Skuteczna reklama w nowoczesnych mediach!
Klasyczny test A/B, to w wielkim skrócie test jednej zmiennej. Przez zmienną rozumiemy tu element strony, który może zostać poddany zmianie. Oznacza to, że dana zmienna występuje w kilku wariantach (odmianach) np. są to różne kolory tego samego przycisku.

Test polega na skierowaniu strumienia tego samego odsetka ruchu na każdą z badanych wersji danej strony oraz porównaniu ich współczynników konwersji, czyli procentowej wielkości określającej stosunek użytkowników strony, którzy wykonali pożądaną akcję (np. zakup) do wszystkich użytkowników danej strony. Na tej podstawie można wnioskować o wpływie badanej zmiennej na to, jak strona spełnia postawiony przed nią cel.

Przebieg standardowego testu A/B
1. Założenia badawcze:

a) Jaki problem chcę zbadać?  (założenia badawcze)
Np.: „Landing page kampanii cechuje się wysokim współczynnikiem odrzuceń”.
„Duży procent użytkowników opuszcza proces zakupowy na trzecim kroku” .

b) Dlaczego mamy taki problem? (hipotezy)
Dlaczego w naszym serwisie pojawił się taki problem i co jest jego przyczyną? np. zły sposób komunikacji korzyści, tekst na przycisku nie zachęca do akcji lub użyto mało ciekawej grafiki.

2. Dokładna analiza strony:
Sprawdzamy, jakie elementy projektu mogą wpływać na zmniejszenie konwersji.
Przygotowujemy różne wersje wskazanego elementu do testów.

3. Przygotowanie i start testu:
Uruchamiamy test i czekamy na zebranie odpowiedniej liczby danych.

4. Analiza wyników i wdrożenie zmian:
To, co zrobimy teraz będzie zależało od wyników testu. Jeśli zaproponowana przez nas zmiana została dobrze przyjęta przez użytkowników, wprowadzamy ją i przechodzimy do kolejnych testów.
Może się jednak okazać, że nasze nowe propozycje nie uzyskały lepszych rezultatów od wyjściowej wersji zmiennej. Uwaga! To również są istotne dane. Dzięki nim wiemy, co nie zadziałało i że to inny element lub elementy są sednem naszego problemu. W takiej sytuacji wracamy „na chwilę” do punktu 4. i testujemy kolejny kluczowy dla strony element.

testyab
MEG © 2017 Google+