Testy A/B jak wykorzystać na codzień - wszystko co musisz o nich wiedzieć!

Z tego artykułu dowiesz się:

• czym są testy A/B;
• dlaczego warto je przeprowadzać;
• jakie są najpopularniejsze narzędzia do ich przygotowania;
• jakie błędy są najczęściej popełniane w testach A/B;
• jak skutecznie przeprowadzić test A/B;

Czym są testy A/B?

Test A/B to metoda pozwalająca porównać dwa warianty (oznaczone zwyczajowo A i B) danego elementu w celu uzyskania jak najlepszego efektu.

Czym są testy A/B

Odbiorcy dzieleni są losowo na dwie grupy. Jednej z nich wyświetla się witryna w wersji A, drugiej – w wersji B. Zebrane w czasie badania dane pokazują, która opcja osiągnęła lepszy wynik.

Przykład

Co może być zmienną w teście A/B?

Praktycznie wszystko! Możemy dowiedzieć się między innymi:

• czy ludzie więcej czasu spędzają na stronie z ciepłą czy z zimną paletą barw;
• które zdjęcie nakłoni większą ilość konsumentów do kupna danego produktu;
• jaki dobór słów pozwoli nam uzyskać więcej obserwujących na Twitterze.

Dlaczego warto przeprowadzać testy A/B?

• dają nam obiektywny i wymierny efekt wprowadzanych zmian – otrzymujemy łatwe do zinterpretowania dane ilościowe;
• sprawdzają się w przypadku każdej gałęzi digital marketingu, niezależnie od tego czy prowadzimy sklep internetowy, bloga lub forum dyskusyjne;

Po skutecznym przeprowadzeniu takiego testu ilość wyświetleń strony wzrasta przeciętnie o 29%, dochód ze sprzedaży o 21%, a interakcja z użytkownikami o 14%.

Jak skutecznie przeprowadzić test A/B?

1. Zbadaj swoją stronę

Jak przeprowadzić test krok po kroku

Przede wszystkim musisz sprawdzić, które elementy Twojej strony wymagają polepszenia. Znajdź, którą zmienną chcesz operować i pomyśl, jaki parametr będzie mógł mierzyć siłę jej zmiany. Każdy test przeprowadza się w innych warunkach, ale do najczęściej badanych zmiennych należą:

• układ strony;
• ceny produktów i wysokość promocji;
• dobór zdjęć;
• długość formularzy;
• przyciski CTA (ang. call-to-action, CTA) zachęcające odbiorcę do podjęcia danego działania;
• nagłówki i treści;
• grupa docelowa.

2. Sformułuj hipotezę

Kiedy zidentyfikujesz już obszar, w którym chcesz poprawić konwersję na swojej stronie, musisz postawić hipotezę, którą chciałbyś przetestować. Jak to zrobić?

1. Przeanalizuj dane i znajdź zmienną, którą chcesz zbadać.
2. Ustal zmienną i zastanów się jakiego efektu oczekujesz od jej manipulacji.
3. Wybierz, w jaki sposób będziesz mógł ten efekt zmierzyć.
4. Sformułuj swój tok rozumowania w jednym zdaniu, możesz użyć wzoru: „Zmiana [zmienna] z [A] na [B] zwiększy/zmniejszy [miara efektu]”.

Czym charakteryzuje się dobrze sformułowana hipoteza?

• jest konkretna i zwięzła – redukcja ilości zmiennych pozwala nam na zmniejszenie liczby dostępnych kombinacji;
• opiera się na uzasadnionych przypuszczeniach – testowanie, który odcień niebieskiego lepiej wygląda na naszym layoucie mija się z celem. Chyba, że mamy konkretne podstawy do twierdzenia, że zmiana tego odcienia przyczyni się do zwiększenia konwersji. W przeciwnym wypadku to strata czasu i pieniędzy;
• skupia się na znaczących elementach – celem doświadczenia jest zwiększenie efektywności danych działań. Dlatego zamiast skupiać się na kształcie buttona postaraj się przemyśleć, czy skrócenie tekstu zachęcającego do zasubskrybowania Twojego kanału na YouTube nie zachęci do tego większej ilości osób.

3. Rozpocznij testowanie

Po dokładnym zaplanowaniu działań można w końcu przejść do ich realizacji. W tym celu należy wybrać odpowiednie narzędzie do przygotowania testu, o których opowiem nieco więcej w dalszej części artykułu. Pozostaje jeszcze jedno ważne pytanie, a mianowicie...

Jak długo powinien trwać test A/B?

Nie ma reguły. Przyjęło się, że do uzyskania wiarygodnych wyników potrzeba minimum miesiąca obserwacji. W tym przypadku jednak powinniśmy mierzyć czas nie kartkami kalendarza, a ilością odwiedzeń strony. Do ustalenia odpowiedniej dla nas próby mogą się przydać powszechnie dostępne na stronach evanmiller.com lub optimizely.com kalkulatory.

Pamiętaj jednak, żeby nie przeprowadzać testu zbyt długo! Wydaje się, że dzięki dłuższemu okresowi eksperymentu pozyskamy więcej danych, w wyniku czego nasz osąd będzie bardziej precyzyjny. Trzeba jednak pamiętać, że w perspektywie czasowej dochodzi nam wiele zmiennych mogących zakłócić przebieg naszego badania, na przykład:

• wzmianki o danej firmie w mediach – zarówno w pozytywnym, jak i negatywnym świetle – siłą rzeczy wzbudzają zainteresowanie, a co za tym idzie zwiększają ruch na stronie;
• niektóre święta – Boże Narodzenie może sprzyjać kupowaniu elektroniki, Walentynki napełniają kieszenie wielu kwiaciarni, a Halloween to najbardziej obfity okres dla wypożyczalni kostiumów;
• pora roku i pogoda – ogromne zwiększenie sprzedaży strojów kąpielowych w ciągu paru miesięcy nie musi być spowodowane odświeżonym designem witryny – być może początek badania miał miejsce w styczniu, a jego koniec nastąpił w maju?

4. Wyciągnij wnioski

Wynik testu powinien dostarczyć nam odpowiedzi na dwa ważne pytania:

1. Który z dwóch rozważanych wariantów okazał się lepszy?
2. Jaka była wysokość i istotność tej zmiany?

Każdy eksperyment tego typu jest ważnym doświadczeniem uczącym o preferencjach naszych odbiorców. Dlatego też każde badanie jest cenne, nawet jeżeli hipoteza nie zostanie potwierdzona. Wiedza ta może nam posłużyć również do formułowania kolejnych testów.

Najpopularniejsze narzędzia do testów A/B

Narzędzia i najczęstsze błędy

Obecnie na rynku funkcjonują nie brakuje platform umożliwiających przygotowanie testów A/B. Różnią się one ceną, intuicyjnością oraz poziomem zaawansowania. Rzućmy okiem na trzy najbardziej popularne.

Google Optimize

• dostępne za darmo, z możliwością wykupienia wersji Premium 360;
• bardzo dobra integracja z Google Analytics;
• brak obsługi klienta i zaawansowanych opcji;
• idealne dla małych firm i mniej doświadczonych użytkowników.

VWO

• ceny od 199 dolarów za miesiąc;
• intuicyjna obsługa;
• wsparcie mailowe i telefoniczne;
• narzędzie do szacowania czasu trwania testu A/B;
• dobre rozwiązanie dla tych, którzy są w stanie wydać pewną sumę pieniędzy dla większych możliwości.

Convert

• ceny od 599 dolarów za miesiąc;
• dobry wybór dla profesjonalistów;
• pełne wsparcie klienta (w tym obsługa przez internet);
• narzędzie warte polecenia, jeżeli możliwości finansowe nie stanowią problemu.

Najczęstsze błędy przy przeprowadzaniu testów A/B

• Zbyt wiele zmiennych – przy jednym teście powinniśmy operować tylko jedną zmienną, chyba że jesteśmy zainteresowani jak działa dana koniunkcja elementów. W przeciwnym razie, większa ilość zmiennych może zniekształcić wyniki eksperymentu;
• Przeprowadzanie testów na stronach o małym ruchu – w takim przypadku ciężko jest oszacować jaka wartość przyrostu będzie dla nas satysfakcjonująca;
• Brak symultaniczności – cała istota testu A/B tkwi w tym, by oba warianty testować równolegle. Jeśli najpierw testujemy wariant A, a później B to nie izolujemy odpowiednio naszej zmiennej i – przede wszystkim – wcale nie wykonujemy testu A/B!
• Zbyt wczesne wyciąganie wniosków – pamiętajmy, że chodzi tu o poprawę efektywności naszych działań, nie o udowodnienie prawdziwości hipotezy. Konkluzje winniśmy wyciągać dopiero po zakończeniu badania.
• Przedkładanie własnych doświadczeń nad wyniki testu – jeżeli rozpikselowane zdjęcie ogórków kiszonych nakłoniło więcej osób do skorzystania z naszych usług, niż precyzyjnie wykadrowane zdjęcie gustownie przystrojonego wnętrza w stylu skandynawskim, należy to zaakceptować;
• Brak konsekwencji – do udziału w teście dobieramy próbę składającą się z ludzi, którzy nie odwiedzali wcześniej naszej strony. Zadbajmy o to, żeby zawsze wyświetlał im się albo wariant A albo wariant B.

Podsumowanie

Testy A/B polegają na losowym podziale odbiorców i porównaniu dwóch wariantów tego samego elementu, np. pozycji okna newslettera. Przeciętny wzrost wyświetleń po udanym teście to 29%, dochodu — 21%, a interakcji — 14%. Kluczowe jest określenie zmiennej, poprawne sformułowanie hipotezy i odpowiednia długość badania.

Na rynku dostępne są narzędzia różniące się ceną i zaawansowaniem — od darmowego Google Optimize, przez VWO od 199 dolarów miesięcznie, po Convert od 599 dolarów. Najczęstsze pułapki to testowanie wielu zmiennych jednocześnie, zbyt mały ruch, brak symultaniczności i przedkładanie własnych przekonań nad wyniki eksperymentu.