Поиск
Close this search box.
Поиск
Close this search box.

3 шага по повышению конверсии сайта после запуска.

3 шага по повышению конверсии сайта после запуска

После запуска онлайн-проект никогда не будет полностью эффективным без дополнительных усилий со стороны. Только благодаря дальнейшей оптимизации сайта он полностью раскроет свой потенциал. Это даст рост конверсии.

Есть две характеристики Интернета, которые делают его уникальным и захватывающим средством для дизайна. Это его способность собирать беспрецедентные объемы данных о том, как пользователи взаимодействуют с ним, и легкость, с которой можно что-то изменить.

Тем не менее, несмотря на огромный потенциал цифровых технологий, многие компании полностью игнорируют их. Они запускают веб-сайт и, кроме нескольких текстовых изменений и обновлений, они не работают над ним до следующего редизайна через несколько лет.

Топовые компании в Интернете постоянно оптимизируют свои сайты после запуска. Так они полностью раскрывают их потенциал.

Amazon избегает редизайна своего веб-сайта, вместо этого развивая его с течением времени с помощью программы тщательного тестирования:

Амазон постепенно развивает дизайн сайта

Невозможно переоценить важность этой постоянной оптимизации.

Почему оптимизация после запуска имеет решающее значение?

По правде говоря, вы можете провести любое предварительное тестирование, какое захотите. Однако, вы не знаете, как пользователи будут реагировать на веб-сайт до его запуска. Проверка до начала работы, безусловно, позволяет избежать дорогостоящих ошибок. Однако, она не может дать полностью реалистичную картину реального опыта.

Тем не менее, с действующим сайтом пользователи взаимодействуют ежедневно. Становятся очевидными проблемы, то, как они возникают, и способы их устранения.

Улучшение критических показателей.

Если у вас есть время и ресурсы для оптимизации после запуска, вы можете значительно улучшить взаимодействие и конверсию.

Небольшие изменения после запуска могут иметь огромное значение для эффективности веб-сайта. Например,  Джаред Спул избавил пользователей от необходимости регистрироваться на сайте электронной коммерции, чтобы оформить покупку.  Это дало рост продаж на 45%, что равнялось 300 миллионам долларов увеличения дохода только за первый год!

Тестирование после запуска также может обеспечить значительную экономию средств, поскольку оно позволяет избежать периодических доработок.

Избегайте дорогостоящих изменений внешнего вида и устройства веб-страинц. Редизайн сайта чрезвычайно расточителен по двум причинам:

  1. Модернизируясь, веб-ресурс, как правило, отбрасывает хорошее, что в нем есть. Он строится, можно сказать, с нуля. Это грубый метод, который игнорирует то, как некоторые элементы вашего существующего сайта будут работать.
  2. Из-за того, что редизайн стоит дорого, он происходит только раз в несколько лет. Большую часть своей жизни веб-страницы не работают с максимальной эффективностью.

Вместо этого мы должны со временем развивать наши сайты посредством тщательного тестирования после запуска. Но как именно это выглядит?

Процесс оптимизации после запуска.

Когда сайт запускается и у пользователей есть время приспособиться к нему, обычно применяют циклический процесс оптимизации. Он состоит из трех шагов, которые повторяют почти постоянно:

  1. Найти проблемную область для решения.
  2. Определить точную проблему.
  3. Проверить возможные решения.

Рассмотрите возможность внедрения циклического процесса оптимизации, который со временем оптимизирует веб-сайт:

цикл поиск проблем оптимизация

Давайте рассмотрим их более подробно.

1. Найдите проблемную зону.

Оптимизация веб-сайта начинается с выявления областей сайта, которые не работают с максимальной эффективностью. Для этого вам нужно четко понимать, в чем именно заключается проблема.

Какие проблемы искать?

Обычно недостатки бывают чаще всего в трех ключевых областях:

  • Вовлеченность. Пользователи не взаимодействуют с контентом или преждевременно покидают веб-сайт?
  • Удобство использования. Пользователи изо всех сил пытаются найти нужный им контент или выполнить важные задачи на веб-сайте?
  • Конверсия. Покидают  ли пользователи сайт до того, как завершат призыв к действию? Те, кто действовал, не вернутся на сайт позже?

Глядя на такие показатели, вы поймете, что есть возможности для улучшения. Затем вам нужно определить, где на сайте что-то идет не так. Как правило, в этом может помочь аналитика.

Использование аналитики для поиска проблем.

Поиск проблемных мест — это не точная наука и требует некоторой интуиции. Однако это хорошая отправная точка для определения общих областей, в которых могут возникнуть проблемы.

Даже с ограниченными знаниями аналитики относительно легко находить потенциальные проблемы на сайте.

Аналитика — мощный инструмент для выявления потенциальных проблем на веб-страницах:

пример аналитики сайта

Важно обращать внимание на:

  • Страницы отказов. Это страницы, на которые пользователи попадают, а затем сразу же уходят, не просматривая какой-либо другой контент. Страницы, которые не вовлекают пользователя глубже в сайт и не вызывают призыв к действию, обычно являются областью для улучшения.
  • Маршруты сайта. По какому пути проходят пользователи через сайт. Выбирают ли они самый прямой маршрут к призыву к действию или отвлекаются? Есть ли некоторые пути через сайт, которые работают хуже других? Если люди пойдут по определенному маршруту, есть ли вероятность, что они быстро покинут сайт?
  • Пункты выдачи. Какие страницы заставляют людей уходить с сайта?
  • Страницы с высокой задержкой. Какие страницы замедляют путь пользователя? На каких страницах люди обычно застревают?

Нас интересует аналитика конкретных страниц. Другими словами, знание общего времени ожидания или показателя отказов сайта не поможет сузить круг проблем. 

Нужно знать, какие  страницы  имеют высокий показатель отказов или время ожидания.

В итоге вы должны получить список потенциальных страниц, на которых могут быть проблемы. Конечно, то, что страница имеет длительное время ожидания или многие люди покидают сайт, не обязательно означает, что она дает сбой. Знание того, на каких страницах может быть проблема, также не позволяет нам точно диагностировать проблему.

Чтобы точно понять, что происходит, нам нужно более подробно изучить каждую проблемную страницу. Неудивительно, что я начинаю с того, что сосредотачиваюсь на самой неэффективной странице на основе вышеуказанных критериев.

2. Диагностика проблемы.

Чтобы выяснить причину проблемы, можно начать с такого приложения, как  Fullstory  или  Hotjar. В них есть два полезных инструмента для диагностики проблем — тепловые карты и регистраторы сеансов. Эти тесты дают представление о причине неполадок.

В Hotjar есть тепловая карта и регистратор сеансов:

тепловые карты пример Hotjar

Использование тепловых карт.

Тепловые карты — отличная отправная точка, чтобы сузить круг потенциальных проблем на странице. Используем карты прокрутки и карты кликов.

Карта прокрутки дает четкое представление о том, где на странице сосредоточено внимание людей. Если люди просматривают важный фрагмент контента или призыв к действию, возможно, вы нашли свою проблему.

Карты  кликов также полезны, потому что они помогают понять, понимают ли пользователи страницу. Пытаются ли они нажимать на объекты, на которые нельзя нажимать? Нажимают ли они на вторичный контент, который уводит их от вашего призыва к действию? Или, что еще хуже, они гневно щелкают случайным образом из-за разочарования!?

Тепловые карты дают полезный обзор поведения посетителей сайта. А просмотр некоторых пользовательских сеансов даст более конкретную информацию.

Просмотр записей сеанса.

Как только вы увидите возможные проблемы, стоит просмотреть записи пользовательских сеансов, чтобы увидеть, действительно ли пользователи ведут себя так, как ожидалось.

Например, представьте: кажется, пользователи нажимают на неактивный элемент страницы. Используя такой инструмент, как  Fullstory, вы можете фильтровать все записанные сеансы и просматривать только те сеансы, в которых пользователи пытались щелкнуть этот элемент. Теперь вы можете увидеть, что они сделали дальше или даже в некоторых случаях, что заставило их щелкнуть элемент в первую очередь.

После нажатия они покинули сайт или адаптировались и продолжили работу без проблем? Если они отказались от своей задачи, то явно есть что-то, что нужно исправить.

Конечно, у сессионных записей есть свои пределы. Иногда вы наблюдаете за поведением пользователей и не понимаете, почему они так поступили. В тех случаях, когда вы запутались, самое время обратиться к тестированию юзабилити.

Запуск юзабилити-тестирования.

Если позволяет время, после того, как определили конкретную проблему на определенной странице, стоит провести быстрое тестирование удобства использования. Я установил простой тест, который потребует от пользователя найти проблемную область, которую я определил, и посмотреть, что произойдет. Я наблюдаю за их поведением и прошу объяснить, что они сделали и почему.

Обычно эта проверка выполняется с увеличением и занимает всего несколько минут. Часто можно положиться на друзей и семью для этого тестирования, если веб-сайт не является узкоспециализированным.

К этому моменту будет довольно четкое представление о проблеме, связанной с этой страницей на веб-сайте, и несколько идей, как ее исправить. Но как узнать, какой подход будет лучше, и быть уверенным, что я не сделаю ничего хуже?

Это подводит нас к нашему последнему шагу — тестированию наших потенциальных решений.

3. Проверка возможных решений.

Есть два основных подхода — количественный и качественный. Имея это в виду, давайте рассмотрим эти два варианта и когда мы должны использовать каждый.

Использование количественного A/B тестирования.

Один из самых популярных вариантов оптимизации сайта после запуска – A/B тестирование. Этот количественный подход к тестированию эффективен, потому что он работает с реальными пользователями, которые взаимодействуют на вашем реальном веб-сайте совершенно естественно. Если решение хорошо себя зарекомендовало при A/B тестировании, вы можете быть уверены, что оно будет работать при развертывании на всем сайте для всех аудиторий.

Если вы не знаете, на самом базовом уровне A/B тестирование включает в себя отображение процента посетителей сайта с различными версиями страницы. Это позволяет вам попробовать одно или несколько потенциальных решений на действующем сайте, чтобы увидеть, работает ли какое-либо из них лучше, чем текущая версия.

A/B тестирование показывает разным пользователям разные версии страницы:

A/B тестирование пример показа нескольких версий страницы

Показывая варианты только небольшому проценту пользователей, вы избегаете развертывания решения, которое могло бы действительно ухудшить ситуацию.

Чтобы убедиться, что решение будет работать лучше, вам необходимо собрать достаточно данных, чтобы быть статистически точными. Эта осознанная потребность в большом количестве результатов может оттолкнуть людей от использования A/B тестирования, думая, что это инструмент для сайтов с высокой посещаемостью, таких как Amazon.

Вариант для сайтов с низким трафиком:  ждать, пока не будет достаточно результатов. Да, это требует некоторого терпения, но даст статистически значимые результаты.

Другой подход — сделать оценку эффективности решения, не дожидаясь получения статистически значимого набора данных. То, что инструмент A/B тестирования говорит, что у вас недостаточно результатов, не означает, что вы должны его слушать!

Последний вариант — адаптировать тест, чтобы увеличить количество получаемых результатов. Это можно сделать, сократив разрыв между объектом тестирования и точкой преобразования.

Например, изменение текста в форме подписки на информационный сайт тесно связано с критерием успеха нажатия кнопки подписки. Однако тестирование влияния заголовка сообщения в блоге на подписку не так строго связано, поэтому коэффициент конверсии будет относительно ниже. Это означает, что вам придется дольше ждать статистически значимых результатов.

Чем больше шагов от точки тестирования до точки конверсии, тем больше пользователей выпадет и тем больше времени потребуется для получения результатов.

Для того, что случается нечасто, например, подписки на рассылку новостей, вы можете рассмотреть более мелкое, более распространенное действие. Если вы хотите протестировать заголовки этих сообщений в блоге, вам может быть лучше проверить, сколько пользователей щелкают, чтобы просмотреть сообщение, а не переходят ли они на подписку.

Без сомнения, A/B тестирование — это мощный и отличный способ оптимизации вашего веб-сайта. Это так, особенно когда речь идет о тестировании различных комбинаций текста и изображений.

Фактически, существует множество инструментов, которые позволяют вам создавать варианты контента на вашем сайте без каких-либо навыков программирования. Google даже предлагает бесплатный инструмент под названием  Optimize,  который не требует настройки, если у вас уже установлена ​​Analytics.

Создать базовые варианты в Google Optimize невероятно просто!

Однако все становится намного сложнее, если изменения в ваших вариациях более существенны. В таких случаях может быть более подходящим качественное тестирование.

Провести качественное тестирование.

Качественное тестирование в основном вращается вокруг проверки прототипа с небольшим количеством пользователей. Вместо тестирования решений на реальном сайте вы создаете прототип и проводите тестирование удобства использования.

Качественное тестирование имеет некоторые преимущества перед A/B тестированием. Не в последнюю очередь потому, что вам не нужно полагаться на статистически значимые результаты. Это означает, что не придется много ждать, чтобы выяснить, какое решение работает лучше всего.

У качественного тестирования есть еще одно преимущество. Оно говорит вам, почему тот или иной вариант работал лучше. Это потому, что вы действительно можете спросить пользователей, что они сделали и почему. Хотя количественное тестирование полезно для выявления проблем, оно не говорит вам, почему возникла проблема. Здесь может помочь качественное тестирование.

Однако, вероятно, самым большим преимуществом качественного тестирования является то, что вы тестируете прототип. Вам не нужно создавать полностью рабочую версию ваших вариаций, что позволяет вам тестировать более сложные изменения с помощью всего лишь набора дизайна или каркаса.

Оба подхода имеют свои преимущества и недостатки, поэтому имеет смысл комбинировать их соответствующим образом. Вместе они должны привести к решению, которое должно устранить любую проблему, которую вы определили.

После того, как вы развернули свое решение, вы можете переключить свое внимание на следующую проблему.

Постоянный цикл.

Секрет успеха в оптимизации вашего сайта – сделать это непрерывным процессом.

Это означает, что, когда вы устраняете одну проблему, вы возвращаетесь к началу нашего трехэтапного процесса и начинаете снова с определения следующей самой большой проблемы в опыте. Постоянно изменяя сайт с течением времени, вы постепенно улучшите его эффективность и избежите необходимости дорогостоящего редизайна через несколько лет.

Повторяя цикл: тестирование – уточнение проблемы –исправление – тестирование – уточнение проблемы – исправление, вы постепенно улучшите эффективность сайта. Вы избежите необходимости дорогостоящего редизайна через несколько лет.

Конечно, реальность такова, что даже если вы стремитесь оптимизировать сайт в долгосрочной перспективе, не всегда легко добиться согласия заинтересованных сторон. В заключении рассмотрим три совета, как обеспечить оптимизацию после запуска.

Обеспечение оптимизации после запуска.

Первый совет: убедиться, что вы встроили оптимизацию пост-сайта в первоначальный план проекта при редизайн веб-страниц. Большинство планов проектов заканчиваются при запуске веб-сайта, и это никогда не бывает хорошей идеей, даже если вы не собираетесь проводить постоянную оптимизацию после запуска.

Когда веб-сайт запускается, неизбежно появляются ошибки, которые нужно исправить, и контент, который нужно настраивать. Вот почему стоит запускать сайт примерно на две трети от общего срока проекта. Это дает достаточно времени для устранения проблем и дает возможность выработать привычку к оптимизации после запуска.

Во-вторых, важно говорить о пост-пусковой функциональности с самого начала проекта. У заинтересованных сторон обычно есть идеи о том, как сайт может быть улучшен. Чтобы избежать сползания объема, начните второй этап списка желаний. Это установит идею о том, что веб-сайт может развиваться и меняться после запуска.

Наконец, используйте любую возможность, чтобы поговорить о пост-запуске во время разработки. Задайте вопросы о том, как заинтересованные стороны собираются использовать ресурсы и управлять сайтом после запуска.

Когда дело доходит до оптимизации после запуска, лучше хоть что-то, чем ничего.

Помогут даже несколько недель послепродажной оптимизации, чем ее отсутствие. Заинтересованным сторонам не нужно постоянно стремиться к улучшению сайта. Если вы сможете убедить компаньонов сделать оптимизацию хоть на короткое время, они быстро увидят выгоды от этого в долгосрочной перспективе.

По материалам сайта: https://boagworld.com.

✔️ Как использовать Hotjar для тепловых карт?

Зарегистрируйтесь в Hotjar, добавьте код отслеживания Hotjar, фрагмент JavaScript, на свой веб-сайт, затем перейдите на панель управления Hotjar. Нажмите «Добавить тепловую карту», ​​выберите страницу, на которую вы хотите настроить таргетинг, затем нажмите «Создать тепловую карту».

✔️ Как я узнаю, что мой Hotjar для аналитики работает?

После того, как вы установили Hotjar правильно, есть встроенная проверка системы. На панели Insights нажмите кнопку Tracking в правом верхнем углу.

✔️ Какие еще есть важные виды аналитики веб-сайта?

Важно отслеживать такие показатели:
Взаимодействий за посещение страниц / сеансов, обратное преобразование посетителей, цену за посещение, затраты на привлечение потенциальных клиентов – цена за конверсию, просмотры страниц и др.

✔️ Как составлять вопросы для юзабилити-тестирования?

Вопросы должны быть ясными, конкретными и напрямую связанными с вашими задачами тестирования. Например: «Можете ли вы сказать мне, почему вы щелкнули по A вместо B?». Это вопросы, требующие развернутого ответа для выявления проблемы на сайте. Если вам нужны количественные данные, задавайте закрытые вопросы, где ответ да / нет.

❤️ Можно ли автоматизировать юзабилити-тестирование?

Для юзабилити-тестирования 
требуется случайный ввод жестов, который может предоставить только человек. Создать автоматизированный процесс для этого типа теста сложно. Цель юзабилити-теста — оценить поведение человека.

❤️ Как долго нужно проводить A/B тест?

Чтобы ваши данные были точными, эксперты рекомендуют запускать тест как минимум на одну-две недели. 

❤️ Когда не следует использовать A/B тест?

Не проводите A/B тестирование, когда у вас еще нет значимого трафика, у вас еще нет обоснованной гипотезы, риск немедленных действий низкий.

Эффективность A/B тестов. 3 примера AБ тестирования.

Примеры и результаты АБ тестирования сайтов

Нейл Патель стал соучредителем сервиса Crazy Egg в 2005 году. Его используют для анализа 300 000 веб-сайтов. Применяют тепловые карты, скролл-карты, карты рефералов и пользовательские записи. Они узнают, что нужно исправить с помощью редактора WYSIWYG. А новые идеи они проверяют с помощью надежного инструмента – A/B теста.

В мире маркетинга есть шутка, что A/B тестирование на самом деле означает: «Всегда проводи тестирование».

Это хорошее напоминание о том, что вы не сможете получить звездные результаты, если не сравните одну стратегию с другой. Примеры A/B тестов помогут вам увидеть их удивительные возможности.

За прошедшие годы я провел тысячи A/B тестов. Каждый из них был разработан, чтобы помочь мне найти лучший дизайн и сделать маркетинговую кампанию действительно эффективной.






Я надеюсь, что вы делаете то же самое. Если нет, то пора начинать. А/B тесты могут выявить слабые стороны вашей маркетинговой стратегии. Они также способны показать, что вы делаете правильно и подтвердить свои гипотезы. Без анализа вы не узнаете, насколько эффективны ваши маркетинговые активы.

Я покажу важность A/B тестирования. Затем мы рассмотрим несколько примеров, которые вдохновят вас на создание собственных тестов.

А/В тест

Напомним: что такое A/B тест?

A/B тест – это сравнение двух версий одного и того же элемента веб-страницы в двух вариантах дизайна. Вы демонстрируете их равным половинкам своей аудитории. Основываясь на коэффициентах конверсии или других показателях, вы можете решить, какой из них наиболее эффективен.

Но не останавливайтесь на достигнутом. Не соглашайтесь на один тест. Так вы получите очень ограниченные данные. Вместо этого стоит продолжить проверки, чтобы узнать больше о своей аудитории и найти новые способы превращения посетителей в потенциальных клиентов и покупателей.

Помните: всегда проводите тестирование.

Например, вы можете начать с призыва к действию на целевой странице. Вы тестируете изменения в цвете кнопки или копии CTA. Как только вы уточнили свой CTA, вы переходите к заголовку. Измените структуру, добавьте различные глаголы и прилагательные или измените стиль и размер шрифта.

Возможно, вам также придется тестировать одни и те же вещи несколько раз. По мере развития вашей аудитории и роста вашего бизнеса вы обнаружите, что вам нужно удовлетворять новые потребности как для компании, так и для вашей аудитории. Это постоянно меняющийся процесс, который в конечном итоге может оказать огромное влияние на вашу прибыль.

A/B тестирование выполняется до тех пор, пока у вас не будет достаточно данных для принятия надежного решения. Это зависит, конечно, от количества людей, которые видят тот или иной вариант. Вы можете запустить несколько A/B тестов одновременно, но придерживайтесь одной переменной для каждого.

Другими словами, если вы проверяете заголовок на целевой странице, вы можете проверить строку темы для своей последней маркетинговой кампании по электронной почте. Изменение только одной переменной гарантирует, что вы поймете, что повлияло на ответы вашей аудитории.

Как узнать, что вам нужно проводить A/B тесты?

Простой ответ на этот вопрос заключается в том, что всегда нужно запускать A/B тесты. Если у вас есть веб-сайт, бизнес и аудитория, такие проверки сразу же дает вам преимущество перед конкурентами.

Когда проводить А/В тесты

Вы получите более точные результаты с устоявшимся бизнесом, чем с новым. Это связано с тем, что действующий бизнес уже начал генерировать целевой трафик заинтересованных клиентов, поэтому результаты будут в значительной степени соответствовать целевому рынку.

Это не означает, что A/B тестирование бесполезно для нового бизнеса. Это просто означает, что вы можете получить менее точные результаты.

Лучшее время для запуска A/B-тестов – это когда вы хотите достичь цели. Например, если вы не удовлетворены уровнем конверсии на своей домашней странице. A/B тест проверит некоторые изменения в копии, изображениях и других элементах.

Три из лучших примеров A/B тестирования, чтобы вдохновить вас.

Теперь пришло время для доказательства. Давайте рассмотрим 3 примера A/B тестирования, чтобы вы могли увидеть, этот процесс в действии. Я опишу каждый тест, включая цель, результат и причину успеха теста.

Пример 1: WallMonkeys.

Если вы не знакомы с WallMonkeys, это компания, которая продает невероятно разнообразные настенные наклейки для дома и бизнеса.

A/B тестирование сайта

Компания использовала Crazy Egg для создания отчетов о поведении пользователей и запуска A/B тестов. Как вы увидите ниже, результаты были довольно невероятными.

Цель: WallMonkeys хотели оптимизировать свою домашнюю страницу для кликов и конверсий. Все началось с оригинальной домашней страницы, на которой было изображение в стандартном стиле с наложением заголовка.

Там не было ничего плохого с оригинальной домашней страницей. Изображение было привлекательным и не слишком отвлекающим. Заголовок и CTA, казалось, хорошо соответствовали целям компании.

Во-первых, WallMonkeys запустили тепловые карты Crazy Egg, чтобы увидеть, как пользователи перемещаются по домашней странице. Тепловые карты и скролл-карты позволяют вам решить, куда вам следует направить внимание. Если вы видите много кликов или прокрутки, вы знаете, что люди тянутся в эти места на вашем сайте.

Результат.

После генерации отчетов о поведении пользователя WallMonkeys решили провести A/B тест. Компания разместила изображение в стиле «сток» на более причудливую картинку. Она показала бы посетителям возможности, которыми они могли бы пользоваться с продуктами WallMonkeys.

Коэффициенты конверсии для нового дизайна по сравнению с контролем были на 27 процентов выше!

Однако WallMonkeys хотел продолжить тестирование. Для следующей проверки бизнес заменил свой ползунок на заметную строку поиска. Идея заключалась в том, что клиенты будут более склонны к поиску товаров, которые им особенно интересны.

Второй пример A/B тестирования привел к увеличению коэффициента конверсии на 550 процентов!

Это невероятные результаты даже для такой популярной компании, как WallMonkeys. И не останавливаясь на первом тесте, компания имела огромный потенциал прибыли, а также лучший пользовательский опыт для своих посетителей.

Почему это работает?

Прежде чем начать A/B тестирование, вы выдвигаете гипотезу, в идеале основанную на данных. Например, WallMonkeys использовал Heatmaps и Scrollmaps для определения областей активности посетителей. Затем они использовали эту информацию, чтобы сделать предположение об изменении изображения, которое может привести к большему количеству конверсий.

Они были правы. Начальное 27-процентное увеличение может показаться небольшим по сравнению со вторым тестом, но оно все еще значимо. Тот, кто не хочет конверсии на 27 процентов больше, поднимите руку!

Тот факт, что один тест А/В приносит плодотворное вознаграждение, не означает, что вы не можете добиться большего успеха. WallMonkeys поняли это, поэтому они запустили еще один тест. Он оказался даже более успешным, чем первый.

Пример 2: Electronic Arts.

Когда Electronic Arts, успешная медиа-компания, выпустила новую версию одной из своих самых популярных игр, она захотела сделать это правильно. Домашняя страница SimCity 5, игры-симулятора, которая позволяет игрокам строить и управлять своими городами, несомненно, будет успешной с точки зрения продаж. Electronic Arts хотела извлечь выгоду из своей популярности.

По словам HubSpot, Electronic Arts полагалась на A/B тестирование, чтобы правильно оформить свою страницу продаж для SimCity 5.

Цель: в основе этого примера A/B тестирования лежало улучшение продаж. Electronics Arts хотела получить максимальный доход от игры сразу же после ее выпуска, а также путем предварительной продажи.

В наши дни люди могут покупать и скачивать игры сразу. Цифровая революция сделала эти компакт-диски в пластиковом корпусе практически устаревшими. Тем более что такие компании, как Electronic Arts, продвигают цифровые загрузки. Это дешевле для компании и удобнее для потребителя.

Тем не менее, иногда самые маленькие вещи могут влиять на конверсии. Electronic Arts хотела протестировать различные версии своей страницы, чтобы определить, как она может увеличить продажи в геометрической прогрессии.

Результат.

Я выделяю этот конкретный пример A/B тестирования, потому что он показывает, как гипотезы и общепринятая мудрость могут взорваться на наших глазах. Например, большинство маркетологов предполагают, что стимулирование рекламы приведет к увеличению продаж. Это часто бывает, но не в этот раз.

Контрольная версия страницы предварительного заказа предлагала 20-процентную скидку на будущую покупку для всех, кто купил SimCity 5. Изменение устраняло стимул предварительного заказа.

Как выяснилось, вариация показала результат более чем на 40% лучше, чем у контрольной версии. Поклонники SimCity 5 не были заинтересованы в стимуле. Они просто хотели купить игру. В результате A/B теста половина продаж игры была цифровой.

Почему это работает?

A/B тест для Electronic Arts выявил важную информацию об аудитории. Многие люди, которые играют в такие популярные игры, как SimCity, не играют ни в какие другие игры. Им нравится эта конкретная франшиза. Следовательно, предложение о скидке в 20 процентов не нашло у них отклика.

Примеры аб тестов

Если вы сделаете предположения о вашей целевой аудитории, вы в конечном итоге ошибетесь. Поведение человека трудно понять даже без достоверных данных. Поэтому, вам необходимо провести A/B тестирование для получения сведений, на которые вы можете положиться. Вы были удивлены результатом этого A/B теста?

Пример 3: Humana.

Humana, страховая компания, создала довольно простой A/B тест с огромными результатами. У предприятия был баннер с простым заголовком и CTA, а также изображение. Проведя A/B тестирование, компания поняла, что нужно изменить пару вещей, чтобы сделать баннер более эффективным. Это второй из двух примеров A/B тестирования, который показывает, что одного теста недостаточно.

Цель: Согласно Design For Founders, Humana хотела увеличить рейтинг кликов на вышеописанном баннере. Выглядело это хорошо, но компания подозревала, что может улучшить CTR, внеся простые изменения.

Они были правы!

На начальном баннере было много текста. В заголовке был номер, который часто приводит к лучшим конверсиям, и пара строк с маркированным списком. Это довольно стандартно, но не давало Humana желаемых результатов.

Второй вариант значительно уменьшил копию. Кроме того, CTA изменилось с «Планы покупки в магазине» на «Начните сейчас». Пара других изменений, включая изображение и цветовую схему, округлили различия между контролем и возможным победителем.

Результат.

Простая очистка копии и изменение картинки привели к увеличению CTR на 433 процента! После изменения текста CTA компания испытала дальнейшее повышение на 192 процента.

A/B тест Humana

Это еще один пример невероятных результатов довольно простого теста. Humana хотела увеличить CTR и сделала это превосходно, уменьшив копию и изменив несколько эстетических деталей.

Почему это работает?

Простота часто правит, когда дело доходит до маркетинга. Когда вы владеете бизнесом, то хотите рассказать обо всех его удивительных возможностях, преимуществах и других качествах, но это не то, чего хотят потребители.

Они ищут путь наименьшего сопротивления. Этот пример A/B тестирования доказывает, что люди часто реагируют на уменьшенную копию и более простые CTA.

Начните свое собственное A/B тестирование сейчас.


A/B тестирование легко проверить на собственном веб-сайте, в кампании по электронной почте или в других маркетинговых целях. Чем больше усилий вы приложите к своим проверкам, тем лучше результаты.

Начните со страниц на своем сайте, которые получают наибольшее количество трафика или которые в больше способствуют переходам. Старое сообщение в блоге вряд ли получит больше просмотров, не стоит на него тратить свою энергию.

Сосредоточьтесь на своих страницах: домашней, целевых, предназначенных для продаж, продукта и на подобных частях вашего сайта. Определите критические элементы, которые могут способствовать конверсии.

Как упоминалось выше, вы можете запускать A/B тесты на нескольких страницах одновременно. Вы просто должны убедиться, что вы проверяете только один элемент на одной странице. После того, как этот тест заканчивается, вы можете проверит что-то еще.

Как инструмент A/B тестирования Crazy Egg может помочь вам повысить результаты.

Crazy Egg предлагает несколько преимуществ A/B тестирования, которые не предлагают другие инструменты. С одной стороны, его очень быстро и просто настроить. Вы можете запустить свой первый тест A/B всего за несколько минут. Другие инструменты требуют часов работы.

Вам не нужны никакие навыки кодирования для проведения тестов, подобных приведенным выше примерам A/B тестирования. Программное обеспечение делает тяжелую работу за вас. Кроме того, вам не нужно беспокоиться о проверке каждые пять минут, чтобы узнать, когда отключить проигрышный вариант. Алгоритм тестирования в Crazy Egg автоматически перенаправляет большую часть трафика победителю.

Кроме отчетов о поведении пользователей, решить, что именно тестировать, вам поможет проверка в непрерывном цикле. Тогда не будет простоев в вашем стремлении к успеху в маркетинге.

Вывод.

Приведенные выше примеры A/B тестирования дают вам представление о результатах, которых вы можете достичь. Если вы хотите повысить конверсию и увеличить продажи, вам нужно принимать решения на основе данных.

Если вы знаете, что определенный элемент на вашей странице вносит большой вклад в конверсии, вы можете улучшить его, чтобы он продолжал работать на вас.

По материалам сайта: crazyegg.com.

✔️ Могут ли A/B тесты быть ненужными?

Если не продумана цель и неправильно выбрана аудитория, то они будут недостаточно информативными.

✔️ Что можно проверять с помощью А/В тестов?

Все элементы сайтов от их формы и цвета до текстового содержания.

✔️ В чем сложность А/В тестов?

Нужно правильно учитывать статистическую значимость.

✔️ С чего начать А/В тест?

С постановки цели и задачи, а также выбрать группы пользователей для проведения теста.

✓ Что такое A/B тестирование сайтов?

Тестирование сайта – это изучение того какой один из вариантов дизайна страниц больше увеличивает конверсию сайта.

✓ Зачем проводить A/B тестирование?

A/B тестирование проводится с целью увеличения прибыли. Все крупные компании проводят десятки A/B тестов каждый месяц.

✓ Когда проводить A/B тестирование сайтов?

При достижении трафика более 100 человек в день нужно приступать к постоянному A/B тестированию.

✓ Как начать и провести A/B тестирование сайта?

Чтобы начать тестирование, вам необходимо провести UX/Юзабилити экспертизу сайта. И на основе экспертных оценок настроить A/B тесты.

A/B тест: как рассчитать статистическую значимость результатов?

как рассчитать статистическую значимость результатов

Делая A/B тест, задумывались ли вы: являются ли результаты статистически значимыми?

Нас как маркетологов не только просят измерить результаты наших кампаний, но и продемонстрировать достоверность результатов.






Как рассчитать статистическую значимость?

  • Определите, что вы хотите проверить.
  • Определите свою гипотезу.
  • Начните собирать ваши данные.

Пример из практики. Каждый из двух маркетологов создал версию целевой страницы. Они использовали функциональность своего A/B теста HubSpot для сбора результатов. У них была дружеская ставка на победу.

Через несколько дней у них были результаты. У одного получился немного более высокий коэффициент конверсии. Они задавались вопросом, были ли результаты статистически значимыми. 

Существует ряд бесплатных инструментов для расчета статистической значимости. Чтобы по-настоящему понять, что говорят эти инструменты, полезно их изучить. Особенно, что они рассчитывают и что это значит. Мы приведем конкретный пример, чтобы помочь вам понять статистическую значимость.

1. Определите, что вы хотите проверить.

Сначала решите, что вы хотите проверить. Это может быть сравнение:

  • коэффициентов конверсии на двух целевых страницах с разными изображениями;
  • коэффициентов переходов по электронной почте с разными строками темы;
  • коэффициентов конверсии для разных кнопок призыва к действию в конце сообщения в блоге. Количество вариантов выбора бесконечно.

Выберите фрагмент контента, для которого вы хотите создать два разных варианта. Для начала решите, какова ваша цель: лучший показатель конверсии или больше просмотров.

Вы, конечно, можете протестировать дополнительные варианты или даже создать многомерный тест. Для задач же этого примера мы будем придерживаться двух вариантов целевой страницы. Так мы повысим коэффициент конверсии. 

2. Определите свою гипотезу.

Прежде чем начать сбор данных, я считаю полезным изложить свою гипотезу в начале теста. Еще нужно определить степень достоверности, которую я хочу проверить. 

Я тестирую целевую страницу и хочу посмотреть, будет ли она лучше. Моя гипотеза: существует связь между целевой страницей, которую получают посетители, и их коэффициентом конверсии.

3. Начните собирать ваши данные.

Теперь, когда вы определили, что вы хотите проверить, пришло время начать сбор ваших данных. 

Скорее всего, проводите этот тест, чтобы определить, какой фрагмент контента лучше всего использовать в будущем. Вам нужно выбрать размер выборки. Для целевой страницы это может означать выбор определенного времени для запуска теста. Например, активация вашей страницы в течение 3 дней.

Для чего-то вроде электронного письма вы можете выбрать случайный образец вашего списка. Варианты ваших писем будут отправлены спонтанным образом.

Определение правильного размера выборки может быть сложным. Он будет варьироваться в зависимости от каждого теста. 

Как общее практическое правило, вы хотите, чтобы ожидаемое значение для каждого варианта было больше 5.

Мы рассмотрим ожидаемые значения ниже.

4. Рассчитать результаты хи-квадрат.

Существует ряд различных статистических тестов, которые вы можете запустить. Это позволит измерить значимость на основе ваших данных. Что лучше всего использовать? Это зависит от того, что вы пытаетесь проверить, и какой тип данных вы собираете. 

В большинстве случаев вы будете использовать критерий хи-квадрат, поскольку данные являются дискретными.

Дискретный способ говорит, что существует конечное число результатов, которые можно получить. Например, посетитель будет либо конвертировать, либо не конвертировать. Для одного посетителя не существует разных степеней конверсии.

Вы можете проводить тестирование на основе разной степени достоверности. Иногда ее называют альфа-тестом. Если вы хотите, чтобы требование для достижения статистической значимости было высоким, альфа должен быть низким. Возможно, вы видели статистическую значимость с точки зрения достоверности.

Например, получены результаты статистически значимы с достоверностью 95%. В этом сценарии альфа равнялась 0,05. Достоверность рассчитывается как 1 минус альфа. Это означает, что вероятность ошибиться в заявленной взаимосвязи составляет 1 к 20.

После сбора данных я поместил их в диаграмму, чтобы упростить их организацию. Я тестирую 2 разных варианта A и B. Есть 2 возможных результата, конвертированных, не конвертированных, у меня будет график 2×2. Я буду суммировать каждый столбец и строку, чтобы я мог легко увидеть результаты в совокупности.

Статистическая значимость

5. Рассчитайте ваши ожидаемые значения.

Теперь я вычислю ожидаемые значения. В приведенном выше примере мы ожидали бы увидеть одинаковые коэффициенты конверсии с обеими версиями. Это в случае, если бы не было никакой связи между тем, что посетители целевой страницы видели, и их коэффициентом конверсииПолучилось, что конвертировали 1945 человек из 4 935 посетителей. Это примерно 39% посетителей.

Нужно рассчитать ожидаемые частоты для каждой версии целевой страницы, предполагая, что разницы нет. Мы можем: умножить количество строк для этой ячейки на количество столбцов для этой ячейки и разделить его на количество посетителей. В этом примере, нужно найти ожидаемое значение конверсии в версии A. Я бы использовал следующее уравнение: (1945 * 2401) / 4935 = 946.

расчет ожидаемых значений статистической значимости

6. Посмотрите, как ваши результаты отличаются от того, что вы ожидали.

Чтобы вычислить хи-квадрат, я сравниваю наблюдаемые частоты с ожидаемыми частотами. 

Это сравнение выполняется так:

  • вычитается наблюдаемое из ожидаемого,
  • возводится в квадрат результата,
  • результат делится его на значение ожидаемой частоты.

Я пытаюсь понять, насколько мои реальные результаты отличаются от того, что мы можем ожидать. Возведение в квадрат разницы усиливает влияние разницы, а деление на ожидаемое нормализует результаты. Уравнение выглядит так: (ожидаемый — наблюдаемый) ^ 2) / ожидаемый.

Рассчитать статистическую значимость

7. Найдите свою сумму.

Затем я суммирую четыре результата, чтобы получить число хи-квадрат. В данном случае это 0,95. Нужно увидеть, отличаются ли коэффициенты конверсии для моих целевых страниц от статистической значимости. Я сравниваю это со значением из таблицы распределения хи-квадрат. Она основана на моей альфе, в данном случае 0,05, и степенях свободы.

Степень свободы зависит от того, сколько у вас переменных. С таблицей 2×2, как в этом примере, степень свободы равна 1. 

В этом случае значение хи-квадрат должно быть равно или превышать 3,84. Тогда результаты будут статистически значимыми. Поскольку 0,95 меньше 3,84, мои результаты статистически не отличаются. Нет никакой связи между тем, какую версию целевой страницы посетитель получает, и коэффициентом конверсии со статистической значимостью.

Почему статистическая значимость важна?

Почему это важно, если вы можете просто использовать бесплатный инструмент для выполнения расчетов?

Понимая то, как рассчитывается статистическая значимость, вы определите, как лучше всего тестировать результаты своих собственных экспериментов.

Многие инструменты используют уровень достоверности 95%. Для ваших экспериментов может иметь смысл использовать более низкий уровень достоверности. Это так, если вам не требуется, чтобы тест был более строгим.

Понимая основные расчеты поможет вам объяснить тем, кто не знаком со статистикой, почему ваши результаты важны.

По материалам сайта: https://blog.hubspot.com.

❤️ В каком случае тест будет статистически значимым, если в общем сказать?

Если существует очень низкая вероятность того, что результат мог произойти случайно.

❤️ Для чего особенно нужно вычислять статистическую значимость?

Для исключения бесперспективных гипотез.

⏩ Что такое уровень значимости?

Это вероятность отклонения нулевой гипотезы, когда она верна.

⏩ Какое влияние у р-значения?

Чем меньше p-значение, тем больше уверенности в том, что нулевая гипотеза может быть отвергнута.

⏩ Как рассчитать статистическую значимость?

Начните с просмотра левой стороны ваших степеней свободы и найдите свою дисперсию. Затем поднимитесь вверх, чтобы увидеть p-значения. Сравните p-значение с уровнем значимости или, скорее, с альфой. Помните, что значение p менее 0,05 считается статистически значимым.

⏩ Как определить статистически значимые результаты?

Чтобы провести Z-тест, найдите Z-балл для вашего теста или исследования и преобразуйте его в P-значение. Если ваше значение P ниже уровня значимости, вы можете сделать вывод, что результат является статистически значимым.

⏩ Что такое значение p в статистике?

В статистике p-значение — это вероятность получения результатов, по крайней мере, столь же экстремальных, как наблюдаемые результаты проверки статистической гипотезы, при условии, что нулевая гипотеза верна. Меньшее значение p означает, что есть более веские доказательства в пользу альтернативной гипотезы.

Байесовское A/B тестирование.

байесовское A B тестирование более расчетливый подход к проверке версий

Зачем вы запускаете A/B тестирование?

Это просто: увидеть, какая из версий получит больший отклик аудитории.

До недавнего времени я думал, что существует только один вид A/B теста. Затем я встретил другую его версию. Этот метод называется байесовским A/B тестированием, и если вы хотите использовать более конкретный тактический подход к тестированию рекламы, это может быть ответом.

Он по-прежнему включает в себя проверку вариантов для выявления предпочтений аудитории, но требует больше вычислений и проб и ошибок. Но сначала давайте поговорим о том, чем байесовское A/B тестирование отличается от традиционных сплит-тестов.






Традиционное A/B тестирование.

Frequentist – стандартный метод сплит-тестирования, который использует данные только из текущего эксперимента.

Каждый A/B тест имеет одинаковое количество компонентов. Они используют данные, основанные на метрике, которая определяет варианты A и B. Например, метрика может быть количеством кликов по объявлению. Чтобы определить победителя, этот показатель измеряется статистически.

Давайте применим это к примеру использования частотного или традиционного подхода. В этом сценарии вы создадите два объявления и измените одну переменную, например, копию объявления. Затем выберите показатель, например количество кликов по объявлению.

В этом примере победителем A/B теста для частых пользователей станет то, какое объявление больше всего нажало ваша целевая аудитория, основываясь исключительно на результатах этого эксперимента.

Если бы вы проиллюстрировали эти компоненты в байесовском A/B тесте, вы бы подошли к тесту, используя другие данные.

Что такое байесовский A/B тест?

Байесовский подход берет информацию, собранную из аналогичных прошлых экспериментов, объединяет ее с текущими данными и делает вывод.

По сути, вы бы использовали вывод, сделанный из предыдущих байесовских экспериментов, как вариант для нового теста. Этот вид проверки использует метод проб и ошибок для создания непрерывных тестов, пока вы не найдете статистические данные для резервного копирования желаемых результатов.

байесовское a b тестирование

Это определение может показаться немного сложным для визуализации без примера, поэтому давайте рассмотрим его.

Если ваше предыдущее объявление в Facebook привлекло 867 уникальных посетителей и получило 360 конверсий, получив коэффициент конверсии 41%, вы использовали бы эти данные, чтобы сообщить ожидаемое.

Если бы вы предположили, что ваше следующее объявление на Facebook достигло 5000 уникальных посетителей, вы могли бы заключить, что на основе предыдущего опыта вы получите 2050 конверсий. Это будет вариант «А».

Допустим, вы смотрите на эффективность аналогичной рекламы в Facebook и в итоге получили коэффициент конверсии 52%. Это вариант «Б.» 

Что вы сделали, собрав данные из двух вариантов, так это вычислили апостериорное распределение, и предыдущие выполненные вами тесты теперь стали основой для вашего байесовского теста.

Если до расчета апостериорного распределения у вас были выводы о коэффициентах конверсии, полученных по каждой переменной, теперь вы можете обновить их на основе собранных данных.

Вы можете задать гипотетические вопросы о вашем тесте, такие как «Насколько вероятно, что« B »будет больше, чем вариант« A »?». В этом случае вы можете сделать вывод, что ответ на этот вопрос составляет 9%.

Затем начинается часть проб и ошибок.

Байесовская методология принимает решения, делая некоторые выводы. Вы можете рассчитать ожидаемый убыток по степени уменьшения вашей метрики при выборе любой переменной. 

Установите границу, например 2%, чтобы метрика опустилась ниже. Как только вы соберете достаточно данных для подтверждения того, что вариант упал ниже 2%, вы получите победителя теста.

Ваша предполагаемая потеря для варианта — это средняя величина того, на что ваша метрика уменьшится, если вы выберете указанный вариант. Граница должна быть достаточно маленькой. Это нужно, чтобы можно было с уверенностью предложить совершить такую ​​большую ошибку.

Методология предполагает, что вы более готовы совершить ошибку в определенной сумме, а затем перейти к более тонкому эксперименту вместо того, чтобы тратить время на ошибку, которая упала ниже этого порога.

Если вы проведете два эксперимента, они остановятся, когда ожидаемые потери будут ниже этой 4%-ой границы. Вы должны использовать значения ваших вариантов, чтобы рассчитать среднюю потерю. Затем вы снова начнете тестирование, используя эти значения в качестве распределения благосостояния.

Байесовское A/B тестирование доказывает, что вы можете принять бизнес-решение, которое не упадет ниже установленной вами границы. 

Вы можете использовать собранные данные для непрерывного запуска тестов до тех пор, пока не увидите увеличение показателей с каждым экспериментом.

Когда вы используете байесовское тестирование, вы можете периодически изменять тест и улучшать результаты по мере выполнения теста. Байесовское A/B тестирование использует постоянные инновации, чтобы дать вам конкретные результаты, внося небольшие улучшения в приращениях. Вам не нужно использовать вывод как результат, но вместо этого используйте его как вариант.

Если вы запускаете сплит-тесты в программном обеспечении или на других каналах, вам не нужно менять их для запуска байесовского A/B теста. 

Вместо этого вы можете посмотреть на имеющиеся в вашем распоряжении инструменты этого программного обеспечения, чтобы получить более просчитанные результаты. Затем постоянно запускать эти тесты и анализировать их, чтобы выбрать своих победителей.

Вы можете использовать байесовский A/B тест вместо традиционного A/B теста, если вы хотите учесть больше показателей в своих выводах. Это действительно хороший тест для расчета более конкретной рентабельности инвестиций в рекламу. Конечно, если у вас меньше времени, вы всегда можете использовать частый подход, чтобы получить больше «большой картины».

Какой бы метод вы ни выбрали, A/B тестирование популярно, потому что оно дает вам вывод, который может пригодиться вам в будущих кампаниях.

По материалам сайта: https://blog.hubspot.com.

❤️ Почему этот тест называется "Баесовским"?

Он работает по формуле, выведенной английским математиком, Томасом Баесом.

✔️ Что поможет сделать более точное беаесовское A/B тестирование?

Почитайте о бета-распределении и выборке Томпсона для определения предыдущих значений A и B.

✔️ Что такое распределение вероятностей в баесовском сплит-тесте?

Это набор возможных значений параметра вместе с функцией, сообщающей, насколько вероятен какой-либо отдельный параметр.

❤️ В чем важность баесовского A/B тестирования?

Оно учитывает при анализе результаты прошлых проверок и вероятности, что делает результаты новой проверки более точными.

❤️ Что такое байесовское А/В-тестирование?

Принимая варианты, которые предлагают небольшое улучшение, байесовское A/B-тестирование утверждает, что частота ложных срабатываний — доля случаев, когда мы принимаем лечение, когда лечение на самом деле не лучше — не очень важна.

❤️ Что означает байесовский подход?

Подход к анализу данных, который обеспечивает апостериорное распределение вероятностей для некоторого параметра (например, эффекта лечения), полученного из наблюдаемых данных, и априорное распределение вероятностей для параметра. Апостериорное распределение служит основой для статистических выводов.

❤️ Где используется байесовская статистика?

В любой области приложения, где у вас много разнородных или зашумленных данных или где вам нужно четкое понимание вашей неопределенности, вы можете использовать байесовскую статистику.

Обратный Звонок

Напишите нам