Viktiga data att analysera i ett A / B-test

A / B-testerna, eller även kallade A / B-analyser, används ofta i tester, särskilt i marknadsföringsvärlden tillåt oss att göra det mest korrekta alternativet mellan två eller flera alternativ. Från jämförande data mellan de olika alternativen låter de oss empiriskt veta vilken eller vilken produkt som är bäst lämpad. De används också ofta i webbdesign, till exempel eftersom de hjälper till att fatta beslut om arrangemanget av de olika elementen. På detta sätt kan vi se till att den slutliga finishen på det som hänvisas till är den som anpassar sig till ett större antal användare och / eller klienter.

Låt oss verkligen se vad det handlar om och hur de fungerar. Och vilka parametrar som är mest lämpliga att överväga för att se till att A / B-testet är så framgångsrikt som möjligt.

Vad är ett A / B-test?

Ett A / B-test är en beteendeanalys som extraherar sina resultat från att presentera de olika alternativen för riktiga användare. Syftet är att avgöra vilket alternativ som har fungerat bäst och är det mest idealiska. För att göra detta presenteras ett eller flera alternativ med "små" förändringar mellan de två, och en jämförelse görs där man har kommit närmast vårt mål. Vare sig det är i informationssyfte, i värderingssyfte, i strävan efter högre vinster eller i vårt syfte.

Ejemplo 1: Vi har en webbplats och vi vill placera en "uppmaningsknapp", men vi vet inte vilken plats som är bättre. Eftersom vårt kriterium är subjektivt (inte empiriskt) presenterar vi till exempel 3 förslag. I en av dem placerar vi den i en zon A, en annan i en zon B och en annan i en annan zon som vi kommer att kalla C. Vi skickar nämnda publikation / artikel eller presenterar den i dess 3 olika former, för att erhålla data på cirka 12.000 3 användare, indelade i 4.000 grupper om 3 personer. Efter det kommer vi att kunna veta vilka av de tre sätten som har varit mest effektiva. Och det är det som vi slutligen kommer att välja.

Ejemplo 2: A / B-testet kan förlängas eller minskas så mycket vi vill, så låt oss föreställa oss att vi kan förbättra det tidigare exemplet. Vi har var vi ska placera "uppmaningen till handling". Men det visar sig att vi har två potentiella modeller och vi är osäkra på vilken som kommer att vara mer attraktiv. Återigen kan vi presentera alternativ A och alternativ B för ett jämnt antal personer. Efter att ha sett vilken som har uppnått störst påverkan skulle vi välja det alternativet.

Anledningar till att göra en A / B-analys

• Förbättra din webbplats design: Dessa slutsatser kan dras från Google Analytics. Om vilka webbplatser användare brukar besöka mest, från sidlayout, menyer etc. Mycket användbart om du behöver välja ett fördefinierat tema eller design och du inte vet vilken du ska välja.
• Webboptimering: I linje med exemplen i föregående avsnitt. Det gör att vi kan avgöra vilken banner, design, plats eller färger som är mer idealiska och uppnår större framgång. I dessa fall tillåter Adsense att dessa test utförs mycket enkelt.
• Öka lönsamheten: Att bestämma vad som är mest effektivt ger dig bättre fördelar. Från webbkonvertering till marknadsföring av en produkt eller reklambannrar.
• Bli inte galen: Och det är ibland, även för marknadsförarna själva, att det är mycket svårt att hoppa i tomrummet utan att ha kontrasterat en idé. Att inte behöva gå bort för att försöka gissa vilken linje som är bäst hjälper dig att fortsätta med varje idé du har i ett fast och säkert steg. Undvik frustrationen att förlora dig själv utan att veta varför resultaten inte förbättras.
• Genomföra riktigt effektiv reklam: Vilken typ av reklam kommer att vara mest effektiv? Var ska man göra det och med vilka medel? Ett A / B-test hjälper dig att välja vilken som är bäst för dig. Dessutom kan du lita på Adwords-data för att ta reda på vilken onlinekampanj som kan vara mest effektiv för dig.
• Upptäck, definiera din publik och behåll den: Varje person väljer ett varumärke av vissa skäl, och att veta vad de förväntar sig av det hjälper dig att fatta de bästa besluten. På det här sättet minimeras risken för att "spåra ur" innehållet du vill visa. Dina egna användare kommer att vara de som föredrar dig genom A / B-testet, och följaktligen kommer du att kunna fortsätta erbjuda dem som fick dem att komma närmare ditt varumärke.

Steg för att göra ett A / B-test

• Definiera det mål som ska eftersträvas: Bestäm om vi vill integrera något nytt, från en produkt, design, reklamkampanj eller någon del av vår målsida. Tvärtom, mät om vi har problem med något som vi har fastställt, men som inte fungerar.
• Ta upp de olika alternativen: När vi har identifierat vad vi vill analysera, presentera de olika förslagen som ska testas. Om det inte har gjorts tidigare, finns det typiska fel som att mätta med för många olika tester. Ett annat typiskt misstag är att jämföra oskiljaktiga saker med varandra, till exempel en video eller en bild. Resultaten kanske inte är särskilt tillförlitliga eller har lite att göra med den slutliga idén. Undvik att jämföra saker som är olika djupt ner.
• Utför testet: Skicka testet på ett generaliserat sätt och slumpmässiga användare. Det kan vara både via post, eller själva målsidan eller produkten. Beroende på teknik och typ av element som vi analyserar, bestämmer vi oss för att göra det på ett eller annat sätt. I vilket fall som helst är det viktiga här att kunna extrahera data för vilket alternativ som har varit mer framgångsrikt.
• Dra slutsatserna: Den del som intresserar oss, med resultaten i handen, kan vi utvärdera att den har varit mer framgångsrik. Om vi ​​är en ny produkt kan vi avgöra vilken som är den som skulle sälja mest.
• Genomföra: Definierat som gav det bästa resultatet, vi ska implementera det som har gett ett bättre resultat, med säkerhet att veta i förväg att det kommer att fungera.

Slutsatser

Det finns många verktyg på internet för att utföra A / B-analystester. Som vi har kommenterat erbjuder Google Analytics, Adsense, Adwords oss dessa möjligheter. Men vi har också andra verktyg som Nelio AB-testning, ett plugin för WordPress. Om du inte är en av dem som använder WordPress finns det webbplatser och företag som erbjuder sina tjänster som Optimizeley, rent fokuserad på utvärderingen av resultaten.

Att vänja sig vid analys med A / B-test kan leda till ta något vetenskapliga ståndpunkter i beslutsfattandet. Om så är fallet, dra nytta av det! Att kunna bestämma vilket alternativ som är mer gynnsamt och framgångsrikt för dig kommer att ge dig samma sak. Och ju mer volym du spelar i din sektor, desto mer intressant blir det att analysera varje steg du tar.