Hvilken versjon er den beste? En kort innføring i A/B-testing

Det vanligste er å gjennomføre A/B-testing på landingssider, CTAer og masseutsending av e-poster.

Som med alt annet, kan A/B-testing virke overveldende. Hva bør du begynne å teste, for eksempel? Og over hvor lang tid? Fortvil ikke, det finnes retningslinjer du kan følge for å sikre at du utformer effektive tester.

En slags oppskrift

Bruk et A/B-testverktøy

Dette tilbyr for eksempel Hubspot. Her lager du et kontrollelement og en utfordrer, og deler publikumet ditt likt og tilfeldig.

Hvis du driver A/B-testing på noe som ikke har et begrenset publikum, som en nettside, vil varigheten av testen din påvirkes av antall besøkende. Kjør testen lenge nok til å få et betydelig antall visninger så du kan fastslå en statistisk signifikant for forskjell mellom variablene.

Bestem hvor betydelige resultatene dine må være

I markedsføring er statistisk signifikans når resultatene av undersøkelsen din viser at relasjonene mellom variablene du tester (som konverteringsfrekvens og landingssidetype) ikke er tilfeldige; de påvirker hverandre. Du vil at resultatene dine skal være statistisk signifikante fordi det betyr at du ikke kaster bort penger på kampanjer som ikke gir ønskede resultater.

Når du har valgt målberegningen din, tenk på hvor viktige resultatene dine må være for å rettferdiggjøre å velge en variant fremfor en annen.

Test begge variantene samtidig

Timing spiller en betydelig rolle i markedsføringskampanjens resultater, enten det er tid på dagen, ukedagen eller måneden i året. Hvis du kjører versjon A i løpet av en måned og versjon B en måned senere, hvordan kan du vite om ytelsesendringen var forårsaket av det forskjellige designet eller den forskjellige måneden? Derfor skal du kjøre begge variantene samtidig, så du slipper å måtte gjette på resultatene dine.

Det eneste unntaket er hvis du tester selve timingen, som å finne de optimale tidspunktene for å sende ut eposter.

Gi A/B-testen nok tid til å produsere nyttige data

Du må sørge for at du lar testen kjøre lenge nok til å få en betydelig prøvestørrelse. Ellers vil det være vanskelig å si om det var en statistisk signifikant forskjell mellom de to variasjonene.

Men hvor lenge er lenge nok? Avhengig av bedriften din og hvordan du utfører A/B-testen, kan statistisk signifikante resultater skje i løpet av timer ... eller dager ... eller uker. Trafikk er en viktig determinant for statistisk signifikante resultater. Det vil ta mye lengre tid å kjøre A/B-testen din hvis bedriften din ikke får jevn trafikk til nettstedet.

Fokuser på målberegningen din. Selv om du kan måle flere beregninger, hold fokus på den primære målberegningen når du gjør analysen.

Hvis du for eksempel har testet to varianter av en e-post og valgte potensielle kunder som primær beregning, ikke bli fanget opp av åpningsfrekvens eller klikkfrekvens. Du vil kanskje legge merke til en høy klikkfrekvens og dårlige konverteringsfrekvenser og utilsiktet velge varianten som ga bedre ytelsestall.

Utfør handlinger basert på resultatene dine

Hvis en variant er statistisk bedre enn den andre, har du en vinner.

Hvis ingen av variasjonene er statistisk sett bedre, har du nettopp lært at variabelen du testet ikke påvirket resultatene, og du kan merke resultatet som usikkert. I dette tilfellet, hold deg til den opprinnelige varianten, eller kjør en ny test. Det at testen ikke ga noe sikkert svar, er også et svar du kan ta med deg videre.

Her er fire gode tips på veien:

Identifiser målet ditt

Som alltid: Vit hva du lurer på før du begynner å sette i gang med A/B-testing. Velg ett mål du fokuserer på.

Utvikle en hypotese og undersøk resultatene dine basert på målet

Hvis du venter til etterpå med å tenke på hvilke beregninger som er viktige for deg, hva som er målene dine og hvordan endringene du foreslår kan påvirke brukeradferden, får du ikke konfigurert testen effektivt.

Velg én variabel å teste

Det kan hende du finner flere variabler du ønsker å teste ut. Men ta en ting om gangen. For å vurdere hvor effektiv en endring er, må du isolere en uavhengig variabel og måle ytelsen på den. Ellers vil du ikke kunne være sikker på hvilken variabel som er ansvarlig for optimaliseringen.

Enkle endringer, som å endre et bilde i e-posten eller ordene på en CTA-knapp, kan føre til store forbedringer

Denne typen små endringer er vanligvis lettere å måle enn større.