Da li ste čuli za A/B test? Možda i niste, ali će vam biti lakše kada znate da ovo ima veze sa nekim svakodnevnim “mukama”. Onda, počnimo ovako:
Dvoumljenje vam je sigurno i više nego dobro poznato. Čak, sigurno se svakog dana suočavate sa dilemama, što u vezi sa tim koju ćete kafu tog jutra popiti, što u vezi sa nekim većim i važnijim životnim odlukama i planovima. Kad smo već kod životnih odluka i planova… Vaš biznis se sigurno može podvesti pod tu kategoriju, zar ne? Upravo zato sigurno i želite da kroz interakciju sa svojim (potencijalnim) klijentima ostvarite najbolje rezultate. Jer, na kraju dana, uspešna prodaja je nešto što svako od nas želi za svoj biznis. Pitate se kakve veze sve ovo ima sa dvoumljenjem? Jednostavno je!
Bez obzira na to da li je vaša biznis priča nova ili jednostavno želite da u svoje poslovanje i promociju unesete neke novine, dvoumljenje koji pristup bi bio bolji je i više nego obavezno. E sad. Za razliku od onih svakodnevnih dilema na koje odmah morate da imate pravi odgovor da biste doneli odluku, u slučaju ovakvih biznis-dilema moguće je isprobati obe opcije i na kraju odabrati isključivo onu koja vam donosi najbolje rezultate. Zbunjeni ste? Dakle, vreme je da upoznate A/B test!
Šta je A/B test i kako funkcioniše?
A/B test je poznat i kao split testing ili bucket testing, a najjednostavnije objašnjenje bi bilo to da je potrebno da kreirate dve varijante iste usluge (npr., dva različita banera za istu uslugu / kampanju na Facebook-u i sl.) koje ćete potom plasirati istoj publici. Ti oglasi bi npr. bilo dobro da jedan oglas bude slika, a drugi možda neki vektor. Na ovaj način nakon odreženog perioda možemo zaključiti na kakvu vrstu oglasa bolje reaguje naša ciljna grupa. Ovo se može raditi i sa drugim varijablama. Npr. jedan isti vizual prikazujete različitim interesnim grupama. Na ovaj način proveravate koja publika kako reaguje na koje vizuale. Same varijante ne moraju da budu bitno različite – dovoljno je da upotrebite druge boje ili izbor reči da biste testirali na koju opciju ljudi bolje reaguju.
Nakon što podesite opcije A i B i pokrenete eksperiment, ostaje vam još samo da izmerite rezultate i otkrijete koja verzija vaših kreativnih rešenja bolje prolazi kod korisnika i od koje verzije dobijate bolje rezultate, više “klikova”, više kupovine – od osnovne ili one modifikovane.
Napomena: Pre nego što kreirate različite varijante, pokrenete eksperiment i počnete da upoređujete rezultate, bitno je da detaljno proučite šta je to što treba izmeniti (i naravno poboljšati), kao i da postavite osnovne hipoteze u pogledu toga šta očekujete da će se desiti nakon ovog eksperimenta. Takođe, vaš A/B test se ne mora zaustaviti na samo dve opcije, A i B, već možete dodati onoliko opcija odnosno varijanti koliko vam je neophodno, a u tom slučaju govorimo o A/B/n testu.
Šta vam govore rezultati A/B testa?
Pre svega, verujemo da vam je jasno da je svaki korisnik drugačiji. Ono što prolazi kod jednog, neće proći kod nekog drugog, tako da se dešava da ponekad A/B test ne donese očekivane rezultate. Upravo zato je važno da svaki segment rezultata pažljivo proučite kako biste uočili šta je to što treba unaprediti i koja opcija zapravo donosi najbolje rezultate (čitajte: novac). Pa, uostalom, A/B test tome i služi!
Tako, na primer, ako ste varijante prilagodili browser-u koji korisnici koriste, možete primetiti da varijanta prikazana na Safari-ju definitivno bolje prolazi od one na Firefox-u. Možda je razlog za to sam dizajn, a možda i tehnički problemi koji se javljaju prilikom prikazivanja na različitim browser-ima. Zato je uvek poželjno da svaka varijanta odgovara svim uređajima, ali i pretraživačima. Dakle, i na to treba obratiti pažnju jer čak i ove nijanse utiču na to u kom pravcu ćete usmeriti svoj biznis.
Kao što smo već napomenuli na početku, jedna ciljna grupa će videti originalnu verziju vašeg sajta ili reklame, dok će druga ciljna grupa videti drugu verziju i tako dalje. Dakle, pažljivo i precizno targetiranje ciljnih grupa je ključno. Ne reaguju svi isto, što iz ličnih i psiholoških razloga, što iz tehničkih. Neka vaše ciljne grupe budu što preciznije i detaljnije kako bi obuhvatile što više karakteristika korisnika. Na primer, testirajte desktop i mobile korisnike, existing i first-time korisnike. Rezultati verovatno neće biti isti, ali baš to će vam pokazati u kom pravcu treba da razmišljate i delate! Naravno, vodite računa o tome da sama metodologija rada i targetiranja bude relevantna u odnosu na vaš biznis.
Još jedno bitno pitanje jeste kada treba segmentirati korisnike – pre ili posle testa. Mnogi stručnjaci savetuju da ovo uradite pre samog testa jer kada unapred “predvidite” koji segmenti će biti pogođeni testom, ostavljate manje prostora za potkradanje rezultata koji vam nisu relevantni ili koji samo na prvi pogled deluju pozitivno. Dakle, kada ključne korisnike odredite pre testa, drastično ograničavate greške i dobijate validniju i relevantniju statistiku.
Jako je važno naglasiti da sam A/B test ne podrazumeva samo “puštanje” eksperimenta i analiziranje dobijenih rezultata. Naprotiv. Test treba kontinuirano pratiti kako biste u svakom trenutku mogli da odreagujete sa ciljem dobijanja što relevantnijih podataka. Zato:
- Ukoliko se vaš alat za sprovođenje A/B testa ne prilagođava automatski višestrukim varijacijama, obavezno ispravite nivo važnosti za testove sa više od jedne varijacije.
- Nemojte menjati osnovna podešavanja eksperimenta usred njegovog trajanja.
- Nemojte da koristite trenutnu (pozitivnu) statistiku kao pokazatelj da treba da prekinete test. Unapred odredite veličinu uzorka koji treba ispitati i tek po završetku tog zadatka prekinite A/B test.
- Nastavite da segmentirate korisnike i nakon završetka testa, ali vodite računa o tome da upoređujete samo one segmente koji su značajni i imaju odgovarajuću veličinu uzorka.
Kada treba prekinuti test?
Već smo vam rekli kada ne treba prekidati A/B test, tako da vam dugujemo informaciju o tome kada je pravo vreme da se test stopira. Bitno je da budu ispunjena tri uslova:
- da veličina uzorka bude dovoljno velika;
- da je test već trajao dovoljno dugo (minimum dva ciklusa, dakle, dve do četiri nedelje);
- da je statistička značajnost 95% ili veća.
Ovde ćemo naglasiti i to da veličina uzorka i segmenata korisnika treba da bude dovoljno mala da precizno prikaže željene ciljne grupe, ali i dovoljno velika da može da ima statističku značajnost i prikaže očekivane promene.
Kada je vreme za produžavanje ili ponavljanje A/B testa?
Ukoliko je veličina uzorka mala, a unapred znate da ćete segmentirati korisnike i same rezultate testa, potrebno je da A/B test traje duplo duže nego što ste najpre planirali. Dakle, ako ste planirali da test traje dve nedelje, sada treba da traje četiri.
Uvek imate opciju i da ponovite testiranje ukoliko ste u toku trajanja testa otkrili nešto novo, nešto što vam je skrenulo pažnju i pokazalo da ima materijala i mogućnosti za drugačije rezultate.
Uglavnom, kada sumnjate, a uz to niste dobili očekivane rezultate ili jednostavno želite da ih proverite, slobodno produžite ili ponovite test, ali sa malo bolje definisanim segmentima za praćenje, vođeni dosadašnjim rezultatima.
Ukoliko ponavljate ili produžavate test, vodite računa o veličini uzorka. Vodite se podacima koje ste otkrili u prvobitnom, originalnom testu. Na primer, ako ste u određenom segmentu uvideli rast od 30%, nije vam potrebno mnogo ljudi koji će učestvovati u testu da biste postigli statističku validnost. Ukoliko je pak taj broj 5%, onda će vam biti potreban veći uzorak.
Zaključak
Segmentacija korisnika je jako važna za sticanje uvida u to šta vaši korisnici žele i šta im je potrebno, a samim tim i za maksimiziranje prihoda. Kada segmentirate korisnike, uvek imajte na umu to da vam je potreban dovoljno veliki i validan uzorak za svaki od segmenata koji testirate. Takođe, uvek se vodite specifičnim potrebama svog biznisa i problemima samog web rešenja za postizanje najboljih rezultata.
Izvori: optimizely.com, conversionxl.com, northtexas-webdesign.com
