С помощью теста вы найдёте самые кликабельные варианты, которые быстрее приведут ваших клиентов к покупке. Использовать данные A/B/n и MVT тестов вместо догадок. Узнайте в статье, чем отличаются эти виды тестирований, как их провести и почему они важны для вашего бизнеса.
Например, в примере с производителем мыла владелец лендинга использовал A/B/C-тест, чтобы выбрать одни из трех вариантов, каждый из которых отличался от других и был уникальным. В этой статье мы предлагаем вам изучить 3 отличия сплит- и мультивариантного тестирования, а также ответить на четыре вышеуказанных вопроса. Каждый тест, A/B или многовариантный, имеет встроенную плату за проведение эксперимента.
3 Полнофакторный эксперимент
Сплит-тестирование — это отличный способ внести небольшие изменения в дизайн, а не переделать все полностью. Он позволяет работать с определенными элементами страницы, представляющими интерес, но сравнивать совершенно разные страницы будет не так просто. Этот метод позволяет понять, какая комбинация вариантов лучше конвертирует. Кроме того, полнофакторный MVT-тест заберет огромную часть вашего трафика (даже если его объем внушителен и без того). Поэтому мультивариантные тесты станут большим испытанием для маркетингового бюджета — из-за времени, людей, ресурсов, и внутреннего обслуживания процесса». Из-за множества дополнительных вариаций MVT-тесты требуют большого объема трафика.
Единственный способ узнать, что же именно уводит посетителей со страницы — провести тест. Чем лучше посадочная страница соответствует ожиданиям пользователя, тем больше времени он проводит на сайте. Соответственно, увеличивается глубина просмотра страниц — это один из ключевых факторов ранжирования. В мультивариантном же тесте сравниваются отдельные элементы или комбинации элементов, а не целая страница — дизайн лендинга сам по себе неизменен. Это более комплексный и аналитический метод тестирования, который может окончательно разделить по полезности некоторые элементы страницы.
Дедукция как технология сплит-тестирования
Если бы мы знали, что политика возврата является одним из основных факторов, повлиявших на решение посетителей, то добавили бы этот элемент везде, даже в рекламные сообщения. Но это лишь гипотеза, правдоподобность которой мы так и не выясним. Не стоит рассматривать тестирование лишь как источник дополнительных доходов.
- Теперь, чтобы рассчитать статистическую значимость результатов.
- Это – доступный трафик, нативность, улучшенное юзабилити и невысокий ценник.
- Следовательно, необходима
статистическая обработка данных. - При запуске кампания отправляет контент каждому подписчику в источнике данных (в случае старта по расписанию) или конкретному лиду, инициирующему определенное событие (при триггерном условии старта).
- Оно отличается от А/B-тестов, которые предполагают одновременную проверку и анализ лишь одного элемента.
Второй вариант потребует больше ресурсов и ограничит творческие идеи, но и в этом случае вам стоит помнить о том, что нужно больше трафика, чтобы проверить даже оставшиеся. Более того, в конечном итоге окажется, что большинство этих вариантов даже и не стоило испытывать. В приведенном выше примере все восемь вариаций по-прежнему имеют смысл в любом из возможных сочетаний. Но при добавлении некоторых вариаций вы рискуете получить какой-то совершенно сумасшедший коктейль. Далее предположим, что к нам пришла идея улучшить целевую страницу через изменение главной картинки (hero image).
Как повысить конверсию Landing Page с помощью пользовательского тестирования?
Вполне возможно, что все ваши гипотезы ни на чем не основаны. Теперь представьте многовариантный тест с десятками вариаций. Дабы избежать все возрастающей погрешности, приходится «загонять» больше трафика, чтобы гарантировать, что полученные результаты не сгенерированы случайным образом, а действительно имеют ценность. Как вы уже убедились, даже три переменных с двумя вариантами привели к восьми вариациям, и добавив символы безопасности, мы получим до шестнадцати комбинаций.
Они наверняка более мотивированы, чем среднестатистические посетители сайта, и результаты теста будут соответствующими. Если по завершении такого теста вы сделаете победившую версию основной, вы можете увидеть совсем другие результаты у обычных посетителей, мотивация которых значительно ниже. А/В тест – это эксперимент, при mvt тестирование котором трафик поровну разбивается между двумя вариантами страницы. Второй – новый, и отличается, как правило, лишь одним элементом, эффективность которого и нужно проверить. А/В тесты – самый популярный инструмент для оптимизации конверсии. Есть ситуации, когда гораздо эффективнее мультивариантное тестирование (MVT).
шагов к увеличению конверсии сайта
Функциональное тестирование фокусируется на «механике», а нефункциональное — на «результатах». Нефункциональное тестирование проводится после функционального, как менее приоритетное. Тестирование ПО разделяют на функциональное и нефункциональное.
Еще один пример связан с тестом, проведенным MarketingExperiments для крупного издательства. Маркетологи радикально изменили процесс подписки на сайте и протестировали новую версию, а в середине теста издательство запустило новую рекламную кампанию. За ночь средний уровень конверсии вырос с 0,26% до 2%. Если бы команда, проводившая тест, следила за переменами менее пристально, она могла бы подумать, что новая версия увеличила конверсию на 600%.
Планирование сплит-тестирований с помощью дорожной карты
Также при мультивариативном тестировании возможны ложные срабатывания, которые нужно учитывать при принятии итогового решения. Чем больше вариантов, тем выше риск случайных кликов, когда пользователь производит целевое действие благодаря дополнительным факторам, а не под влиянием тестируемых элементов. Тяжело сообщить — мнения опытных и легендарныхмаркетологов разделились. Но в случае если у вас хватает трафика, то полнофакторный тест точно не навредит ресурсу.
При постановке оптимизационных задач
очень важно правильно определить
параметр, который требуется оптимизировать. Эта часть исследований не поддается
формализации и целиком зависит от опыта
и интуиции исследователя. Параметр
оптимизации является реакцией (откликом)
исследуемой системы на воздействие
факторов. Оценка точности результатов осуществляется
дисперсией предсказаний, а план
эксперимента должен обладать
ротатабельностью.