A/B testing helpt uw site of app zijn beste zelf te worden. Als je een instroom van bezoekers hebt en je betaalt voor dat verkeer (je betaalt altijd, op tijd, advertenties of anderszins), helpt A/B-testen ervoor te zorgen dat meer van die bezoekers zich aanmelden, converteren en kopen. Omdat productteams alleen menselijk zijn, en alleen degenen die experimenteren weten wat echt werkt.,
een deel van de reden dat een A / B testing framework (ook bekend als split testing of multivariate testing) is zo cruciaal zijn cognitieve vooroordelen. Ieder van ons natuurlijk aannemen anderen zoals wat we willen en als product teams ontwerpen sites en apps, ze onvermijdelijk vorm ze aan hun eigen voorkeuren. De beste manier om elke afbeelding, knop en functie terug naar een ideale staat voor gebruikers te herstellen is a / B-gebruikerstesten-in wezen, polling duizenden gebruikers om te vinden welke varianten ze de voorkeur geven.,
door dit proces, dat bekend staat als conversion rate optimization (CRO), bereikt de site of app zijn beoogde doel—om de maximale betrokkenheid of inkomsten te genereren.,>
A/B-testen is ideaal voor product-teams in e-commerce, publishing, food service, consumer goods, media, reizen, financiën en onderwijs
Hier bij Taplytics, vinden we dat een vier-stap A/B testing methode het beste werkt: Eerst valideren we dat testen kan in feite het antwoord op de vraag wat we vragen., Vervolgens gaan we dieper in op vroege tests om wetenschappelijk hypothesen te testen, herhalen om aanvullende theorieën te testen, en bouwen (of herbouwen) functies op basis van de resultaten.
Hier is hoe het te doen:
Valideer uw test
eerst valideren we dat testen onze vraag kan beantwoorden. We voeren kleine, goedkope tests uit die we quick-wins noemen en die idealiter geen aangepaste code of hulp van een ontwerper bevatten. We veranderen gewoon bestaande functies en ingebouwde functionaliteit, bijvoorbeeld door knoppen te verplaatsen of velden toe te voegen aan formulieren.
test altijd eerst grote dingen., Voordat u de kleur of plaatsing van een knop gaat testen, moet u ervoor zorgen dat de pagina zelf gebruikers tijdens hun reis helpt.
om uw test te valideren, maakt u een A/B testplan:
- Stel uw doel in. Shortlist uw hoogste potentiële testmogelijkheden. Waar Kan testen het hoogste rendement bieden? Vaak is het de laagste fase in je trechter.
- Bepaal een baseline. Registreer hoe uw site of app vandaag presteert. Documenteer uw doel met de test, evenals de statistieken die u zult gebruiken om succes te beoordelen.,
- noteer uw hypothese. Wat denk je dat er gaat gebeuren? Noteer het in een specifieke, bevestigende verklaring, zoals, “door het verminderen van het aantal formuliervelden van acht naar zeven, we zullen de kassa’ s te verhogen met 5 procent.”
- Bepaal een periode. Hoe lang duurt de test? Typisch, 2-3 weken is voldoende, maar het hangt af van de grootte van uw user base en verwachte verkeer. Je hebt genoeg bezoeken nodig om de test statistisch significant te laten zijn. (Als je een testplatform hebt, moet het je dit vertellen.,)
met uw doel, basislijn, hypothese en tijdsperiode vastgelegd, stel uw test op. Geef het een kwaliteitscontrole voordat het live gaat, Start en bekijk de resultaten. Heb je je hypothese bewezen of weerlegd? Wat kun je verbeteren in de volgende testronde?
Hoe maak je een A/B-test aan?
om een A / B-test te maken, hebt u een A/B—testplatform nodig-een software waarmee u functies binnen uw site of app kunt selecteren en testvarianten kunt testen., Selecteer in de visuele editor een element, functie of knop die u wilt testen en klik op om een nieuwe test te maken.
ga verder
Op basis van wat u hebt geleerd in de validate-fase, beslis of u meer middelen wilt investeren in deze onderzoekslijn. Kon je statistisch significante resultaten krijgen? Heeft het de hypothese bewezen of weerlegd? Denk je nog steeds dat het een kans is om te testen?
Als u doorgaat, investeer dan meer middelen., Praat met meer mensen in het team om uw volgende hypothesen te informeren, en vraag naar engineering en design resources indien nodig.
hoewel testen klinkt als een puur statistische oefening, hangt het succes ervan echt af van de intuïtie en creativiteit van uw team. Hoe meer divers en innovatief uw ideeën zijn voor het verbeteren van, Laten we zeggen, een checkout pagina conversie, hoe meer nuttige resultaten je krijgt in uw test. Als u de test hebt uitgevoerd, registreert u uw lessen in een testlogboek.,
Itereer verder
gebaseerd op wat je geleerd hebt in de uitgebreide fase, Bouw meer variant tests en Itereer op wat gewerkt heeft. Heeft een meer conversationele toon in uw push notificatie geleid tot meer aanmeldingen? Kijk of die toon conversies in andere gebieden verhoogt. Vond je dat het toevoegen van een testimonial op de kassa pagina verhoogde aankopen? Test een aantal getuigenissen om te zien welke converteert de beste.
Build to spec
na de iterate fase, ziet u zinvolle resultaten en lessen die u kunt trekken uit uw tests. Pas ze toe op uw productontwerp., Enkele veelvoorkomende voorbeelden van A / B testen implementatielessen:
- gebruikers reageren eerder op angst voor verlies dan op het vooruitzicht op winst.
- Het verzenden van te veel pushmeldingen verhoogt het opt-outpercentage.
- Social proof verhoogt checkout conversies.
- gepersonaliseerde artikelaanbevelingen verhogen de tijd ter plaatse.
- minder formuliervelden verhogen conversies, maar niet noodzakelijk verkopen.,
A/B testvoorbeelden
Hier zijn enkele voorbeelden van A/B testen—case studies over de impact die een A/B testing framework kan hebben:
het verhuren platform goed&Co verhoogde gebruikersbetrokkenheid 27%
het goed&Co app maakt gebruik van quizzen om werkzoekenden te matchen met werkgevers, en het team wilde de onboarding flow verbeteren om gebruikers aan te moedigen om meer quizzen te nemen. Met Taplytics A / B-testen testte het team twee onboardingstromen en identificeerde het één die de betrokkenheid van gebruikers met meer dan een kwart—27 procent verhoogde.,
het sociale netwerk Houseparty verdubbelde zijn aantal nieuwe gebruikersvriendenverzoeken
met 20 miljoen actieve gebruikers zocht het team van Houseparty naar manieren om de impact van hun productupdates wetenschappelijk te testen. “We zouden wijzigingen aanbrengen, en zien dat sommige statistieken omhoog gaan en sommige omlaag gaan,” zegt Jeff Needles, Head of Business Operations and Analytics bij Houseparty. Het team implementeerde Taplytics A / B-testen om variabelen te isoleren en het leidde hen om productwijzigingen aan te brengen die het aantal eerste-dag vriendenverzoeken met 2x deden toenemen.,
Ticketdetailer TodayTix verhoogde de ticketverkoop met 9% met één experiment
het team van TodayTix vond dat gebruikers de Rush-en Loterijfuncties veel lager probeerden dan verwacht. “We merkten dat veel nieuwe klanten in de app zouden komen en geen aankopen zouden doen in hun eerste paar sessies na het downloaden”, zegt Pragya Saboo, Product Manager bij TodayTix. Pragya en het team gebruikt Taplytics A / B testen om twee nieuwe variaties van de onboarding flow te testen en ontdekte een die de omzet steeg 9 procent.,
meer factoren om te proberen in uw A/B-testplan
enkele extra A/B-testvoorbeelden:
- E-commerce A/B-testen: prijzen toevoegen of verbergen, productbeschrijvingen wijzigen, afbeeldingen testen, producten aanbevelen.
- Saas-gebruiker A / B-testen: selectief nieuwe functies uitrollen, testlandingspagina ‘ s, testherinneringsmails.
- publiceren van A / B-testen: opmerkingen toevoegen of verbergen, CTA ‘ s testen, paywall-kopie testen.
- Food service A / B testen: teststromen, testcontactsnelheden, vragen in de FAQ opnieuw rangschikken.,
- Consumer goods A / B testing: test checkout flow, test online store design.
- reizen A / B testen: Test pop-ups, test navigatie, personaliseer aanbiedingen, test verzekeringsgarantie.
- Onderwijs A / B-testen: aanmeldingen voor tests, plaatsing van de knop Wijzigen.