Testy A/B: od czego zacząć?

Na konferencjach branżowych w tym roku często pojawiał się temat optymalizacji stron. Oznacza to, że coraz szersze grono właścicieli stron przyznaje, iż preferencje działu IT oraz gust prezesa niekoniecznie przekładają się na skuteczność biznesową strony. Ze względu na prostotę wdrożenia i niski koszt, testy A/B to dobry pierwszy krok na ścieżce optymalizacji. Ale od czego zacząć?

Przed przystąpieniem do testowania nowych wersji stron część testerów ma własne, osobiste opinie na temat testowanego materiału: okropny banner, brzydka gama kolorów… Otóż nie ma nic bardziej zdradliwego niż opinie! Jak wiem, niestety z doświadczenia, nawet opinie zbieżne z najlepszymi praktykami usability mogą rozmijać się ze zdaniem użytkowników. Tak więc:

• Zasada nr 1 - decyzję na temat testów A/B należy opierać na danych.

• Zasada nr 2 - celem testu powinna być poprawa kluczowej metryki, np. współczynnika konwersji, współczynnika odrzuceń, współczynnika kliknięć (CTR).

Jeśli wiemy, którą z metryk chcemy zoptymalizować, musimy postawić tezę (które z elementów strony/procesu wpływają na słaby wynik) i przeprowadzić dowód (nasz test A/B). Proste, prawda? Poniżej przykłady elementów stron, gdzie najłatwiej o spektakularny wynik testu.

1. Strony docelowe

Czyli strony, od których użytkownicy rozpoczynają (a niestety czasem też kończą) nawigację. Optymalizowaną metryką jest zazwyczaj współczynnik odrzuceń, choć należy mieć też na względzie główne KPI, np. współczynnik sprzedaży. Najprostszą metodą przeprowadzenia testu jest zmiana adresów stron docelowych w reklamach AdWords (reklamy typu display zazwyczaj charakteryzują się wyższym współczynnikiem odrzuceń, który trudniej poprawić niż w przypadku płatnych wyników wyszukiwania).

Przykład 1:

W witrynie generującej zapytania ofertowe, reklamy AdWords dla głównych niebrandowych słów kluczowych możemy kierować na:

A. stronę główną
B. stronę produktową

Optymalizowaną metryką będzie wówczas współczynnik odrzuceń, a także współczynnik konwersji.

Przykład 2:

W tej samej witrynie teksty wyżej wspomnianych reklam możemy kierować na:

A.stronę główną lub produktową
B.stronę formularza zapytań

Optymalizowaną metryką będzie wówczas współczynnik konwersji.

2. Formularz kontaktu

Uproszczenie formularza, zmiana układu pól lub usunięcie restrykcyjnej walidacji mogą często dać rezultat poprawy współczynnika odesłań formularza. Rzecz jasna najlepiej kierować się danymi, nie zaś tylko przeczuciem. Wskazane jest śledzenie odesłań, a także wypełniania pól formularza przez użytkowników.

Przykładowe tezy:

• Zastąpienie dwóch pól obowiązkowych: "nr telefonu" i "email", jednym: "nr telefonu lub email".
• Usunięcie nieobowiązkowych pól, takich jak: "NIP", "stanowisko w firmie", itd. w zależności od rzeczywistego zapotrzebowania na dane.
• Zmniejszenie ilości pól.
• Zmniejszenie szerokości pól (jeśli np. pole "nazwisko" zajmuje 50% szerokości strony).
• Przeniesienie całego formularza ponad załamanie strony.

                      
3. Karta produktu

Tutaj celem eksperymentu będzie optymalizacja współczynnika dodania do koszyka (a także – wtórnie – średniej wartości koszyka i współczynnika transakcji). Testy A/B kart produktu mogą dotyczyć:

• sposobu komunikacji unikalnych cech produktu (USP – np. w podświetlonej ramce),
• układu opisów produktu (np. przeniesienie cech produktu w punktach ponad opis pełnymi zdaniami),
• wielkości, koloru i położenia przycisku "Dodaj do koszyka",
• sposobu wyświetlania ceny (ze zniżką lub bez),
• komunikacji wyprzedaży (tag graficzny),
• komunikacji ”pośpiechu” ("kup dziś do 16.00, a otrzymasz jutro").

Tematów odpowiednich do przeprowadzania eksperymentów jest oczywiście więcej – zależą one bowiem od szeregu cech unikalnych dla danej strony/organizacji/branży. Skuteczność podobnych zmian może też diametralnie się różnić w poszczególnych przypadkach. Musimy jednak pamiętać, że test w którym eksperyment okazał się mniej skuteczny niż oryginał dowodzi, iż zdiagnozowany problem leży gdzie indziej. Innymi słowy, z każdego testu A/B mogą płynąć konstruktywne wnioski.

Podsumowując:

1. Rozpocznij test A/B od analizy danych.
2. Optymalizuj jedną lub więcej metryk.
3. Testuj, testuj i jeszcze raz testuj.

W kolejnym wpisie porównamy popularne narzędzia do testów: Google Analytics Experiments, Optimizely oraz Visual Website Optimizer.

--
Florian Pertyński, Web Analyst w Bluerank

Udostępnij: