A / B-testene, eller også kalt A / B-analyser, er mye brukte tester, spesielt i markedsføringsverdenen la oss lage det mest riktige alternativet mellom to eller flere alternativer. Fra sammenligningsdata mellom de forskjellige alternativene, lar de oss empirisk vite hvilket eller hvilket produkt som er det mest passende. De er også mye brukt i webdesign, for eksempel fordi de hjelper til med å ta beslutninger om arrangementet av de forskjellige elementene. På denne måten kan vi sikre at den endelige finishen på det som er referert til, er den som tilpasser seg et større antall brukere og / eller klienter.
La oss virkelig se hva det handler om og hvordan de fungerer. Og hvilke parametere som er mest hensiktsmessige å vurdere for å sikre at A / B-testen er så vellykket som mulig.
Hva er en A / B-test?
En A / B-test er en atferdsanalyse som trekker ut resultatene fra å presentere de forskjellige alternativene for virkelige brukere. Hensikten er å bestemme hvilket alternativ som har fungert best og er det mest ideelle. For å gjøre dette presenteres ett eller flere alternativer, med "små" endringer mellom de to, og det blir gjort en sammenligning som man har kommet nærmest vårt mål. Enten for informasjonsformål, for verdsettelsesformål, for å søke høyere fortjeneste eller for den underliggende naturen til vårt formål.
Eksempel 1: Vi har et nettsted og vi vil plassere en "call to action-knapp", men vi vet ikke hvilken plassering som er bedre. Ettersom vårt kriterium er subjektivt (ikke empirisk), presenterer vi for eksempel 3 forslag. I en av dem plasserer vi den i en sone A, en annen i en sone B og en annen i en annen sone som vi vil kalle C. Vi sender publikasjonen / artikkelen eller presenterer den i dens 3 forskjellige former, for å innhente data på ca. 12.000 3 brukere, delt inn i 4.000 grupper på 3 personer. Etter det vil vi kunne vite hvilken av de tre måtene som har vært mest effektive. Og det er den vi ender opp med å velge.
Eksempel 2: A / B-testen kan utvides eller reduseres så mye vi vil, så la oss forestille oss at vi kan forbedre det forrige eksemplet. Vi har plasseringen der vi skal plassere "oppfordringen til handling." Men det viser seg at vi har to potensielle modeller, og vi er usikre på hvilken som vil være mer attraktiv. Igjen kan vi presentere alternativ A og alternativ B for et jevnt antall personer. Etter å ha sett hvilken som har oppnådd størst innvirkning, vil vi velge det alternativet.
Årsaker til å gjøre en A / B-analyse
- Forbedre utformingen av nettstedet ditt: Disse konklusjonene kan trekkes fra Google Analytics. Om hvilke nettsteder brukere pleier å besøke mest, fra sideoppsett, menyer osv. Veldig nyttig hvis du trenger å velge et forhåndsdefinert tema eller design og du ikke vet hvilken du skal velge.
- Nettoptimalisering: I tråd med eksemplene i forrige avsnitt. Det lar oss bestemme hvilket banner, design, sted eller farger som er mer ideelt og oppnår større suksess. I disse tilfellene tillater Adsense at disse testene kan utføres veldig enkelt.
- Øk lønnsomheten: Å bestemme hva som er mest effektivt vil gi deg bedre fordeler. Fra nettkonvertering til markedsføring av et produkt eller reklamebannere.
- Ikke bli gal: Og det er at noen ganger, selv for markedsførerne selv, er det veldig vanskelig å hoppe i tomrommet uten å ha kontrast til en idé. Ikke å måtte gå bort for å prøve å gjette hvilken linje som er best, vil hjelpe deg å fortsette med hver idé du har på et fast og sikkert trinn. Unngå frustrasjonen over å miste deg selv uten å vite hvorfor resultatene ikke forbedres.
- Gjør virkelig effektiv annonsering: Hvilken type reklame vil være mest effektiv? Hvor skal jeg gjøre det og med hvilke midler? En A / B-test hjelper deg med å velge hvilken som passer best for deg. I tillegg kan du stole på Adwords-data for å finne ut hvilken nettkampanje som kan være den mest effektive for deg.
- Oppdag, definer publikum og behold det: Hver person velger et merke av visse grunner, og å vite hva de forventer av det vil hjelpe deg med å ta de beste beslutningene. På denne måten minimeres risikoen for å "spore av" med innholdet du vil vise. Dine egne brukere vil være de som foretrekker deg gjennom A / B-testen, og følgelig vil du kunne fortsette å tilby de som fikk dem til å komme nærmere merkevaren din.
Fremgangsmåte for å gjøre en A / B-test
- Definere målet som skal forfølges: Bestem om vi vil integrere noe nytt, fra et produkt, design, reklamekampanje eller et hvilket som helst element på landingssiden vår. Tvert imot, måle om vi har problemer med noe vi hadde etablert, men som ikke fungerer.
- Løft de forskjellige alternativene: Når vi har identifisert hva vi vil analysere, kan du presentere de forskjellige forslagene som skal testes. Hvis det ikke har blitt gjort før, er det typiske feil som å mette med for mange forskjellige tester. En annen typisk feil er å sammenligne usammenhengende ting med hverandre, for eksempel en video eller et bilde. Resultatene er kanskje ikke veldig pålitelige, eller har lite å gjøre med den endelige ideen. Unngå å sammenligne ting som er forskjellige innerst inne.
- Utfør testen: Send testen på en generalisert måte og tilfeldige brukere. Det kan være både via post, eller destinasjonssiden eller selve produktet. Avhengig av teknologien og typen element vi analyserer, bestemmer vi oss for å gjøre det på en eller annen måte. Uansett er det viktige her å kunne trekke ut dataene som har vært mer vellykket.
- Trekk konklusjonene: Den delen som interesserer oss, med resultatene i hånden, kan vi evaluere at den har vært mer vellykket. Hvis vi er et nytt produkt, kan vi bestemme hvilken som vil selge mest.
- Implementere: Definert som ga mest resultat, skal vi implementere det som har gitt et bedre resultat, med sikkerhet på forhånd å vite at det vil fungere.
Konklusjoner
Det er mange verktøy på internett for å utføre A / B-analysetester. Som vi har nevnt, tilbyr Google Analytics, Adsense, Adwords oss disse mulighetene. Men vi har også andre verktøy som Nelio AB-testing, et plugin for WordPress. Hvis du ikke er en av dem som bruker WordPress, er det nettsteder og selskaper som tilbyr sine tjenester som Optimizeley, rent fokusert på evaluering av resultatene.
Å bli vant til å analysere med A / B-tester kan føre til ta noe vitenskapelige stillinger i beslutningstaking. I så fall kan du dra nytte av det! Å kunne bestemme hvilket alternativ som er gunstigere og vellykket for deg, vil ende opp med å gi deg det samme. Og jo mer volum du spiller i din sektor, desto mer interessant blir det å analysere hvert trinn du tar.