fbpx

A/B тесты для веб-ресурсов. Инструменты эффективного интернет-маркетинга.

а б тесты для веб ресурсов инструменты эффективного интернет маркетинга

Маркетологи создают целевые страницы, пишут копии по электронной почте или разрабатывают кнопки призыва к действию. Может возникнуть соблазн использовать интуицию, чтобы предсказать, что заставит людей нажимать и конвертировать.

Основывать маркетинговые решения на «чувстве» может быть довольно вредно для результатов. Лучше проводить A/B тест, иногда называемый сплит-тестом.

Разные аудитории веб-ресурсов ведут себя по-разному. То, что работает для одной компании, может не обязательно работать для другой. Фактически, эксперты по оптимизации коэффициента конверсии (CRO) ненавидят термин «лучшие практики», потому что они на самом деле не всегда могут быть лучшими для вас.

A/B тесты также могут быть сложными. Если вы не будете осторожны, вы можете сделать неверные предположения о том, что нравится людям и что заставляет их щелкать. Решения, которые могут легко дезинформировать другие части вашей стратегии.

Продолжайте читать, чтобы узнать, как проводить A/B тестирование до, во время и после сбора данных, чтобы вы могли принимать наилучшие решения на основе ваших результатов.

Для запуска A/B теста вам нужно создать две разные версии одного фрагмента контента с изменениями в одной переменной . Затем вы покажете эти две версии двум аудиториям одинакового размера. Далее проанализируете, какая из них работала лучше в течение определенного периода времени, достаточно долго, чтобы делать точные выводы о ваших результатах.

две версии в а б тесте

A/B тестирование помогает маркетологам наблюдать, как одна версия маркетингового контента работает вместе с другой. Вот два типа A/B тестов, которые вы можете провести, чтобы повысить коэффициент конверсии вашего сайта. 

Пример 1: Тест пользовательского опыта.

Возможно, вы захотите узнать, улучшит ли переход по определенной кнопке призыва к действию (CTA) вверху вашей домашней страницы вместо удержания ее на боковой панели показатель кликов.

Чтобы проверить эту теорию, вы должны создать другую, альтернативную веб-страницу, отражающую это изменение размещения CTA. Существующий дизайн, или «контроль» – это Версия A.

Версия B является «претендентом». Затем вы протестируете эти две версии, показав каждой из них определенный процент посетителей сайта. В идеале, процент посетителей, видящих ту или иную версию, одинаков.

Пример 2: тестирование дизайна.

Возможно, вы хотите узнать, может ли изменение цвета вашей кнопки «призыв к действию» (CTA) увеличить рейтинг кликов.

Чтобы протестировать эту теорию, вы должны разработать альтернативную кнопку CTA с другим цветом кнопки, которая приведет к той же целевой странице, что и элемент управления. Если вы обычно используете красную кнопку с призывом к действию в своем маркетинговом контенте, и зеленый вариант получает больше кликов после A/B теста, это может быть целесообразным. Изменив теперь цвет по умолчанию ваших кнопок призыва к действию на зеленый, вы увеличите количество кликов по ней.

Преимущества A/B тестирования.

Такой анализ имеет множество преимуществ для маркетинговой команды, в зависимости от того, что именно вы решите протестировать. Прежде всего, однако, эти тесты ценны для бизнеса, потому что они дешевы, но высоко ценятся.

Допустим, вы нанимаете создателя контента с зарплатой 50 000 долларов в год. Он публикует пять статей в неделю для блога компании, всего 260 статей в год. Если в среднем пост в блоге компании генерирует 10 потенциальных клиентов, можно сказать, что создание 10 потенциальных клиентов для бизнеса стоит чуть более 192 долларов. Зарплата в 50 000 долларов ÷ 260 статей = 192 доллара на статью. Это солидный кусок изменений.

Теперь, если вы попросите этого создателя контента потратить два дня на разработку A/B теста для одной статьи вместо того, чтобы писать две статьи за этот период времени, вы можете сэкономить 192 доллара, потому что вы публикуете на одну статью меньше. 

Но если этот A/B тест обнаружит, что вы можете увеличить коэффициент конверсии каждой статьи с 10 до 20 потенциальных клиентов, вы просто потратили 192 доллара, чтобы потенциально удвоить количество клиентов, которых ваш бизнес получает из вашего блога.

Если тест не пройден, вы, конечно, потеряли 192 доллара, но теперь вы можете сделать следующий тест A/B еще более полезным. Если этот второй тест удвоит коэффициент конверсии вашего блога, вы в конечном итоге потратили $ 284, чтобы потенциально удвоить доход вашей компании. Независимо от того, сколько раз ваш A/B тест не пройден, его конечный успех почти всегда перевесит затраты на его проведение.

Полный комплект A/B тестирования для маркетологов.

Есть много типов сплит-тестов, которые вы можете запустить, чтобы в итоге эксперимент оправдал себя. Вот несколько общих целей, которые маркетологи ставят перед своим бизнесом при A/B тестировании:

  • Увеличение посещаемости веб-сайта. Тестирование различных записей блога или заголовков веб-страниц может изменить количество людей, которые нажимают на этот гиперссылку, чтобы попасть на ваш сайт. Это может увеличить трафик сайта в результате.
  • Более высокий коэффициент конверсии. Тестирование различных местоположений, цветов или даже привязанного текста на ваших CTA может изменить количество людей, которые нажимают эти CTA, чтобы попасть на целевую страницу. Это может увеличить количество людей, которые заполняют формы на вашем веб-сайте, отправляют свои контактные данные вам и «превращаются» в потенциальных клиентов.
  • Более низкий показатель отказов. Если посетители вашего сайта быстро уходят после посещения вашего сайта, тестирование различных представлений в блогах, шрифтов или изображений функций может снизить этот показатель отказов и удержать больше посетителей.
  • Корзина с оставленным товаром. Согласно исследованию MightyCall, от 40% до 75% клиентов оставляют товар в корзине, так и не оплатив его. Тестирование различных фотографий продуктов, изменение дизайна страниц оформления заказа может снизить этот показатель отказа.

Теперь давайте пройдемся по контрольному списку для настройки, запуска и измерения A/B теста.

Как проводить A/B тестирование.

 а б тест

Давайте рассмотрим шаги, которые нужно предпринять, прежде чем вы начнете A/B тест.

1. Выберите одну переменную для проверки.

Оптимизируя свои веб-страницы и электронные письма, вы можете обнаружить, что есть ряд переменных, которые вы хотите проверить. Но чтобы оценить, насколько эффективным является изменение, вам нужно выделить одну «независимую переменную» и измерить ее производительность. В противном случае вы не можете быть уверены, какая из них ответственна за изменения в производительности.

Вы можете проверить более одной переменной для одной веб-страницы или электронной почты; просто убедитесь, что вы тестируете их одинаково.

Посмотрите на различные элементы в ваших маркетинговых ресурсах и их возможные альтернативы для дизайна, формулировки и макета. Другие вещи, которые вы можете проверить, включают в себя темы письма, имена отправителей и различные способы персонализации ваших писем.

Имейте в виду, что даже простые изменения, такие как изменение изображения в вашей электронной почте или слов на кнопке призыва к действию, могут привести к значительным улучшениям. 

Примечание. В некоторых случаях более целесообразно тестировать несколько переменных, а не одну. Этот процесс называется многомерным тестированием. 

2. Определите вашу цель.

Несмотря на то, что вы будете измерять количество показателей для каждого теста, выберите из них основной, на котором вы должны сосредоточиться. Сделайте это прежде, чем запускать тест. Это ваша «зависимая переменная».

Подумайте, где вы хотите, чтобы эта переменная была в конце сплит-теста. Вы можете сформулировать официальную гипотезу и проверить свои результаты на основе этого прогноза.

Если вы подождете до тех пор, пока не подумаете о том, какие показатели важны для вас, каковы ваши цели и как предлагаемые изменения могут повлиять на поведение пользователя. Вы не сможете настроить тест наиболее эффективным способом.

3. Создайте «контроль» и «претендента».

Теперь у вас есть независимая переменная, зависимая переменная и желаемый результат. Используйте эту информацию, чтобы установить неизмененную версию того, что вы тестируете, как свой «контроль». Если вы тестируете веб-страницу, это неизмененная, поскольку она уже существует. Если вы тестируете целевую страницу, это будет дизайн и копия целевой страницы, которую вы обычно используете.

Оттуда создайте вариант или «претендента». Это веб-сайт, целевая страница или электронная почта, которые вы протестируете против своего контроля. 

4. Разделите группы образцов на равные и случайные.

Для тестов, где у вас есть больший контроль над аудиторией, как с электронными письмами, вам нужно тестировать с двумя или более равными аудиториями. Так удастся получить окончательные результаты.

5. Определите размер вашей выборки, если это применимо.

То, как вы определяете размер выборки, также зависит от вашего инструмента A/B тестирования, а также от типа вашего A/B теста.

Если вы проводите A/B тестирование электронной почты, вы, вероятно, захотите отправить тест в меньшую часть списка, чтобы получить статистически значимые результаты. В конце концов, вы выберете победителя и отправите выигрышный вариант остальной части списка. 

Если вы являетесь клиентом HubSpot Enterprise, вам пригодится помощь в определении размера группы образцов с помощью ползунка. Это позволит вам выполнить 50/50 A/B тест любого размера выборки. Хотя для всех остальных разделений выборки требуется список не менее 1000 получателей.

 а б тест проверка двух вариантов

Если вы тестируете что-то, что не имеет ограниченной аудитории, например, веб-страницу, то длительность выполнения теста напрямую повлияет на размер выборки.

Вам нужно будет позволить вашему тесту пройти достаточно долго, чтобы получить значительное количество просмотров, иначе будет трудно определить, была ли статистически значимая разница между этими двумя вариантами.

6. Решите, насколько значительными должны быть ваши результаты.

После того, как вы выбрали целевой показатель, подумайте о том, насколько значительными должны быть ваши результаты, чтобы оправдать выбор одного варианта из другого. Статистическая значимость является очень важной частью процесса A/B тестирования, которая часто неправильно понимается. 

Чем выше процент уровня достоверности, тем больше вы можете быть уверены в своих результатах. В большинстве случаев вам нужен минимальный уровень достоверности 95%, предпочтительно даже 98%. Особенно если это был эксперимент, требующий много времени. Однако иногда имеет смысл использовать более низкий уровень достоверности, если вам не нужно, чтобы тест был настолько строгим.

7. Убедитесь, что вы проводите только один тест за раз в любой кампании.

Тестирование более чем одной вещи для одной кампании — даже если она не относится к одному и тому же активу — может осложнить ваши результаты. Например, если вы проводите A/B тестирование кампании электронной почты, которая направляется на целевую страницу одновременно с A/B тестированием этой целевой страницы. Как узнать, какое изменение вызвало увеличение количества потенциальных клиентов?

На что обращать внимание во время A/B теста.

Давайте рассмотрим шаги, которые нужно предпринять во время вашего A/B теста.

1. Используйте инструмент A/B тестирования.

Чтобы провести A/B тестирование на своем веб-сайте или в электронном письме, вам необходимо использовать инструмент A/B тестирования. 

Для клиентов, не являющихся пользователями HubSpot Enterprise, другие варианты включают эксперименты Google Analytics , которые позволяют вам протестировать до 10 полных версий одной веб-страницы и сравнивать их производительность с использованием случайной выборки пользователей.

2. Проверьте оба варианта одновременно.

Время играет важную роль в результатах вашей маркетинговой кампании, будь то время суток, день недели или месяц года. 

Если бы вы запускали версию A в течение одного месяца, а версию B — через месяц, как бы вы узнали, было ли изменение производительности вызвано другим дизайном или другим месяцем?

Когда вы запускаете A/B тесты, вам нужно запускать два варианта одновременно, в противном случае вы можете остаться без ответа.

Единственное исключение здесь, если вы сами тестируете время, например, находите оптимальное время для отправки электронных писем. Это отличная вещь для тестирования. В зависимости от того, что предлагает ваш бизнес и кто ваши подписчики, оптимальное время для взаимодействия с подписчиком может значительно различаться в зависимости от отрасли и целевого рынка.

3. Дайте A/B тесту достаточно времени для получения полезных данных.

Опять же, вам нужно убедиться, что вы позволили вашему тесту пройти достаточно долго, чтобы получить значительный размер выборки. В противном случае, будет трудно сказать, была ли статистически значимая разница между этими двумя вариантами.

Сколько это – «достаточно долго»? В зависимости от вашей компании и того, как вы выполняете A/B тестирование, получение статистически значимых результатов может произойти за часы … или дни … или недели. 

Большая часть того, сколько времени нужно для получения статистически значимых результатов, зависит от того, сколько трафика вы получаете. Если ваш бизнес не получает много трафика на ваш сайт, вам потребуется гораздо больше времени для запуска A/B теста.

4. Попросите отзывы реальных пользователей.

A/B тестирование во многом связано с количественными данными. Но это не обязательно поможет вам понять, почему люди совершают определенные действия, а другие нет. Во время выполнения A/B теста, почему бы не собрать качественные отзывы реальных пользователей?

Один из лучших способов узнать мнение людей – опрос. Вы можете добавить форму на вашем сайте, которая спрашивает посетителей, почему они не нажимают на определенный CTA, или опрос на ваших страницах благодарности, который спрашивает посетителей, почему они нажали кнопку или заполнили форму.

Например, вы можете обнаружить, что многие люди нажимали на призыв к действию, ведя их к электронной книге, но как только они увидели цену, они не обратились. Такая информация поможет вам понять, почему ваши пользователи ведут себя определенным образом.

После A/B теста.

Наконец, давайте рассмотрим шаги, которые необходимо предпринять после вашего A/B теста.

1. Сконцентрируйтесь на метрике цели.

Несмотря на то, что вы будете измерять несколько показателей, сосредоточьтесь на этом показателе основной цели, когда будете анализировать.

Например, если вы протестировали два варианта электронного письма и в качестве основного показателя выбрали потенциальных клиентов, не увлекайтесь открытым рейтингом или рейтингом кликов. Вы можете увидеть высокий рейтинг кликов и низкий коэффициент конверсии, и в этом случае вы можете выбрать вариант с более низким рейтингом кликов.

2. Измерьте значимость ваших результатов, используя наш A/B тестовый калькулятор.

Теперь, когда вы определили, какой вариант работает лучше всего, пришло время определить, являются ли ваши результаты статистически значимыми. Другими словами, достаточно ли они, чтобы оправдать изменение?

Чтобы выяснить это, вам необходимо провести тест статистической значимости. Вы можете сделать это вручную или с помощью сервисов.

Если вы будете пользоваться калькулятором, то процесс будет следующим. Для каждого протестированного варианта вам будет предложено ввести общее количество попыток, например, отправленных писем или просмотренных показов. Затем введите количество достигнутых целей — обычно вы будете смотреть на клики, но это могут быть и другие типы конверсий.

 а б тест по типам конверсий

Калькулятор выдаст уровень достоверности ваших данных для выигрышного варианта. Затем сравните это число со значением, которое вы выбрали для определения статистической значимости.

3. Действуй, основываясь на своих результатах.

Если один вариант статистически лучше другого, у вас есть победитель. Завершите свой тест, отключив проигрышный вариант в своем инструменте A/B тестирования.

Если ни один из вариантов не является статистически лучшим, вы только что узнали, что проверенная переменная не повлияла на результаты, и вам придется пометить тест как неокончательный. В этом случае придерживайтесь оригинального варианта или запустите другой тест. Вы можете использовать ошибочные данные, чтобы помочь вам определить новую итерацию в вашем новом тесте.

В то время как A/B тесты помогают вам влиять на результаты в каждом конкретном случае, вы также можете применять уроки, которые вы извлекаете из каждого теста, и применять их в будущих усилиях.

Например, если вы провели A/B тестирование в своем почтовом маркетинге и неоднократно обнаруживали, что использование чисел в строках темы электронной почты приводит к повышению рейтинга кликов, возможно, вы захотите использовать эту тактику в большинстве своих электронных писем.

4. Запланируйте следующий А/Б тест.

A/B тест, который вы только что закончили, возможно, помог вам найти новый способ сделать ваш маркетинговый контент более эффективным. Не останавливайтесь на этом. Всегда есть место для большей оптимизации.

Вы даже можете попробовать провести A/B тест на другой функции той же веб-страницы или электронной почты, на которой вы только что провели тест. 

Например, если вы только что протестировали заголовок на целевой странице, почему бы не сделать новый тест для основного текста? Или цветовой схемы? Или изображения? Всегда следите за возможностями повышения конверсии и потенциальных клиентов.

A/B тестирование позволяет понять, какой контент и маркетинг хочет видеть ваша аудитория. Начните A/B тестирование сегодня!

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

💵 Когда А/Б тестирование – это плохая идея?

Если нет конкретной цели.

💵 Что такое нулевая гипотеза?

Это гипотеза о том, что любая разница в результатах является результатом ошибки выборки или стандартного отклонения.

✔️ Сколько посещений страницы мне нужно, чтобы получить хорошие результаты с A/B тестированием?

Прежде чем вы сможете проверить результаты A/B теста, вы должны убедиться, что он достиг статистической значимости. Во многих сервисах есть специальный калькулятор.

✔️ Влияет ли A/B тестирование на SEO?

Да, оно повышает юзабилити и посещаемость. Это часть сео-продвижения.