A/B -testen versus multivariate tests: wanneer en hoe kiest u?

Heb je ooit? Verander de website ... maar weet niet of deze echt is verbeterd of gewoon "zelf denkt"

Geloof dat elke markt, marketeer of bedrijfseigenaar deze ongemakkelijke situatie moet zijn tegengekomen: u bent toegewijd aan zowel fysiek, mentaal als budget. Of het nu gaat om foto's, promoties, het schrijven van nieuwe kop, aantrekkelijk of zelfs nieuw lay -outontwerp ... maar dan is het resultaat "werk"

De verkoop stijgt niet, klik minder of het ergste is "slechter dan voorheen", maar je weet niet wat het is. Het gevoel dat het lopen in het donker geen manier kan vinden om door te gaan, weet ik niet of wat ik heb gedaan "ja" of "nee" is. Dit is een klassiek probleem dat de conversie doodt en ons helaas zakelijke kansen verliest.

Prompt voor illustraties: het beeld van marketeers of bedrijfseigenaren zit in de tempels voor de computer die de overeengekomen verkoopgrafiek toont. Met een vraagteken (?) Drijvend om verwarring en onzekerheid over te brengen.

Waarom is "raden" als een ingenieuze vijand van verkoop?

De bron van de meeste problemen komt van de beslissing die is gebaseerd op "gevoelens" of "instinct" alleen. We denken dat "headline als dit meer geliefd klanten zou moeten zijn" of "Deze kleurenknop zou meer uitstekend moeten zijn", maar we hebben niets om te bevestigen dat wat "we denken" zal zijn wat "klanten denken".

In de wereld van digitale marketing die wordt aangedreven door gegevens (gegevensgestuurd), is het raden alsof je het geld moet oplossen. Omdat elke verandering die niet doorloopt, de test "risico" is die overbodig is. Dit is het punt waar krachtige tools zoals A/B -testen en multivariate testen een belangrijke rol spelen. Het is een wetenschappelijk proces dat "raden" in een "proof -waarheid" verandert en ons helpt precies te weten welke veranderingen die echt ons bedrijf hebben. Niet alleen denken

Prompt voor illustraties: Vergelijkingsbeelden tussen de linker hersenen met symbolen "instinct/gevoel" met de rechter hersenen met symbolen "Graph/data" met een pijl die wijst van het gevoel naar de gegevenszijde media die we moeten veranderen van raden naar gegevens

Laat de website "DAE" vanwege de volgende gok? De resultaten zijn angstaanjagender dan u denkt.

Het negeren van de test en blijft de website veranderen volgens de gevoelens. Kan leiden tot negatieve effecten die intenser zijn dan alleen "verkopen niet toevoegen". Probeer je voor te stellen:

• Een verspillend marketingbudget: u kunt een enorm schietgeld gooien om mensen naar de bestemmingspagina -pagina te trekken, maar als dat gezicht niet effectief genoeg is, kwamen mensen binnen en gesloten. Het geld dat u heeft betaald, is gelijk aan nul.
-

Hoewel u nog steeds de juiste manier bent door te vermoeden dat uw concurrenten gegevens van A/B -testen kunnen gebruiken om hun websites te ontwikkelen om u elke dag te verlaten.
• De conversieratio daalt: sommige veranderingen waarvan u denkt dat "een beetje" verwarring of "wrijving" voor gebruikers kan veroorzaken zonder uw conversieratio te weten en geleidelijk te eten.
-

De website die is gewijzigd, is van richting veranderd. Geeft gebruikers het gevoel dat het merk niet professioneel is en geen aandacht voor hun ervaring

Door het web zo door te laten gaan, is het niet anders dan de boot laten lekken zonder aan die lekkage te denken. Inzicht in de basis CRO (conversiersnelheidsoptimalisatie) op Shopify of andere platforms is daarom het pantser om deze problemen het beste te voorkomen

Prompt voor illustraties: de papieren boot met een naamtag "Mijn website" heeft een klein lek. Veel punten genaamd "Vastrated Budget", "Lost -klanten" en zinken langzaam in zee.

Stop met raden! Laten we A/B -testen en multivariat -testen leren kennen.

Het is tijd om onzekerheid te veranderen in een tastbare informatie. De oplossing voor dit probleem heeft 2 hoofdtypen die zeer populair en effectief zijn, dat wil zeggen A/B -testen en multivariat -testen (MVT), die duidelijk verschillend zijn en de juiste situaties die worden gebruikt.

A/B -testen (winnaarstest)

Stel je voor dat A/B -testen een gevecht op de boksfase is. We hebben "oude kampioenen" (huidige versie of controle) om te vechten met de "Challenger" (nieuwe versie of variatie).

• Wat is het: het vergelijken van 2 versies van de webpagina (of meer in A/B/N -test) die duidelijk anders is. Om te zien welke versie beter is (zoals conversieratio)
• Indien gebruikt: geschikt voor het testen van "groot" en "hoge impact", zoals het wijzigen van alle kop, nieuw lay -outontwerp, hero -beeldverandering of het aanpassen van het betalingsproces
• Voorbeeld: test de versie een pagina ("groene" knop) met de versie B ("Oranje" knop) om te zien welke kleur meer mensen laat klikken.

Multivariate tests (MVT - de beste mengset -test)

Als A/B -testen het MVT -boksen is, het laboratorium van wetenschappers. We zijn niet alleen op zoek naar een winnaar. Maar we willen weten waar de beste "ingrediënten" uit bestaan uit het testen van veel kleine wijzigingen op dezelfde pagina tegelijkertijd

• Wat is het: meerdere elementen en "meerdere variaties" van die componenten tegelijkertijd om erachter te komen welke "combinatie" (combinatie) die samenwerkt en de beste resultaten oplevert.
• Wanneer gebruikt: geschikt voor "afstemmen" of "optimaliseren", een webpagina met een hoge en effectieve toelating om nog beter te worden gebruikt om te begrijpen dat kleine elementen hoe elk deel elkaar beïnvloedt?
• Voorbeeld: op dezelfde pagina willen we de kop (2 typen) x afbeeldingen (2 typen) x tekst op de knop (2 typen) tegelijkertijd testen, die een set van 2x2x2 = 8 versies maakt om te vinden welke combinatiesets de hoogste conversie zijn.

Wat voor soort selectie begint met jezelf af te vragen: "We willen de revolutie (revolutie) veranderen of geleidelijk ontwikkelen (evolutie)?" Als het het eerste is, begin dan met A/B -testen op de webflow of uw formulier. Maar als het lijkt op MVT, is het het antwoord.

Prompt voor illustraties: 2 -zijdige afbeeldingen, 2 paar bokshandschoenen (rood versus blauw) met "A/B -testen" en de rechterkant is een wetenschappelijke proefboon. De bladeren met verschillende vloeistoffen worden gemengd met het label "Multivariate Testing".

Een voorbeeldcase: van gewone coffeeshops tot conversiekampioenen met tests

Om duidelijker te zijn, laten we eens kijken naar het verhaal van de winkel "The Grind House", een winkel die online koffiebonen verkoopt. Ze hebben een prachtige bestemmingspagina, maar de conversieratio gaat nergens heen. Dus besloten ze om gegevens te gebruiken om te helpen beslissen.

Stap 1: Big structuuraanpassing met A/B -testen

• Probleem: de originele pagina (versie A) heeft een lange informatie, maar de knop "Bekijk alle koffiebonen" is bijna de onderkant van de pagina.
-

Als we de CTA -knop naar boven (boven de vouw) verplaatsen en de kop veranderen om interessanter te zijn. Moet klikken verhogen -

Ze creëerden een nieuwe versie van de nieuwe kop: "Ervaar de unieke koffiesmaak. Direct geleverd naar uw huis" en zetten de knop "Kies uw koffiebonen", een grote oranje kleur eronder -

Na het uitvoeren van A/B -test gedurende 2 weken

Stap 2: Pas het sub -element aan met multivariate tests

• Volgende probleem: Nu hebben ze een winnende lay -out (versie B), maar willen ze beter optimaliseren.
  • Headline: (waarschijnlijk hetzelfde)
  • Hero Image: A (Coffee Farm) Vs (Barista is Drip Coffee)
  -
  Knoptekst:
  Bericht A ("Selecteer uw koffiebonen") versus tekst B ("Shop Now")
-

Het wijzigen van de Hero -afbeelding en de tekst op de CTA -knop kan helpen om meer conversie toe te voegen -

Op de lay-out van versie B testen ze de MVT als volgt:-

MVT ontdekte dat de winnende combinatieset is

Die helpt om de conversieratio te verhogen. Over het algemeen nog eens 18% van het origineel!

Het is te zien dat ze A/B -testen gebruiken om eerst een "geweldige verandering" te vinden en vervolgens de MVT te gebruiken om "de details aan te passen", wat een zeer krachtige strategie is. En is een richtlijn die CRO -experts altijd worden aanbevolen.

Prompt voor illustraties: Infographic -afbeeldingen Vertel het verhaal van het Grind House, met stap 1 (A/B -test) en stap 2 (multivariate test) en geef de resultaten duidelijk weer.

Wil je beginnen met testen? Checklist 6 eenvoudige stappen die onmiddellijk kunnen volgen.

Het begin kan er eng uitzien, maar er zijn eigenlijk duidelijke processen. Of u nu kiest om A/B -testen of MVT uit te voeren, u kunt deze checklist volgen.

1. Stel doelen die kunnen worden gemeten (definieer uw doel): wat wilt u verbeteren? Zeg niet breed, "wil de verkoop verhogen" maar om specifiek te zijn, zoals "het aantal mensen willen vergroten, druk op de toevoegen aan auto op de productpagina" of "wil het bouncepercentage op de bestemmingspagina -pagina met 10%verlagen"
2. Vorm een hypothsis: maak duidelijke zinnen in deze structuur: "Ik geloof dat veranderingen (x) zullen resulteren in resultaten (y)" zoals "Ik geloof dat de knop kleurverandering" is oranje (x) de klik (y) zal vergroten omdat deze uitstekend is dan het origineel en een haastig gevoel (z) "zal creëren.
3. Kies de tool en de methode van het testen (kies uw tool en methode): uit uw doel en veronderstelling. Wil je een grote verandering (A/B) of MVT? Kies vervolgens tools om te gebruiken zoals VWO of Optimizly.
4. Maak een variatie maken: het construeren van de nieuwe versie (variatie) volgens uw veronderstellingen in uw tools. Zorg ervoor dat alles correct werkt.
5. Begin met testen en wachten (voer de test uit en wees geduldig): laat het systeem beginnen het verkeer naar verschillende versies te verdelen. Het belangrijkste is dat "geduld" zo lang genoeg moet zijn om een statistische significantie te krijgen, die meestal minimaal 1-2 weken duurt om de discrepantie te verminderen.
6. Analyseer de resultaten en doen (analyseren en implementeren): wanneer de test eindigt de resultaten van welke versie de winnaar is. Als er een duidelijke winnaar is, gebruik dan die versie om daadwerkelijk te gebruiken met 100% verkeer als het resultaat niet anders is, dit betekent dat wat u verandert geen effect heeft. En het is tijd om een nieuwe veronderstelling te maken om te blijven testen

Vanaf het A/B-testproces voor nieuwe e-commerce is het beste punt om een testcultuur in uw organisatie te creëren.

Prompt voor illustraties: 6 Checklist Afbeeldingen met pictogrammen in elk item (Artikel 1: Boogschieten, artikel 2: Labox, artikel 3: Gereedschapskist, artikel 4: Sutan Set/Design Tools, Artikel 5: Watch/kalender, artikel 6: Graph

Vragen die mensen de neiging hebben zich af te vragen (FAQ) over A/B en multivarlate -testen.

Ik heb een populaire vraag samengesteld die vaak wordt aangetroffen. Met een duidelijk antwoord en gemakkelijk te begrijpen

V1: Hoeveel heeft het om verkeer te hebben om naar de website te gaan?
A: Geen vaste nummers. Maar het hangt af van uw huidige conversieratio en de grootte van de resultaten die u verwacht. Maar het algemene principe is dat multivariate testen veel meer verkeer vereist dan A/B -testen omdat het het verkeer in kleine onderdelen moet verdelen. Veel versies voor elke versie om voldoende informatie te ontvangen. Als de website een zeer hoog verkeer heeft, zijn beginnend met A/B -testen gemakkelijker te zien.

V2: Hoe lang moet ik de test laten draaien?
A: Het belangrijkste is niet "het aantal dagen", maar "statistische significantie", die u zal vertellen dat de resultaten betrouwbaar zijn op een niveau van 95% of?

V3: Welke tussen A/B -testen en MVT? "Beter"?
A: Er is geen betere. Het is alsof je vraagt: "Welke schroevendraaier en schroevendraaier is beter?" Het hangt af van het "werk" dat u wilt doen. Als je wilt pakken (op zoek naar een duidelijke winnaar van een grote verandering), moet deze een hamer gebruiken (A/B -testen), maar als je wilt schroeven (stel een klein element aan om de beste combinatieset te vinden), moet je schroevendriver (MVT) gebruiken (MVT)

V4: Als de resultaten naar voren komen dat "geen winnaar" (niet overtuigend), wat moet ik dan doen?
A: Dit is een waardevolle les! Dit soort resultaat vertelt ons dat "wat we veranderen, helemaal geen invloed heeft op het gedrag van gebruikers." Wat beter is dan raden en overschakelen naar een nieuwe versie, wat niet echt beter is. Wat moet worden gedaan, is terug te keren naar de nieuwe veronderstelling dat "dapper" en "anders" dan voorheen en vervolgens opnieuw beginnen te testen. Of concludeer dat het oorspronkelijke element al goed is en ga naar een ander punt om in plaats daarvan te testen

Prompt om illustraties: mensen stellen vragen. Met een tekstvak met het woord Q1, Q2, Q3, Q4 en korte antwoorden gemakkelijk te begrijpen

Samenvatting: Stop met raden en begin met "test" om reële groei te creëren.

Op dit moment hoop ik dat iedereen de verschillen en voordelen van A/B -testen en multivariet -testen zal zien.

Eenvoudige samenvatting om uit zijn hoofd te onthouden:

• A/B -testen: gebruikt voor "winnaars" die duidelijk zijn tussen zeer verschillende ideeën. Geschikt voor "revolutionair"
-

Gebruikt voor het vinden van de "beste gemengde set" van kleine elementen die geschikt zijn voor veranderingen in de "evolutionaire" voor optimaliseren.

De sleutel tot de optimalisatie van de conversieratio is niet het duurste hulpmiddel. Maar in de creatie "testcultuur" in de organisatie, is het veranderen van methoden van "Ik denk dat ..." een "informatie zegt ..." is de eerste stap die het belangrijkste is om de groei van uw bedrijf online te ontgrendelen.

Laat uw succes niet afhangen van de willekeurige. Vanaf een klein ding van vandaag, probeer je belangrijkste pagina aan te nemen. En begin met het testen van het reizen naar de echte groei ... beginnend met je eerste test!

Klaar om de gok al in een tastbare verkoop te veranderen? Laat de Vision X -hersenexperts u helpen de strategie in te stellen en de meest effectieve test uit te voeren. Raadpleeg ons vandaag gratis!

Prompt voor illustraties: de grafiek van de lijn die vanaf het begin opkomt met het woord "giswerk" tot het hoogste punt met het woord "gegevensgestuurd succes" met A/B-logo in de grafiek.

‍