppen egy címsort tesztelt egy céloldalon, akkor miért ne végezne új tesztet a törzsmásolaton? Vagy színvilág? Vagy képek? Mindig ügyeljen a konverziós arány és a potenciális ügyfelek növelésének lehetőségeire.

Indítsa el az A / B tesztelést még ma

Az A / B tesztelés lehetővé teszi, hogy eljusson a tartalom és a marketing igazságához a közönséged látni akarja.Tudja meg, hogyan lehet a fenti lépéseket a legjobban végrehajtani az alábbi ingyenes e-könyv használatával.

A szerkesztő megjegyzése: Ezt a bejegyzést eredetileg 2016 májusában tették közzé, és átfogóan frissítették.

Eredetileg 2020. április 13., 8:00 : 00:00, frissítve: 2020. szeptember 8.