Πώς να κάνετε τη δοκιμή A/B: 15 βήματα για το τέλειο τεστ διαχωρισμού

Έτσι, θέλετε να ανακαλύψετε τι λειτουργεί πραγματικά για το κοινό σας και έχετε ακούσει για αυτήν τη μυθική μορφή δοκιμών μάρκετινγκ. Αλλά έχετε ερωτήσεις όπως: «Τι is Δοκιμές A/B στο μάρκετινγκ, τέλος πάντων;» και «Γιατί έχει σημασία;»

Μην ανησυχείς! Θα λάβετε όλες τις απαντήσεις στις καυτές ερωτήσεις σας. Θα σας πω αμέσως τη δεύτερη απάντηση…

Όταν οι έμποροι σαν εμάς δημιουργούν καταληκτικές σελίδες, γράψτε αντιγραφή email ή σχεδιάστε κουμπιά παρότρυνσης για δράση, μπορεί να είναι δελεαστικό να χρησιμοποιήσουμε τη διαίσθησή μας για να προβλέψουμε τι θα κάνει τους ανθρώπους να κάνουν κλικ και να συνδεθούν.

Αλλά όπως θα σας πει όποιος ασχολείται με το μάρκετινγκ για ένα λεπτό, να περιμένετε πάντα το απροσδόκητο. Έτσι, αντί να βασίζετε τις αποφάσεις μάρκετινγκ σε ένα «αίσθημα», είναι πολύ καλύτερο να εκτελέσετε ένα τεστ A/B για να δείτε τι λένε τα δεδομένα.

Συνεχίστε να διαβάζετε για να μάθετε πώς να διεξάγετε ολόκληρη τη διαδικασία δοκιμών A/B πριν, κατά τη διάρκεια και μετά τη συλλογή δεδομένων, ώστε να μπορείτε να λαμβάνετε τις καλύτερες αποφάσεις με βάση τα αποτελέσματά σας.

Πίνακας περιεχομένων

Αν είστε οπτικός μαθητής, μην φοβάστε ποτέ: Αυτό το βίντεο σας καθοδηγεί σε όλα όσα πρέπει να γνωρίζετε. 

Ιστορικό του A/B Testing

Είναι δύσκολο να εντοπίσουμε την «αληθινή» προέλευση των δοκιμών A/B. Ωστόσο, όσον αφορά το μάρκετινγκ, το A/B testing —αν και στην αρχική του και ατελής μορφή— αναμφισβήτητα ξεκίνησε με τον Αμερικανό διαφημιστή και συγγραφέα Claude Hopkins. Ο Χόπκινς δοκίμασε τις διαφημιστικές του καμπάνιες χρησιμοποιώντας διαφημιστικά κουπόνια.

Ωστόσο, η διαδικασία «Επιστημονικής Διαφήμισης» του Hopkins δεν περιλάμβανε τις βασικές αρχές που χρησιμοποιούμε στις δοκιμές A/B σήμερα. Έχουμε τον βιολόγο του 20ου αιώνα Ρόναλντ Φίσερ να ευχαριστήσουμε γι' αυτά. Ο Fisher, ο οποίος όρισε τη στατιστική σημασία και ανέπτυξε τη μηδενική υπόθεση, βοήθησε να γίνει πιο αξιόπιστη η δοκιμή A/B.

Τούτου λεχθέντος, η δοκιμή μάρκετινγκ A/B που γνωρίζουμε και αγαπάμε σήμερα ξεκίνησε τη δεκαετία του 1960 και του '70. Χρησιμοποιήθηκε επίσης για τη δοκιμή μεθόδων εκστρατείας άμεσης απάντησης. Μια άλλη σημαντική στιγμή μάρκετινγκ ήρθε σε εμάς το 2000. Αυτή τη στιγμή, οι μηχανικοί της Google πραγματοποίησαν την πρώτη τους δοκιμή A/B. (Ήθελαν να μάθουν τον καλύτερο αριθμό αποτελεσμάτων για εμφάνιση στη σελίδα αποτελεσμάτων της μηχανής αναζήτησης.)

Γιατί είναι σημαντική η δοκιμή A/B;

Η δοκιμή A/B έχει πολλά οφέλη για μια ομάδα μάρκετινγκ, ανάλογα με το τι αποφασίζετε να δοκιμάσετε. Για παράδειγμα, υπάρχει μια απεριόριστη λίστα αντικειμένων που μπορείτε να δοκιμάσετε για να προσδιορίσετε τη συνολική επίδραση στο τελικό αποτέλεσμα. Αλλά δεν πρέπει να κοιμάστε χρησιμοποιώντας τη δοκιμή A/B για να μάθετε ακριβώς σε τι ανταποκρίνεται καλύτερα το κοινό σας. Ας μάθουμε περισσότερα.

Μπορείτε να βρείτε τρόπους για να βελτιώσετε την κατώτατη γραμμή σας

Ας υποθέσουμε ότι απασχολείτε έναν δημιουργό περιεχομένου με μισθό 50,000 $/έτος. Αυτός ο δημιουργός περιεχομένου δημοσιεύει πέντε άρθρα εβδομαδιαίως για το εταιρικό ιστολόγιο, συνολικά 260 άρθρα ετησίως.

Εάν η μέση ανάρτηση στο ιστολόγιο της εταιρείας δημιουργεί 10 δυνητικούς πελάτες, θα μπορούσατε να πείτε ότι κοστίζει λίγο περισσότερο από 192 $ για να δημιουργήσετε 10 δυνητικούς πελάτες για την επιχείρηση (50,000 $ μισθός ÷ 260 άρθρα = 192 $ ανά άρθρο). Αυτό είναι ένα σταθερό κομμάτι αλλαγής.

Τώρα, αν ζητήσετε από αυτόν τον δημιουργό περιεχομένου να αφιερώσει δύο ημέρες για να αναπτύξει ένα τεστ A/B ένας άρθρο, αντί να γράφω δύο αναρτήσεις εκείνη την περίοδο, μπορεί να κάψετε 192 $, καθώς δημοσιεύετε λιγότερα άρθρα.

Ωστόσο, εάν αυτό το τεστ A/B διαπιστώσει ότι μπορείτε να αυξήσετε τα ποσοστά μετατροπών από 10 σε 20 δυνητικούς πελάτες, ξοδέψατε μόλις 192 $ για να διπλασιάσετε ενδεχομένως τον αριθμό των πελατών που λαμβάνει η επιχείρησή σας από το ιστολόγιό σας.

… με τρόπο χαμηλού κόστους και υψηλής ανταμοιβής

Εάν το τεστ αποτύχει, φυσικά, χάσατε 192 $ — αλλά τώρα μπορείτε να το κάνετε επόμενη Α/Β τεστ ακόμα πιο μορφωμένοι. Εάν αυτή η δεύτερη δοκιμή πετύχει, τελικά ξοδέψατε 384 $ για να διπλασιάσετε τα έσοδα της εταιρείας σας.

Ανεξάρτητα από το πόσες φορές αποτυγχάνει το τεστ Α/Β, η τελική επιτυχία του θα υπερβαίνει σχεδόν πάντα το κόστος διεξαγωγής του.

Μπορείτε να εκτελέσετε πολλούς τύπους δοκιμών διαχωρισμού για να κάνετε το πείραμα να αξίζει τον κόπο στο τέλος. Πάνω απ 'όλα, αυτές οι δοκιμές είναι πολύτιμες για μια επιχείρηση επειδή έχουν χαμηλό κόστος αλλά υψηλή ανταμοιβή.

Μπορείτε να μάθετε τι λειτουργεί Σας ακροατήριο

Η δοκιμή A/B μπορεί να είναι πολύτιμη επειδή το διαφορετικό κοινό συμπεριφέρεται, καλά, διαφορετικά. Κάτι που λειτουργεί για μια εταιρεία μπορεί να μην λειτουργεί απαραίτητα για μια άλλη.

Ας πάρουμε ως παράδειγμα μια απίθανη τακτική μάρκετινγκ B2B. Έψαχνα μέσα από το HubSpot Έκθεση τάσεων του κλάδου 2024 δεδομένα για ένα άρθρο την περασμένη εβδομάδα. Παρατήρησα ότι το 10% των B2B marketers σχεδίαζαν να μειώσουν τις επενδύσεις τους σε NFTs ως μέρος της στρατηγικής τους το 2024.

Η πρώτη μου σκέψη ήταν "Ε, NFT στο B2B;"

Μετά με χτύπησε. Για να έχουν αυτή τη μείωση, οι επαγγελματίες του μάρκετινγκ B2B πρέπει να χρησιμοποιούν εξαρχής NFT. Ακόμη πιο εκπληκτικό από αυτή την αποκάλυψη ήταν ότι το 34% των εμπόρων σχεδιάζει να το κάνει αύξηση επενδύσεις σε NFTs ως μέρος της στρατηγικής τους B2B.

Αυτό είναι μόνο ένα παράδειγμα του γιατί οι ειδικοί στη βελτιστοποίηση ποσοστού μετατροπής (CRO) μισούν τον όρο "βέλτιστες πρακτικές". Επειδή αυτή η «βέλτιστη πρακτική»; Λοιπόν, μπορεί στην πραγματικότητα να μην είναι η καλύτερη πρακτική σας.

Ωστόσο, αυτό το είδος δοκιμών μπορεί να είναι πολύπλοκο αν δεν είστε προσεκτικοί. Λοιπόν, ας εξετάσουμε πώς λειτουργεί η δοκιμή A/B για να διασφαλίσουμε ότι δεν κάνετε εσφαλμένες υποθέσεις σχετικά με το τι αρέσει στο κοινό σας.

Πώς λειτουργεί το A/B testing;

Για να εκτελέσετε μια δοκιμή A/B, πρέπει να δημιουργήσετε δύο διαφορετικές εκδόσεις ενός περιεχομένου, με αλλαγές σε ένα μεταβλητή.

Στη συνέχεια, θα δείξετε αυτές τις δύο εκδόσεις σε δύο κοινά παρόμοιου μεγέθους και θα αναλύσετε ποια είχε καλύτερη απόδοση σε μια συγκεκριμένη περίοδο. Αλλά θυμηθείτε, η περίοδος των δοκιμών θα πρέπει να είναι αρκετά μεγάλη για να βγάλετε ακριβή συμπεράσματα σχετικά με τα αποτελέσματά σας.

Πηγή εικόνας

Η δοκιμή A/B βοηθά τους επαγγελματίες του μάρκετινγκ να παρατηρούν πώς αποδίδει μια έκδοση ενός τμήματος περιεχομένου μάρκετινγκ παράλληλα με μια άλλη. Ακολουθούν δύο τύποι δοκιμών A/B που μπορείτε να πραγματοποιήσετε για να αυξήσετε το ποσοστό μετατροπών του ιστότοπού σας.

Παράδειγμα 1: Δοκιμή εμπειρίας χρήστη

Ίσως θέλετε να δείτε εάν η μετακίνηση ενός συγκεκριμένου κουμπιού παρότρυνσης για δράση (CTA) στην κορυφή της αρχικής σας σελίδας αντί να το διατηρήσετε στην πλαϊνή γραμμή, θα βελτιώσει την αναλογία κλικ προς αριθμό εμφανίσεων.

Για να δοκιμάσετε αυτή τη θεωρία A/B, θα δημιουργήσετε μια άλλη, εναλλακτική ιστοσελίδα που χρησιμοποιεί τη νέα τοποθέτηση CTA.

Το υπάρχον σχέδιο με την πλαϊνή γραμμή CTA — ή το "έλεγχος" — είναι η έκδοση Α. Η έκδοση Β με το CTA στην κορυφή είναι το "διεκδικητής.» Στη συνέχεια, θα δοκιμάσατε αυτές τις δύο εκδόσεις δείχνοντας την καθεμία σε ένα προκαθορισμένο ποσοστό επισκεπτών του ιστότοπου.

Στην ιδανική περίπτωση, το ποσοστό των επισκεπτών που βλέπουν οποιαδήποτε έκδοση είναι το ίδιο.

Μάθετε πώς μπορείτε να δοκιμάσετε εύκολα ένα στοιχείο του ιστότοπού σας με A/B Κέντρο μάρκετινγκ του HubSpot.

Παράδειγμα 2: Δοκιμή σχεδίασης

Ίσως θέλετε να μάθετε εάν η αλλαγή του χρώματος του κουμπιού CTA μπορεί να αυξήσει την αναλογία κλικ προς αριθμό εμφανίσεων.

Για να δοκιμάσετε αυτή τη θεωρία A/B, θα σχεδιάσετε ένα εναλλακτικό κουμπί CTA με διαφορετικό χρώμα κουμπιού που οδηγεί στο ίδιο σελίδα προορισμού ως στοιχείο ελέγχου.

Εάν χρησιμοποιείτε συνήθως ένα κόκκινο κουμπί CTA στο περιεχόμενο μάρκετινγκ και η πράσινη παραλλαγή λαμβάνει περισσότερα κλικ μετά τη δοκιμή A/B, θα μπορούσε να αξίζει να αλλάξετε το προεπιλεγμένο χρώμα των κουμπιών CTA σε πράσινο από εδώ και στο εξής.

Για να μάθετε περισσότερα σχετικά με τη δοκιμή A/B, κατεβάστε τον δωρεάν εισαγωγικό οδηγό μας εδώ.

A/B Testing στο Μάρκετινγκ

Ακολουθούν ορισμένα στοιχεία που μπορεί να αποφασίσετε να δοκιμάσετε στις καμπάνιες μάρκετινγκ:

• Θεματικές γραμμές.
• CTA.
• Κεφαλίδες.
• Τίτλοι.
• Γραμματοσειρές και χρώματα.
• Εικόνες προϊόντων.
• Γραφικά ιστολογίου.
• Αντίγραφο σώματος.
• Πλοήγηση.
• Φόρμες συμμετοχής.

Φυσικά, αυτή η λίστα δεν είναι εξαντλητική. Οι επιλογές σας είναι αμέτρητες και διαφέρουν ανάλογα με τον τύπο της καμπάνιας μάρκετινγκ που δοκιμάζετε A/B. (Τα γραφικά ιστολογίου συνήθως δεν ισχύουν για καμπάνιες ηλεκτρονικού ταχυδρομείου, για παράδειγμα. Ωστόσο, οι εικόνες προϊόντων μπορούν να ισχύουν τόσο για τη δοκιμή ηλεκτρονικού ταχυδρομείου όσο και για τη δοκιμή ιστολογίου.)

Πηγή εικόνας

Ας υποθέσουμε όμως ότι θέλατε να δοκιμάσετε πώς οι διαφορετικές θεματικές γραμμές επηρέασαν τα ποσοστά μετατροπών μιας καμπάνιας μάρκετινγκ ηλεκτρονικού ταχυδρομείου. Τι θα χρειαστείτε για να ξεκινήσετε;

Τι περιλαμβάνει η δοκιμή A/B;

Δείτε τι θα χρειαστείτε για να εκτελέσετε μια επιτυχημένη δοκιμή A/B.

• Μία καμπάνια: Θα χρειαστεί να επιλέξετε μια καμπάνια μάρκετινγκ (δηλαδή, ένα ενημερωτικό δελτίο, μια σελίδα προορισμού ή ένα email) που είναι ήδη ζωντανή. Θα πάμε με email.
• Τι θέλετε να δοκιμάσετε: Θα χρειαστεί να επιλέξετε τα στοιχεία που θέλετε να δοκιμάσετε A/B. Σε αυτήν την περίπτωση, αυτό θα ήταν το θέμα που χρησιμοποιείται σε μια καμπάνια μάρκετινγκ ηλεκτρονικού ταχυδρομείου. Αλλά μπορείτε να δοκιμάσετε όλα τα πράγματα, ακόμη και μέχρι το μέγεθος της γραμματοσειράς και το χρώμα του κουμπιού CTA. Θυμηθείτε, όμως, αν θέλετε ακριβείς μετρήσεις, κάντε μόνο δοκιμή ένας στοιχείο κάθε φορά.
• Οι στόχοι σας: Δοκιμάζετε για χάρη του; Ή έχετε σαφώς καθορισμένους στόχους; Στην ιδανική περίπτωση, η δοκιμή A/B θα πρέπει να συνδέεται με τους στόχους εσόδων σας. (Έτσι, ανακαλύπτοντας ποια καμπάνια έχει καλύτερο αντίκτυπο στην επιτυχία των εσόδων.) Για να παρακολουθήσετε την επιτυχία, θα πρέπει να επιλέξετε τις σωστές μετρήσεις. Για έσοδα, θα παρακολουθείτε μετρήσεις όπως πωλήσεις, εγγραφές και κλικ.

Στόχοι δοκιμών A/B

Η δοκιμή A/B μπορεί να σας πει πολλά για το πώς το κοινό για το οποίο θέλετε συμπεριφέρεται και αλληλεπιδρά με την καμπάνια μάρκετινγκ.

Όχι μόνο η δοκιμή A/B βοηθά στον προσδιορισμό της συμπεριφοράς του κοινού σας, αλλά τα αποτελέσματα των δοκιμών μπορούν να βοηθήσουν στον προσδιορισμό των επόμενων στόχων μάρκετινγκ.

Ακολουθούν ορισμένοι κοινοί στόχοι που έχουν οι έμποροι για την επιχείρησή τους κατά τη δοκιμή A/B.

Αυξημένη επισκεψιμότητα ιστότοπου

Θα θελήσετε να χρησιμοποιήσετε τη δοκιμή A/B για να σας βοηθήσει να βρείτε τη σωστή διατύπωση για τους τίτλους του ιστότοπού σας, ώστε να τραβήξετε την προσοχή του κοινού σας.

Η δοκιμή διαφορετικών τίτλων ιστολογίου ή ιστοσελίδων μπορεί να αλλάξει τον αριθμό των ατόμων που κάνουν κλικ σε αυτόν τον υπερσύνδεσμο για να μεταβούν στον ιστότοπό σας. Αυτό μπορεί να αυξήσει την επισκεψιμότητα του ιστότοπου.

Εφόσον είναι σχετικό, η αύξηση της επισκεψιμότητας στον ιστό είναι καλό! Περισσότερη επισκεψιμότητα συνήθως σημαίνει περισσότερες πωλήσεις.

Υψηλότερο ποσοστό μετατροπών

Η δοκιμή A/B όχι μόνο βοηθά στην αύξηση της επισκεψιμότητας στον ιστότοπό σας, αλλά μπορεί επίσης να συμβάλει στην αύξηση των ποσοστών μετατροπών.

Η δοκιμή διαφορετικών τοποθεσιών, χρωμάτων ή ακόμα και αγκύρωση κειμένου στα CTA σας μπορεί να αλλάξει τον αριθμό των ατόμων που κάνουν κλικ σε αυτά τα CTA για να μεταβούν σε μια σελίδα προορισμού.

Αυτό μπορεί να αυξήσει τον αριθμό των ατόμων που συμπληρώνουν φόρμες στον ιστότοπό σας, υποβάλλουν τα στοιχεία επικοινωνίας τους σε εσάς και «μετατρέπονται» σε υποψήφιους πελάτες.

Χαμηλότερο ποσοστό εγκατάλειψης

Η δοκιμή A/B μπορεί να σας βοηθήσει να προσδιορίσετε τι απομακρύνει την επισκεψιμότητα από τον ιστότοπό σας. Ίσως η αίσθηση του ιστοτόπου σας να μην έρχεται με το κοινό σας. Ή ίσως τα χρώματα συγκρούονται, αφήνοντας μια άσχημη γεύση στο στόμα του κοινού-στόχου σας.

Εάν οι επισκέπτες του ιστότοπού σας φύγουν (ή «αναπηδήσουν») γρήγορα μετά την επίσκεψη στον ιστότοπό σας, η δοκιμή διαφορετικών εισαγωγών, γραμματοσειρών ή επιλεγμένων εικόνων αναρτήσεων ιστολογίου μπορεί να διατηρήσει τους επισκέπτες.

Εικόνες τέλειων προϊόντων

Γνωρίζετε ότι έχετε το τέλειο προϊόν ή υπηρεσία για να προσφέρετε στο κοινό σας. Αλλά, πώς ξέρετε ότι έχετε επιλέξει τη σωστή εικόνα προϊόντος για να μεταφέρετε αυτό που έχετε να προσφέρετε;

Χρησιμοποιήστε τη δοκιμή A/B για να προσδιορίσετε ποια εικόνα προϊόντος τραβάει καλύτερα την προσοχή του κοινού που θέλετε. Συγκρίνετε τις εικόνες μεταξύ τους και επιλέξτε αυτή με το υψηλότερο ποσοστό πωλήσεων.

Εγκατάλειψη Κάτω Καλαθιού

Οι επιχειρήσεις ηλεκτρονικού εμπορίου βλέπουν κατά μέσο όρο 70% των πελατών αφήνουν τον ιστότοπό τους με προϊόντα στο καλάθι αγορών τους. Αυτό είναι γνωστό ως «εγκατάλειψη καλαθιού αγορών» και, φυσικά, είναι επιζήμιο για οποιοδήποτε ηλεκτρονικό κατάστημα.

Η δοκιμή διαφορετικών φωτογραφιών προϊόντων, σχεδίων σελίδων check-out, ακόμη και όπου εμφανίζονται τα έξοδα αποστολής, μπορεί να μειώσει αυτό το ποσοστό εγκατάλειψης.

Τώρα, ας εξετάσουμε μια λίστα ελέγχου για τη ρύθμιση, την εκτέλεση και τη μέτρηση μιας δοκιμής A/B.

Πώς να σχεδιάσετε ένα τεστ A/B

Ο σχεδιασμός ενός τεστ A/B μπορεί να φαίνεται σαν μια περίπλοκη εργασία στην αρχή. Αλλά, εμπιστευτείτε μας - είναι απλό.

Το κλειδί για τον σχεδιασμό μιας επιτυχημένης δοκιμής A/B είναι να προσδιορίσετε ποια στοιχεία του ιστολογίου, του ιστότοπου ή της διαφημιστικής σας καμπάνιας μπορούν να συγκριθούν και να αντιπαραβληθούν με μια νέα ή διαφορετική έκδοση.

Πριν ξεκινήσετε να δοκιμάσετε όλα τα στοιχεία της καμπάνιας μάρκετινγκ, ελέγξτε αυτές τις βέλτιστες πρακτικές δοκιμών A/B.

Δοκιμάστε τα κατάλληλα αντικείμενα.

Καταγράψτε στοιχεία που θα μπορούσαν να επηρεάσουν τον τρόπο με τον οποίο το κοινό-στόχος σας αλληλεπιδρά με τις διαφημίσεις ή τον ιστότοπό σας. Συγκεκριμένα, εξετάστε ποια στοιχεία του ιστότοπού σας ή της διαφημιστικής σας καμπάνιας επηρεάζουν μια πώληση ή μια μετατροπή.

Βεβαιωθείτε ότι τα στοιχεία που θα επιλέξετε είναι κατάλληλα και ότι μπορούν να τροποποιηθούν για σκοπούς δοκιμής.

Για παράδειγμα, μπορείτε να δοκιμάσετε ποιες γραμματοσειρές ή εικόνες τραβούν καλύτερα την προσοχή του κοινού σας σε μια διαφημιστική καμπάνια Facebook. Εναλλακτικά, μπορείτε να πιλοτάρετε δύο σελίδες για να προσδιορίσετε ποιες κρατούν τους επισκέπτες στον ιστότοπό σας περισσότερο.

Pro tip: Επιλέξτε κατάλληλα δοκιμαστικά στοιχεία παραθέτοντας στοιχεία που επηρεάζουν τις συνολικές πωλήσεις ή τη μετατροπή δυνητικού πελάτη και, στη συνέχεια, δώστε προτεραιότητα σε αυτά.

Προσδιορίστε το σωστό μέγεθος δείγματος.

Το μέγεθος του δείγματος του τεστ A/B μπορεί να έχει μεγάλο αντίκτυπο στα αποτελέσματα — και μερικές φορές, αυτό δεν είναι καλό. Ένα πολύ μικρό μέγεθος δείγματος θα παραμορφώσει τα αποτελέσματα.

Βεβαιωθείτε ότι το μέγεθος του δείγματός σας είναι αρκετά μεγάλο για να αποφέρει ακριβή αποτελέσματα. Χρησιμοποιήστε εργαλεία όπως έναν υπολογιστή μεγέθους δείγματος Για να σας βοηθήσουμε να υπολογίσετε τον σωστό αριθμό αλληλεπιδράσεων ή επισκεπτών στον ιστότοπό σας ή τους συμμετέχοντες στην καμπάνια σας, πρέπει να επιτύχετε το καλύτερο αποτέλεσμα.

Ελέγξτε τα δεδομένα σας.

Μια δοκιμή διαχωρισμού ήχου θα αποφέρει στατιστικά σημαντικά και αξιόπιστα αποτελέσματα. Με άλλα λόγια, τα αποτελέσματα του τεστ Α/Β δεν επηρεάζονται από την τυχαιότητα ή την τύχη. Αλλά, πώς μπορείτε να είστε σίγουροι ότι τα αποτελέσματά σας είναι στατιστικά σημαντικά και αξιόπιστα;

Ακριβώς όπως ο προσδιορισμός του μεγέθους του δείγματος, είναι διαθέσιμα εργαλεία που βοηθούν στην επαλήθευση των δεδομένων σας.

Εργαλεία, όπως π.χ Υπολογιστής σημασίας δοκιμής AB Convertize, επιτρέπουν στους χρήστες να συνδέσουν δεδομένα κίνησης και ποσοστά μετατροπών μεταβλητών και να επιλέξουν το επιθυμητό επίπεδο εμπιστοσύνης.

Όσο υψηλότερη είναι η στατιστική σημασία που επιτυγχάνεται, τόσο λιγότερο μπορείτε να περιμένετε ότι τα δεδομένα θα προκύψουν τυχαία.

Pro tip: Βεβαιωθείτε ότι τα δεδομένα σας είναι στατιστικά σημαντικά και αξιόπιστα χρησιμοποιώντας εργαλεία όπως οι αριθμομηχανές σημαντικότητας δοκιμής A/B.

Προγραμματίστε τις εξετάσεις σας.

Όταν συγκρίνετε μεταβλητές, είναι σημαντικό να διατηρείτε τα υπόλοιπα στοιχεία ελέγχου σας ίδια — συμπεριλαμβανομένου του χρονοδιαγράμματος εκτέλεσης των δοκιμών σας.

Εάν βρίσκεστε στον χώρο του ηλεκτρονικού εμπορίου, θα πρέπει να λάβετε υπόψη τις εκπτώσεις στις διακοπές.

Για παράδειγμα, εάν εκτελέσετε μια δοκιμή A/B στο στοιχείο ελέγχου κατά τη διάρκεια ενός χρόνου αιχμής πωλήσεων, η επισκεψιμότητα στον ιστότοπό σας και στις πωλήσεις σας ενδέχεται να είναι υψηλότερη από τη μεταβλητή που δοκιμάσατε σε μια "εβδομάδα εκτός λειτουργίας".

Για να διασφαλίσετε την ακρίβεια των δοκιμών διαχωρισμού, επιλέξτε ένα συγκρίσιμο χρονικό πλαίσιο και για τα δύο δοκιμασμένα στοιχεία. Φροντίστε επίσης να εκτελέσετε τις καμπάνιες σας για το ίδιο χρονικό διάστημα, για να έχετε τα καλύτερα και πιο ακριβή αποτελέσματα.

Pro tip: Επιλέξτε ένα χρονικό πλαίσιο κατά το οποίο μπορείτε να περιμένετε παρόμοια επισκεψιμότητα και στα δύο τμήματα της δοκιμής διαχωρισμού.

Δοκιμάστε μόνο ένα στοιχείο.

Κάθε μεταβλητή του ιστότοπού σας ή της διαφημιστικής σας καμπάνιας μπορεί να επηρεάσει σημαντικά τη συμπεριφορά του κοινού που επιθυμείτε. Γι' αυτό η εξέταση μόνο ενός στοιχείου κάθε φορά είναι σημαντική κατά τη διεξαγωγή δοκιμών A/B.

Η προσπάθεια δοκιμής πολλαπλών στοιχείων στο ίδιο τεστ A/B θα αποφέρει αναξιόπιστα αποτελέσματα. Με αναξιόπιστα αποτελέσματα, δεν θα γνωρίζετε ποιο στοιχείο είχε τη μεγαλύτερη επίδραση στη συμπεριφορά των καταναλωτών.

Φροντίστε να σχεδιάσετε τη δοκιμή διαχωρισμού για ένα μόνο στοιχείο της διαφημιστικής καμπάνιας ή του ιστότοπού σας.

Pro tip: Μην προσπαθήσετε να δοκιμάσετε πολλά στοιχεία ταυτόχρονα. Μια καλή δοκιμή A/B θα σχεδιαστεί για να δοκιμάζει μόνο ένα στοιχείο κάθε φορά.

Αναλύστε τα δεδομένα.

Ως έμπορος, μπορεί να έχετε μια ιδέα για το πώς συμπεριφέρεται το κοινό-στόχος σας με την καμπάνια και τις ιστοσελίδες σας. Η δοκιμή A/B μπορεί να σας δώσει μια καλύτερη ένδειξη για το πώς οι καταναλωτές πραγματικά αλληλεπιδρούν με τους ιστότοπούς σας.

Αφού ολοκληρωθεί η δοκιμή, αφιερώστε λίγο χρόνο για να αναλύσετε διεξοδικά τα δεδομένα. Μπορεί να εκπλαγείτε όταν διαπιστώσετε ότι αυτό που πιστεύατε ότι λειτουργούσε για τις καμπάνιες σας ήταν λιγότερο αποτελεσματικό από ό,τι νομίζατε αρχικά.

Pro tip: Τα ακριβή και αξιόπιστα δεδομένα μπορεί να λένε μια διαφορετική ιστορία από ό,τι φανταζόσασταν αρχικά. Χρησιμοποιήστε τα δεδομένα για να σας βοηθήσετε να σχεδιάσετε ή να κάνετε αλλαγές στις καμπάνιες σας.

Τρόπος διεξαγωγής δοκιμών A/B

Ακολουθήστε μαζί μας δωρεάν κιτ δοκιμών A/B με όλα όσα χρειάζεστε για να εκτελέσετε δοκιμές A/B, συμπεριλαμβανομένου ενός προτύπου παρακολούθησης δοκιμών, ενός οδηγού για οδηγίες και έμπνευσης και έναν υπολογιστή στατιστικής σημασίας για να δείτε εάν οι δοκιμές σας ήταν νίκες, ήττες ή ασύμφορες.

Πριν το A/B Test

Ας καλύψουμε τα βήματα που πρέπει να ακολουθήσετε πριν ξεκινήσετε τη δοκιμή A/B.

1. Επιλέξτε μία μεταβλητή για δοκιμή.

Καθώς βελτιστοποιείτε τις ιστοσελίδες και τα email σας, θα διαπιστώσετε ότι υπάρχουν πολλές μεταβλητές που θέλετε να δοκιμάσετε. Αλλά για να αξιολογήσετε την αποτελεσματικότητα, θα θέλετε να απομονώσετε ένα ανεξάρτητη μεταβλητή και μετρήστε την απόδοσή του.

Διαφορετικά, δεν μπορείτε να είστε σίγουροι ποια μεταβλητή ήταν υπεύθυνη για τις αλλαγές στην απόδοση.

Μπορείτε να δοκιμάσετε περισσότερες από μία μεταβλητές για μία ιστοσελίδα ή email — απλώς βεβαιωθείτε ότι τις δοκιμάζετε μία κάθε φορά.

Για να προσδιορίσετε τη μεταβλητή σας, δείτε τα στοιχεία στους πόρους μάρκετινγκ και τις πιθανές εναλλακτικές τους για σχεδιασμό, διατύπωση και διάταξη. Μπορείτε επίσης να δοκιμάσετε γραμμές θέματος email, ονόματα αποστολέων και διαφορετικούς τρόπους εξατομίκευσης των email σας.

Pro tip: Μπορείς να χρησιμοποιήσεις Συγγραφέας ηλεκτρονικού ταχυδρομείου AI του HubSpot για να γράψετε αντίγραφο ηλεκτρονικού ταχυδρομείου για διαφορετικά είδη κοινού. Το λογισμικό είναι ενσωματωμένο στα εργαλεία μάρκετινγκ και πωλήσεων του HubSpot.

Λάβετε υπόψη ότι ακόμη και απλές αλλαγές, όπως η αλλαγή της εικόνας στο email σας ή τις λέξεις στο κουμπί CTA, μπορεί να οδηγήσει σε μεγάλες βελτιώσεις. Στην πραγματικότητα, αυτού του είδους οι αλλαγές είναι συνήθως πιο εύκολο να μετρηθούν από τις μεγαλύτερες.

Σημείωση: Μερικές φορές, ο έλεγχος πολλαπλών μεταβλητών αντί για μια μεμονωμένη μεταβλητή έχει πιο νόημα. Αυτό ονομάζεται πολυπαραγοντική δοκιμή.

Εάν αναρωτιέστε εάν πρέπει να εκτελέσετε μια δοκιμή A/B έναντι μιας δοκιμής πολλαπλών μεταβλητών, εδώ είναι ένα χρήσιμο άρθρο από το Optimizely που συγκρίνει τις διαδικασίες.

2. Προσδιορίστε τον στόχο σας.

Αν και θα μετρήσετε πολλές μετρήσεις κατά τη διάρκεια οποιασδήποτε δοκιμής, επιλέξτε μια κύρια μέτρηση στην οποία θα εστιάσετε πριν κάνεις το τεστ. Στην πραγματικότητα, κάντε το πριν καν ρυθμίσετε τη δεύτερη παραλλαγή.

Αυτό είναι δικό σου εξαρτημένη μεταβλητή, το οποίο αλλάζει με βάση τον τρόπο χειρισμού της ανεξάρτητης μεταβλητής.

Σκεφτείτε πού θέλετε να βρίσκεται αυτή η εξαρτημένη μεταβλητή στο τέλος της δοκιμής διαχωρισμού. Μπορείτε να δηλώσετε ακόμη και έναν αξιωματούχο υπόθεση και εξετάστε τα αποτελέσματά σας με βάση αυτήν την πρόβλεψη.

Εάν περιμένετε μέχρι μετά για να σκεφτείτε ποιες μετρήσεις είναι σημαντικές για εσάς, ποιοι είναι οι στόχοι σας και πώς οι αλλαγές που προτείνετε ενδέχεται να επηρεάσουν τη συμπεριφορά των χρηστών, τότε ενδέχεται να μην ρυθμίσετε τη δοκιμή με τον πιο αποτελεσματικό τρόπο.

3. Δημιουργήστε έναν «έλεγχο» και έναν «αμφισβητία».

Τώρα έχετε την ανεξάρτητη μεταβλητή σας, την εξαρτημένη μεταβλητή σας και το επιθυμητό αποτέλεσμα. Χρησιμοποιήστε αυτές τις πληροφορίες για να ρυθμίσετε την αναλλοίωτη έκδοση ό,τι δοκιμάζετε ως σενάριο ελέγχου.

Εάν δοκιμάζετε μια ιστοσελίδα, αυτή είναι η αναλλοίωτη σελίδα καθώς υπάρχει ήδη. Εάν δοκιμάζετε μια σελίδα προορισμού, αυτό θα ήταν το σχέδιο και το αντίγραφο της σελίδας προορισμού που θα χρησιμοποιούσατε συνήθως.

Από εκεί, δημιουργήστε έναν αμφισβητία — τον τροποποιημένο ιστότοπο, τη σελίδα προορισμού ή το ηλεκτρονικό ταχυδρομείο που θα δοκιμάσετε έναντι του ελέγχου σας.

Για παράδειγμα, αν αναρωτιέστε αν προσθέτοντας μια μαρτυρία σε μια σελίδα προορισμού θα έκανε τη διαφορά στις μετατροπές, ρυθμίστε τη σελίδα ελέγχου σας χωρίς μαρτυρίες. Στη συνέχεια, δημιουργήστε τον αμφισβητία σας με μια μαρτυρία.

4. Διαχωρίστε τις ομάδες δειγμάτων σας εξίσου και τυχαία.

Για δοκιμές όπου έχετε περισσότερο έλεγχο στο κοινό — όπως με τα μηνύματα ηλεκτρονικού ταχυδρομείου — πρέπει να κάνετε δοκιμές με δύο ή περισσότερα ίσα κοινά για να έχετε οριστικά αποτελέσματα.

Ο τρόπος με τον οποίο το κάνετε αυτό θα ποικίλλει ανάλογα με το εργαλείο δοκιμών A/B που χρησιμοποιείτε. Ας υποθέσουμε ότι είστε α Πελάτης HubSpot Enterprise που πραγματοποιεί δοκιμή A/B σε email, Για παράδειγμα.

Το HubSpot θα διαχωρίσει αυτόματα την επισκεψιμότητα στις παραλλαγές σας, έτσι ώστε κάθε παραλλαγή να λαμβάνει μια τυχαία δειγματοληψία επισκεπτών.

5. Προσδιορίστε το μέγεθος του δείγματός σας (αν υπάρχει).

Πως εσύ καθορίστε το μέγεθος του δείγματός σας θα ποικίλλει επίσης ανάλογα με το εργαλείο δοκιμών A/B που χρησιμοποιείτε, καθώς και τον τύπο της δοκιμής A/B που εκτελείτε.

Εάν δοκιμάζετε ένα email A/B, πιθανότατα θα θέλετε να στείλετε ένα τεστ A/B σε ένα υποσύνολο της λίστας σας αρκετά μεγάλο ώστε να επιτύχετε στατιστικά σημαντικά αποτελέσματα.

Τελικά, θα επιλέξετε έναν νικητή για να τον στείλετε στην υπόλοιπη λίστα. (Δείτε το ebook «The Science of Split Testing» στο τέλος αυτού του άρθρου για περισσότερα.)

Εάν είστε πελάτης του HubSpot Enterprise, θα έχετε κάποια βοήθεια για τον προσδιορισμό του μεγέθους της ομάδας δειγμάτων σας χρησιμοποιώντας ένα ρυθμιστικό.

Θα σας επιτρέψει να κάνετε μια δοκιμή 50/50 A/B οποιουδήποτε μεγέθους δείγματος — αν και όλες οι άλλες διαχωρισμοί δειγμάτων απαιτούν μια λίστα με τουλάχιστον 1,000 παραλήπτες.

Πηγή εικόνας

Αν δοκιμάζετε κάτι αυτό δεν να έχετε ένα πεπερασμένο κοινό, όπως μια ιστοσελίδα, τότε το πόσο καιρό θα συνεχίσετε να εκτελείται η δοκιμή σας θα επηρεάσει άμεσα το μέγεθος του δείγματός σας.

Θα χρειαστεί να αφήσετε τη δοκιμή σας να τρέξει αρκετά για να λάβετε σημαντικό αριθμό προβολών. Διαφορετικά, θα είναι δύσκολο να πούμε εάν υπήρχε στατιστικά σημαντική διαφορά μεταξύ των παραλλαγών.

6. Αποφασίστε πόσο σημαντικά πρέπει να είναι τα αποτελέσματά σας.

Αφού επιλέξετε τη μέτρηση του στόχου σας, σκεφτείτε πόσο σημαντικά πρέπει να είναι τα αποτελέσματά σας για να δικαιολογήσετε την επιλογή μιας παραλλαγής έναντι μιας άλλης.

Η στατιστική σημασία είναι ένα εξαιρετικά σημαντικό μέρος της διαδικασίας δοκιμών A/B που συχνά παρεξηγείται. Εάν χρειάζεστε μια ανανέωση, προτείνω να το διαβάσετε ανάρτηση ιστολογίου σχετικά με τη στατιστική σημασία από άποψη μάρκετινγκ.

Όσο υψηλότερο είναι το ποσοστό του επιπέδου αυτοπεποίθησής σας, τόσο πιο σίγουροι μπορείτε να είστε για τα αποτελέσματά σας. Στις περισσότερες περιπτώσεις, θα θέλετε ένα επίπεδο εμπιστοσύνης τουλάχιστον 95%, ειδικά αν το πείραμα ήταν χρονοβόρα.

Ωστόσο, μερικές φορές, είναι λογικό να χρησιμοποιείτε χαμηλότερο ποσοστό εμπιστοσύνης εάν δεν χρειάζεστε το τεστ να είναι τόσο αυστηρό.

Ματ Ρο, ανώτερος μηχανικός λογισμικού στο HubSpot, σκέφτεται τη στατιστική σημασία όπως το να στοιχηματίζετε.

Σε ποιες πιθανότητες νιώθετε άνετα να στοιχηματίσετε; Το να λέμε, «Είμαι 80% σίγουρος ότι αυτό είναι το σωστό σχέδιο και είμαι πρόθυμος να στοιχηματίσω τα πάντα σε αυτό», είναι παρόμοιο με το να εκτελέσεις ένα τεστ A/B με 80% σημασία και μετά να ανακηρύξεις νικητή.

Η Rheault λέει επίσης ότι πιθανότατα θα θέλετε υψηλότερο όριο εμπιστοσύνης όταν δοκιμάζετε κάτι που βελτιώνει ελαφρώς μόνο το ποσοστό μετατροπής. Γιατί; Επειδή η τυχαία διακύμανση είναι πιο πιθανό να παίξει μεγαλύτερο ρόλο.

«Ένα παράδειγμα όπου θα μπορούσαμε να αισθανόμαστε πιο ασφαλείς μειώνοντας το όριο εμπιστοσύνης μας είναι ένα πείραμα που πιθανότατα θα βελτιώσει το ποσοστό μετατροπών κατά 10% ή περισσότερο, όπως μια επανασχεδιασμένη ενότητα ήρωα», εξήγησε.

«Το αποφασιστικό στοιχείο εδώ είναι ότι όσο πιο ριζική είναι η αλλαγή, τόσο λιγότερο επιστημονικοί πρέπει να είμαστε διαδικαστικοί. Όσο πιο συγκεκριμένη είναι η αλλαγή (χρώμα κουμπιού, μικροαντίγραφο κ.λπ.), τόσο πιο επιστημονικοί θα πρέπει να είμαστε επειδή η αλλαγή είναι λιγότερο πιθανό να έχει μεγάλο και αξιοσημείωτο αντίκτυπο στο ποσοστό μετατροπής», λέει ο Rheault.

7. Βεβαιωθείτε ότι εκτελείτε μόνο μία δοκιμή τη φορά σε οποιαδήποτε καμπάνια.

Η δοκιμή περισσότερων από ένα πραγμάτων για μια μεμονωμένη καμπάνια μπορεί να περιπλέξει τα αποτελέσματα.

Για παράδειγμα, εάν A/B δοκιμάσετε μια καμπάνια ηλεκτρονικού ταχυδρομείου που κατευθύνεται σε μια σελίδα προορισμού ενώ δοκιμάζετε αυτή τη σελίδα προορισμού, πώς μπορείτε να μάθετε ποια αλλαγή προκάλεσε την αύξηση των δυνητικών πελατών;

Κατά τη διάρκεια του A/B Test

Ας καλύψουμε τα βήματα που πρέπει να ακολουθήσετε κατά τη διάρκεια της δοκιμής A/B.

8. Χρησιμοποιήστε ένα εργαλείο δοκιμών A/B.

Για να κάνετε μια δοκιμή A/B στον ιστότοπό σας ή σε ένα email, θα χρειαστεί να χρησιμοποιήσετε ένα εργαλείο δοκιμής A/B.

Εάν είστε πελάτης του HubSpot Enterprise, το λογισμικό HubSpot διαθέτει λειτουργίες που σας επιτρέπουν να δοκιμάζετε μηνύματα ηλεκτρονικού ταχυδρομείου A/B (μάθετε πώς εδώ), CTA (μάθετε πώς εδώ), και σελίδες προορισμού (μάθετε πώς εδώ).

Για πελάτες που δεν ανήκουν στο HubSpot Enterprise, περιλαμβάνονται άλλες επιλογές Google Analytics, που σας επιτρέπει να δοκιμάσετε έως και 10 πλήρεις εκδόσεις μιας ιστοσελίδας και να συγκρίνετε την απόδοσή τους χρησιμοποιώντας ένα τυχαίο δείγμα χρηστών.

9. Δοκιμάστε και τις δύο παραλλαγές ταυτόχρονα.

Ο χρόνος παίζει σημαντικό ρόλο στα αποτελέσματα της καμπάνιας μάρκετινγκ, είτε είναι η ώρα της ημέρας, η ημέρα της εβδομάδας ή ο μήνας του έτους.

Εάν εκτελούσατε την έκδοση Α για ένα μήνα και την έκδοση Β ένα μήνα αργότερα, πώς θα ξέρατε εάν η αλλαγή απόδοσης προκλήθηκε από τη διαφορετική σχεδίαση ή από τον διαφορετικό μήνα;

Όταν εκτελείτε δοκιμές A/B, πρέπει να εκτελέσετε τις δύο παραλλαγές ταυτόχρονα. Διαφορετικά, μπορεί να αφεθείτε στη δεύτερη εκτίμηση των αποτελεσμάτων σας.

Η μόνη εξαίρεση είναι εάν δοκιμάζετε το χρονοδιάγραμμα, όπως την εύρεση των βέλτιστων ωρών για την αποστολή email.

Ανάλογα με το τι προσφέρει η επιχείρησή σας και ποιοι είναι οι συνδρομητές σας, ο βέλτιστος χρόνος για την αφοσίωση των συνδρομητών μπορεί να διαφέρει σημαντικά ανά κλάδο και αγορά-στόχο.

10. Δώστε στο τεστ A/B αρκετό χρόνο για να παράγει χρήσιμα δεδομένα.

Και πάλι, θα θέλετε να βεβαιωθείτε ότι έχετε αφήσει τη δοκιμή σας να τρέξει αρκετά ώστε να αποκτήσετε ένα σημαντικό μέγεθος δείγματος. Διαφορετικά, θα είναι δύσκολο να πούμε εάν οι δύο παραλλαγές είχαν στατιστικά σημαντική διαφορά.

Πόσο καιρό είναι αρκετό; Ανάλογα με την εταιρεία σας και τον τρόπο με τον οποίο εκτελείτε το τεστ A/B, η λήψη στατιστικά σημαντικών αποτελεσμάτων μπορεί να συμβεί σε ώρες… ή ημέρες… ή εβδομάδες.

Ένα μεγάλο μέρος του χρόνου που χρειάζεται για να λάβετε στατιστικά σημαντικά αποτελέσματα είναι η επισκεψιμότητα που λαμβάνετε — επομένως, εάν η επιχείρησή σας δεν έχει μεγάλη επισκεψιμότητα στον ιστότοπό σας, θα χρειαστεί πολύς περισσότερος χρόνος για να εκτελέσετε μια δοκιμή A/B.

Διαβάστε αυτήν την ανάρτηση ιστολογίου για να μάθετε περισσότερα σχετικά με το μέγεθος του δείγματος και το χρονοδιάγραμμα.

11. Ζητήστε σχόλια από πραγματικούς χρήστες.

Η δοκιμή A/B έχει να κάνει πολύ με τα ποσοτικά δεδομένα… αλλά αυτό δεν θα σας βοηθήσει απαραίτητα να καταλάβετε WHY οι άνθρωποι αναλαμβάνουν ορισμένες ενέργειες έναντι άλλων. Ενώ εκτελείτε τη δοκιμή A/B, γιατί να μην συλλέξετε ποιοτικά σχόλια από πραγματικούς χρήστες;

Μια έρευνα ή δημοσκόπηση είναι ένας από τους καλύτερους τρόπους για να ρωτήσετε τους ανθρώπους για τη γνώμη τους.

Μπορείτε να προσθέσετε μια έρευνα εξόδου στον ιστότοπό σας που ρωτά τους επισκέπτες γιατί δεν έκαναν κλικ σε ένα συγκεκριμένο CTA ή μια στις σελίδες ευχαριστιών σας που ρωτά τους επισκέπτες γιατί έκαναν κλικ σε ένα κουμπί ή συμπλήρωσαν μια φόρμα.

Για παράδειγμα, μπορεί να διαπιστώσετε ότι πολλοί άνθρωποι έκαναν κλικ σε ένα CTA που τους οδηγεί σε ένα ebook, αλλά μόλις είδαν την τιμή, δεν έκαναν μετατροπή.

Αυτού του είδους οι πληροφορίες θα σας δώσουν πολλές πληροφορίες για το γιατί οι χρήστες σας συμπεριφέρονται με συγκεκριμένους τρόπους.

Μετά το A/B Test

Τέλος, ας καλύψουμε τα βήματα που πρέπει να ακολουθήσετε μετά τη δοκιμή A/B.

12. Εστιάστε στη μέτρηση του στόχου σας.

Και πάλι, αν και θα μετράτε πολλές μετρήσεις, εστιάστε σε αυτήν τη μέτρηση του πρωταρχικού στόχου όταν κάνετε την ανάλυσή σας.

Για παράδειγμα, εάν δοκιμάσατε δύο παραλλαγές ενός μηνύματος ηλεκτρονικού ταχυδρομείου και επιλέξατε δυνητικούς πελάτες ως κύρια μέτρηση, μην σας πιάνουν οι αναλογίες κλικ προς αριθμό εμφανίσεων.

Μπορεί να δείτε υψηλή αναλογία κλικ προς αριθμό εμφανίσεων και κακές μετατροπές, οπότε μπορείτε να επιλέξετε την παραλλαγή που στο τέλος είχε χαμηλότερη αναλογία κλικ προς αριθμό εμφανίσεων.

13. Μετρήστε τη σημασία των αποτελεσμάτων σας χρησιμοποιώντας την αριθμομηχανή δοκιμών A/B.

Τώρα που προσδιορίσατε ποια παραλλαγή έχει την καλύτερη απόδοση, ήρθε η ώρα να προσδιορίσετε εάν τα αποτελέσματά σας είναι στατιστικά σημαντικά. Αρκούν δηλαδή για να δικαιολογήσουν μια αλλαγή;

Για να το μάθετε, θα χρειαστεί να κάνετε μια δοκιμή στατιστικής σημασίας. Θα μπορούσατε να το κάνετε χειροκίνητα ή θα μπορούσατε απλώς να συνδέσετε τα αποτελέσματα από το πείραμά σας η δωρεάν αριθμομηχανή δοκιμών A/B μας. (Η αριθμομηχανή παρέχεται ως μέρος του δωρεάν κιτ δοκιμών A/B.)

Θα σας ζητηθεί να εισαγάγετε το αποτέλεσμά σας στα ερυθρά αιμοσφαίρια για κάθε παραλλαγή που δοκιμάσατε. Τα αποτελέσματα στο πρότυπο αφορούν είτε "Επισκέπτες" είτε για "Μετατροπές". Ωστόσο, μπορείτε να προσαρμόσετε αυτές τις επικεφαλίδες για άλλους τύπους αποτελεσμάτων.

Στη συνέχεια, θα δείτε μια σειρά αυτοματοποιημένων υπολογισμών με βάση τις εισροές σας. Από εκεί, η αριθμομηχανή θα καθορίσει τη στατιστική σημασία.

Πηγή εικόνας

14. Λάβετε μέτρα με βάση τα αποτελέσματά σας.

Εάν μια παραλλαγή είναι στατιστικά καλύτερη από την άλλη, έχετε έναν νικητή. Ολοκληρώστε τη δοκιμή σας απενεργοποιώντας την παραλλαγή απώλειας στο εργαλείο δοκιμών A/B.

Εάν καμία παραλλαγή δεν είναι σημαντική, η μεταβλητή που δοκιμάσατε δεν επηρέασε τα αποτελέσματα και θα πρέπει να επισημάνετε τη δοκιμή ως ασαφή. Σε αυτήν την περίπτωση, παραμείνετε με την αρχική παραλλαγή ή εκτελέστε άλλη δοκιμή. Μπορείτε να χρησιμοποιήσετε αποτυχημένα δεδομένα για να σας βοηθήσουν να καταλάβετε μια νέα επανάληψη στη νέα σας δοκιμή.

Ενώ τα τεστ A/B σάς βοηθούν να επηρεάσετε τα αποτελέσματα κατά περίπτωση, μπορείτε επίσης να εφαρμόσετε τα μαθήματα που μαθαίνετε από κάθε δοκιμή σε μελλοντικές προσπάθειες.

Για παράδειγμα, ας υποθέσουμε ότι έχετε πραγματοποιήσει δοκιμές A/B στο μάρκετινγκ ηλεκτρονικού ταχυδρομείου σας και έχετε διαπιστώσει επανειλημμένα ότι η χρήση αριθμών στις γραμμές θέματος του email δημιουργεί καλύτερες αναλογίες κλικ προς αριθμό εμφανίσεων. Σε αυτήν την περίπτωση, σκεφτείτε να χρησιμοποιήσετε αυτήν την τακτική σε περισσότερα από τα email σας.

15. Σχεδιάστε το επόμενο τεστ Α/Β.

Η δοκιμή A/B που μόλις ολοκληρώσατε μπορεί να σας βοήθησε να ανακαλύψετε έναν νέο τρόπο για να κάνετε το περιεχόμενο μάρκετινγκ πιο αποτελεσματικό — αλλά μην σταματήσετε εκεί. Υπάρχει πάντα χώρος για περισσότερη βελτιστοποίηση.

Μπορείτε ακόμη να δοκιμάσετε να πραγματοποιήσετε μια δοκιμή A/B σε άλλη λειτουργία της ίδιας ιστοσελίδας ή μέσω email στο οποίο μόλις κάνατε μια δοκιμή.

Για παράδειγμα, εάν μόλις δοκιμάσατε μια επικεφαλίδα σε μια σελίδα προορισμού, γιατί να μην κάνετε μια νέα δοκιμή στο αντίγραφο του σώματος; Ή ένα χρωματικό σχέδιο; Ή εικόνες; Έχετε πάντα το νου σας για ευκαιρίες αύξησης των ποσοστών μετατροπών και των δυνητικών πελατών.

Μπορείτε να χρησιμοποιήσετε το HubSpot's A/B Test Tracking Kit για να προγραμματίσετε και να οργανώσετε τα πειράματά σας.

Κάντε λήψη αυτού του προτύπου τώρα

Πώς να διαβάσετε τα αποτελέσματα δοκιμών A/B

Ως έμπορος, γνωρίζετε την αξία του αυτοματισμού. Δεδομένου αυτού, πιθανότατα χρησιμοποιείτε λογισμικό που χειρίζεται τους υπολογισμούς της δοκιμής A/B για εσάς — μια τεράστια βοήθεια. Αλλά, αφού γίνουν οι υπολογισμοί, πρέπει να ξέρετε πώς να διαβάζετε τα αποτελέσματά σας. Ας δούμε πώς.

1. Ελέγξτε τη μέτρηση στόχου σας.

Το πρώτο βήμα για την ανάγνωση των αποτελεσμάτων της δοκιμής A/B είναι η εξέταση της μέτρησης του στόχου σας, η οποία είναι συνήθως το ποσοστό μετατροπών.

Αφού συνδέσετε τα αποτελέσματά σας στην αριθμομηχανή δοκιμών A/B, θα λάβετε δύο αποτελέσματα για κάθε έκδοση που δοκιμάζετε. Θα έχετε επίσης ένα σημαντικό αποτέλεσμα για κάθε μια από τις παραλλαγές σας.

2. Συγκρίνετε τα ποσοστά μετατροπής σας.

Εξετάζοντας τα αποτελέσματά σας, πιθανότατα θα είστε σε θέση να πείτε εάν μία από τις παραλλαγές σας είχε καλύτερη απόδοση από την άλλη. Ωστόσο, το πραγματικό τεστ επιτυχίας είναι εάν τα αποτελέσματά σας είναι στατιστικά σημαντικά.

Για παράδειγμα, η παραλλαγή Α είχε ποσοστό μετατροπής 16.04%. Η παραλλαγή Β είχε ποσοστό μετατροπής 16.02% και το διάστημα εμπιστοσύνης σας με στατιστική σημασία είναι 95%. Η παραλλαγή Α έχει υψηλότερο ποσοστό μετατροπών, αλλά τα αποτελέσματα δεν είναι στατιστικά σημαντικά, πράγμα που σημαίνει ότι η παραλλαγή Α δεν θα βελτιώσει σημαντικά το συνολικό ποσοστό μετατροπών σας.

3. Τμηματοποιήστε το κοινό σας για περαιτέρω πληροφορίες.

Ανεξάρτητα από τη σημασία, είναι πολύτιμο να αναλύετε τα αποτελέσματά σας ανά τμήμα κοινού για να κατανοήσετε πώς ανταποκρίθηκε κάθε βασική περιοχή στις παραλλαγές σας. Οι συνήθεις μεταβλητές για την τμηματοποίηση κοινού είναι:

• Τύπος επισκέπτη ή ποια έκδοση είχε καλύτερη απόδοση για νέους επισκέπτες έναντι επαναλαμβανόμενων επισκεπτών.
• Τύπος συσκευής ή ποια έκδοση είχε καλύτερη απόδοση σε φορητές συσκευές έναντι επιτραπέζιων υπολογιστών.
• Πηγή επισκεψιμότητας ή ποια έκδοση είχε καλύτερη απόδοση με βάση την προέλευση της επισκεψιμότητας στις δύο παραλλαγές σας.

Ας δούμε μερικά παραδείγματα πειραμάτων A/B που θα μπορούσατε να εκτελέσετε για την επιχείρησή σας.

Παραδείγματα δοκιμών A/B

Συζητήσαμε πώς χρησιμοποιούνται τα τεστ A/B στο μάρκετινγκ και πώς να τα πραγματοποιήσουμε — αλλά πώς φαίνονται στην πραγματικότητα στην πράξη;

Όπως μπορείτε να μαντέψετε, εκτελούμε πολλές δοκιμές A/B για να αυξήσουμε την αφοσίωση και να αυξήσουμε τις μετατροπές στην πλατφόρμα μας. Ακολουθούν πέντε παραδείγματα δοκιμών A/B για να εμπνεύσετε τα δικά σας πειράματα.

1. Αναζήτηση ιστοτόπου

Οι γραμμές αναζήτησης ιστότοπου βοηθούν τους χρήστες να βρίσκουν γρήγορα αυτό που αναζητούν σε έναν συγκεκριμένο ιστότοπο. Το HubSpot διαπίστωσε από προηγούμενη ανάλυση ότι οι επισκέπτες που αλληλεπιδρούσαν με τη γραμμή αναζήτησης του ιστότοπού του ήταν πιο πιθανό να πραγματοποιήσουν μετατροπή σε μια ανάρτηση ιστολογίου. Έτσι, εκτελέσαμε μια δοκιμή A/B για να αυξήσουμε την αφοσίωση στη γραμμή αναζήτησης.

Σε αυτήν τη δοκιμή, η λειτουργικότητα της γραμμής αναζήτησης ήταν η ανεξάρτητη μεταβλητή και οι προβολές στη σελίδα ευχαριστιών προσφοράς περιεχομένου ήταν η εξαρτημένη μεταβλητή. Χρησιμοποιήσαμε μία συνθήκη ελέγχου και τρεις συνθήκες αμφισβητίας στο πείραμα.

Η γραμμή αναζήτησης παρέμεινε αμετάβλητη στην κατάσταση ελέγχου (παραλλαγή Α).

Στην παραλλαγή Β, η γραμμή αναζήτησης ήταν μεγαλύτερη και πιο εμφανής οπτικά και το κείμενο κράτησης θέσης ορίστηκε σε "αναζήτηση ανά θέμα".

Η παραλλαγή C εμφανίστηκε πανομοιότυπη με την παραλλαγή Β, αλλά έκανε αναζήτηση μόνο στο ιστολόγιο HubSpot και όχι σε ολόκληρο τον ιστότοπο.

Στην παραλλαγή Δ, η γραμμή αναζήτησης ήταν μεγαλύτερη, αλλά το κείμενο κράτησης θέσης ορίστηκε να "αναζήτηση στο ιστολόγιο". Αυτή η παραλλαγή έκανε επίσης αναζήτηση μόνο στο ιστολόγιο HubSpot.

Πηγή εικόνας

Βρήκαμε την παραλλαγή D ως την πιο αποτελεσματική: Αύξησε τις μετατροπές κατά 3.4% σε σχέση με το στοιχείο ελέγχου και αύξησε το ποσοστό των χρηστών που χρησιμοποίησαν τη γραμμή αναζήτησης κατά 6.5%.

2. CTA για κινητά

Το HubSpot χρησιμοποιεί πολλά CTA για προσφορές περιεχομένου στις αναρτήσεις του ιστολογίου μας, συμπεριλαμβανομένων εκείνων στο σώμα της ανάρτησης καθώς και στο κάτω μέρος της σελίδας. Δοκιμάζουμε εκτενώς αυτά τα CTA για να βελτιστοποιήσουμε την απόδοσή τους.

Πραγματοποιήσαμε μια δοκιμή A/B για τους χρήστες κινητών μας για να δούμε ποιος τύπος CTA στο κάτω μέρος της σελίδας μετατράπηκε καλύτερα.

Για την ανεξάρτητη μεταβλητή μας, αλλάξαμε τη σχεδίαση της γραμμής CTA. Συγκεκριμένα, χρησιμοποιήσαμε έναν έλεγχο και τρεις αμφισβητίες στη δοκιμή μας. Χρησιμοποιήσαμε προβολές σελίδας στη σελίδα ευχαριστιών CTA και κλικ CTA για τις εξαρτημένες μεταβλητές μας.

Η συνθήκη ελέγχου περιλάμβανε την κανονική μας τοποθέτηση των CTA στο κάτω μέρος των αναρτήσεων. Στην παραλλαγή Β, το CTA δεν είχε επιλογή κλεισίματος ή ελαχιστοποίησης.

Στην παραλλαγή C, οι αναγνώστες για κινητά μπορούσαν να κλείσουν το CTA πατώντας ένα εικονίδιο X. Μόλις έκλεινε, δεν θα εμφανιζόταν ξανά.

Πηγή εικόνας

Στην παραλλαγή D, συμπεριλάβαμε μια επιλογή για την ελαχιστοποίηση του CTA με ένα επάνω/κάτω καρέ.

Πηγή εικόνας

Οι δοκιμές μας βρήκαν ότι όλες οι παραλλαγές ήταν επιτυχείς. Η παραλλαγή D ήταν η πιο επιτυχημένη, με αύξηση 14.6% στις μετατροπές σε σχέση με το στοιχείο ελέγχου. Ακολούθησε η παραλλαγή Γ με αύξηση 11.4% και η παραλλαγή Β με αύξηση 7.9%.

3. Συντάκτες CTA

Σε ένα άλλο πείραμα CTA, το HubSpot εξέτασε εάν η προσθήκη της λέξης "δωρεάν" και άλλης περιγραφικής γλώσσας στα CTA συγγραφέων στην κορυφή των αναρτήσεων ιστολογίου θα αύξανε τους δυνητικούς πελάτες περιεχομένου.

Προηγούμενη έρευνα πρότεινε ότι η χρήση "δωρεάν" σε κείμενο CTA θα οδηγούσε σε περισσότερες μετατροπές και ότι το κείμενο που προσδιορίζει τον τύπο του προσφερόμενου περιεχομένου θα βοηθούσε SEO. Στη δοκιμή, η ανεξάρτητη μεταβλητή ήταν το κείμενο CTA και η κύρια εξαρτημένη μεταβλητή ήταν το ποσοστό μετατροπής σε φόρμες προσφοράς περιεχομένου.

Στην κατάσταση ελέγχου, το κείμενο CTA του συγγραφέα παρέμεινε αμετάβλητο (δείτε το πορτοκαλί κουμπί στην παρακάτω εικόνα).

Στην παραλλαγή Β, η λέξη "δωρεάν" προστέθηκε στο κείμενο CTA.

Στην παραλλαγή Γ, προστέθηκε περιγραφική διατύπωση στο κείμενο CTA εκτός από το "δωρεάν".

Είναι ενδιαφέρον ότι η παραλλαγή Β σημείωσε απώλεια στις υποβολές εντύπων, μειωμένη κατά 14% σε σύγκριση με τον έλεγχο. Αυτό ήταν απροσδόκητο, καθώς η συμπερίληψη "δωρεάν" στο κείμενο προσφοράς περιεχομένου θεωρείται ευρέως ως βέλτιστη πρακτική.

Εν τω μεταξύ, οι υποβολές φορμών στην παραλλαγή Γ ξεπέρασαν τον έλεγχο κατά 4%. Συνήχθη το συμπέρασμα ότι η προσθήκη περιγραφικού κειμένου στο CTA του συγγραφέα βοήθησε τους χρήστες να κατανοήσουν την προσφορά και έτσι τους έκανε πιο πιθανό να κάνουν λήψη.

4. Πίνακας περιεχομένων ιστολογίου

Για να βοηθήσει τους χρήστες να πλοηγηθούν καλύτερα στο ιστολόγιο, το HubSpot δοκίμασε μια νέα ενότητα Πίνακας Περιεχομένων (TOC). Ο στόχος ήταν να βελτιωθεί η εμπειρία χρήστη παρουσιάζοντας στους αναγνώστες το επιθυμητό περιεχόμενο πιο γρήγορα. Δοκιμάσαμε επίσης εάν η προσθήκη CTA σε αυτήν την ενότητα TOC θα αυξήσει τις μετατροπές.

Η ανεξάρτητη μεταβλητή αυτού του τεστ A/B ήταν η συμπερίληψη και ο τύπος της ενότητας TOC σε αναρτήσεις ιστολογίου. Οι εξαρτημένες μεταβλητές ήταν το ποσοστό μετατροπής στις υποβολές φόρμας προσφοράς περιεχομένου και τα κλικ στο CTA μέσα στη λειτουργική μονάδα TOC.

Η συνθήκη ελέγχου δεν περιελάμβανε τη νέα μονάδα TOC — οι θέσεις ελέγχου είτε δεν είχαν πίνακα περιεχομένων είτε μια απλή λίστα με κουκκίδες συνδέσμων αγκύρωσης μέσα στο σώμα της ανάρτησης κοντά στην κορυφή του άρθρου (εικόνα παρακάτω).

Στην παραλλαγή Β, η νέα ενότητα TOC προστέθηκε στις αναρτήσεις ιστολογίου. Αυτή η ενότητα ήταν κολλώδης, που σημαίνει ότι παρέμενε στην οθόνη καθώς οι χρήστες έκαναν κύλιση προς τα κάτω στη σελίδα. Η παραλλαγή Β περιελάμβανε επίσης ένα CTA προσφοράς περιεχομένου στο κάτω μέρος της ενότητας.

Η παραλλαγή Γ περιελάμβανε μια πανομοιότυπη ενότητα με την παραλλαγή Β, αλλά με την αφαίρεση του CTA.

Η παραλλαγή Γ περιελάμβανε μια πανομοιότυπη ενότητα με την παραλλαγή Β, αλλά με την αφαίρεση του CTA.

Πηγή εικόνας

Και οι δύο παραλλαγές Β και Γ δεν αύξησαν το ποσοστό μετατροπών στις αναρτήσεις ιστολογίου. Η συνθήκη ελέγχου είχε καλύτερη απόδοση από την παραλλαγή Β κατά 7% και είχε εξίσου απόδοση με την παραλλαγή C. Επίσης, λίγοι χρήστες αλληλεπιδρούσαν με τη νέα μονάδα TOC ή την CTA μέσα στη μονάδα.

5. Ελέγξτε τις Ειδοποιήσεις

Για να προσδιορίσουμε τον καλύτερο τρόπο συλλογής κριτικών πελατών, πραγματοποιήσαμε μια διαίρεση δοκιμής ειδοποιήσεων ηλεκτρονικού ταχυδρομείου έναντι ειδοποιήσεων εντός εφαρμογής.

Εδώ, η ανεξάρτητη μεταβλητή ήταν ο τύπος της ειδοποίησης και η εξαρτημένη μεταβλητή ήταν το ποσοστό εκείνων που άφησαν μια κριτική από όλους εκείνους που άνοιξαν την ειδοποίηση.

Στο στοιχείο ελέγχου, το HubSpot έστειλε μια ειδοποίηση ηλεκτρονικού ταχυδρομείου απλού κειμένου ζητώντας από τους χρήστες να αφήσουν μια κριτική. Στην παραλλαγή Β, το HubSpot έστειλε ένα email με μια εικόνα πιστοποιητικού που περιλαμβάνει το όνομα του χρήστη.

Για την παραλλαγή C, το HubSpot έστειλε στους χρήστες μια ειδοποίηση εντός εφαρμογής.

Τελικά, και τα δύο μηνύματα ηλεκτρονικού ταχυδρομείου είχαν παρόμοια απόδοση και είχαν καλύτερη απόδοση από τις ειδοποιήσεις εντός της εφαρμογής. Περίπου το 25% των χρηστών που άνοιξαν ένα email άφησαν κριτική έναντι του 10.3% που άνοιξαν ειδοποιήσεις εντός εφαρμογής. Τα email ανοίγονταν επίσης συχνότερα από τους χρήστες.

10 Συμβουλές δοκιμών A/B από ειδικούς μάρκετινγκ

Μίλησα με εννέα ειδικούς μάρκετινγκ από απέναντι πειθαρχίες για να λάβουν τις συμβουλές τους σχετικά με τις δοκιμές A/B.

1. Καθορίστε πρώτα ξεκάθαρα τους στόχους και τις μετρήσεις σας.

«Σύμφωνα με την εμπειρία μου, η νούμερο ένα συμβουλή για τις δοκιμές A/B στο μάρκετινγκ είναι να προσδιορίσετε με σαφήνεια τους στόχους και τις μετρήσεις σας πριν πραγματοποιήσετε οποιεσδήποτε δοκιμές», λέει ο Noel Griffith, CMO στο SupplyGem.

Ο Γκρίφιθ εξηγεί ότι αυτό σημαίνει ότι έχετε μια σταθερή κατανόηση του τι θέλετε να επιτύχετε με το τεστ σας και πώς θα μετρήσετε την επιτυχία του. Αυτό έχει σημασία γιατί, χωρίς σαφείς στόχους, είναι εύκολο να χαθείς στα δεδομένα και να βγάλεις λανθασμένα συμπεράσματα.

Για παράδειγμα, λέει ο Griffith, εάν δοκιμάζετε δύο διαφορετικές γραμμές θέματος email, ο στόχος σας θα μπορούσε να είναι να αυξήσετε τα ανοιχτά ποσοστά.

«Ορίζοντας με σαφήνεια αυτόν τον στόχο και ορίζοντας μια συγκεκριμένη μέτρηση για τη μέτρηση της επιτυχίας (π.χ. αύξηση 10% στα ανοικτά επιτόκια), μπορείτε να αξιολογήσετε αποτελεσματικά την απόδοση κάθε παραλλαγής και να λάβετε αποφάσεις βάσει δεδομένων», λέει ο Griffith.

Εκτός από το να σας βοηθά να εστιάσετε τις προσπάθειες δοκιμών σας, ο Noel εξηγεί ότι το να έχετε σαφείς στόχους σημαίνει επίσης ότι μπορείτε να ερμηνεύσετε με ακρίβεια τα αποτελέσματα και να τα εφαρμόσετε για να βελτιώσετε τις στρατηγικές μάρκετινγκ.

2. Δοκιμάστε μόνο ΕΝΑ πράγμα κατά τη διάρκεια κάθε δοκιμής A/B.

«Αυτή είναι η πιο σημαντική συμβουλή για το μάρκετινγκ A/B από τη δική μου οπτική γωνία… Πάντα να αποφασίζετε για ένα πράγμα που πρέπει να δοκιμάσετε για κάθε μεμονωμένο τεστ A/B», λέει Χάνα Φέλτγκες, Διευθυντής μάρκετινγκ ανάπτυξης στο Niceboard.

Για παράδειγμα, όταν A/B δοκιμάζει την τοποθέτηση κουμπιών σε μηνύματα ηλεκτρονικού ταχυδρομείου, η Feltges διασφαλίζει ότι η μόνη διαφορά μεταξύ αυτών των δύο μηνυμάτων ηλεκτρονικού ταχυδρομείου είναι η τοποθέτηση κουμπιών. Δεν πρέπει να υπάρχει διαφορά στη γραμμή θέματος, στο αντίγραφο ή στις εικόνες, καθώς αυτό θα μπορούσε να παραμορφώσει τα αποτελέσματα και να καταστήσει το τεστ άκυρο.

Η Feltges εφαρμόζει την ίδια αρχή στις μετρήσεις επιλέγοντας ένας μέτρηση για την αξιολόγηση των αποτελεσμάτων των δοκιμών

"Για τα μηνύματα ηλεκτρονικού ταχυδρομείου, θα επιλέξω έναν νικητή με βάση μια προκαθορισμένη μέτρηση, όπως CTR, ρυθμός ανοίγματος, ποσοστό απάντησης κ.λπ. Στο παράδειγμά μου για την τοποθέτηση κουμπιών, θα επέλεγα το CTR ως τη μέτρηση που θα αποφασίσω και θα αξιολογούσα τα αποτελέσματα με βάση αυτό μετρική», λέει ο Feltges.

3. Ξεκινήστε με μια υπόθεση για απόδειξη ή διάψευση.

Μια άλλη παρόμοια σημαντική συμβουλή για τη δοκιμή A/B είναι να ξεκινήσετε με μια υπόθεση. Ο στόχος κάθε δοκιμής A/B είναι στη συνέχεια να αποδείξει ότι η υπόθεση είναι σωστή ή λάθος, σημειώνει ο Feltges.

Για παράδειγμα, ο Feltges ποζάρει δοκιμάζοντας δύο διαφορετικές γραμμές θέματος για ένα κρύο μήνυμα επικοινωνίας. Η υπόθεσή της εδώ είναι: «Η ύπαρξη μιας γραμμής θέματος με το όνομα του υποψήφιου πελάτη θα οδηγήσει σε υψηλότερα ανοιχτά ποσοστά από μια γραμμή θέματος χωρίς το μικρό όνομα του υποψήφιου πελάτη», λέει.

Τώρα, μπορεί να εκτελέσει πολλαπλές δοκιμές με την ίδια υπόθεση και στη συνέχεια να αξιολογήσει εάν η πρόταση είναι αληθής ή όχι.

Ο Feltges εξηγεί ότι η ιδέα εδώ είναι ότι οι έμποροι συχνά βγάζουν γρήγορα συμπεράσματα από τα τεστ A/B, όπως «Το να έχεις το πρώτο όνομα στη γραμμή θέματος έχει καλύτερη απόδοση». Αλλά αυτό δεν είναι 100% αλήθεια. Τα τεστ A/B έχουν να κάνουν με το να είναι ακριβή και συγκεκριμένα στα αποτελέσματα.

4. Παρακολουθήστε τις βασικές λεπτομέρειες δοκιμής για ακριβή σχεδιασμό και ανάλυση.

"Κρατάω ένα τρέχον αρχείο καταγραφής του χρόνου που χρειάστηκαν οι δοκιμές Α/Β για SEO και φροντίζω να παρακολουθώ κρίσιμες μετρήσεις όπως το ποσοστό στατιστικής σημαντικότητας που επιτεύχθηκε", λέει. Όνομα Πιπέρι Ιδρυτής Dave VerMeer.

Ο VerMeer εξηγεί ότι το αρχείο καταγραφής είναι οργανωμένο σε ένα υπολογιστικό φύλλο που περιλαμβάνει άλλες στήλες για πράγματα όπως:

• Το είδος της δοκιμής.
• Λεπτομέρειες για το τι δοκιμάστηκε.
• Ημερομηνίες.

«Αν παρατηρήσω κάποιους παράγοντες που θα μπορούσαν να έχουν επηρεάσει το τεστ, τους σημειώνω επίσης», προσθέτει. Άλλοι παράγοντες θα μπορούσαν να είναι ένας ανταγωνιστής που έχει ένα ειδικό γεγονός ή κάτι που συνέβη στις ειδήσεις και προκάλεσε αύξηση της κυκλοφορίας.

«Ελέγχω το αρχείο καταγραφής κάθε φορά που σχεδιάζω μια σειρά δοκιμών A/B. Για παράδειγμα, μου επιτρέπει να βλέπω τάσεις και να προβλέπω πώς η εποχικότητα μπορεί να επηρεάσει τη διάρκεια της περιόδου δοκιμής. Στη συνέχεια προσαρμόζω το πρόγραμμα των δοκιμών ανάλογα», λέει ο VerMeer.

Σύμφωνα με τον VerMeer, αυτή η μορφή παρακολούθησης είναι επίσης χρήσιμη για τον καθορισμό ρεαλιστικών προσδοκιών και την παροχή ενδείξεων σχετικά με το γιατί ένα αποτέλεσμα δοκιμής ταίριαζε ή δεν ταίριαζε με την προηγούμενη απόδοση.

5. Δοκιμάζετε συχνά…

Όταν μίλησα με τον Gabriel Gan, επικεφαλής του editorial για Στην πραγματική ζωή Μαλαισία, για τον οδηγό μου για το τρέξιμο ενός έλεγχος μάρκετινγκ ηλεκτρονικού ταχυδρομείου, έθεσε δύο βασικούς κανόνες για τις δοκιμές A/B. Για το ηλεκτρονικό ταχυδρομείο δοκιμής A/B, ο Gan συνιστά να ορίσετε το email A ως κατεστημένο και το email B ως υποψήφιο.

Όπως η Hanna, ο Gabriel δίνει έμφαση στην αλλαγή μόνο μιας μεταβλητής κάθε φορά. «Για παράδειγμα, στο email Β, όταν δοκιμάζετε τις ανοιχτές τιμές, τροποποιήστε μόνο τη γραμμή θέματος και όχι την προεπισκόπηση», λέει ο Gan.

Αυτό συμβαίνει επειδή εάν έχετε αλλάξει περισσότερες από μία μεταβλητές από το παλιό email, "είναι σχεδόν αδύνατο να προσδιορίσετε ποια νέα προσθήκη κάνατε έχει συμβάλει στη βελτίωση του OPR/CTR."

Εκτός από την αλλαγή μόνο μιας μεταβλητής κάθε φορά, ο Gan συνιστά δοκιμές συχνά μέχρι να μάθετε τι λειτουργεί και τι όχι.

"Υπάρχει η αντίληψη ότι μόλις δημιουργήσετε τη λίστα email σας και δημιουργήσετε ένα πρότυπο για τα email σας, μπορείτε να το "ρυθμίσετε και να το ξεχάσετε"", λέει ο Gan. «Αλλά τώρα, με τη δύναμη των δοκιμών A/B, με μερικούς μόνο γύρους δοκιμών των επικεφαλίδων, των γραφικών, της αντιγραφής, της προσφοράς, της παρότρυνσης για δράση κ.λπ., μπορείτε να μάθετε τι αγαπά το κοινό σας, να κάνετε περισσότερα και βελτιώστε τα ποσοστά μετατροπών σας διπλάσια ή τριπλά».

6. …Αλλά μην αισθάνεστε ότι πρέπει να δοκιμάσετε τα πάντα.

«Η κορυφαία συμβουλή μου για τις δοκιμές A/B είναι μόνο να το χρησιμοποιήσω στρατηγικά», λέει Τζο Κέβενς, διευθυντής παραγωγής ζήτησης στο PartnerStack Και ο ιδρυτής της Κριτικές B2B SaaS. Ο Kevens εξηγεί ότι "στρατηγικά" σημαίνει ότι μόνο μερικά πράγματα δικαιολογούν μια δοκιμή A/B λόγω του χρόνου και των πόρων που καταναλώνει.

«Έχω μάθει από την εμπειρία ότι η δοκιμή δευτερευόντων στοιχείων όπως τα χρώματα των κουμπιών CTA μπορεί να είναι χάσιμο χρόνου και προσπάθειας (εκτός αν εργάζεστε στην Amazon ή σε κάποια μεγάλη εταιρεία που δέχεται εκατοντάδες επισκέψεις στη σελίδα gazillion και μια μικρή αλλαγή μπορεί να έχει ουσιαστικό αντίκτυπο ),» λέει ο Kevens.

Ο Kevens συνιστά ότι, αντ' αυτού, είναι πιο ωφέλιμο να επικεντρωθείτε σε τομείς υψηλού αντίκτυπου, όπως διατάξεις αρχικής σελίδας, δοκιμαστικές ή δοκιμαστικές σελίδες και μηνύματα μάρκετινγκ υψηλού προφίλ. Αυτό συμβαίνει επειδή αυτά τα στοιχεία έχουν καλύτερη ευκαιρία να επηρεάσουν τα ποσοστά μετατροπών και τη συνολική εμπειρία χρήστη.

Ο Kevens μας υπενθυμίζει ότι «η δοκιμή A/B μπορεί να είναι ισχυρή, αλλά η αποτελεσματικότητά της προέρχεται από την εστίαση σε αλλαγές που μπορούν να επηρεάσουν σημαντικά τα αποτελέσματα της επιχείρησής σας».

7. Χρησιμοποιήστε την τμηματοποίηση για να εντοπίσετε τα στοιχεία που κερδίζουν.

"Όταν χρησιμοποιείτε δοκιμές A/B στο μάρκετινγκ, μην περιορίζετε το κοινό-στόχο σας σε ένα μόνο σύνολο παραμέτρων", λέει Μπράιαν Ντέιβιντ Κρέιν, ιδρυτής και ΚΟΑ της Διαδώστε υπέροχες ιδέες.

Ο Crane συνιστά τη χρήση κριτηρίων όπως δημογραφικά στοιχεία, συμπεριφορά χρηστών, προηγούμενες αλληλεπιδράσεις και ιστορικό αγορών για να πειραματιστείτε με τη δοκιμή A/B αυτών των διαφορετικών τμημάτων. Στη συνέχεια, μπορείτε να φιλτράρετε τη στρατηγική νίκης για κάθε τμήμα.

«Χρησιμοποιούμε βασικές μετρήσεις όπως τα ποσοστά κλικ/εμφανίσεων, τα ποσοστά εγκατάλειψης και η αξία διάρκειας ζωής του πελάτη για να προσδιορίσουμε τον συνδυασμό που πραγματοποιεί τις περισσότερες μετατροπές», εξηγεί ο Crane.

8. Αξιοποιήστε μικρο-μετατροπές για αναλυτικές πληροφορίες.

«Γνωρίζω ότι είναι σύνηθες να εστιάζουμε σε μακρο-μετατροπές, όπως πωλήσεις ή εγγραφές, στις δοκιμές A/B. Ωστόσο, η κορυφαία συμβουλή μου είναι να προσέχετε και τις μικρο-μετατροπές», λέει Laia Quintana, επικεφαλής μάρκετινγκ και πωλήσεων στο ομάδα.

Η Quintana εξηγεί ότι οι μικρομετατροπές είναι μικρότερες ενέργειες που κάνουν οι χρήστες πριν ολοκληρώσουν μια μακρο-μετατροπή. Θα μπορούσαν να είναι ενέργειες όπως το να κάνετε κλικ σε μια εικόνα προϊόντος, να ξοδέψετε ένα συγκεκριμένο χρονικό διάστημα σε μια σελίδα ή να παρακολουθήσετε ένα διαφημιστικό βίντεο.

Αλλά γιατί είναι σημαντικές αυτές οι μικρομετατροπές; Η Quintana δηλώνει, "Παρέχουν αναλυτικές πληροφορίες σχετικά με τη συμπεριφορά των χρηστών και μπορούν να βοηθήσουν στον εντοπισμό πιθανών εμποδίων στη διαδρομή μετατροπής."

Για παράδειγμα, εάν οι χρήστες αφιερώνουν πολύ χρόνο σε μια σελίδα προϊόντος αλλά δεν προσθέτουν αντικείμενα στο καλάθι αγορών τους, ενδέχεται να υπάρχει πρόβλημα με τη διάταξη της σελίδας ή τη σαφήνεια των πληροφοριών. Με τη δοκιμή A/B διαφορετικών στοιχείων στη σελίδα, μπορείτε να εντοπίσετε και να διορθώσετε αυτά τα ζητήματα για να βελτιώσετε το συνολικό ποσοστό μετατροπών.

«Επιπλέον, η παρακολούθηση μικρομετατροπών σάς επιτρέπει να τμηματοποιείτε το κοινό σας πιο αποτελεσματικά. Μπορείτε να προσδιορίσετε ποιες ενέργειες είναι πιο ενδεικτικές ότι ένας χρήστης πραγματοποιεί τελικά μια αγορά και, στη συνέχεια, να προσαρμόσετε τις προσπάθειες μάρκετινγκ για να ενθαρρύνετε αυτές τις ενέργειες. Αυτό το επίπεδο λεπτομέρειας στις δοκιμές A/B μπορεί να βελτιώσει σημαντικά την αποτελεσματικότητα της στρατηγικής μάρκετινγκ σας», λέει ο Quintana.

9. Εκτελείτε διαφημίσεις LinkedIn; Ξεκινήστε με πέντε διαφορετικές εκδόσεις και δοκιμάστε τις A/B.

"Μια καλύτερη πρακτική κατά την εκτέλεση διαφημίσεων LinkedIn είναι να ξεκινήσετε μια καμπάνια με πέντε διαφορετικές εκδόσεις της διαφήμισής σας", λέει Hristina Stefanova, επικεφαλής των λειτουργιών μάρκετινγκ στο Goose'n'Moose. Η Stefanova μας υπενθυμίζει ότι είναι σημαντικό να προσαρμόζουμε μόνο μία μεταβλητή κάθε φορά σε κάθε έκδοση.

Για μια πρόσφατη καμπάνια, η Stefanova ξεκίνησε με πέντε παραλλαγές διαφημίσεων — τέσσερις χρησιμοποιώντας διαφορετικές εικόνες ηρώων και τρεις με τροποποιήσεις του CTA.

«Άφησα την καμπάνια να τρέξει και με τις πέντε παραλλαγές για μια εβδομάδα. Σε εκείνο το σημείο, υπήρχαν δύο διαφημίσεις με σαφώς εξαιρετική απόδοση, οπότε σταμάτησα τις άλλες τρεις και συνέχισα να τρέχω την καμπάνια με τις δύο με τις καλύτερες επιδόσεις», λέει η Stefanova.

Σύμφωνα με τη Stefanova, οι δύο διαφημίσεις είχαν καλύτερη απόδοση και είχε το χαμηλότερο CPC. Η άσκηση δοκιμής A/B βοήθησε όχι μόνο τη συγκεκριμένη καμπάνια αλλά και τη βοήθησε να καταλάβει καλύτερα τι προσελκύει το κοινό-στόχο τους.

Λοιπόν τι ακολουθεί? «Οι εικόνες με άτομα σε αυτές γίνονται δεκτές καλύτερα, επομένως για τις επερχόμενες καμπάνιες, εστιάζω αμέσως στην παραγωγή των σωστών εικόνων. Όλα υποστηρίζονται από πραγματικά δεδομένα απόδοσης χάρη στη δοκιμή A/B», λέει η Stefanova.

10. Εκτέλεση δοκιμών SEO A/B; Κάντε αυτό με τις διευθύνσεις URL της ομάδας δοκιμής και ελέγχου.

«Δεδομένου ότι ο χώρος του SEO εξελίσσεται διαρκώς, γίνεται όλο και πιο δύσκολο να εκτελέσετε οποιοδήποτε είδος πειραμάτων και να λάβετε αξιόπιστα και στατιστικά σημαντικά αποτελέσματα. Αυτό ισχύει ιδιαίτερα όταν εκτελείτε δοκιμές SEO A/B», λέει Ράιαν Τζόουνς, διευθυντής μάρκετινγκ στο SEOTesting.

Ευτυχώς, ο Jones εξηγεί ότι μπορείτε να κάνετε πράγματα για να μετριαστείτε αυτό και να βεβαιωθείτε ότι τυχόν δοκιμές SEO A/B που εκτελείτε τώρα — και στο μέλλον — είναι αξιόπιστες. Στη συνέχεια, μπορείτε να χρησιμοποιήσετε τις δοκιμές ως "North Star" όταν κάνετε αλλαγές μεγαλύτερης κλίμακας στον ιστότοπό σας.

«Η νούμερο ένα συμβουλή μου θα ήταν να βεβαιωθώ ότι η ομάδα ελέγχου και η ομάδα δοκιμής διευθύνσεων URL περιέχουν όσες ίδιες διευθύνσεις URL μπορείτε να τις δημιουργήσετε. Για παράδειγμα, εάν εκτελείτε μια δοκιμή A/B στις σελίδες PLP σας ως ιστότοπος ηλεκτρονικού εμπορίου, επιλέξτε PLP από τον ίδιο τύπο προϊόντος και με τα ίδια επίπεδα επισκεψιμότητας. Με αυτόν τον τρόπο, μπορείτε να διασφαλίσετε ότι τα δεδομένα των δοκιμών σας θα είναι αξιόπιστα», λέει ο Jones.

Γιατί συμβαίνει αυτό; «Ίσως το νούμερο ένα πράγμα που «μπερδεύει» με τα δεδομένα του τεστ A/B είναι οι ομάδες ελέγχου και οι παραλλαγές που είναι πολύ ανόμοιες. Αλλά διασφαλίζοντας ότι κάνετε δοκιμές σε στατιστικά παρόμοια URL, μπορείτε να το μετριαστείτε καλύτερα από οτιδήποτε άλλο», λέει ο Jones.

Ξεκινήστε τη δοκιμή A/B σήμερα

Η δοκιμή A/B σάς επιτρέπει να κατανοήσετε την αλήθεια του περιεχομένου και του μάρκετινγκ που θέλει να δει το κοινό σας. Με Βοηθός καμπάνιας του HubSpot, θα μπορείτε να δημιουργήσετε αντίγραφα για σελίδες προορισμού, μηνύματα ηλεκτρονικού ταχυδρομείου ή διαφημίσεις που μπορούν να χρησιμοποιηθούν για δοκιμές A/B.

Μάθετε πώς μπορείτε να εκτελέσετε καλύτερα μερικά από τα παραπάνω βήματα χρησιμοποιώντας το δωρεάν ebook παρακάτω.

Σημείωση του συντάκτη: Αυτή η ανάρτηση δημοσιεύθηκε αρχικά τον Μάιο του 2016 και ενημερώθηκε για πληρότητα.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://blog.hubspot.com/marketing/how-to-do-a-b-testing