A/B-testaus auttaa sivuston tai sovelluksen tulee sen parhaiten itse. Jos sinulla on kävijöiden virta, ja sinä maksat, että liikenne (olet aina maksaa ajoissa, mainoksia, tai muuten), A/B-testaus auttaa varmistamaan, että lisää niitä kävijöitä rekisteröityä, muuntaa, ja ostaa. Koska tuoteryhmät ovat vain ihmisiä, ja vain kokeilijat tietävät, mikä oikeasti toimii.,
osasyynä on A / B-testauskehys (tunnetaan myös nimellä split-testaus tai monimuuttujatestaus), joten ratkaisevia ovat kognitiiviset mielentilatutkimukset. Kaikki meistä luonnollisesti olettaa, että muut, kuten, mitä haluamme ja tuote joukkueet suunnittelu sivustoja ja sovelluksia, ne väistämättä muokkaavat niitä omien mieltymysten. Paras tapa palauttaa kaikki kuva-painiketta, ja ominaisuus takaisin ihanteellinen tila käyttäjille, on A/B-käyttäjän testaus—lähinnä äänestyspaikoilla tuhansia käyttäjiä löytämään, mitkä vaihtoehdot he haluavat.,
tämän prosessin kautta, joka tunnetaan nimellä conversion rate optimization (CRO), sivusto tai sovellus saavuttaa aiotun tarkoituksensa—ajaa suurinta sitoutumista tai tuloja.,>
A/B-testaus on ihanteellinen tuote joukkuetta e-commerce -, julkaisu -, food service -, kulutustavarat -, media -, matkailu -, rahoitus -, ja koulutus
Täällä Taplytics, huomaamme, että neljän-vaihe A/B-testaus menetelmä toimii parhaiten: Ensinnäkin, me vahvistaa, että testaus voi, itse asiassa, vastaus kysymykseen pyydämme., Sitten me kehittää varhaisia testejä tieteellisesti testata hypoteeseja, iteroida testata lisää teorioita, ja rakentaa (tai rakentaa) ominaisuuksia tulosten perusteella.
Tässä on, miten tehdä se:
Vahvista testi
Ensinnäkin, me vahvistaa, että testaus voi vastata kysymykseen. Teemme pieniä, edullisia testejä, joita kutsumme pikavoitoiksi, joihin ei ihannetapauksessa liity mitään mukautettua koodia tai suunnittelijan apua. Me yksinkertaisesti muutamme olemassa olevia ominaisuuksia ja sisäänrakennettua toiminnallisuutta esimerkiksi siirtämällä painikkeita tai lisäämällä kenttiä lomakkeisiin.
testaa aina ensin isoja asioita., Ennen kuin menet testaamaan napin väriä tai sijoittelua, varmista, että itse sivu auttaa käyttäjiä matkan varrella.
testin validoimiseksi luo A/B-testaussuunnitelma:
- aseta tavoitteesi. Listatkaa parhaat mahdolliset testimahdollisuutenne. Mistä testaus voisi tarjota korkeimman tuoton? Usein se on suppilon pienin muunnosvaihe.
- perustason. Nauhoita, miten sivustosi tai sovelluksesi toimii tänään. Dokumentoi tavoitteesi testillä sekä mittareilla, joilla arvioit onnistumista.,
- tallenna hypoteesi. Mitä luulet tapahtuvan? Tallentaa sen tiettyyn, myönteinen lausunto, kuten, ”vähentämällä lomakkeen kentät kahdeksasta seitsemän, me lisäämme kassoilla 5 prosenttia.”
- Luoda time-aikana. Kuinka kauan testi kestää? Tyypillisesti 2-3 viikkoa riittää, mutta se riippuu käyttäjäkunnan koosta ja odotettavissa olevasta liikenteestä. Testiin tarvitaan tilastollisesti merkitseviä käyntejä. (Jos sinulla on testausalusta, sen pitäisi kertoa sinulle tämä.,)
Kanssa tavoitteesi, lähtötilanteessa, hypoteesi, ja aika kirjataan, perustaa oman testin. Anna sille laadunvarmistustarkastus ennen kuin se menee live, sitten käynnistää ja tarkistaa tulokset. Todistitko tai kumositko hypoteesisi? Mitä voit parantaa seuraavalla testikierroksella?
Miten A / B-testi luodaan?
A/B—testin tekemiseen tarvitaan A/B-testausalusta-ohjelmisto, jonka avulla voit valita ominaisuuksia sivustossasi tai sovelluksessasi ja testata variantteja., Valitse visual editorin sisällä Elementti, ominaisuus tai painike, jota haluat testata, ja napsauta luodaksesi uuden testin.
Tarkemmin
sen Perusteella, mitä olet oppinut vahvista vaiheessa, päättää investoida enemmän resursseja tällainen tutkimus. Saitko tilastollisesti merkittäviä tuloksia? Todistiko se hypoteesin vai kumosiko se sen? Uskotko yhä, että se on potentiaalinen testimahdollisuus?
Jos jatkat, sijoita lisää resursseja., Keskustele useamman tiimin jäsenen kanssa, jotta voit ilmoittaa seuraavat hypoteesisi, ja pyydä tarvittaessa suunnittelu-ja suunnitteluresursseja.
yhtä paljon kuin testaaminen kuulostaa puhtaasti tilastoharjoitukselta, sen onnistuminen todella riippuu oman joukkueen intuitiosta ja luovuudesta. Enemmän monipuolisia ja innovatiivisia ideoita parantaa vaikkapa kassalla muuntaminen, enemmän hyödyllisiä tuloksia saat oman testin. Kun olet suorittanut testin, kirjaa oppijasi testilokiin.,
Kerrata edelleen
sen Perusteella, mitä olet oppinut, kehittää vaihe, rakentaa lisää variantti testit ja kerrata, mitä on tehnyt. Johtiko keskusteluilmoituksessasi enemmän kuittailua? Katso, lisääkö tuo sävy käännytyksiä muilla alueilla. Huomasitko, että lisäämällä suosittelun kassalle lisää ostoksia? Testaa useita suosittelut nähdä, mikä muuntaa parhaiten.
Rakentaa spec
Jälkeen kerrata vaiheessa, sinun pitäisi nähdä mielekkäitä tuloksia ja oppitunteja voit piirtää oman testejä. Levitä ne tuotesuunnitteluusi., Joitakin yleisiä esimerkkejä A/B-testaus täytäntöönpano oppitunteja:
- Käyttäjät ovat todennäköisesti vastata menettämisen pelko pikemminkin kuin mahdollisuus saada.
- Lähettää liian monta push-ilmoitukset lisää opt-out korko.
- Social proof lisää kassamuunnoksia.
- personoidut artikkelisuositukset lisäävät aikaa paikan päällä.
- vähemmän muotokenttiä lisää muunnoksia, mutta ei välttämättä myyntiä.,
A/B-testaus esimerkkejä
Tässä on muutamia/B-testaus esimerkkejä—tapaustutkimuksia vaikutus A/B-testaus puitteet voivat olla:
palkkaamiseen alustan Hyvä&Co lisääntynyt käyttäjien sitoutumista 27%
Hyvä&Co sovellus käyttää tietokilpailuja vastaamaan työnhakijoiden työnantajien kanssa, ja joukkue halusi parantaa sen onboarding virtaus kannustaa käyttäjiä ottamaan enemmän tietokilpailuja. Taplytics A / B-testillä tiimi testasi kahta onboarding-virtaa ja tunnisti yhden, joka lisäsi käyttäjien sitoutumista yli neljännesvuosi – 27 prosenttia.,
sosiaalinen verkosto Houseparty määrä kaksinkertaistui uusi käyttäjä ystävä pyynnöt
20 miljoonaa aktiivista käyttäjää, tiimin Houseparty oli etsimässä tapoja enemmän tieteellisesti testata vaikutusta heidän tuote päivitykset. ”Haluamme tehdä muutoksia, ja joitakin mittareita mennä ylös ja jotkut menevät alas,” sanoo Jeff Neuloja, Johtaja Liiketoiminnan ja Analytiikan klo Houseparty. Joukkue toteuttaa Taplytics A/B-testaus eristää muuttujia ja se johti heidät tekemään tuotteen muutoksia, että lisääntynyt määrä ensimmäinen-päivä ystävä pyynnöt 2x.,
Lippu jälleenmyyjä TodayTix lisääntynyt lipun myynti 9% yksi kokeilu
joukkue TodayTix todettiin, että käyttäjät yrittivät sen Kiire ja Arpajaiset lippu ominaisuudet paljon hitaammin kuin odotettiin. ”Huomasimme paljon uusia asiakkaita olisi tullut osaksi app ja ei tee mitään ostoksia heidän ensimmäinen pari istuntoja lataamisen jälkeen,” sanoo Pragya Saboo, tuotepäällikkö TodayTix. Pragya ja tiimi käyttivät Taplytics A/B-testausta testatakseen kahta uutta variaatiota onboarding-virtauksesta ja löysivät yhden, joka lisäsi myyntiä 9 prosenttia.,
Lisää tekijöitä kokeilla teidän A/B-testaus suunnitelma
Joitakin muita A/B-testaus esimerkkejä:
- E-commerce A/B-testaus: Lisää tai piilottaa hinnoittelu, muuttaa tuotteen kuvaukset, testi kuvia, suositella tuotteita.
- SaaS user A / B testing: selektiivisesti roll out new features, test landing pages, test muistutus sähköpostit.
- Publishing A / B testing: Add or hide comments, test sign-up CTAs, test paywall copy.
- food service a / B testing: Test flows, test contact rates, reorder questions in the FAQ.,
- Kulutustavarat A / B testaus: testi kassavirta, testaa verkkokaupan suunnittelu.
- Travel A/B-testaus: Test pop-ups, testi navigointi, muokata tarjoaa, testi vakuutus-takuu.
- koulutus A / B-testaus: testaa ilmoittautumiset, vaihda nappien sijoittelua.