Mielestäsi toimintakehotuspainikkeen pitäisi olla isompi. Tiimikaverisi mielestä sen pitäisi olla punainen. Suunnittelijasi mielestä teksti on liian pitkä. Teillä kaikilla on mielipiteitä. Mutta mielipiteet eivät lisää konversioita. Testaus lisää. A/B-testauksella vastaat näihin kysymyksiin datalla väittelyn sijaan. Luo versio A nykyisellä painikkeella. Luo versio B isommalla painikkeella. Aja molempia. Mittaa, kumpi konvertoi paremmin. Toinen voittaa. Otat voittajan käyttöön. Ei väittelyä. Ei arvailua. Pelkkiä tuloksia. A/B-testaus on tehokas mutta rajallinen. Voit testata yhtä muutosta kerrallaan. Entä jos haluat testata painikkeen kokoa, väriä ja tekstiä samanaikaisesti? Monimuuttujatestauksella voit tehdä sen. Testaat kahdeksan yhdistelmää kerralla kolmen erillisen A/B-testin sijaan. Opit nopeammin. Optimoit enemmän. Tämä artikkeli selittää A/B-testauksen ja monimuuttujatestauksen sekä sen, milloin kumpaakin käytetään.
Mitä A/B-testaus on?
A/B-testaus on yksinkertaisin testauksen muoto. Luot sivusta tai elementistä kaksi versiota. Versio A on kontrolli. Versio B on testisi. Ohjaat kävijät satunnaisesti kumpaankin versioon. Mittaat, kumpi konvertoi paremmin. Korkeamman konversioprosentin versio voittaa. A/B-testausta kutsutaan jakotestaukseksi, koska jaat liikenteesi kahden version kesken. A/B-testaus rajoittuu yhteen muutokseen kerrallaan. Testaat painikkeen väriä yhdessä testissä. Painikkeen kokoa toisessa. Painikkeen tekstiä kolmannessa. Mutta se on tehokas, koska tulokset ovat selkeät. Versio B joko voittaa tai ei.
A/B-testauksen prosessi
Aloita hypoteesilla. Hypoteesini on, että isompi painike konvertoi paremmin kuin nykyinen painike. Suunnittele testi. Luo versio B isommalla painikkeella. Ota testi käyttöön testausalustallasi. Määritä onnistumismittarisi. Onnistuminen on korkeampi konversioprosentti. Aja testi. Ohjaa liikennettä molempiin versioihin. Kerää dataa. Aja testiä, kunnes saavutat tilastollisen merkitsevyyden. Yleensä sata konversiota kummassakin versiossa. Analysoi tulokset. Onko versio B tilastollisesti merkitsevästi parempi? Jos on, ota se käyttöön. Jos ei, pidä alkuperäinen.
Tilastollinen merkitsevyys on tärkeää
Tarvitset tarpeeksi dataa, jotta tulokset ovat merkityksellisiä. Jos ajat testiä yhden päivän ja saat kymmenen konversiota yhteensä, tulokset ovat merkityksettömiä. Satunnaisvaihtelu on liian suurta. Jos ajat testin tuhannella konversiolla, tulokset ovat merkityksellisiä. Satunnaisvaihtelu on pientä. Useimmat testausalustat kertovat, kun tilastollinen merkitsevyys on saavutettu. Älä lopeta testiä etuajassa vain siksi, että näet voittajan. Odota tilastollista merkitsevyyttä.
Mitä monimuuttujatestaus on?
Monimuuttujatestaus (MVT) testaa useita muutoksia samanaikaisesti. Sen sijaan että testaisit painikkeen väriä ja kokoa erikseen, testaa kaikki yhdistelmät yhdessä. Yhdistelmät voivat olla: punainen suuri, punainen pieni, sininen suuri, sininen pieni. Testaat neljää variaatiota kerralla. Liikenne jaetaan neljään osaan. Opit, mikä yhdistelmä konvertoi parhaiten. MVT on tehokkaampi kuin erilliset A/B-testit, kun liikennettä on riittävästi.
A/B vai MVT: milloin kumpaakin käytetään
Käytä A/B-testausta, kun liikennettä on vähän. Vähällä liikenteellä otoskoko pitää keskittää harvempiin variaatioihin tilastollisen merkitsevyyden saavuttamiseksi. Käytä A/B-testausta, kun haluat selkeitä, eristettyjä tuloksia. Haluat tietää, konvertoiko punainen paremmin kuin sininen, ei mitään muuta. Käytä MVT:tä, kun liikennettä on paljon. Sinulla on varaa jakaa liikenne useiden variaatioiden kesken. Käytä MVT:tä, kun epäilet elementtien vaikuttavan toisiinsa. Painikkeen väri voi vaikuttaa painikkeen kokoon. Yhdistelmien testaus näyttää nämä vuorovaikutukset.
Ilmeisen yli testaaminen
Useimmat testaavat ilmeisiä asioita. Painikkeen väriä. Painikkeen kokoa. Lomakkeen pituutta. Nämä testit ovat tärkeitä. Mutta testaa myös vähemmän ilmeisiä asioita. Otsikon täsmällisyyttä. Sosiaalisen todisteen sijoittelua. Latausnopeutta. Luottamusmerkkejä. Värikontrastia. Tyhjää tilaa. Typografiaa. Pienet muutokset kertautuvat. Löydä pieniä parannuksia monesta elementistä, ja ne summautuvat.
Peräkkäinen ja samanaikainen testaus
Peräkkäinen testaus ajaa yhden testin, ottaa voittajan käyttöön ja ajaa seuraavan testin. Tämä on hitaampaa mutta selkeää. Jokainen testi rakentuu edellisen voiton päälle. Samanaikainen testaus ajaa useita testejä yhtä aikaa. Tämä on nopeampaa mutta monimutkaisempaa. Opit nopeammin mutta hallittavia testejä on enemmän.
Usein kysyttyä
Kuinka paljon liikennettä tarvitsen A/B-testin ajamiseen?
Tarvitset tarpeeksi liikennettä tilastollisen merkitsevyyden saavuttamiseen. Useimmat testit tarvitsevat sata konversiota variaatiota kohti. Jos konversioprosenttisi on yksi, tarvitset kymmenentuhatta kävijää variaatiota kohti. Jos konversioprosenttisi on kymmenen, tarvitset tuhat kävijää. Tarvittava liikenne riippuu konversioprosentistasi. Matalammat konversioprosentit tarvitsevat enemmän liikennettä. WEMASY-sivustonrakentajalla voit ottaa tämän käyttöön suoraan omalla sivustollasi.
Voinko ajaa useita A/B-testejä samaan aikaan?
Kyllä, jos liikennettä on tarpeeksi. Liikenteen testaaminen sivuilla pageA ja pageB samaan aikaan on sopivaa. Ne eivät häiritse toisiaan. Variaatioiden yksi ja kaksi testaaminen samalla sivulla samaan aikaan voi häiritä. Saman kävijän ei pitäisi nähdä molempia variaatioita. Käytä testausalustaasi tämän estämiseen.
Entä jos testi ei näytä eroa variaatioiden välillä?
Ei eroa on silti dataa. Se kertoo, ettei testaamasi muutos vaikuta merkittävästi konversioon. Voit pitää alkuperäisen tai ottaa version B käyttöön, jos se on halvempi tai helpompi. Siirry seuraavaan hypoteesiin. Kaikilla testeillä ei ole voittajaa.
Pitäisikö elementtejä testata erikseen vai yhdessä?
Aloita testaamalla elementtejä erikseen. Muutosten eristäminen tekee tuloksista selkeät. Kun olet optimoinut yksittäiset elementit, testaa yhdistelmiä. Saatat huomata, että elementti A ja elementti B yhdessä toimivat paremmin kuin pelkkä A tai pelkkä B.
Kuinka usein testejä pitäisi ajaa?
Jatkuvasti. Konversio-optimointi on jatkuvaa. Älä aja kymmentä testiä ja lopeta. Aja yksi testi toisensa jälkeen. Jokainen testi opettaa jotain. Sadan testin jälkeen konversioprosenttisi voi olla merkittävästi korkeampi. Tähän menee aikaa, mutta se kertautuu.
Mikä on käytännöllinen konversioparannus testauksesta?
Hyvä A/B-testi voi parantaa konversiota viidestä kymmeneen prosenttia. Erinomainen testi voi parantaa sitä kahdellakymmenellä prosentilla. Nämä parannukset ovat todellisia ja merkittäviä, kun ne kertautuvat. Aja viisikymmentä voittavaa testiä keskimäärin viiden prosentin parannuksilla, ja hyödyt kertautuvat: konversioprosenttisi on noin yksitoista kertaa korkeampi, yli tuhannen prosentin nousu. Kaikki testit eivät voita, joten todelliset tulokset ovat pienempiä.