Testy A/B – jakie mają znaczenie i na co zwrócić uwagę?
Testy A/B
Wykonywanie testów A/B jest skutecznym sposobem na sprawdzenie, co ogranicza konwersję na Twojej stronie. To twarde dane, które pozwalają na dobranie najskuteczniejszej strategii, pozwalającej generować więcej leadów i uzyskiwać pożądane reakcje użytkowników Twojego serwisu lub aplikacji.
Jest to metoda skuteczna, wszechstronnie przetestowana, stosowana przez największych graczy na rynku. Warto jednak mieć na uwadze, że nieprawidłowe korzystanie z niej nie przynosi korzyści, a wręcz odwrotnie – może mocno zaburzyć naszą strategię rozwoju usługi.
Dlatego z tego artykułu dowiesz się czym testy A/B są, jakie narzędzia badawcze obrać w trakcie ich wykonywania, jak prawidłowo analizować zebrane dane, a także co może zaburzać skuteczność pomiaru.
Testy A/B – jakie mają znaczenie?
Każdy siłą rzeczy musiał spotkać się z przebudową interfejsu na popularnym serwisie społecznościowym, czy w aplikacji stanowiącej codzienne wsparcie w naszym życiu. Serwis, dla którego liczy się aktywność użytkowników – czy to klikanie reklam, czy zamawianie usługi, czy generowanie wyświetleń, powinien wdrożyć testy A/B do stałej strategii marketingowej. Skuteczne rozwijanie usługi poprzez testowanie różnych elementów i treści pozwala na osiągnięcie ogromnych wzrostów konwersji.
Niejednokrotnie testy A/B dotyczą bardzo kluczowych elementów strony, które mają bezpośrednie przełożenie na zachowanie użytkownika. Odpowiednie wdrożenie testów A/B w długim wymiarze czasowym ma prowadzić do generowania coraz to większej konwersji i weryfikacji hipotez związanych z ewaluacją strony, na której prezentowane są treści.
Testy A/B dostarczają suchych danych i pozwalają lepiej wniknąć w przegląd statystyczny naszych odbiorców. Mogą one dostarczyć znacznie więcej danych niż to, jakie elementy treści serwisu powinniśmy zmienić, a jakie zachować.
Testy A/B wykonywać należy systematycznie. Największe serwisy na rynku podejmują wiele starań, by maksymalnie zoptymalizować interfejs użytkownika w celu generowania większej konwersji, a także innych pożądanych aktywności. Co więcej, systematyczne testowanie pozwala na skuteczniejszą ewaluację i badanie większej ilości zmiennych (w jednym czasie możemy badać bardzo ograniczoną ich ilość).
Co test A/B ma badać i jak go wykonać?
Zasadniczo test A/B bada różnicę pomiędzy dotychczasowym współczynnikiem konwersji a potencjalnym współczynnikiem konwersji w alternatywnym interfejsie. Jeśli więc obserwujemy, że dane rozwiązanie generuje skrajnie wyższą konwersję (np. zmiana przycisku „kup” z zielonego na czerwony) np. o 20%, powinniśmy być na dobrym tropie do wdrożenia bardziej skutecznego interfejsu. Prawda?
Niekoniecznie – poza tym, że badamy dosyć podstawowe wartości, musimy przeprowadzić procedurę badawczą w zgodzie z metodologią statystyczną. Na początku musimy postawić sobie pewne hipotezy, potem dokonać doboru grupy badanej, przeprowadzić badanie, a na sam koniec możemy przeanalizować rezultaty.
Jeśli chodzi o to, co badamy w ramach testów A/B, może to być praktycznie wszystko. Od tego, czy pod produktem jest 10-punktowa skala ocen, czy 5-punktowa, czy cena wynosi 99,99 złotych, czy 98,99 złotych, czy dostawa jest za darmo, czy np. rezerwacja 15-minut podczas zakupu biletu w kinie przełoży się na wyższy współczynnik konwersji, opis produktu, czy inne elementy interfejsu. Każda treść może być przetestowana za pomocą testu A/B, lecz nie każda powinna – dlatego postawmy sobie najpierw skuteczne hipotezy.
Warto wiedzieć: W trakcie wykonywania testu A/B, konieczne jest postawienie sobie odpowiednich Hipotez, zebranie odpowiedniej grupy badanej, skuteczne przeprowadzenie badania dostępnymi narzędziami (np. Google Analytics) i analiza danych zebranych w trakcie badania.
Hipotezy
Hipotezy w teście A/B przyjmują najczęściej formę zapytania, które rozwiązanie będzie generowało bardziej pożądany efekt. Warto przy ich dobieraniu skupić się na „zresetowaniu” naszych przekonań i podejściu do tematu bez z góry ustalonych założeń. Hipoteza może dotyczyć takiego elementu strony, który może mieć znaczenie dla konwersji, a my możemy nie mieć tego świadomości. Nie ma sensu z góry skreślać jakiegoś założenia.
Jednak nie znaczy to, że mamy bazować na domysłach. Należy przeprowadzić analizę heurystyczną – być może ze wsparciem odpowiedniej firmy zajmującej się optymalizacją konwersji, która wskaże nam, gdzie możemy mieć do czynienia z potencjalnymi „blokadami” dla użytkowników.
Przy zastanowieniu się nad tym, co może generować problemy we własnym zakresie, trzeba uwzględniać to, jak użytkownik postrzega nasz serwis (czy jest to coś, czego szuka i czy budzi zaufanie), jego przejrzystość, a także prostotę w użytkowaniu.
Kiedy ustalimy, co potencjalnie może stać na przeszkodzie w generowaniu większej konwersji na naszej stronie, musimy skupić się na ujęciu tego w hipotezę – np. nagłówki naszych podstron są mylące dla użytkowników wyszukiwarki, dlatego wchodząc na naszą stronę, wychodzą z niej, gdyż nie znajdują na niej tego, co ich interesuje. Po obraniu hipotez musimy przejść do doboru odpowiednich narzędzi.
Dobór odpowiednich narzędzi testowych
Zanim przejdziemy do przeprowadzenia testu A/B konieczne jest określenie grupy badanej. Wiemy wstępnie, że będą to użytkownicy naszego serwisu. Pojawia się jednak bardzo trudne pytanie – ilu ich ma być. Zależy to przede wszystkim od tego, jaką istotność statystyczną chcemy uzyskać (im większa, tym większa szansa, że wyniki są prawdziwe, a nie są rezultatem przypadku, jednak nigdy nie wyniesie ona 100%). Istotność statystyczna w testach tego typu może być różna – większość ekspertów zaleca 95% i wyższą. Jednak w takiej sytuacji, gdy zależy nam na wykrywaniu niewielkich zmian na poziomie 5% (przy minimalnej wykrywalności 20%), musielibyśmy przebadać prawie 7 000 osób na jeden warunek.
Nie zawsze jest to możliwe. Zresztą wartości konwersji na poziomie poniżej kilku procent najczęściej są obiektem zainteresowania naprawdę dużych serwisów, które mogą sobie pozwolić na przeprowadzenie testów A/B na ogromnej grupie, nawet kilkudziesięciu, czy kilkuset tysięcy użytkowników. Co więc należy w takiej sytuacji zrobić?
Sprawdź najszybszy na rynku hosting WordPress oraz hosting Ecommerce.
Możliwe jest bazowanie na istotności mniejszej niż 95%, w sytuacji, gdy nie możemy sobie pozwolić na przebadanie dużej grupy. Wówczas możemy poszukiwać istotności na poziomie powyżej 80%. Jednak dokładność tego typu badań jest niższa – wówczas podczas analizy wniosków powinniśmy zwrócić szczególną uwagę na to, czy nasze hipotezy są prawdziwe, poza rzeczywistością statystyczną, by zredukować czynniki ryzyka.
Dobór grupy badanej zależy więc przede wszystkim od tego, jakie zmiany w konwersji chcemy obserwować – im są one mniejsze (np. rzędu poniżej 5%), tym większa grupa badawcza jest nam potrzebna. Przy bardzo dużych zmianach konwersji (np. rzędu powyżej 20%) grupa badawcza może być stosunkowo mała. By przeliczyć, ile osób potrzebujemy, warto obliczyć grupę badaną za pomocą popularnych narzędzi statystycznych – np. kalkulatorów grupy badanej w testach A/B.
Przeprowadzenie testu A/B
By przeprowadzić testy A/B należy bazować na dwóch wariantach treści – jeden to ten dotychczasowy (stanowiący obiekt porównawczy), drugi to alternatywny. Przy przeprowadzaniu testu A/B chodzi o to, by obydwa warianty wyświetlały się użytkownikom w możliwie takich samych warunkach. Warto pamiętać, że istnieje naprawdę wiele zmiennych, które mogą mieć wpływ na ich jakość, dlatego należy zawsze starać się o to, by testy przeprowadzone były w odpowiedniej porze dnia i skierowane były do odpowiedniej grupy badanej.
Przeprowadzanie testu A/B może odbywać się z wykorzystaniem podstawowych narzędzi do analizy statystycznej naszego serwisu – np. Google Analytics ze wsparciem usługi Google Optimize. Jeśli chodzi zaś o testy A/B w obszarze popularnych serwisów społecznościowych – np. na Facebooku, przeważnie mamy tam dostęp do odpowiednich narzędzi w ramach ustawień kampanii.
Analiza wyników
Analiza wyników w teście A/B nie należy do trudnych zadań. Jest to procedura, podczas której zestawiamy dane z testów i zastanawiamy się, czy osiągnęliśmy założone rezultaty. Może tu dochodzić do pewnych nieścisłości – te warto szczególnie poddawać pod analizę – np. widzimy zmianę w zachowaniu użytkowników, lecz nie jest to jeszcze docelowa zmiana pożądana. W trakcie analizy wyników przyglądamy się temu, co zadziałało, co nie zadziałało, które założenia z hipotez faktycznie się potwierdziły, a które nie. To także okres zastanawiania się nad tym, jak wykonać kolejne testy, by kontynuować nasze badania.
Warto wiedzieć: Rzetelnie przeanalizuj dane, które dostarczyły testy A/B. Dzięki temu będziesz w stanie obrać skuteczną strategię na przyszłość.
Test A/B – na co jeszcze zwrócić uwagę?
Wbrew pozorom rezultaty testów A/B wcale nie obligują nas do zmiany. Po wykonaniu testów należy postawić sobie wiele pytań na temat tego, dlaczego coś działa tak, a nie inaczej. Podstawowe analizy np. z Google Analytics są w stanie dostarczyć nam ogromnej ilości danych na temat tego, co kryje się za tymi zmianami – np. wśród jakiej grupy użytkowników konwersja wzrosła najbardziej, a w której najmniej, czy wpływ na konwersję mogły mieć inne czynniki, etc.
Wstępna analiza to pierwszy krok, kolejnym powinno być przygotowanie wszechstronnego przeglądu rezultatów testów A/B i wdrożenie długoterminowej (ciągle rozwijającej się) strategii testowania kolejnych aspektów naszego serwisu lub strony na portalu społecznościowej, czy też aplikacji.
Ciągłe testowanie interfejsu nie jest niczym zaskakującym – nie spowoduje to odpływu użytkowników (chyba że wzbudzi to nadmierne ich podejrzenia – przy bardziej zaawansowanych testach interfejsu często dostępna jest wtyczka o brzmieniu w stylu: „powrót do poprzedniej wersji serwisu”).
Przy testowaniu A/B należy bezwzględnie kierować się wykonaniem całej procedury testowej (przebadana ma być cała grupa badana), a w trakcie procedury nie należy testować kilku elementów. Wówczas nie wiemy tak naprawdę, co przełożyło się na zmianę konwersji – element B, C, D, czy przykładowo ich interakcja ze sobą?
Jednocześnie niektóre serwisy wdrażają testy A/B, kiedy nie ma takiej konieczności – musimy dać sobie także czas na ewaluację i dostosowanie się do wyników, a także wytyczanie dalszej strategii. Testowanie per se w założeniu nie powinno być rozwojem, a jedynie gromadzeniem danych do dalszego rozwoju.
Podsumowanie
Testy A/B to zbieranie danych na temat dwóch różnych elementów interfejsu strony, aplikacji, e-sklepu, czy usługi (np. zielonego przycisku z napisem „kup” versus czerwonego przycisku z napisem „kup”), albo fizycznego ich odpowiednika – np. ulotki. Mają one dostarczyć danych na temat tego, które rozwiązanie generuje większą wartość dodaną dla naszego przedsięwzięcia. Przy ich projektowaniu należy uwzględnić jedynie dwa czynniki, które będziemy ze sobą porównywać. Po przeprowadzeniu testów należy dokonać analizy zebranych w ten sposób danych i obrać taką strategię, która generowała do tej pory największą konwersję.
Jednocześnie warto mieć na uwadze, że same testy A/B nie należą do skomplikowanych badań o zawiłej metodyce – może je wykonać każdy, a przeanalizowanie rezultatów jest dosyć proste. Każda osoba o podstawowym doświadczeniu w analizie statystycznej, bądź zacięciu i woli szybkiego nauczenia się paru podstawowych zagadnień z tym związanych, będzie w stanie opanować metody ich przeprowadzania.
Testy A/B nie wymagają wynajmowania specjalistów trudniących się UX, czy psychologią marketingu, choć ich wiedza może okazać się bardzo korzystna z perspektywy wytyczania strategii dla testów i obieraniu odpowiednich zmiennych. Taki ekspert będzie wiedział, które rozwiązania z góry skreślić, jako niemające zakorzenienia w procesie percepcyjnym człowieka.
Choć doświadczenie pokazuje, że niekiedy decyzje użytkowników mogą być zaskakujące nawet dla wszechstronnie wykształconego specjalisty. Dlatego testy są dobrą praktyką nawet w sytuacji, kiedy odbyliśmy setki kursów i mamy ogromne doświadczenie.
Odbieramy telefony, odpisujemy na maile, nie ukrywamy kosztów, a dodatkowo oferujemy najszybsze pakiety hostingowe na rynku. Uważasz, że to zwroty marketingowe? Sprawdź sam/a!
Jeśli nie będziesz zadowolony/a, zwrócimy Ci pieniądze.
Twoje strony i sklepy przeniesiemy za darmo!
Jeżeli masz jakiekolwiek pytania, skontaktuj się z nami! Kliknij tutaj.
Chcesz dowiedzieć się o nas trochę więcej? Przejdź na stronę JCHost.pl.