Kas tahad teada, kuidas luua oma ettevõttele KIIRE, VÕIMAS ja INTELLIGENTNE turundus? LIITU meie iganädalase UUDISKIRJAGA, kus jagame internetiturunduse ABC-d ning parimate praktikate kokkuvõtet meie ettevõtluse ABC blogist.
Väga paljud ettevõtted ja turundajad lähtuvad otsuste tegemisel puhtalt eeldustest või „kõhutundest“. Nad usuvad, et teavad täpselt, milline reklaamikampaania, veebilehe kujundus või pakkumise sõnastus toob parima tulemuse. Ent tegelikult võib turul käituda hoopis teistmoodi kui teie ootused, mis tähendab, et võite potentsiaalselt kaotada müügivõimalusi ja konversioone.
A/B testimine (ehk split testing) on meetod, mis võimaldab selgelt ja mõõdetavalt kindlaks teha, milline variant toimib tegelikult paremini. Olgu küsimuseks reklaami pealkiri, CTA (call-to-action) nupuvärv, hinnamudel või veebilehe struktuur, A/B testimine annab teile tõenduspõhise vastuse, mitte pelka oletust. Järgnevalt uurime, miks A/B testid on nii olulised, kuidas neid praktikas korraldada ning millistele nüanssidele tasub tähelepanu pöörata.
1) Ootused vs tegelikkus: Ettevõtted, kes ei testi, töötavad sageli „pimelennul“ – nad teevad kampaaniaid või otsuseid, teadmata, kas need on efektiivsed. A/B test annab otsese tagasiside, kuidas kaks erinevat lähenemist reaalsetele klientidele mõjub.
2) Objektiivne tõenduspõhisus: „Arvan, et punane nupp on parem kui roheline“ vs „panen punase ja rohelise nupu võrreldud testis jooksma ning vaatan tulemusi.“ Emotsionaalne arvamus asendub konkreetsete andmetega (nt milline nupp sai kõrgema kliki- või ostuprotsendi).
3) Kulude kokkuhoid: Katsetamata strateegia võib aega ja raha raisata. A/B testiga väldite suuri ebaõnnestunud kulutusi, sest tuvastate varakult parima viisi, enne kui investeerite suurelt.
4) Edasine optimeerimine: Kui üks variant on edukam, võite seda kasutada uue baastaseme loomiseks ja jooksvaks täiustamiseks. A/B testide kultuur loob pideva parenduse tsükli: te alati uute hüpoteesidega testimas, otsides veelgi paremaid lahendusi.
1) Hüpoteesi seadmine: Esmalt otsustate, mida soovite muuta ja millele see võib positiivselt mõjuda. Näide: „Arvan, et lühem registreerimisvorm annab rohkem kliente kui pikem vorm.“
2) Variandi loomine: Teil on praegune (A) variant ja loote uue (B) variandi, mis erineb ainult ühe (või väga paari) aspekti poolest. Miks mitte muuta korraga paljusid asju? Sest te siis ei tea, mis täpselt efekti andis.
3) Mõõdiku valik: Otsustate, mida täpselt jälgite: ostuprotsent, klikkide arv, vormi täitmise määr, e-kirja avanemise määr jne. Mõõdiku valik peab olema selge ja vastama teie ärilisele eesmärgile.
4) Perioodi ning katsemahu määramine: Laske A ja B varianti samaaegselt käiku, jagades kasutajad juhuslikult kaheks rühmaks. Test peab kestma piisavalt kaua, et saada statistiliselt usaldusväärne tulem. Ärge lõpetage testi liiga vara, nt pärast paari klikki.
5) Analüüs: Vaatate, millise variandi puhul oli mõõdik parem. Kui erinevus on statistiliselt oluline (kasutatakse tavaliselt statistilisi teste, nt chi-square, t-test vms), siis kuulutate võitja välja. Edasi võite seda võitja varianti omakorda täiendada uue B-versiooniga.
1) Üheselt tõlgendamine: Kui te muudate korraga pealkirja, nupu värvi ja hinda, ei saa te lõpuks aru, miks müük kasvas/langes. Eksperimendil peab olema selge fookus: millist elementi testite.
2) Erinevate testide jada: Parem on teha mitu järjestikust mini-testimist, et samm-sammult optimeerida. Näiteks kõigepealt testite pealkirja, seejärel nupuvärvi, siis pildipaigutust jne.
3) Multivariant test: On olemas ka multivariant testimise meetod, kus vaatlete korraga mitut muutujat, kuid see on komplekssem (vaja suuremaid külastusmahte) ja täpsemate tööriistade kasutamist.
1) Praegune leht: Näiteks on teil veebilehe avalehel suur foto, all pealkiri „Tere tulemast!“ ja nupust call-to-action „Siit poodi“.
2) Uus variant: Vahetate pealkirja dünaamilisema vastu: „Säästa täna 20% kõigilt toodetelt – kliki siia!“ See on ainus erinevus, muu disain jääb samaks.
3) Mõõdik: Jälgite, kui paljud külastajad klikivad nupule ja jõuavad ostu alguseni (näiteks tootelehele).
4) Tulemus: Kui B variant toob 30% rohkem klikke, on selge, et uus sõnum töötab paremini. Võite selle juurutada kõikidele kasutajatele või teha veelgi täpsemaid katseid.
1) Külastajate arv: Statistiliselt on nii, et mida rohkem inimesi testis osaleb, seda usaldusväärsem tulemus. Kui teie saidil on väga vähe külastajaid (nt mõnikümmend päevas), võib test aeganõudvaks muutuda.
2) Statistiline olulisus: Turundus- ja analüüsitööriistad (nt Google Optimize, VWO, Optimizely) näitavad sageli automaatselt, millal tulemus on saavutamas 95% usaldusnivood (ehk „harva on juhus“). Eesmärk on olla piisavalt kindel, et erinevus A ja B vahel ei ole õnnelik juhus.
3) Testi kestus: Juhis: keskmise külastusvoo korral võiks test toimida vähemalt 7–14 päeva, katmaks erinevaid nädalapäevi ja käitumise mustreid. Kui on väga suur külastusvoog, võib piisata ka lühemast perioodist, kuni koguneb vajaliku suurusega valim.
1) Vältige “peata kana” efekti: Pole mõtet testi katkestada esimese 24 tunni järel, kui näete, et B-l on 70% parem tulemus. Vara on. Andke aega, et trend kinnituks. Vaadake, kui testitarkvara näitab 95% või 99% kindlust, et B on parem.
2) Ärge jätkake lõputult: Kui andmed juba on statistiliselt paigas, lõpetage test. Edasine pikendamine kulutab aega, mille vältel te ei saa parimat lahendust veel rakendada.
3) Olge ettevaatlik hooajaliste mõjudega: Kui test satub pühadeperioodi, võib see erinevalt mõjuda. Sestap võib mõni test vajada kordust teisel ajal, kui ettevõttel on tavapärane müügitsükkel.
1) Parima variandi rakendamine: Kui B võidab, viite selle disaini/takti/reklaami seejärel kõigile lehe külastajatele. Nii paraneb üldine tulemus, mitte ainult väiksel testirühmal.
2) Uue A/B testi käivitamine: Edasi võite testida veel midagi – ehitades uue B versiooni, kus muudetakse muud detaili. Sedasi optimeerite samm-sammult, kuni jõuate märkimisväärselt parema konversioonini.
3) Ebaedu on ka kasulik: Kui selgub, et B variant ei parandanud tulemust, õppisite ikkagi midagi. Alati on parem teada saada, mis ei tööta, kui jätkata aega ja raha kulutades ebatõhusale variandile.4) Dokumenteerige: Pidage kirja, mida testisite, kuidas, millal ja mis oli tulemus. Nii väldite sama idee uuesti testimist (või saate vajadusel andmeid võrrelda).
1) Segmentimine: Võite avastada, et variant B on parem üldiselt, aga nooremale sihtrühmale töötas hoopis A. Sellisel juhul võite kasutada personaalseid lahendusi, kus noorematele näidatakse A versiooni, ülejäänutele B.
2) Re-marketing: Testige näiteks kahte reklaami uuesti turundamisel (remarketing), et näha, milline sõnum toob varem lehel käinud külastajad paremini tagasi.
3) Mitmeastmeline funnel: Mõnikord pole piisav jälgida pelgalt esimese kliki kasvu. Vaadake ka, kas need inimesed, kes reageerivad B variandile, jõuavad päriselt ostu lõpuni või on A-l ostumäär tegelikult suurem. Teisisõnu, vaadake kogu müügilehtrit, mitte vaid üht sammu.
4) Tarkvara ja analüüsi tööriistad: Google Optimize, Optimizely, VWO, Adobe Target jt. Need pakuvad visuaalset A/B testi loomist, statistilist analüüsi ja segmentimist. E-posti testimiseks on paljudel e-postiplatvormidel (Mailchimp, Klaviyo jms) sisseehitatud split testing.
A/B testimine on põhiline „kindlustuspoliis“, mis kaitseb teid suuremate vigade eest turundus- ja müügitegevuses. Ilma testimata võite teostada kalleid kampaaniaid, mis ei anna soovitud tulemust, või suunata arendustöid vale lahenduse peale, mis ei paranda konversiooni.
Kokkuvõtlikud soovitused:
Tänu A/B testimisele suudate teha realistlikke, andmetel põhinevaid otsuseid. See tähendab vähema vaevaga suuremat edu: iga väikse muutuse optimeerimine võib konversiooni kergitada protsendi või paar, mis aga pikas plaanis muudab käibenumbreid märkimisväärselt.
Olge valmis, et mõned testid viitavad sellele, et teie esialgne „kõhutunne“ oli siiski õige – ja see on samuti kasulik teadmine, sest nüüd teate kindlalt, mitte oletades. Teised testid võivad aga olla tõeliselt üllatavad, muutes näiteks ühel nupuvärvi vahetusel ostukorvi täitumise protsenti märkimisväärselt. Tänapäeva digimaailmas on A/B testimine vaieldamatult üks mõjusamaid viise, kuidas leida üles see „parim lahendus“ ja hoida ära mahakukkunud võimalused.
Kokkuvõtteks: otsused, mis on tehtud andmete, mitte eelduste põhjal, viivad järjepidevalt suurema kasumi ja paremate kliendisuheteni. A/B testimise juurutamine oma ettevõtte kultuuri võib olla esimene samm, mis eristab teid konkurentidest, kes jätkavad pimesi arvamist. Võtke ette üks väike test juba täna – ning avastage, kui suur on vahe „arvamise“ ja „teadliku tegutsemise“ vahel!