Узнавая бизнесы наших клиентов, мы заметили, что единицы проводят A/B тесты при продвижении своих услуг/продуктов. А зря! Это и побудило нас к написанию статьи о том, как тестирование гипотез делает нашу жизнь лучше.
Что это такое A/B тест и зачем он нужен?
Давайте пройдется немного по вводным. Википедия подсказывает нам, что A/B тест или по-другому сплит-тестирование «метод маркетингового исследования, суть которого заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, в которых один или несколько показателей были изменены, для того, чтобы выяснить, какие из изменений улучшают целевой показатель». Говоря проще — есть какая-то версия A, есть какая-то версия B, есть гипотеза (то, чем собственно A отличается от B), есть метрики для замеров и есть сроки (дедлайны на время теста). На выходе мы должны понять, что лучше — A или B, согласно интересным для нас показателям. Чем меньше гипотез участвует в тесте, тем лучше, так как необходимо четко понимать, какие действия привели к положительным/отрицательным результатам.
Обычно тесту подлежат маркетинговые материалы — начиная от определения лучшей рекламной площадки, вариантов объявлений до отдельных блоков сайта/целого сайта.
Проводить A/B тест нужно обязательно, чтобы коррелировать собственную адекватность и ценность предложения для внешнего мира. Потому что все, что разрабатывается для привлечения клиентов, разрабатывается на знании продукта/услуги и маркетинговых знаний (своих или подрядчиков), но лучше всего о том, насколько удалось попасть в цель скажут 1000 пользователей на ресурсе.
В чем суть?
Предлагаю более подробно остановиться на пунктах:
1. Гипотеза
Тестирование ради тестирования — пустая трата времени. Сначала определяем цели, которые хотим достичь. К примеру, это может быть повышение конверсии вашей посадочной страницы. Исходя из целей можно построить гипотезу того, что приведет нас к этой цели. Например, мы будет тестировать разные варианты оффера, чтобы поднять конверсию в заявку.
2. A и В версия
Этот пункт больше относится к технической части подготовки. Например, мы для тестирований используем «эксперименты Google Analytics». Но так же помимо Analytics существует огромное количество сервисов, которые позволяют проводить тесты.
3. Метрики для замеров
Метрики для замеров — это показатели, на которые будем ориентироваться во время теста. Наиболее популярные – метрики, которые относятся к конверсиям страницы, кликабельности на рекламные объявления (CTR), открытия писем с рассылки (Open Rate) и т.д.
4. Сроки (дедлайны)
Каждая проектная задача должна иметь дату начала и конца реализации. То же самое касается и проведения A/B тестов. Обращаю ваше внимание на то, что будет правильнее показывать версии A и B одновременно, чтобы не позволить каким-либо факторам препятствовать чистоте теста.
5. Выводы
Не всегда тестирование приводит к положительным результатам. Повторюсь, но изначально наши гипотезы основываются на нашем видении ситуации и могут быть в пух и прах разбиты после запуска. Тем не менее главной нашей задачей получить пищу для размышления, хорошо когда результаты хорошие, но плохой результат — это также результат, с который стоит анализировать и над которым стоит проводить работу.
Наш опыт
Напоследок, хотелось бы показать непредсказуемость теста на наших собственных результатах. Обычно мы, работая над проектами с клиентами, первые запуски делаем сразу на A и B версии, и в последующем работаем над улучшением победившей версии.
В проекте для одного закрытого клуба владельцев и ключевых лиц компаний, мы изначально подготовили 2 страницы. Нашей гипотезой была проверка продающей структуры страницы. Измеряемый показатель — конверсия в заявку. Трафик шел с 4 разных каналов, 50% видели A версию, 50% — B версию.
A версия содержала: основной оффер, актуализацию проблемы (блоки «Если вы» и т.д.), основная ценность услуги, повышение лояльности (за счет узнаваемых лиц), описание услуги и преимущест.
B версия содержала: основной оффер, основная ценность услуги, актулизацию проблемы, повышение лояльности, описание услуги и преимуществ.
По итогам недельного теста (конверсия в заявку):
A версия — 2,03%
B версия — 0,83%
Прочитать в блоге:
http://rocketlp.ru/blog/kak-ab-test-delayet-nashu-zhizn-luchshe/