Какво е A/B тестване: как се прави и практически примери

Научете повече за A/B тестовете: от проучването на конверсията и приоритизацията на идеи до анализа на тестовете и управлението на архиви от експерти на Google, HubSpot и Shopify.

Независимо дали сте опитен предприемач или току-що стартирате, вероятно сте чели безброй статии и ресурси за A/B тестовете. Може би вече извършвате A/B тестове на заглавията на вашите имейли или публикациите ви в социалните медии.

Въпреки че много се говори за A/B тестовете в областта на маркетинга, много предприемачи се препъват в практиката. Какъв е резултатът? Важни бизнес решения се взимат на база неточни резултати от неправилно проведени тестове.

A/B тестовете често са прекалено опростени, особено в съдържанието, написано за собственици на магазини. По-нататък ще намерите всичко необходимо, за да започнете с различни видове A/B тестове за електронна търговия, обяснени възможно най-ясно и полезно. A/B тестовете могат да променят изцяло избора за правилното позициониране на продукта, да увеличат конверсиите на целевата страница и много повече.

Какво е A/B тестване?

A/B тестването, известно още като разделно тестване (split testing) или тестване на групи (bucket testing), е процесът по сравняване на две версии на една и съща уебстраница, имейл или друг цифров актив, за да се определи коя от версиите се представя по-добре въз основа на поведението на потребителите.

Това е полезен инструмент за подобряване на представянето на маркетингова кампания и по-добро разбиране на това какво може да доведе до конверсия от вашата целева аудитория. A/B тестването ви позволява да отговорите на важни бизнес въпроси, помага ви да генерирате повече приходи от трафика, с който вече разполагате, и поставя основите на маркетингова стратегия, базирана на данни.

Как работи A/B тестването

• Определете целта си. Определете целите си за A/B теста, като например повишаване на процента на конверсиите, процента на кликвания или общите продажби.
• Изберете елемента за тестване. Можете да тествате заглавия, изображения, теми на имейлите, призиви за действие (CTA), цени, оформления и др.
• Създайте варианти. Разработете две версии на елемента: Версия A, която е оригиналната (контролна) версия на вашия актив. Версия B – новата версия с промените, които искате да тествате, е известна като „вариант“. В контекста на маркетинга показвате на 50% от посетителите Версия A и на 50% от посетителите Версия B.
• Проведете теста. Изложете и двете групи на една и съща версия за предварително определен период от време. Например, ако тествате подканващия CTA бутон на началната страница на сайт за електронна търговия, може да проведете тестове в продължение на две седмици, за да постигнете статистически значими резултати.
• Съберете данни. Наблюдавайте и измервайте конверсиите, кликванията, нивата на ангажираност и продажбите на двете версии.
• Анализирайте резултатите. Сравнете представянето на Версия A спрямо Версия B, за да определите коя по-ефективно постига предвидената цел. Версията с най-високия процент на конверсия печели.
• Обявете победителя. Ако Версия B има най-високата конверсия, обявете нея за победител и насочете 100% от посетителите към нея. Тя става новата контролна версия и трябва да проектирате друг вариант за бъдещи тестове.

💡Имайте предвид: Процентът на конверсия при A/B тест често може да бъде несъвършен показател за успех.

Например, ако цената на един артикул е 50 евро на една страница и е напълно безплатен на другата, това няма да даде наистина ценна информация. Както с всеки инструмент или стратегия, които използвате за бизнеса си, това трябва да бъде направено стратегически.

Затова трябва да проследите стойността на конверсията до финалната продажба.

Кога да провеждате A/B тестове

Ако управлявате сайт с нисък трафик, уебприложение или мобилно приложение, A/B тестването вероятно не е най-добрият начин за оптимизация за вас. По-вероятно е да постигнете по-висока възвръщаемост на инвестициите (ROI) например чрез провеждане на потребителски тестове или разговори с вашите клиенти. Въпреки широко разпространеното мнение: оптимизацията на конверсионния процент не започва и не свършва с тестването.

Защо две до четири седмици? Не забравяйте, че трябва да проведете тестове в продължение на поне два пълни бизнес цикъла. Обикновено това отнема от две до четири седмици. Сега може би си мислите: „Няма проблем, ще проведа теста по-дълго от две до четири седмици, за да достигна необходимия размер на извадката.“ Това също няма да проработи.

Колкото по-дълго трае тестът, толкова по-податлив е той на външни заплахи за валидността и на замърсяване на представителната извадка. Например посетителите може да изтрият своите бисквитки и в крайна сметка да влязат отново в A/B теста като нови посетители. Или пък някой може да премине от мобилния си телефон към настолен компютър и да види алтернативния вариант.

В общи линии, ако тестът ви продължи прекалено дълго, резултатите може да бъдат изкривени, точно както и ако не продължи достатъчно дълго.

Тестването си заслужава инвестицията при магазини, които могат да достигнат необходимия размер на извадката за две до четири седмици. Магазините, които не могат да го направят, трябва да обмислят други форми на оптимизация, докато трафикът им не се увеличи.

Настройте процеса на A/B тестване

Приоритизирайте идеите за A/B тестове

Голям списък с примери за A/B тестове е вълнуващ, но не особено полезен, за да решите какво да тествате. От къде да започнете? Тук е важно приоритизирането.

Има няколко общи рамки за приоритизиране при A/B тестове, които можете да използвате:

• ICE. ICE означава Impact, Confidence, Ease (въздействие, увереност, леснота). Всеки от тези фактори получава оценка от 1 до 10. Например, ако можете лесно да проведете теста сами, без помощта на разработчик или дизайнер, можете да дадете оценка 8 за леснота. Тук използвате собствената си преценка и ако тестовете се провеждат от повече от един човек, оценките могат да станат прекалено субективни. Полезно е да имате набор от насоки, за да запазите обективността на всички.
• PIE. PIE означава Potential, Importance, Ease (потенциал, важност и леснота). И тук всеки фактор получава оценка от 1 до 10. Например, ако тестът ще достигне 90% от трафика ви, може да дадете оценка 8 за важност. PIE е също толкова субективна рамка, колкото и ICE, така че насоките могат да бъдат полезни и за тази рамка.
• PXL. PXL е рамката за приоритизиране от образователната платформа CXL. Тя е малко по-различна и по-адаптивна, като налага по-обективни решения. Вместо три фактора ще намерите въпроси с отговор „Да/Не“ и въпрос за леснотата на прилагането. Например рамката може да постави въпроса: „Тестът предназначен ли е да повишава мотивацията?“ Ако отговорът е „Да“, получава 1. Ако отговорът е „Не“, получава 0. Можете да научите повече за тази рамка и да изтеглите електронната таблица.
•  

Когато вече имате представа откъде да започнете, това може да ви помогне и да категоризирате идеите си. Например по време на проучването на конверсията можете да използвате три категории: внедряване, изследване и тестване.

• Внедряване. Просто го направете. Или нещо не работи, или е очевидно.
• Изследване. Изисква допълнително размишляване, за да се определи проблемът или да се намери решение.
• Тестване. Идеята е основателна и основана на данни. Тествайте я!

Заедно с тази категоризация и приоритизирането, ще сте готови да започнете A/B тестването.

Изгответе хипотеза

Преди да тествате каквото и да било, трябва да имате хипотеза. Например: „Ако намаля цената за доставка, процентите на конверсия ще се увеличат“.

Не се притеснявайте – формулирането на хипотеза в тази ситуация не е толкова сложно, колкото може да ви се струва. По принцип трябва да тествате хипотеза, а не идея. Хипотезата е измерима, има за цел да реши конкретен проблем, свързан с конверсията, и се фокусира върху аналитичната информация, а не върху това кой вариант печели.

Когато изготвяте хипотеза, е полезно да използвате формула, заета от комплекта за хипотези на Крейг Съливан:

• Защото виждате [вмъкни данни/обратна връзка от проучването]
• Очаквате, че [промяната, която тествате] ще доведе до [очаквания ефект]
• Измерете това с [метрика на данните]

Лесно, нали? Единственото, което трябва да направите, е да попълните празните места и идеята за A/B теста се трансформира в хипотеза.

Изберете инструмент за A/B тестване

Сега можете да започнете да избирате инструмент за A/B тестване или услуга за разделно тестване. В повечето случаи ще се сетите за Google Optimize, Optimizely и VWO на първо място. Всички те са добри и безопасни опции.

Ето още информация за тези популярни инструменти за A/B тестване:

• Google Optimize. Безплатен е, освен при някои ограничения за многовариантните анализи. Но това не би трябвало да ви засегне, ако тепърва стартирате. Работи добре при извършване на A/B тестове в Google Analytics, което е допълнителен плюс.
• Optimizely. Лесно се стартират малки тестове, дори без технически умения. Stats Engine улеснява анализа на резултатите от тестовете. Обикновено Optimizely е най-скъпият вариант от трите.
• VWO. VWO разполага със SmartStats, за да улесни анализа. Освен това има страхотен WYSIWYG редактор за начинаещи. Всеки план на VWO включва топлинни карти, анкети на сайта, анализ на формуляри и др.

В Shopify App Store има инструменти за A/B тестване, които може да намерите за полезни.

След като сте избрали инструмент за A/B тестване или софтуер за разделно тестване, попълнете формуляра за регистрация и следвайте предоставените инструкции. Процесът е различен за всеки инструмент. Обикновено обаче ще бъде поискано да инсталирате фрагмент от код на вашия сайт и да зададете цели.

Решете как да анализирате резултатите

Ако формулирате хипотезата си правилно, дори и губещият вариант печели, защото ще получите информация, която можете да използвате за бъдещи тестове и в други области на вашия бизнес. Затова, когато анализирате резултатите от теста, трябва да се съсредоточите върху информацията, а не върху това дали тестът печели или губи. Винаги има какво да се научи, винаги има какво да се анализира. Не пренебрегвайте загубилите варианти!

Най-важното нещо, което трябва да се отбележи тук, е необходимостта от сегментация. Тестваният вариант може да е загубил, но вероятно се е представял добре поне в един сегмент на аудиторията.

Ето няколко примера за сегменти на аудиторията:

• Нови посетители
• Връщащи се посетители
• Посетители от iOS
• Посетители от Android
• Посетители от Chrome
• Посетители от Safari
• Посетители от настолни компютри
• Посетители от таблети
• Посетители от органично търсене
• Платени посетители
• Посетители от социални медии
• Купувачи, които са влезли в профила си

Схващате идеята, нали?

Вероятно хипотезата се е потвърдила сред определени сегменти. Това също ви казва нещо.

Анализът е много повече от това дали тестовият варинт е спечелил или загубил. Сегментирайте данните си, за да откриете скрита информация под повърхността.

Софтуерът за A/B тестване няма да направи този анализ за вас, така че това е важно умение, което трябва да развиете с времето.

Архивирайте резултатите от тестовете си

Да кажем, че утре провеждате първия си тест. Две години след утре, ще помните ли детайлите на този тест? Най-вероятно не.

Затова архивирането на резултатите от A/B тестването е важно. Без добре поддържан архив, всичката тази аналитична информация, която получавате, ще бъде загубена. Освен това е много лесно да се окаже, че тествате едно и също нещо два пъти, ако не архивирате.

Няма „правилен“ начин да го направите. Може да използвате инструмент, като Effective Experiments, или да използвате обикновена електронна таблица. Всичко зависи от вас, особено когато тепърва стартирате.

Какъвто и инструмент да използвате, се уверете, че следите:

• Тестваната хипотеза
• Записите на контролната версия и варианта
• Дали е спечелила или загубила
• Получените данни от анализа

С разрастване на бизнеса си ще си благодарите, че сте запазили този архив. Той ще бъде от полза не само за вас, но и за новите служители и консултанти/заинтересовани страни.

Примери за A/B тестване

Технически анализ

Вашият магазин зарежда ли се правилно и бързо на всеки браузър? На всяко устройство? Може би имате лъскав нов смартфон, но някъде някой все още използва сгъваем телефон от 2005 г. Ако вашият сайт не работи правилно и бързо, той определено няма да има толкова добра конверсия, колкото би могъл да има.

Анкети на сайта

Те се появяват, докато посетителите на вашия магазин разглеждат сайта. Например: анкета на сайта може да попита посетителите, които са прекарали известно време на една и съща страница, дали има нещо, което ги спира да направят покупка днес. Ако да, какво е то? Можете да използвате тези качествени данни, за да подобрите текста си и процента на конверсия.

Интервюта с клиенти

Нищо не може да замести разговора по телефона с вашите клиенти. Защо са избрали вашия магазин пред конкуренцията? Какъв проблем са се опитвали да решат, когато са посетили вашия сайт? Има милион въпроси, които можете да зададете, за да разберете кои са вашите клиенти и защо наистина купуват от вас.

Анкети за клиенти

Анкетите за клиенти са цялостни анкети, които се изпращат на хора, които вече са направили покупка (за разлика от посетителите). При изготвянето на анкета за клиенти е добре да се съсредоточите върху това: да определите кои са вашите клиенти; да определите техните проблеми; да определите колебанията, които са имали преди покупката; и да идентифицирате думите и изразите, които използват, за да описват вашия магазин.

Анализ на аналитики

Вашите инструменти за аналитика следят и отчитат ли данните ви правилно? Може да ви звучи глупаво, но ще се изненадате колко много инструменти за аналитика не са конфигурирани правилно. Анализът на аналитиките се състои в това да разберете поведението на вашите потребители. Можете например да се съсредоточите върху „фунията“: къде са най-големите пропуски във фунията ви, която води до конверсия? С други думи, къде повечето хора отпадат от фунията ви? Това е добра отправна точка за започване на тестовете.

Потребителски тестове

Тук наблюдавате как реални хора в платен, контролиран експеримент се опитват да изпълнят задачи на вашия сайт. Можете например да им зададете задача да намерят видеоигра на цена между 40 и 60 евро и да я добавят в кошницата си. Докато изпълняват тези задачи, те описват на глас своите мисли и действия.

Повторения на сесии

Повторенията на сесиите са подобни на потребителските тестове, но сега имате работа с реални хора с реални пари и реално намерение да купуват. Наблюдавате как реалните посетители навигират в сайта ви. Какво им е трудно да намерят? Къде се разочароват? Къде изглеждат объркани?

Има и други видове проучвания, но започнете с избора на най-подходящия за вас метод за A/B тестване. Ако изпробвате някои от тях, ще получите огромен списък с идеи, базирани на данни, които си струва да бъдат тествани. 

Процесите за A/B тестване на професионалистите

Сега, след като преминахте през стандартно ръководство за A/B тестване, нека разгледаме точните процеси на професионалистите.

Криста Сейдън, KS Digital

Моят поетапен процес за A/B тестване на уебсайтове и приложения започва с анализ – според мен това е в основата на всяка добра програма за тестване. На етап анализ целта е да се проучат вашите аналитични данни, данни от проучвания или UX данни, или пък други източници на информация за клиентите, за да разберете къде са възможностите за оптимизация.

След като имате добър набор от идеи от етапа на анализ, можете да преминете към хипотезите за това какво може да не е наред и как бихте могли да поправите или подобрите тези области за оптимизация.

Следващата стъпка е да създадете и проведете тестовете си. Уверете се, че ги провеждате за подходящ период от време (аз по подразбиране избирам две седмици, за да се уверя, че отчитам промените или аномалиите от седмица на седмица) и когато имате достатъчно данни, анализирайте резултатите си, за да определите кой е печелившия вариант.

Също така е важно да отделите време на този етап, за да анализирате и губещите варианти – какво можете да научите от тях?

Накрая (а до този етап може да стигнете едва след като сте отделили време за подготовката на солидна програма за оптимизация) е време да се замислите за персонализацията. За това не е необходимо да разполагате с луксозен набор от инструменти. По-скоро се възползвайте от данните, които имате за вашите потребители.

Персонализацията в маркетинга може да бъде толкова лесна, колкото насочването на подходящото съдържание към подходящите места, или толкова сложна, колкото насочването въз основа на индивидуалните действия на потребителите. Не се впускайте веднага в това да персонализирате. Уверете се, че сте отделили достатъчно време, за да усвоите добре основите.

Алекс Биркет, Omniscient Digital

На високо ниво се опитвам да следвам този процес:

• Събиране на данни и уверяване, че имплементациите на аналитиките са точни.
• Анализ на данните и намиране на аналитична информация.
• Превръщане на аналитичната информация в хипотези.
• Приоритизиране въз основа на въздействието и леснотата и максимално разпределение на ресурсите (особено техническите ресурси).
• Провеждане на тест (следвайки най-добрите практики в статистиката, доколкото знам и мога).
• Анализ на резултатите и внедряване или не в зависимост от резултатите.
• Итерация въз основа на констатациите и повтаряне.

По-просто казано: проучвайте, тествайте, анализирайте, повтаряйте.

Въпреки че този процес може да се отклони или промени в зависимост от контекста (Дали тествам функция на продукт, която е от критично значение за бизнеса? CTA в блог публикация? Какъв е рисковият профил и балансът между иновациите и намаляването на риска?), той е приложим за компании от всякакъв размер и тип.

Важното е, че този процес е гъвкав, но също така събира достатъчно данни, както качествени данни за обратна връзка от клиенти, така и количествени анализи. Така може да се измислят по-добри идеи за тестове и да се приоритизират по-добре, за да можете да привлечете трафик към вашия онлайн магазин.

Тон Веслинг, Online Dialogue

Първият въпрос, на който винаги отговаряме, когато искаме да оптимизираме пътешествието на клиента, е: Къде се вписва този продукт или услуга в модела ROAR, който създадохме в Online Dialogue? Все още ли сте в рисковата фаза, в която можем да направим много проучвания, но не можем да потвърдим своите заключения чрез онлайн експерименти с A/B тестове (под 1000 конверсии на месец), или сте във фазата на оптимизация? Или дори по-нагоре?

• Рискова фаза: Много проучвания, които ще бъдат превърнати във какво ли не – от промяна на бизнес модела до изцяло нов дизайн и предложение за стойност.
• Оптимизационна фаза: Мащабни експерименти, които ще оптимизират предложението за стойност и бизнес модела, както и малки експерименти за потвърждаване на хипотезите за поведението на потребителите, които ще натрупат информация за по-големи промени в дизайна.
• Автоматизация: Все още разполагате с експериментален капацитет (посетители), което означава, че не е необходимо да използвате пълния си тестов потенциал, за да потвърдите потребителското пътешествие. Останалият капацитет трябва да се използва, за да се постигне по-бърз растеж сега (без да се фокусирате върху дългосрочна информация). Това може да се автоматизира чрез използване на алгоритми.
• Преразглеждане: Спирате да добавяте много проучвания, освен ако не е промяна към нещо ново.

Така че A/B тестването на уебсайтове или приложения е важно само в оптимизационната фаза на ROAR и отвъд (до преразглеждане).

Нашият подход към провеждането на експерименти е моделът FACT & ACT:

Проучването, което правим, се основава на нашия модел 5V:

Събираме цялата тази аналитична информация, за да изведем основна хипотеза, подкрепена с проучвания, която ще доведе до подхипотези, които ще бъдат подредени по приоритет въз основа на данните, събрани чрез A/B тестове на настолни или мобилни устройства. Колкото по-голяма е вероятността хипотезата да е вярна, толкова по-високо ще бъде нейното място в класацията.

След като разберем дали хипотезата ни е вярна или не, можем да започнем да комбинираме наученото и да предприемаме по-големи стъпки, като препроектираме/пренареждаме по-големи части от пътешествието на клиента. В даден момент обаче всички успешни имплементации ще доведат до локален максимум. Тогава трябва да предприемете по-голяма стъпка, за да можете да достигнете потенциален глобален максимум.

И, разбира се, основните изводи ще бъдат разпространени в цялата компания, което ще доведе до всякакви видове по-широка оптимизация и иновации, базирани на вашата проверена аналитична информация.

Провеждате ли маркетинг сред международна аудитория? Научете как да улесните този процес с псевдолокализация.

Юлия Старостенко, Pinterest

Целта на експеримента е да се потвърди, че промените в съществуваща уебстраница ще имат положително въздействие върху бизнеса.

Преди да започнете, е важно да определите дали провеждането на експеримент е наистина необходимо. Разгледайте следния сценарий: Има бутон с изключително нисък процент на кликване. Би било почти невъзможно да се намали ефективността на този бутон. Поради това не е необходимо да се проверява ефективността на предложената промяна на бутона (т.е. да се провежда експеримент).

По същия начин, ако предложената промяна на бутона е малка, вероятно не си струва да се губи време за подготовка, изпълнение и прекратяване на експеримент. В този случай промените трябва просто да бъдат въведени за всички и да се наблюдава ефективността на бутона.

Ако се установи, че провеждането на експеримент би било действително полезно, следващата стъпка е да се определят бизнес метриките, които трябва да бъдат подобрени (например, увеличаване на процента на конверсия на даден бутон). След това трябва да се уверим, че е осигурено подходящо събиране на данни.

След като това бъде направено, аудиторията се разпределя на случаен принцип в две групи: на едната група се показва съществуващата версия на бутона, а на другата – новата версия. Процентът на конверсия на всяка аудитория се наблюдава и след като се достигне статистическа значимост, се определят резултатите от експеримента.

Пеп Лая, CXL

A/B тестването е част от по-голямата картина за оптимизация на конверсията. Според мен 80% от него се отнася до проучването и само 20% до тестването. Проучването на конверсията ще ви помогне да определите какво да тествате в началото.

Процесът ми обикновено изглежда така (опростено резюме):

1. Проведете проучване на конверсията с помощта на рамка като ResearchXL, за да откриете проблеми в сайта си.
2. Изберете проблем с висок приоритет (който засяга голяма част от потребителите и е сериозен) и обсъдете колкото се може повече решения на този проблем. Информирайте се в процеса на генериране на идеи с помощта на аналитична информация от проучването на конверсията. Определете устройството, на което искате да проведете теста (A/B тестове за мобилни устройства трябва да се провеждат отделно от тези за настолни компютри).
3. Определете колко варианта можете да тествате (въз основа на нивото на трафика/трансакциите) и след това изберете най-добрите една или две идеи за решение, които да тествате спрямо контролния вариант.
4. Изгответе точен план за действие (напишете текста, направете промените в дизайна и т.н.). В зависимост от обхвата на промените може да се наложи да включите и дизайнер, който да проектира нови елементи.
5. Помолете вашия фронтенд разработчик да имплементира процедурите във вашия инструмент за тестване. Настройте необходимите интеграции (Google Analytics) и задайте подходящи цели.
6. Извършете проверка на качеството (QA) на теста (неработещите тестове са най-големият унищожител на A/B тестовете), за да се уверите, че той работи с всяка комбинация от браузър/устройство.
7. Стартирайте теста!
8. След като тестът приключи, проведете анализ след теста.
9. В зависимост от резултата: внедрете спечелилия вариант, повторете процедурите или опитайте нещо друго.

Чести грешки при A/B тестването

Тестване на твърде много променливи едновременно

Когато сравнявате две променливи наведнъж, може да не успеете да определите коя промяна е предизвикала ефекта.

Да кажем, че искате да оптимизирате целевата страница. Вместо просто да тествате заглавие, вие например тествате:

• Текста на призива за действие
• Цвета на CTA бутона с призив за действие
• Изображенията в горния колонтитул
• Заглавията

Процентите на конверсия се повишават, но не можете да определите коя промяна е отговорна за това. Ако тествате по една променлива наведнъж, можете да изолирате въздействието на всяка промяна и да получите по-точни резултати.

💡Имайте предвид: Многовариантното тестване е опция, ако искате да разберете как взаимодействат помежду си няколко променливи. Но за да проведете многовариантно тестване, се нуждаете от по-голям трафик и вече добре оптимизирана страница, върху която да направите постепенни подобрения. Процесът е много по-сложен от провеждането на A/B тест.

Недостатъчен размер на извадката

Надеждността на резултатите от A/B теста зависи от размера на използваната представителна извадка. Малките извадки могат да доведат до фалшиви положителни и отрицателни резултати, което затруднява заключението дали разликите са резултат от промените, които сте направили, или са случайни.

Представете си, че тествате две версии на продуктова страница, за да видите коя от тях води до по-високи проценти на покупки. Разделяте трафика, но в крайна сметка получавате само 100 посетители на Версия A и 100 посетители на Версия B.

Ако Версия A има 6% процент на конверсия, а Версия B има 5% процент на конверсия, може да си помислите, че Версия A е по-добра. Но с едва 100 посетители на версия, това не е статистически значимо. Възможно е, ако тествате с повече посетители, резултатите да са различни.

Най-добрият начин да определите подходящия размер на представителната извадка е с калкулатора за размер на извадката.

Кратки продължителности на тестовете

Проведете A/B теста си за поне един, а в идеалния случай за два пълни бизнес цикъла. Не спирайте теста само защото сте достигнали значимост. Трябва също да спазите предварително определения размер на извадката. Накрая, не забравяйте да провеждате всички тестове на седмични интервали.

Защо два пълни бизнес цикъла? Първо, два цикъла помагат да бъдат отчетени:

1. Купувачите, които „трябва да помислят“.
2. Различни източници на трафик (Facebook, имейл бюлетин, органично търсене и т.н.)
3. Аномалии. Например имейл бюлетин в петък.

Два бизнес цикъла обикновено са достатъчно време, за да получите ценна аналитична информация за поведението на потребителите на вашата целева аудитория.

Ако сте използвали какъвто и да било инструмент за A/B тестване на целеви страници, вероятно сте запознати с малката зелена иконка „Статистически значимо“.

За много хора, за съжаление, това е универсалният знак за „тестът е готов, приключи“. Както ще научите по-долу, само защото е достигната статистическа значимост при A/B теста, това не означава, че трябва да спрете теста.

Пренебрегване на сегментацията на потребителите

Ако не вземете предвид различните сегменти потребители, ще получите обобщени резултати, които може да не важат за всички.

Полезно е да сегментирате потребителите по демографски характеристики, поведение или други подходящи фактори. Това, което работи за новите потребители, може да не работи за редовните потребители. Ако не сегментирате, ще отблъснете ключови групи потребители и ще застрашите надеждността на теста си.

Оптимизирайте A/B тестването за вашия бизнес

Имате процеса, имате силата! Затова, излезте навън, вземете най-добрия софтуер за A/B тестване и започнете да тествате магазина си. Преди да се усетите, тази аналитична информация ще ви донесе повече пари.

Ако искате да продължите да се обучавате в областта на оптимизацията, помислете дали да не се запишете за безплатен курс, като например A/B тестване от Google в  Udacity. Можете да научите повече за A/B тестването на уебсайтове и мобилни приложения, за да подобрите уменията си в областта на оптимизацията.