Ujian A/B (juga dikenali sebagai ujian Split atau Ujian baldi) ialah kaedah membandingkan dua versi tapak web atau aplikasi antara satu sama lain untuk menentukan versi yang berprestasi lebih baik. Kaedah ini berfungsi dengan menunjukkan secara rawak dua variasi halaman kepada pengguna dan menggunakan analisis statistik untuk menentukan variasi yang mencapai hasil yang lebih baik untuk matlamat penukaran anda.
Keputusan variasi ujian A/B
Dalam amalan, berikut ialah cara ujian A/B berfungsi:
Buat dua versi halaman - versi asal (kawalan atau A) dan versi diubah suai (varian atau B).
Pisahkan trafik anda antara versi ini secara rawak
Ukur penglibatan pengguna melalui papan pemuka
Analisis keputusan untuk menentukan sama ada perubahan itu mempunyai kesan positif, negatif atau neutral.
Perubahan yang anda uji boleh terdiri daripada tweak mudah (seperti tajuk atau butang) untuk melengkapkan reka bentuk semula halaman. Dengan mengukur kesan setiap perubahan, ujian A/B mengubah pengoptimuman tapak web daripada tekaan kepada keputusan terdorong data, mengalihkan perbualan daripada "kita fikir" kepada "kita tahu".
Apabila pelawat dihidangkan sama ada kaedah kawalan atau variasi, penglibatan mereka dengan setiap pengalaman diukur dan dikumpulkan dalam papan pemuka dan dianalisis melalui alat statistik. Anda kemudian boleh menentukan sama ada menukar pengalaman (kaedah tukar atau B) mempunyai kesan positif, negatif atau neutral berbanding versi garis dasar (kaedah kawalan atau A).
"Konsep ujian A/B adalah mudah: Tunjukkan variasi tapak web yang berbeza kepada orang yang berbeza dan ukur variasi mana yang paling berkesan untuk menukarnya menjadi pelanggan." Oleh Dan Siroker dan Pete Koomen (Buku | Ujian A/B: Cara paling berkuasa untuk menukar klik kepada pelanggan)
Mengapa anda perlu melakukan ujian A/B?
Ujian A/B membolehkan individu, pasukan dan syarikat membuat perubahan yang teliti pada pengalaman pengguna mereka sambil mengumpul data tentang kesannya. Ini membolehkan mereka membina hipotesis dan mempelajari elemen dan pengoptimuman yang mana dalam pengalaman mereka mempunyai kesan paling besar terhadap tingkah laku pengguna. Dalam cara lain, mereka boleh dibuktikan salah - pendapat mereka tentang pengalaman terbaik untuk matlamat tertentu boleh dibuktikan salah melalui ujian A/B.
Lebih daripada sekadar menjawab soalan sekali sahaja atau menyelesaikan percanggahan pendapat, ujian A/B boleh digunakan untuk terus meningkatkan pengalaman yang diberikan atau meningkatkan satu matlamat seperti pengoptimuman kadar penukaran (CRO) dari semasa ke semasa.
Contoh aplikasi ujian A/B:
Penjanaan Utama B2B : Jika anda sebuah syarikat teknologi, anda boleh menambah baik halaman pendaratan anda dengan menguji perubahan pada tajuk, medan borang dan CTA anda. Dengan menguji setiap elemen satu demi satu, anda boleh menentukan perubahan yang meningkatkan kualiti petunjuk dan kadar penukaran.
Prestasi kempen : Jika anda seorang pemasar yang menjalankan kempen pemasaran produk, anda boleh mengoptimumkan perbelanjaan iklan anda dengan menguji kedua-dua salinan iklan dan halaman pendaratan anda. Sebagai contoh, menguji reka letak yang berbeza membantu menentukan versi yang menukar pelawat kepada pelanggan dengan paling berkesan, mengurangkan kos keseluruhan pemerolehan pelanggan anda.
Pengalaman Produk : Pasukan produk di seluruh syarikat boleh menggunakan ujian A/B untuk mengesahkan andaian, mengutamakan ciri penting dan menyampaikan produk tanpa risiko. Daripada aliran onboarding kepada pemberitahuan dalam produk, ujian membantu mengoptimumkan pengalaman pengguna sambil mengekalkan matlamat dan hipotesis yang jelas.
Ujian A/B membantu mengalihkan pembuatan keputusan daripada berasaskan pendapat kepada didorong data, mencabar istilah HiPPO (Pendapat Orang Berbayar Tertinggi).
Seperti yang dinyatakan oleh Dan Siroker, "Kami benar-benar tidak tahu apa yang terbaik, mari lihat data dan gunakan data itu untuk membantu membimbing kami . "
Bagaimana untuk melakukan ujian A/B
Berikut ialah rangka kerja ujian A/B yang boleh anda gunakan untuk mula menjalankan ujian:
1. Pengumpulan data
Gunakan alat analitis seperti Google Analitis untuk mengenal pasti peluang
Fokus pada kawasan trafik tinggi melalui peta haba
Cari halaman dengan kadar lantunan yang tinggi
2. Tetapkan matlamat yang jelas
Kenal pasti metrik khusus untuk diperbaiki
Sediakan kriteria pengukuran
Tetapkan matlamat penambahbaikan
3. Buat hipotesis ujian
Bentuk ramalan yang jelas
Berdasarkan data sedia ada
Utamakan mengikut potensi kesan
4. Variasi reka bentuk
Buat perubahan yang spesifik dan boleh diukur
Pastikan susulan yang betul
Semakan Pelaksanaan Teknikal
5. Larian ujian
Perpecahan trafik rawak
Jejaki isu
Mengumpul data secara sistematik
6. Menganalisis keputusan
Uji untuk kepentingan statistik
Pertimbangkan semua angka
Catat pelajaran yang dipelajari
Gambar rajah proses ujian A/B
Jika variasi anda menang, hebat! Gunakan cerapan tersebut pada halaman yang serupa dan teruskan lelaran untuk mencapai kejayaan. Tetapi ingat - tidak setiap ujian akan kembali positif, dan itu benar-benar normal.
Dalam ujian A/B, tiada kegagalan, hanya peluang untuk belajar. Setiap ujian, sama ada positif, negatif atau neutral, memberikan cerapan pengguna yang berharga dan membantu memperhalusi strategi ujian anda.
Contoh ujian A/B
Berikut ialah dua contoh ujian A/B dalam tindakan.
1. Ujian A/B pada halaman utama
Animasi tatal halaman utama Optimizely.com ke bawah
Matlamatnya adalah untuk mempromosikan penglibatan pengguna. Pasukan mendapati bahawa jawapan dalam kes ini adalah banyak menyalak.
Semasa ujian, pelawat ke tapak yang membelai anjing di halaman utama tapak akan menerima pautan ke laporan "Evolusi Percubaan". Walau bagaimanapun, anda hanya akan melihat anjing itu 50% sahaja.
Keputusan : Orang yang terdedah kepada anjing mengambil kandungan 3 kali lebih banyak daripada mereka yang tidak melihat anjing itu.
2. Pop-up ke flop-up
Ronnie Cheung, Perunding Strategi Kanan, Optimizely, ingin memperkenalkan pop timbul butiran kemudahan pada paparan peta kerana apabila pengguna mengklik pada pin pada paparan peta, mereka dibawa ke halaman PDP dengan langkah tambahan untuk melengkapkan pembayaran.
Keputusan : Lebih sedikit pengguna melawat halaman pembayaran
Intinya : Tingkatkan maklumat pop timbul supaya pengguna boleh meneruskan pembayaran dengan yakin.
Wujudkan budaya ujian A/B
Pasukan pemasaran digital yang hebat memastikan untuk melibatkan beberapa jabatan dalam program ujian mereka. Dengan menguji merentasi jabatan dan titik sentuh yang berbeza, anda boleh meningkatkan keyakinan anda bahawa perubahan yang anda lakukan pada pemasaran anda adalah signifikan secara statistik dan mempunyai kesan positif pada pendapatan anda.
Kes penggunaan termasuk:
Ujian A/B Media Sosial : Masa siaran, format kandungan, variasi kreatif iklan, penyasaran khalayak, pemesejan kempen
Ujian Pemasaran A/B : Kempen e-mel, halaman pendaratan, salinan iklan dan butang kreatif, seruan tindak, reka bentuk borang
Ujian A/B Laman Web : Reka bentuk navigasi, susun atur halaman, persembahan kandungan, proses pembayaran, fungsi carian
Tetapi anda hanya boleh menskalakan program anda jika anda mengamalkan minda uji dan belajar. Berikut ialah cara membina budaya ujian:
1. Sokongan kepimpinan
Tunjukkan nilai melalui kejayaan awal
Kongsi kisah kejayaan
Pautkan hasil kepada matlamat perniagaan
2. Memperkasakan pasukan
Sediakan alatan yang diperlukan
Keretapi
Menggalakkan penjanaan hipotesis
3. Penyepaduan proses
Jadikan ujian sebahagian daripada proses pembangunan
Buat protokol ujian yang jelas
Rakam dan kongsi pengalaman
Data ujian A/B
Ujian A/B memerlukan analitis yang boleh menjejaki pelbagai metrik semasa menyambung ke gudang data anda untuk mendapatkan cerapan yang lebih mendalam.
Untuk bermula, inilah yang anda boleh ukur:
Metrik kejayaan utama : Kadar penukaran, kadar klikan, hasil setiap pelawat, nilai pesanan purata
Metrik sokongan : Masa di tapak, kadar lantunan, halaman setiap sesi, corak perjalanan pengguna
Prestasi teknikal : Masa muat, kadar ralat, responsif mudah alih, keserasian penyemak imbas
Apa yang benar-benar membuat perbezaan adalah analisis akar. Ia membolehkan anda mengekalkan kawalan penuh ke atas lokasi data dengan menyimpan data ujian anda di premis. Tambahan pula, anda boleh menguji dengan hasil perniagaan sebenar dan mendayakan analisis kumpulan automatik. Ia menyediakan ujian berbilang saluran yang lancar dengan satu sumber kebenaran sambil mengekalkan tadbir urus dan pematuhan data yang ketat.
Contentsquare ialah platform perisikan pengalaman hujung ke hujung yang boleh digunakan oleh pasukan untuk memantau pengalaman digital tapak web mereka. Dengan kedua-dua alat dan keupayaan kuantitatif dan kualitatif, platform ini membolehkan anda menambah cerapan yang lebih mendalam pada ujian A/B anda dan memahami motivasi di sebalik tindakan pengguna.
Pengoptimum Laman Web Visual (VWO) ialah platform percubaan dengan set alat CRO yang komprehensif yang membolehkan anda A/B menguji elemen yang berbeza pada tapak web dan apl mudah alih anda, seperti tajuk, butang CTA dan imej, untuk melihat variasi yang menukar lebih ramai pengguna.
Omniconvert ialah platform pengoptimuman tapak web dengan ujian A/B, tinjauan, pemperibadian tapak web, pembahagian pelanggan dan ciri penyasaran tingkah laku.
Nyahlantun ialah pembina halaman pendaratan yang merangkumi analisis dan ciri ujian A/B yang membolehkan anda menjejak petunjuk prestasi utama (KPI) dan mengoptimumkan kadar penukaran.
Crazy Egg ialah alat pengoptimuman tapak web yang membolehkan anda menganalisis tingkah laku pengguna di tapak web anda. Alat ini termasuk ciri seperti peta haba, peta tatal dan laporan klik untuk membantu anda menguji versi berbeza tapak web anda untuk melihat yang mana satu menjana lebih banyak penglibatan atau penukaran.
Kameleoon ialah platform pengoptimuman web dengan ciri penuh, keupayaan ujian web yang membolehkan anda menjalankan ujian A/B dalam masa nyata dan memberi anda cerapan terdorong data untuk membuat keputusan produk yang lebih baik.
AB Tasty ialah platform pengoptimuman web yang menawarkan pengurusan ciri, ujian A/B dan alatan pemperibadian untuk membantu anda meningkatkan kadar penukaran dan pengalaman pelanggan dalam masa nyata.
Google Optimize ialah salah satu daripada penyelesaian ujian A/B paling popular yang tersedia hari ini. Penyelesaian ini adalah percuma dan direka bentuk untuk berfungsi dengan produk Google popular yang lain seperti Analitis Google, Google Ads dan Firebase.
Firebase ialah platform pembangunan apl yang dibuat oleh Google . Modul ujian A/B Firebase boleh membantu anda menguji perubahan pada ciri apl anda, antara muka pengguna atau kempen interaksi.
Optimizely ialah platform pengalaman digital. Ia disertakan dengan ujian A/B dan keupayaan multivariate, serta CMS, ciri pemperibadian tapak web, keupayaan penukaran ciri dan banyak lagi.
Adobe Target ialah platform ujian - sebahagian daripada Adobe Experience Cloud. Seperti keseluruhan awan pengalaman, Adobe Target dibina untuk perusahaan, memfokuskan pada pengalaman pengguna omnichannel dan menjalankan ujian ke atas beribu-ribu malah berjuta-juta pengguna.
Maxymiser ialah alat ujian dan pengoptimuman yang diperoleh oleh Oracle pada tahun 2015. Fokus utama alat ini adalah untuk meletakkan ujian dan pemperibadian di tangan pemasar dengan menghapuskan keperluan untuk sumber pembangunan.