Test A/B: essere o non essere

Nessun dolore, nessun guadagno e nessun vantaggio. Per trasformare il traffico generato dai tuoi annunci in vendite, devi ottimizzare costantemente il tuo sito migliorando l'esperienza utente, modificando il comportamento degli utenti e aumentando il tasso di conversione. Ma come puoi assicurarti che le modifiche che applichi producano i risultati attesi? Ecco a cosa serve il test A/B. Nell'articolo, ti diciamo cos'è il test A/B, come eseguirlo e quali sfumature vale la pena prestare attenzione.

Il test A/B nel marketing è lo stesso del test diviso: un confronto di due varianti di una pagina di un sito Web che differiscono per un solo parametro. L'obiettivo del test A/B è determinare quale di queste due opzioni è più efficace e porta più conversioni.

Diciamo che vendi software. Hai una pagina di destinazione con una descrizione del prodotto e un pulsante in fondo alla pagina per iscriverti a una versione di prova. Per aumentare il numero di iscritti, decidi di aggiungere un pulsante in più sulla landing page per chi già conosce il tuo prodotto o preferisce provarlo subito senza leggere i dettagli.

Per verificare se la tua ipotesi è corretta - che otterrai più iscritti aggiungendo un altro pulsante - crei una copia della pagina di destinazione originale e aggiungi un pulsante ad essa. Quindi dividi i visitatori della pagina in due gruppi: uno a cui verrà mostrata la pagina originale (variante A), l'altro a cui verrà mostrata la pagina aggiornata (variante B). Alla fine del test, confronti gli indicatori di performance (nel nostro esempio, il numero di abbonamenti) e determini il vincitore.

Diamo un'occhiata ad alcune delle cose principali che i test A/B (o split test) ci aiutano a raggiungere.

1. Comprendi meglio i tuoi utenti e offri loro ciò che vogliono . Non importa da quanto tempo fai e-commerce e marketing online, sarebbe un errore fare affidamento esclusivamente sulla tua esperienza personale.

Anche se sembra che tu possa prevedere il comportamento degli utenti del sito web e capire esattamente come organizzare i contenuti in modo che si muovano il più rapidamente possibile attraverso il funnel di vendita, esegui un test A/B. I risultati potrebbero sorprenderti.

Come mostra la pratica, i nostri presupposti non sempre coincidono con la realtà. Pertanto, non possiamo decidere cosa è meglio per i nostri clienti basandoci solo sulle nostre convinzioni.

2. Fare affidamento sui dati rispetto all'opinione di esperti. Una seconda sfida, che nasce dalla prima, è la fattibilità di apportare modifiche al sito e ridurre al minimo i rischi connessi.

Spesso, le ipotesi si basano su opinioni personali che potrebbero non coincidere con le opinioni del pubblico. Di conseguenza, le modifiche introdotte senza il test A/B non hanno l'effetto desiderato o, peggio, riducono le conversioni.

Pertanto, quando ti trovi di fronte alla domanda su cosa utilizzare per il processo decisionale - dati o parere di esperti - scegli sempre i dati.

3. Personalizza la comunicazione con i clienti. I clienti utilizzano dispositivi diversi, provengono da fonti diverse, interagiscono in modo diverso con il tuo sito, navigano e acquistano beni diversi...

I servizi di analisi web come Google Analytics e Yandex.Metrics ti aiutano a combinare questi dati e sistematizzare le conoscenze sugli utenti. I marketer raccolgono informazioni su quali pagine gli utenti hanno visitato e cosa hanno fatto su di esse. Ciò consente di dividere l'audience in diverse decine o centinaia di segmenti e di apprendere, ad esempio, come si comportano gli utenti che provengono da traffico organico o a pagamento.

Ma non usiamo sempre queste informazioni correttamente e non sempre ne traiamo il massimo beneficio. Un semplice esempio: la maggior parte dei progetti online mostra ancora lo stesso contenuto a tutti gli utenti, indipendentemente dal loro comportamento e dalla loro fonte di traffico:

Se lo fai, uno split test può aiutarti a risolvere la situazione e personalizzare il contenuto del tuo sito.

Ora diamo un'occhiata alle fasi principali (e alle sfumature) dello split testing:

La prima cosa che devi fare è identificare un elenco di punti deboli del tuo sito. Per fare ciò, puoi:

• Esplora i dati in Google Analytics e altri sistemi di analisi web per vedere quali pagine hanno alti tassi di errore, bassa profondità di scorrimento e bassi tassi di conversione.
• Usa Webvisor e fai clic sulle mappe di calore per capire come gli utenti interagiscono con gli elementi del tuo sito.
• Analizza i casi di supporto o intervista i clienti attivi per vedere cosa si perdono sul sito.

Ad esempio, supponiamo di guardare la canalizzazione dell'e-commerce avanzato in Google Analytics e vedere che pochissime persone aggiungono un determinato articolo al carrello. Allo stesso tempo, hai un punto vendita offline e sai che questo prodotto è popolare. In questo caso, molto probabilmente qualcosa non va nel tuo negozio online.

Una volta che hai deciso cosa riparare, devi pensare esattamente a come lo risolverai. Senza un'ipotesi A/B, il test non ha senso: il valore delle tue scoperte sarà piccolo. Dovresti capire chiaramente lo scopo dell'esperimento, quale elemento della pagina web testerai e quali risultati quantitativi vuoi ottenere.

Quando formuli l'ipotesi, respingi la tua canalizzazione di conversione. Chiediti: cosa dovrei cambiare in una parte della pagina per far muovere l'utente attraverso la canalizzazione più velocemente?" Verifica un'ipotesi per test; altrimenti, sarà difficile definire quale modifica ha influenzato il risultato finale in che misura.

Cosa può essere testato:

• Colore, dimensione, testo e posizione dei pulsanti di conversione
• Intestazioni: cambia il testo; renderlo più breve, più interessante e più pertinente
• Moduli: riduci il numero di campi o aggiungi descrizioni comandi e compila esempi
• Destinazione: cambia la struttura della pagina, il carattere o la tavolozza dei colori
• Contenuto: aggiungi foto e video di alta qualità, appelli all'azione, offerte promozionali, la parola "gratuito" ecc.

La scelta degli indicatori di performance dipende dalla tua ipotesi e dagli obiettivi che vuoi raggiungere. Questi possono essere entrate, numero di acquisti, tasso di conversione, dimensione media degli assegni, applicazioni e abbonamenti, tasso di errore, ecc.

Il passo successivo è assicurarsi di avere tutte le metriche necessarie implementate e registrate, sulla base delle quali trarrai conclusioni alla fine del test. Nel nostro lavoro, abbiamo riscontrato casi in cui i clienti hanno identificato punti deboli e formulato ipotesi ma non hanno prescritto correttamente un sistema di metriche in modo da poter capire che il tasso di conversione è cambiato proprio a causa di una modifica a un pulsante, ad esempio, e non a causa di altri fattori.

Considera i seguenti fattori prima di eseguire l'esperimento:

• Dimensione minima del campione. Per garantire che i risultati del test siano statisticamente significativi e affidabili, determinare il numero richiesto di partecipanti. Puoi farlo con calcolatrici online gratuite come Abtasty e Optimizely. Supponiamo che il tasso di conversione della tua pagina di destinazione originale sia del 5% e ti aspetti che la versione di prova della pagina raggiunga il 7%. L'effetto visibile minimo in questo caso sarà del 40%. Inserisci questi numeri in una calcolatrice e vedrai che hai bisogno di un minimo di 1964 persone per variante:

• Fattori esterni: stagionalità, festività, azioni, condizioni meteorologiche, tasso di cambio, ecc. Quindi i fattori esterni non distorcono i risultati dell'esperimento, è importante mostrare entrambe le versioni della pagina in parallelo durante lo stesso periodo.
• Prova prima le conversioni macro. Se imposti un obiettivo per visitare una determinata pagina, è probabile che gli utenti lo raggiungano ma non effettuino una transazione o non intraprendano un'altra azione target. È sempre necessario pensare alla canalizzazione nel suo insieme per capire quali azioni degli utenti sul sito hanno la massima priorità.
• Considera il tipo di dispositivo. Se avvii un esperimento su tutto il traffico verso il tuo sito web e disponi di versioni mobili e desktop, controlla come appare l'opzione di test sui dispositivi mobili.
• Escludi il traffico interno in modo che le azioni dei tuoi dipendenti sul sito Web non distorcano le statistiche. Questo può essere fatto in Google Analytics mediante il filtraggio degli indirizzi IP.

Dopo aver considerato questi fattori, puoi eseguire il test. Poco dopo, ti parleremo degli strumenti che puoi utilizzare per farlo.

Al termine dell'esperimento, analizzare i risultati. Ad esempio, supponiamo che il tasso di conversione originale sulla tua pagina di destinazione fosse del 3%, presumevi di poterlo aumentare al 5% e la variante di test mostrava il 3,5%. Il tasso di conversione è aumentato, ma solo leggermente. Adesso bisogna decidere se introdurre la modifica sul sito o provare un'altra ipotesi.

È possibile verificare se i risultati dello split test hanno rilevanza statistica utilizzando un calcolatore online o metodi statistici.

Leggi di più su potenza statistica, lunghezza del campione, intervalli di confidenza, significatività statistica e come misurarli nel nostro articolo sulle statistiche nell'analisi web o su come diventare un vero scienziato dei dati.
Se il processo ha esito positivo e hai ricevuto dati affidabili, porta il vincitore della pagina di destinazione sul sito e procedi con l'esperimento successivo.

Possibili errori durante l'analisi dei risultati:

• Valutare prematuramente i risultati. Si consiglia di effettuare uno split test per almeno 14 giorni. Puoi fare un'eccezione a questa regola se l'attività è attiva, stai testando modifiche minori che non influiscono sulla funzionalità globale del sito (ad esempio, hai cambiato il colore di un pulsante) e stai utilizzando Google Ottimizza. Se vedi nel rapporto Optimize che la nuova opzione vince con una probabilità dell'80-90%, puoi interrompere l'esperimento. È improbabile che gli indicatori cambino drasticamente.
• La valutazione dei risultati a una soglia di validità inferiore al 95% è un'altra metrica dei rapporti Optimize. Quando conduci un esperimento, Google Optimize considera la validità del risultato finale. Se è inferiore al 95%, Optimize consiglierà di continuare l'esperimento. Puoi vedere questa soglia nella scheda con un esperimento attivo.
• Ignorando i risultati del test come minore. Chi non vuole raddoppiare le conversioni tutte in una volta?! Anche un aumento così modesto (a prima vista) del tasso di conversione del 2-3% non è un cattivo risultato, tuttavia. Soprattutto se le modifiche sulla pagina di destinazione erano piccole.
• Non controllare gli indicatori globali per il tuo sito. Dopotutto, devi controllare gli indicatori globali del tuo sito, non solo quelli che hai scelto come parte dell'esperimento. Un singolo parametro potrebbe non essere sufficiente per valutare l'effetto delle modifiche. Ad esempio, la dimensione media dell'assegno può diminuire e le entrate totali possono aumentare aumentando il tasso di conversione. Pertanto, monitorare tutti i KPI interconnessi.

Per eseguire un test A/B, devi creare una versione di prova della pagina, segmentare il tuo pubblico e calcolare le metriche di destinazione per ciascun segmento separatamente. Se hai capacità di programmazione e risorse sufficienti, puoi eseguire un test A/B manualmente. Ma è più facile e conveniente farlo con l'aiuto di strumenti speciali.

Abbiamo preparato una piccola tabella che confronta i popolari strumenti di test divisi:

In OWOX BI, utilizziamo Google Optimize per i test, quindi ci concentreremo maggiormente sulle funzionalità di questo strumento.

Optimize è un servizio online collegato al tuo sito Web e ti consente di sperimentare diversi modi di visualizzare i contenuti.

Optimize ti consente di utilizzare i dati che hai accumulato in Google Analytics per offrire a un utente la versione della pagina che sarà più conveniente per lui e più redditizia per la tua attività.

• Completezza dei dati . Per impostare e analizzare un esperimento, è possibile utilizzare finalità e segmenti di Google Analytics. Puoi lavorare con le solite metriche di Google Analytics che conosci e ami.
• Ampie possibilità di personalizzazione. Dopo aver completato con successo un test, puoi configurare una dimostrazione di diversi contenuti utilizzando i segmenti di pubblico e le variabili di Google Analytics implementate, ad esempio, in dataLayer in Google Tag Manager. Se gli esperimenti ti consentono di migliorare la produttività del tuo sito Web per l'utente medio, la personalizzazione basata sulle informazioni sugli utenti ti consentirà di ottenere rendimenti più elevati all'interno di ciascun segmento.
• Integrazione con altri prodotti Google per un targeting e un'analisi più approfonditi (Google Ads, Data Studio, Tag Manager, ecc.)
• Una comoda interfaccia di facile comprensione . L'editor visivo consente di configurare e avviare nuovi esperimenti senza il coinvolgimento degli sviluppatori. Riduce significativamente il tempo per l'esecuzione di un esperimento.
• Influisce minimamente sulla velocità di caricamento della pagina.
• Non è necessario riepilogare manualmente i dati, preparare report e applicare formule statistiche per verificare i risultati. Google Optimize fa tutto da solo.

• Finora, Google Optimize non può essere utilizzato per testare le applicazioni mobili.

• Non puoi programmare i test. Cioè, se vuoi preparare decine di test ma non puoi avviarli contemporaneamente per qualche motivo, o se nella versione gratuita ci sono restrizioni sul numero di test simultanei, o non vuoi provare decine di opzioni sullo stesso pubblico, che potrebbero diventare un problema. Dovrai avviare ogni test manualmente nell'interfaccia. Questa non è una lacuna critica, ma puoi comunque farlo in alcuni altri servizi.
  

Google Optimize funziona in modo simile ad altri strumenti per condurre esperimenti e personalizzazione:

1. Innanzitutto, devi creare variazioni di pagine, popup e altri oggetti da mostrare all'utente.
2. Quindi devi determinare gli obiettivi (metriche) in base ai quali determinerai l'opzione vincente. Queste possono essere le metriche integrate in Optimize (numero di visualizzazioni di pagina, durata della sessione, transazioni, entrate e tasso di errore) o qualsiasi obiettivo personalizzato di Google Analytics.
3. Successivamente, è necessario identificare il pubblico che parteciperà all'esperimento e avviare l'esperimento. In questa fase, devi decidere quanto rischio puoi correre mostrando l'opzione di test agli utenti. Puoi distribuire equamente il traffico tra due opzioni o, ad esempio, eseguire una divisione 20/80. Inoltre, in questa fase, devi scegliere a quale parte del pubblico mostrare l'esperimento. Mostrare a tutti o prendere il 20% e distribuire le due opzioni tra di loro? Perché potresti volerlo fare? Nel caso tu abbia un grande negozio, non sei sicuro della tua ipotesi e non vuoi rischiare metà del traffico.

Oltre ai classici test A/B, in Optimize puoi eseguire test multivariati (in cui hai più elementi modificabili in più combinazioni) e reindirizzati (per pagine con URL e design diversi).

Puoi saperne di più sull'interfaccia e sulle impostazioni di Google Optimize nel nostro articolo su come condurre il tuo primo test A/B con Google Optimize.

Con i rapporti in Google Optimize, puoi monitorare i risultati durante l'esperimento e analizzare i dati raccolti subito dopo il termine.

Termini nei rapporti Optimize:

• Miglioramento: l'intervallo probabile per il tasso di conversione
• Probabilità di essere il migliore: la probabilità che questa opzione sia migliore di tutte le altre
• Probabilità di battere la linea di base: la probabilità che questa opzione porti un tasso di conversione migliore dell'originale
• Tasso di conversione: il tasso di conversione medio previsto
• Conversioni: il numero di sessioni con conversioni

Come viene determinato il vincitore
Google Optimize utilizza l'inferenza bayesiana per generare statistiche. Senza entrare nei dettagli, ciò significa che durante l'esperimento è possibile visualizzare nei report Optimize la probabilità che la variante B sia vincitrice prima della fine dell'esperimento. Se la probabilità raggiunge un certo livello, è possibile terminare l'esperimento prima del previsto e risparmiare tempo e denaro.

Inoltre, il team di Google prevede di implementare un meccanismo per la ridistribuzione del traffico a favore dell'opzione migliore prima della fine dell'esperimento. Ciò ti farà risparmiare denaro, poiché un minor numero di utenti vedrà un'opzione inefficace durante il test.

Se integri Optimize con il tuo account Google Analytics, potrai sfogliare e analizzare i risultati dei test nell'interfaccia di Google Analytics nella sezione Comportamento/Esperimenti :

Se il tuo esperimento ha avuto successo, puoi distribuire l'opzione vincente sul tuo sito web.

• Optimize 360 ​​si rivela una soluzione senza codifica accurata per testare l'esperienza utente sul tuo sito
• Come condurre il tuo primo test A/B: automatizza il processo con Google Optimize
• Statistiche nell'analisi web o come diventare un vero scienziato dei dati
• Webinar gratuito: Google Optimize per test e personalizzazione
• Video tutorial
• Glossario di termini
• Presentazione dell'editor visivo
• Distribuisci Ottimizza
• Ottimizza Centro assistenza
• Differenze nei rapporti Optimize e Google Analytics
• Editor visivo

PS Se hai bisogno di aiuto per eseguire test A/B e creare metriche personalizzate per la tua azienda, inviaci un'e-mail a [email protected] o compila il modulo di contatto sul nostro sito.