A/B-тестирование

A/B-тестирование — это метод исследования, позволяющий узнать, как изменения влияют на результат. Его суть в том, чтобы сравнить первоначальный вариант с улучшенным, после чего или принять изменения, или оставить все как есть.

Метод работает где угодно: от политики, до личной жизни, но главное его предназначение — маркетинговые исследования. С помощью A/B-тестирование можно повысить конверсию рекламы, количество посетителей сайта или магазина.

Рассмотрим, что такое A/B-тестирование на простом примере:

Допустим, мы создали посадочную страницу с заголовком «Отличные пылесосы!». Внезапно нас озаряет идея, что заголовок «Великолепные пылесосы!» увеличит число заказов.

Чтобы проверить свою гипотезу, мы направим одну половину пользователей на первоначальную страницу (А), а другую — на страницу с новым вариантом (В). И если «великолепных» пылесосов купят больше, чем «отличных», то можно смело менять заголовок.

В крупном бизнесе A/B-тестирование — это серьезная наука, где применяют сложные статистические формулы и аналитические программы. Для проверки лендингов и сайтов используют онлайн-сервисы, вроде RealRoi.ru и Optimizely. Также неплохо себя зарекомендовал Content Experiments от Google.

Впрочем, несложное A/B-тестирование может провести любой желающий. Но чтобы результат получился достоверным, нужно придерживаться некоторых принципов.

9 принципов A/B-тестирования

1. Проверять только обоснованные изменения. Исследовать должен хотя бы иметь представление, почему новшества улучшат результат, а не брать идеи с потолка. Эксперименты в стиле: «Поменяю фон с желтого на зеленый, а вдруг сработает!» – это напрасная трата денег и времени.

2. Тестировать только одно изменение, иначе придется гадать, что именно повлияло на результат. Это особенно важно, если одно новшество окажется полезным, а другое — вредным.

3. Следить, чтобы аудитория была одинаковой. Когда, например, в контрольной группе преобладают посетители из социальных сетей, а в экспериментальной группе — из поисковиков, то результат уже будет разным.

4. Следить, чтобы группы не пересекались. Если мы тестируем лендинг, нужно чтобы посетители страницы A не могли попасть на страницу B (и наоборот).

5. Исключить влияние внешних факторов, таких как география исследований или сезон. Если мы тестируем продажи по типу A накануне Нового года, а по типу B во время январских каникул, это обязательно скажется на результате. Чтобы такого не произошло, исследования нужно проводить в одном месте и в одно время.

6. Исключить влияние внутренних факторов. Посадочная страница на быстром сервере и на медленном даст разное количество откликов. А вежливый сотрудник колл-центра получит больше заказов, чем грубиян, независимо от последовательности скрипов.

7. Делать поправку на размер групп. Если они получились неодинаковыми, то желательно отслеживать параметры, которые не зависят от числа посетителей. Например, не общую выручку, а средний чек.

8. Не торопиться с выводами. Нельзя судить о результатах теста по десяти клиентам: чем меньше собранно статистики, тем больше влияние случайности.

9. Не останавливаться на достигнутом. Изменения — это непрерывный процесс. Если мы перестаем улучшать наш продукт, то конкуренты рано или поздно нас обгонят.

Оценить статью

(1 оценок, среднее: 1,00 из 5)

Загрузка...

Ответить