МЕНЮ

Как правильно проводить А/Б-тестирование

Как правильно проводить А/Б-тестирование
Время чтения: 17 минут

Нет времени читать?

А/Б-тестирование – это инструмент, умело используемый отдельными маркетологами для улучшения работы веб-сайта. Он достаточно прост и доступен. Из названия невозможно догадаться, в чем состоит суть метода, и как можно извлечь из него максимум выгоды. Обо всем этом будет рассказано в данной статье.

Из этой статьи вы узнаете:

  1. Что такое А/Б-тестирование сайта
  2. Кому необходимо А/Б-тестирование
  3. Почему А/Б-тестирование нужно именно вам
  4. Объекты А/Б-тестирования
  5. Какой выбрать сервис для А/Б-тестирования
  6. Как проводить А/Б-тестирование лендинга или сайта
  7. Как проводить А/Б-тестирование в Google Analytics
  8. Как провести А/Б-тестирование в 1С-Битрикс
  9. Как правильно проводить А/Б-тестирование в Яндекс.Директ
  10. 4 типичные ошибки А/Б-тестирования
  11. И напоследок, 6 советов по А/Б-тестированию

Что такое А/Б-тестирование сайта

A/Б-тестирование – один из наиболее удобных способов маркетингового исследования, суть которого состоит в сравнении нескольких вариантов функционала или оформления веб-сайта по отношению к ожидаемому результату их введения. Иными словами, A/Б-тестирование позволяет произвести сравнительный анализ разных версий работы сайта. Метод также имеет название сплит-тестирование (от англ. – раздельное тестирование).

Цель тестирования – выявить, какой из вариантов изменения более эффективен. На самом деле их может быть гораздо больше двух.

Результатом A/Б-тестирования является вывод о целесообразности введения тех или иных изменений на сайте (интерфейса, дизайна, пунктов меню и проч.), основанный на оценке количественных показателей работы этих вариантов, сравниваемых между собой, которые, например, повысят конверсию, повлияют на уровень сбыта и увеличат прибыль.

Первоначальный этап сплит-тестирования выражается в анализе показателей уже существующей страницы. Ее мы принимаем за контрольный вариант А, который хотим улучшить. Приведем простой пример. Вы продаете товар через Интернет, но ваша продающая страница имеет конверсию всего 2%. Специалист по маркетингу не ставит заоблачных задач, он хочет увеличить конверсию лишь на два процента.

Это вполне выполнимо, нужно лишь найти правильное решение по изменению страницы. Маркетолог допускает вариант, что, изменив цвет кнопки «добавить в корзину» с зеленого на агрессивно красный, можно будет повлиять на увеличение заказов. Проверить это предположение можно, только создав измененную страницу В и оценив результат ее работы.

Веб-мастеру требуется разделить весь трафик страницы, подлежащей А/Б-тестированию, на две части. Одни пользователи будут попадать на вариант А, а другие – на новую страницу Б. Важно также учитывать источник трафика. Так, для объективности А/Б-тестирования разделяется поток посетителей из соцсетей, поисковиков и т.д. Поток из каждого источника в равных долях направляется на просмотр каждого варианта страницы.

Изучая метрику новой страницы по истечении установленного периода времени, специалист сравнивает коэффициент конверсии новой страницы с контрольной. Если он поднялся хотя бы на полпроцента, можно судить о более высокой эффективности предложенного варианта оформления страницы.

Однако, чтобы достигнуть повышения конверсии на ожидаемые два процента, нужно искать дальше. Маркетолог оставит кнопку ярко-красной, но подумает над необходимостью других изменений, которые могут положительно повлиять на конверсию. Как вы думаете, что он сделает? Снова будет использовать метод A/Б-тестирования. Но только за контрольную страницу будет принята обновленная версия с агрессивно красной кнопкой.

Кому необходимо А/Б-тестирование

Всё предельно просто. Каждый сайт имеет определенную цель:

  • Интернет-магазины нужны для того, чтобы продавать товар.
  • SaaS проекты создаются для увеличения количества подписчиков среди пользователей Сети.
  • Онлайн СМИ публикуют статьи для привлечения максимального количества читающей аудитории, предлагая им в то же время рекламную информацию либо платную подписку.

В Сети крайне мало сайтов, которые не заинтересованы в том, чтобы посетитель совершал какие-то действия. Какой смысл вкладывать в создание и развитие сайта, если эти вложения не окупятся? Именно поэтому высокая конверсия сайта – это основная цель любого разработчика.

Неопытные создатели веб-ресурсов часто бывают разочарованы низкой доходностью сайта, и иногда это служит причиной краха интернет-бизнеса. На самом деле повысить конверсию можно путем целенаправленных вдумчивых поисков решения проблемы низкой эффективности сайта. A/Б-тестирование призвано повышать продуктивность пользовательской активности на сайте.

Если вы думали, что достаточно лишь привлечь посетителей на целевую страницу, вы глубоко ошибались. Необходимо заставить их выполнить нужные действия, стимулировать на совершение операций, повышающих прибыльность ресурса.

Почему А/Б-тестирование нужно именно вам

Просто потому, что вы, как и все остальные владельцы бизнеса в Интернете, нацелены на повышение прибыли.

Допустим, вы имеете четырехпроцентную конверсию. Возможно, вы даже не подозреваете, что она может быть выше. Посчитайте свою прибыль при конверсии сайта в 10%. И также посчитайте, сколько в настоящий момент вы тратите на привлечение трафика. Наверняка, одно прохождение по вашей баннерной рекламе стоит не менее пяти долларов. А может, и все 10?

Стоимость A/Б-тестирования стартует от 50$ в месяц. Можете быть уверены, что они очень скоро окупятся. Кроме того, использование подобных программных средств создаст вам преимущество над конкурентами, многие из которых данным методом тестирования не пользуются.

article_banner.png

Объекты А/Б-тестирования

Сплит-тестирование ставит целью изменение метрики сайта. Объект тестирования может быть разным, он зависит от цели, которую преследует разработчик. А/Б-тестирование имеет прикладное назначение.

Специалисты сталкиваются с разными проблемами в работе веб-сайтов. Бывает, что большая часть трафика не задерживается на сайте и пяти минут, и все это из-за неудобного интерфейса. В некоторых случаях посетители сайта покидают его через пару секунд. Виной тому может быть неудачно выбранный шрифт. Но чтобы понять эти, казалось бы, мелкие и незаметные детали, нужно пробовать менять отдельные параметры сайта, проводя по ним А/Б-тестирование.

Вот еще пример. Сайт стремится увеличить количество подписчиков. Но расположение кнопки «подписаться» настолько незаметно, а цветовое оформление сайта так и не позволяет увидеть эту кнопку при беглом осмотре страницы, что никому и в голову не приходит, что она где-то есть. Отсюда крайне низкое количество подписчиков. А/Б-тестирование поможет определить наиболее удачный вариант кнопки, включая ее цветовое решение и местоположение.

А/Б-тестированию можно подвергать любые объекты, но все-таки чаще всего маркетологи сравнивают вариации следующих элементов:

  • Внешний вид конверсионных иконок, их местонахождение на странице, размер и вид текста.
  • Заголовок и описание товара.
  • Заметность и привлекательность форм для конверсии.
  • Дизайн страницы, расположение информации на ней.
  • Цена продукта, дополнительные возможности по выгодному приобретению товара.
  • Изображения продаваемых изделий.
  • Объем текста на странице.

Какой выбрать сервис для А/Б-тестирования

А/Б-тестирование осуществляется многими ресурсами. За их использование нужно перечислять оплату разработчикам программ, но существуют и бесплатные сервисы. Наибольшей популярностью пользуется Content Experiments, предлагаемый Google Analytics. С его помощью можно тестировать заголовки, конверсионные кнопки и формы, шрифты и изображения и многое другое. Это бесплатный сервис, но требует навыков работы с HTML-кодом.

А вот вам другие отечественные и зарубежные аналоги, созданных для сплит-тестирования:

  • Optimizely – это платный сервис A/Б-тестирования, снискавший огромную популярность среди маркетологов всего мира. Он предлагает несколько вариантов подписки. В каждом случае стоимость будет варьироваться от 19 до 399 долларов. Тут работать с HTML-кодом не придется, он открывает простор для экспериментов в визуальном интерфейсе страницы.

Optimizely

  • RealRoi.ru – этот сервис также разработан в нашей стране. Он обладает массой достоинств, среди которых простота применения и отсутствие платы за использование.

RealRoi.ru

  • Visual Website Optimizer – еще одно средство, использование которого в зависимости от подписки обойдется вам в сумму 49-249$. С ним можно протестировать самые разные элементы, но работа происходит с HTML-кодом.

Visual Website Optimizer

  • Unbounce – популярная и качественная разработка, широко используемая при создании лендингов. Стоимость подписки от 50 до 500 долларов ежемесячно. В России существует аналогичная программа LPGenerator, но в ней можно проводить А/Б-тестирование только созданных с ее помощью страниц.

Unbounce

  • Changeagain.me – сервис с автоматической интеграцией с аккаунтом в Google Analytics. Один эксперимент для сайта обойдется бесплатно, а так есть три вида тарифов – 50, 150 и 300 долларов каждый.

Changeagain.me

  • Convert.com – один их самых популярных сервисов для А\Б-тестирования. Привлекателен продвинутым таргетингом и отслеживанием сразу нескольких конверсий.

Convert.com

  • Maxymizely.com – сервис, предлагающий А/B/N тестирование. Есть возможно отслеживать аналитику конверсий, воронок продаж и цепочек переходов.

Maxymizely.com

  • Google Analytics Experiments удобен для пользователей, привыкших к Google Anatytics. Есть русский язык. А главное, сервис бесплатный. 

Google Analytics Experiments

Как проводить А/Б-тестирование лендинга или сайта

Шаг 1. Задаем себе вопрос.

Почему посадочная страница не достигает желаемого уровня конверсии? Что можно изменить, чтобы улучшить этот показатель?

Шаг 2. Проводим анализ своего сайта.

Используем Google Analytics для исследования страницы. Изучая метрики, вы пытаетесь понять причины отказов посетителей от совершения покупки или от дальнейшего просмотра страниц сайта.

Шаг 3. Формулируем гипотезы на основе проанализированных данных.

Подробное изучение страницы позволит составить предположения касательно ее улучшения. Гипотеза может выглядеть следующим образом: «Если изменить цвет конверсионной кнопки с зеленого на агрессивно красный, она будет привлекать внимание посетителей сильнее, стимулируя на добавление товара в корзину».

Шаг 4. Создаем A/B-тест.

Выбираем сервис для тестирования, а потом объект наблюдения: например, количество добавляющих товар в корзину пользователей. Код эксперимента добавляется на сайт, и А/Б-тестирование начинается автоматически. Статистику смотрите по истечении определенного отрезка времени, например, недели.

Шаг 5. Анализируем полученные результаты и делаем выводы.

Увеличение конверсии станет подтверждением вашей гипотезы. Но это не повод останавливаться на достигнутом. Возвращаемся к первому этапу и ищем способы увеличить конверсию. Если гипотеза не подтвердилась, то нужно возвращаться к третьему этапу A/Б-тестирования и формулировать новую гипотезу.

Шаг 6. Делимся результатами A/B-эксперимента со всеми коллегами, которые работают над улучшением вашего сайта.

Иногда полезно устраивать «мозговой штурм», чтобы добиться оптимальных результатов.

Как проводить А/Б-тестирование в Google Analytics Content Experiments

Очень удобен в использовании инструмент «Эксперименты» от Google Analytics. С его помощью можно протестировать одновременно пять вариантов лендинга, то есть речь здесь идет не просто об A/B-тестировании, а о его разновидности A/B/C/D/E, что немаловажно – каждый из вариантов страницы может тестироваться по нескольким элементам одновременно.

Сервис предлагает немало возможностей для разработчика. Например, можно определить, какой процент трафика будет направлен на тестируемую страницу, какой отрезок времени будет охвачен тестированием (максимум три месяца). Также инструмент предусматривает возможность отправки сообщений об итогах тестирования на электронную почту.

Исследование с его помощью проводится поэтапно:

Этап 1. Вход в аккаунт Google Analytics. В первую очередь вы выбираете веб-ресурс, оценку которого хотите произвести. Для проведения А/Б-тестирования нужно пройти в раздел меню «Поведение – эксперименты».

Этап 2. Ввод в соответствующую форму URL страницы, подлежащей анализу. Чтобы А/Б-тестирование началось, нужно просто кликнуть по прямоугольнику «Начать эксперимент».

Этап 3. Выбор названия и цели тестирования. После того как вы определитесь с целью (а это тоже требует вдумчивости и понимания бизнес-процессов), вам нужно будет решить, какая доля трафика нацелена принимать участие в эксперименте. Выбрав все важные параметры, не забудьте об оповещениях на электронную почту. И завершите данный этап кликом по кнопке «Далее».

Этап 4. Выбор вариантов страницы, участвующих в тестировании. Выбранные страницы нужно будет поместить в предоставленные для этого формы. После этого нажмите «Далее».

Этап 5. Создание кода эксперимента. Код можно вставить вручную (речь идет о HTML-коде). Но если вы делать этого не умеете, в программе есть опция «Отправить код веб-мастеру».

Этап 6. Копирование кода и его вставка в исходный код контрольной страницы. Важно поместить код сразу же за тегом <head>, чтобы не возникало проблем. Если все сделали правильно, выберите команду «Сохранить изменения».

Этап 7. Проверка наличия кода тестирования на контрольной странице. Еще один важный момент, связанный с кодом, – он должен быть только на контрольной странице. На новую его вставлять не следует. Лишний раз перепроверив и убедившись, что все сделано точно, можно кликать по команде «Начать эксперимент». Так ваше А/Б-тестирование будет запущено.

Как и для любого другого процесса, для вашего эксперимента тоже потребуется время. Не спешите оценивать результат на следующий день. Отведите хотя бы неделю, чтобы вывод был объективным. Отслеживать статистику не сложно. В списке вы выбираете свой эксперимент, а затем просматриваете отчет.

Как провести А/Б-тестирование в 1С-Битрикс

Не все платформы содержат внутри себя встроенную опцию А/Б-тестирования. Но 1C-Bitrix имеет такой модуль. Он стандартный и требует самостоятельной активации с панели сайта.

Битрикс

На скриншоте показана форма модуля А/Б-тестирования:

Битрикс2

Приложение построено так, что одновременно невозможно создать несколько самостоятельных А/Б-тестирований. Однако есть возможность протестировать несколько элементов в рамках одного эксперимента.

Битрикс3

Выставив все необходимые параметры, не забывайте их сохранять с помощью специальной кнопки и только после этого начинайте А/Б-тестирование.

Битрикс4

В модуле предусмотрена опция контроля процесса тестирования. В панели управления сайта можно переключаться между версией А и версией Б, обозревая ресурс глазами пользователей. Увидеть результат действий со стороны – важная и полезная опция разработчиков.

Битрикс5

Таким образом, вы можете не только наблюдать за процессом в текущий момент, но и смотреть отчет на любую дату, даже до того, как А/Б-тестирование будет завершено.

Битрикс6

Оценить результаты А/Б-тестирования будет несложно. Они формируются в виде диаграмм, наглядных ярких схем, цветных столбцов. Вы увидите конкретную статистику, которая позволит вам принять решение в пользу наиболее удачного варианта сайта.

Битрикс7

Битрикс8

Стандартный модуль платформы 1C-Bitrix содержит всего шесть сценариев для A/Б-тестирования:

  1. Новый дизайн.
  2. Главная страница.
  3. Детальная карточка товара.
  4. Страница корзины.
  5. Страница оформления заказа.
  6. Произвольно выбранная страница.
  7. Полная аналитика для выбора лучшего варианта.

Как правильно проводить А/Б-тестирование в Яндекс.Директ

Поисковая система Яндекс имеет в своей структуре инструмент для размещения контекстной рекламы – Яндекс.Директ. С 2013 года этот инструмент включает функцию А/Б-тестирования для рекламных элементов. Тестироваться могут посадочные страницы, отдельные рекламные тексты, изображения.

Для того чтобы получить все требуемые данные, предлагаем подробный порядок действий:

  1. Выбираем наиболее трафиковую рекламную кампанию

Начните тестирование с той рекламной кампании, которая привлекает наибольший объем трафика, чтобы обеспечить максимальную точность данных по самой большой из возможных выборок.

Согласно инструкции, нужно просто поместить новое объявление в уже имеющуюся группу. Но в действительности этого недостаточно. Всем известно, что статистические данные накапливаются со временем, и ранее выставленные объявления будут иметь более высокий показатель CTR. Потому нужно совершить дополнительные манипуляции, чтобы данные были корректными.

  1. Ставим навигационную метку на объявления, которые будем тестировать

Для точности статистических данных необходимо установить метку на участвующие в А/Б-тестировании объявления. Навигационная метка должна быть сформулирована четко и ясно, не допуская двойной трактовки. Например, «Stop_test_text_150516» подразумевает, что объявления остановлены на тест текстов 15 мая 2016 года. С помощью меток можно быстро возобновить демонстрацию теста, кроме того, вы сразу сможете вспомнить причину приостановки показов.

  1. Выгружаем рекламную кампанию

Не забывайте сохранять первоначальный вид файла до изменений, которым он будет подвергнут. Иногда случается, что А/Б-тестирование при запуске находит какие-то ошибки в файле. Чтобы его быстро заменить на нормальный, нужно сохранять первоначальный вариант.

Следующая наша задача – загрузить рекламу в аккаунт. Это можно сделать с помощью файлов, имеющих расширения *.xls и *.csv. Не удивляйтесь тому, что Директ.Коммандер начнет препятствовать такой загрузке. Объявления будут дублироваться, система станет оповещать вас об ошибке. Такие последствия говорят лишь о том, что ваш файл недостаточно подготовлен.

Что нужно сделать еще, чтобы система запустила А/Б-тестирование? Удалить из файла объявления со «стопами». Нам не нужно их тестировать. После этого вы увидите, что система примет рекламные материалы как новые.

Если этот способ по каким-либо причинам не вполне вам подходит, существует еще несколько механизмов для проведения А/Б-тестирования объявлений.

Способ 1. Загружаем оба варианта в один файл. Вы уже выгрузили файл с объявлениями без определяющих идентификаторов, теперь нужно выделить все его строки и скопировать. Вставляем их в ячейку под уже существующими объявлениями. Переходим в столбец «Доп. объявление». Во всех скопированных текстах нужно поменять «-» на «+», чтобы система могла различить основные объявления и дополнительные – те, которые подлежат А/Б-тестированию.

Далее следует заменить тексты новых объявлений на те, которые будут проходить А/Б-тестирование. В результате этих нехитрых манипуляций вы получите файл, дополненный тестируемыми вариантами текстов.

Спустя определенный отрезок времени, достаточный для подведения итогов, проанализируйте статистику по тестируемым текстам. Статистические данные берем в Google.Analytics, предварительно добавив utm-метку в url объявлений.

Наиболее часто используемыми являются метки www.site.ru?utm_source=yandex&utm_medium=cpc&utm_campaign=odejda_rsya&utm_content= zeleniy_sharf, где:

  • utm_source=yandex — источник кампании;
  • utm_medium=cpc — канал кампании;
  • utm_campaign=odejda_rsya — название кампании;
  • utm_content=zeleniy_sharf — ключевое слово.

Специалистам, проводящим А/Б-тестирование, просто необходимо ввести какую-то «опознавательную» метку в utm_content, чтобы в дальнейшем получить правильные статистические данные.

Например, на старые объявления ставим метки testa_net_* (пример: utm_content=testa_net_zeleniy_sharf), а в объявления, подлежащие А/Б-тестированию, добавляем другую метку. В программе Microsoft Excel используем функцию «Найти и заменить». Для примера возьмем метки testa_net_* и test_aktiv_*.

Лучше всего производить замену вручную, потому что автозамена может неверно исправить часть url в добавленных линках к объявлению или основной url объявления таким образом, что по ссылке невозможно будет пройти на страницу. И пользователь всякий раз будет видеть ошибку 404. Поэтому при растущем трафике статистика будет ошибочной, а результаты А/Б-тестирования – не верными. Итог - понижение конверсии и повышении ее стоимости.

Выполнив полностью приведенную инструкцию, вы завершите подготовку файла для А/Б-тестирования. Останется только загрузить его в аккаунт.

Способ 2. Создание двух файлов с разным содержимым. Первый файл будет состоять из первоначальных рекламных объявлений без определяющих идентификаторов, а второй – из новых объявлений, которые нуждаются в А/Б-тестировании.

Если загрузить файл с первоначальными объявлениями в аккаунт, система воспримет их как новые. И тогда нужно добавить второй файл, выбрав при этом команду «добавить в существующую кампанию», пункт «изменить кампанию» выбирать не следует.

  1. Останавливаем объявление в Яндекс.Директ

Наконец, пришло время остановить объявления, которые заранее были предусмотрительно помечены навигационной меткой.

  1. Проверяем корректность загруженных объявлений

Проследите за тем, чтобы в одной группе оказались все тестируемые объявления. Если варианта два, то два, если больше – соответственно. Помните, если не все объявления пройдут модерацию, то А/Б-тестирование сформирует неправильный результат.

Как мы уже упоминали, для объективного результата следует выждать время. Минимум неделю. Но лучше две. Чем больше выборка, тем точнее итоги. Опять-таки период следует соотносить с объемом трафика. Если он минимален, то и за две недели сервис А/Б-тестирования не сделает нужной выборки.

  1. Собираем статистику

Когда время А/Б-тестирования подойдет к концу, проверьте, было ли достигнуто пороговое значение для данной рекламной кампании. Если нет, то проверку придется продлить. Если же порог преодолен, переходим к новому этапу – собираем статистику. В помощь вам Google Analytics. На панели сервиса выбираем раздел «Отчёты» -> «Источник трафика» -> «Рекламные кампании». Здесь мы должны установить начальную и конечную даты А/Б-тестирования.

Далее проделайте следующий путь: «Дополнительный параметр» -> «Содержание объявлений». Если ключевое слово записывается в метке в поле utm_content, то нужно смотреть вкладку «Содержание объявлений», а если в utm_term, то – «Ключевое слово».

Следующим шагом станет написание названия рекламной кампании и формулировка содержания объявления. Изменив текст в поле «содержание объявления» на метку из utm_content, можно увидеть информацию по рекламным объявлениям с разными текстами. Это делает доступной нашему восприятию развернутую статистику, включая среднюю продолжительность пребывания на сайте, долю отказов в общем количестве посещений, коэффициент конверсии и т.д.

Данные о CPC, CTR можно получить в «Статистике по кампании», которая находится в разделе «Общей статистики». Главное – поставить период проверки, а потом выбрать «Детальную статистику по объявлениям». Эти сведения нужно загрузить в виде xls-файла.

Получив файл статистики, начинаем с ним работать.

  1. Все столбцы, содержащие данные, пропускаем через фильтр.
  2. Выбираем все строки со словом «Итого» и текст объявления. Затем смотрим на тексты, по которым сводится статистика. Так, например, чтобы увидеть статистику по новым вариантам текстов, помеченных «test_aktiv», выбирайте новые, а для просмотра статистики по исходным вариантам текстов (testa_net) выбирайте старые.
  3. Интересующие показатели (например, количество кликов) сводим воедино.

Самыми важными показателями, которые интересуют маркетологов, проводящих А/Б-тестирование, являются цена клика, суммарное число показов, расход, коэффициент конверсии, а также клики тестируемых элементов. Безусловно, ключевым моментом здесь является стоимость конверсии.


4 типичные ошибки А/Б-тестирования

Ошибка №1. Полностью отсутствует гипотеза

Слепое экспериментирование не позволяет делать объективные выводы. Можно полагаться на интуицию, но когда речь идет о маркетинговом планировании, нужна логика и поиск закономерностей. К примеру, вы решили протестировать такой элемент, как тема рекламной рассылки. Представителям одной части выборки из клиентской базы вы отправляете письмо с одной темой рассылки, а представителям второй – то же самое письмо с другой темой.

Далее смотрите, какой вариант письма открывают чаще, а потом рассылайте его по адресам всей остальной клиентской базы. Не сложно? Работает? В общем, логика есть. Но чего хочет добиться специалист, проводящий такое А/Б-тестирование? Ему необходима наибольшая открываемость писем? Или все же повышение конверсии сайта?

Для того чтобы А/Б-тестирование было по-настоящему эффективным, нужно сформулировать гипотезу. Это важно. Гипотеза может быть, например, такой: «Тема рассылки, которой сейчас придерживается наша компания, недостаточно разжигает любопытство. Стоит ли нам заменить ее на более креативную и нестандартную или сформулировать в теме конкретное предложение с указанием цены?» И далее вы направите усилия на проверку гипотезы.

Ошибка №2. Небольшая выборка

А/Б-тестирование успешно работает при возможности сделать достаточно большую выборку. Нужно учесть один немаловажный фактор. При большом количестве участвующих в эксперименте пользователей, результат должен показывать большую разницу в эффективности сравниваемых вариантов. Так, если вы проверяли базу в 200 человек, а конверсия будет отличаться на 2-3 целевых клика, то такая разница не позволяет сделать объективный вывод.

Чтобы понять, какой вариант оформления сайта, объявления, элемента лендинга работает лучше и продуктивнее, нужно, чтобы разница была в несколько раз (например, контрольная группа принесла две конверсии в день, а экспериментальная – 20). В любом А/Б-тестировании важно обеспечить репрезентативность выборки.

В Интернете можно найти немало бесплатных программных средств (онлайн калькулятор, специальные формы), которые позволяют высчитать значимость полученных результатов. Для подсчета вам просто нужно в соответствующие поля формы ввести результаты по контрольной и экспериментальной группам. В результате вы увидите, насколько объективным можно считать результат А/Б-тестирования.

Ошибка №3. Тестирование сразу нескольких факторов одновременно

Не советуем вам объединять два различных элемента в одном А/Б-тестировании. Очень сложно будет определить, какой именно фактор оказал решающее влияние на результат.

Приведем пример с e-mail-рассылкой. Вы сформировали письма с двумя разными вариантами темы и двумя разными элементами призыва к действию. Получив результаты статистики, вы смотрите на наибольшую открываемость писем и на наибольший процент откликов на призыв к действию. Однако, вы не можете сказать, были ли клики по конверсионной кнопке на сайте вызваны именно формулировкой call-to-action, а не темой письма.

Существует опасность неправильно связать причину и следствие, сформировать новое письмо с наиболее действенной темой и максимально призывным элементом, выдернутыми из разных писем, которые совместно, возможно, и не достигнут желаемого результата.

Ошибка №4. Тест в стиле «до» и «после»

Если вы хотите достоверно определить, какой цвет конверсионной кнопки, дизайн сайта или вид текста работают более эффективно, проведите А/Б-тестирование, создав две альтернативные версии одного тестируемого объекта. Рассчитайте оптимальный период тестирования, распределите трафик, определите необходимое количество участников для получения объективного результата.

Ошибка №5. Не учитываются посетители

Помните о репрезентативности выборки. Например, вы запускаете новый дизайн посадочной страницы и смотрите на изменение процента конверсии. Но не учитываете, какие именно посетители совершают конверсию. Те, которые и прежде были знакомы с сайтом, или те, которые заходят на него впервые.

Небольшое повышение конверсии может быть связано с информацией в СМИ о вашем ресурсе, прекращением работы сайта конкурентов, поэтому, чтобы сделать объективные выводы, учитывайте все дополнительные факторы.

И напоследок, 6 советов по А/Б-тестированию

  1. Начните тестировать прямо сейчас. Попробуйте провести А/Б-тестирование хотя бы раз. Гораздо лучше проверить метод на деле, чем много раз читать о нем в теории. С его помощью вы сможете легко и достаточно быстро увеличить эффективность страницы.
  2. Тестируйте все что можно. Если вы думаете, что тестировать стоит только наиболее важные факторы целевой страницы (например, вид конверсионной кнопки и текста), то вы ошибаетесь. Проводите А/Б-тестирование по самым разным элементам. И будете удивлены.
  3. Будьте последовательны. Не нужно объединять множество элементов в одном А/Б-тестировании, хотя и существуют сервисы, позволяющие это сделать. Проверяйте все элементы поэтапно, один за другим, начиная с заголовка страницы, переходя на формат call-to-action, затем на структуру текста и проч.
  4. Тестируйте всегда. Не останавливайтесь на достигнутом. Тестируйте непрерывно, улучшая работу продающих объектов и повышая прибыль.
  5. Анализируйте каждый шаг. Фиксируйте каждый этап эксперимента. Так, если на каком-то этапе А/Б-тестирования вас постигнет неудача, вы всегда сможете вернуться к исходному варианту.
  6. Не стесняйтесь попросить о помощи. Если даже после прочтения нашей статьи у вас так ничего и не вышло, то не отчаивайтесь. Всегда есть те, кто рад помочь в этом вопросе.

Специалисты агентства интернет-маркетинга «Генератор продаж» всегда рады помочь Вам в создании качественного и востребованного контента! А начнем мы работу с аудита, который выявит основные проблемы сайта и определит, какие именно инструменты интернет-маркетинга необходимо использовать для более успешного продвижения Ваших товаров и услуг.

Если у Вас появились вопросы, то можете проконсультироваться по ним у нашего менеджера. Бесплатный номер: 8 (800) 775 43 06

Как правильно проводить А/Б-тестирование

Описание

2017-09-06

Генератор продаж
Продвижение сайтов
390047
Россия
Рязанская область
Рязань
Куйбышевское шоссе, 25
88007754306
Генератор продаж

Генератор продаж

Генератор продаж

Генератор продаж

Продвижение сайта в Интернете

Как правильно проводить А/Б-тестирование

Генератор продаж

Как правильно проводить А/Б-тестирование

Рост продаж