Raden wat uw klanten willen, werkt zelden op zichzelf. We kunnen als start een weloverwogen gok doen—en wat we na die gok doen, heeft de grootste impact.
Testen, d.w.z. vallen en opstaan, is de ruggengraat van alle bedrijfsactiviteiten. Ongeacht de branche, moeten bedrijven vertrouwen op testen om erachter te komen welke boodschappen, afbeeldingen en positionering van elementen het beste aansluiten bij hun klanten.Om tests te beheren en te meten binnen digitale ervaringen, is een hiervoor specifiek ontworpen platform een must-have in het dagelijkse bedrijfsleven. En dat is waar Adobe Target van pas komt.
A/B-tests uitvoeren in Adobe Target
A/B-testen in Adobe Target, voorheen bekend als Adobe Test & Target, is het proces van het vergelijken van één of meer variaties van uw digitale ervaringen met een controle-ervaring. U kunt bijvoorbeeld een nieuwe variant van uw prijspagina testen tegen de bestaande versie ervan.
Er zijn drie manieren van A/B-testen in Adobe Target: handmatig A/B-testen, auto-allocate A/B-testen en auto-target A/B-testen. Naast deze drie biedt Adobe Target u ook de optie voor meer gecompliceerde multivariate tests. Laten we elk hiervan wat verder uitdiepen.
Handmatig A/B-testen
Adobe Target’s handmatige A/B-testen is de meest eenvoudige van alle A/B-testopties. Het stelt u in staat om meerdere variaties van uw digitale ervaring te testen tegen uw bestaande ervaring om de best mogelijke resultaten te vinden.
Met handmatig A/B-testen kunt u de doelgroepen en de toewijzing specificeren die elk van uw variaties zal bedienen.
Handmatig A/B-testen is een goede keuze wanneer:
- U al weet welke elementen van uw ervaring u moet testen met variaties.
- Uw aantal testvarianten is 5 of lager, en ze beslaan niet meerdere locaties.
- U test allesomvattende wijzigingen (inclusief volledige herontwerpen van de lay-out).
- Het ontwerp van uw nieuwe variant isoleert geen specifieke elementen voor testen.
Als u in een situatie terechtkomt waarin u niet aan de bovenstaande criteria voldoet, wilt u eerst multivariate testen onderzoeken (die optie behandelen we zo meteen).
A/B-testen met automatische toewijzing
Auto-allocate is een ander type A/B-testen dat u specifiek helpt te beslissen welke testvarianten de meeste blootstelling moeten krijgen.
In plaats van te wachten tot het einde van een test om op de resultaten te reageren, zoals u normaal zou doen, begint auto-allocate tijdens de lopende test meer verkeer naar de best presterende varianten te sturen. Dit helpt u om proactief te optimaliseren voor uw successtatistieken tijdens de test, in plaats van reactief erna.
Het auto-allocate-algoritme bereikt dit door 80% van uw verkeer toe te wijzen aan de variant(en) die de hoogste prestaties leveren, terwijl het nog steeds 20% van uw verkeer reserveert om willekeurig over alle varianten te verdelen.
Die laatste 20% zorgt ervoor dat uw test rekening houdt met veranderingen in gebruikersgedrag naarmate de tijd verstrijkt, waardoor deze zich dienovereenkomstig kan aanpassen als onverwachte varianten later in de test beter presteren.
Auto-allocate is een verstandige keuze voor A/B-testen wanneer:
- U zo snel mogelijk een winnende variant moet vinden (doorgaans worden winnaars sneller vastgesteld met auto-allocate dan met handmatige A/B).
- U de hoeveelheid verkeer wilt minimaliseren die u opoffert aan minder presterende varianten en consistentere of voorspelbaardere prestatieverbeteringen wilt garanderen.
- U een licentie heeft (of van plan bent te hebben) voor Adobe Target Premium.
Auto-Target A/B-testen
Auto-target maakt gebruik van geavanceerde machine learning om individuele ervaringen aan elke gebruiker te leveren. In plaats van dezelfde testervaring aan elke gebruiker te tonen, optimaliseert het naar uw doelen door gebruikers een gepersonaliseerde ervaring te tonen op basis van hun profielen en de activiteit van vergelijkbare klanten.
Dit type A/B-test wordt beschouwd als een “altijd aan”-test, wat betekent dat deze nooit hoeft te eindigen, omdat deze voortdurend werkt om de best passende ervaringen aan elke gebruiker te tonen in een poging de prestaties voortdurend te verhogen.Auto-target gebruikt een Random Forest-algoritme om gegevens te verzamelen van willekeurig aangeboden ervaringen en door u geleverde klantgegevens om goed presterende gepersonaliseerde ervaringen voor elke gebruiker te voorspellen.
Net als auto-allocate reserveert auto-target altijd een deel van het verkeer als een “controle” dat gerandomiseerde (niet-gepersonaliseerde) ervaringen zal krijgen om de prestatieverbetering van de gepersonaliseerde variaties beter te meten.
Auto-target is een slimme keuze voor A/B-testen als:
- U een Adobe Target premium-licentie heeft (of verwacht te hebben) (deze is niet beschikbaar in Adobe Target Standard).
- U werkt aan volwassenheid op het gebied van klantervaring door te investeren in gepersonaliseerde ervaringen die zijn afgestemd op individuele klantprofielen en -trajecten.
- U een “altijd aan”-verbetering wilt bereiken die wordt beheerd door machine learning en tijd wilt besparen op handmatige tests op basis van menselijke schattingen van de verbetering.
Adobe Target Multivariate testen
Multivariaat testen in Adobe Target omvat het tegelijkertijd testen van meerdere variaties van meerdere elementen op uw site om 1) de best presterende combinatie van alle elementen te vinden, en 2) het meest impactvolle individuele element.
Het enorme aantal combinaties van elementen en hun variaties waarvoor Adobe Target gegevens moet verzamelen, betekent dat dit type test meer websiteverkeer vereist om statistisch significante resultaten te bereiken, en langer zal duren om af te ronden.
Maar u hoeft geen permutatiecalculator tevoorschijn te halen om te raden hoeveel verkeer u nodig heeft om een winnaar te bepalen uit al die combinaties. Adobe Target biedt een Traffic Estimator om dat zware werk voor u te doen.
Multivariaat testen zou een goede keuze zijn als:
- U drie of meer elementen op de pagina heeft om te testen. (Minder, en u zou een A/B-test moeten doen).
- U voldoende verkeer heeft om het absolute minimum aantal elementen dat u moet testen te rechtvaardigen.
- U geen duidelijk beeld heeft van de meest effectieve combinatie van elementen op een pagina.
- U geen duidelijk beeld heeft van welk type element de meeste impact heeft op een pagina.
- U zojuist een herontwerp van een pagina heeft uitgevoerd, of een nieuwe pagina heeft ontwikkeld, wat resulteert in de twee bovenstaande onbekenden.
We raden u ook aan om multivariaat testen en A/B-testen in combinatie met elkaar te gebruiken (ze hoeven niet onafhankelijk van elkaar te bestaan). Een voorbeeld van een ideaal moment om ze samen te gebruiken zou zijn door multivariaat testen in te zetten om vast te stellen welk element de meeste impact heeft op een pagina, en vervolgens A/B-testen te gebruiken om nieuwe, beter presterende variaties van dat ene element te vinden.
Het A/B Testproces
Ongeacht in welke fase van de digitale klantervaring u zich bevindt, A/B-testen is de beste manier om de ervaringen te vinden die het meest geschikt zijn om prospects om te zetten in trouwe fans van uw merk.
Wanneer u overweegt uw digitale ervaringen te A/B-testen, zijn er bepaalde stappen die u wilt volgen om succesvolle en zinvolle tests te garanderen.
1. Definieer uw testdoelen
Elke goede test begint met een hypothese. Deze hypothese zal waarschijnlijk voortkomen uit gegevens die u al heeft verzameld over uw bestaande ervaring, wat wijst op een mogelijkheid tot verbetering.
U zou bijvoorbeeld uit een heatmap of activity map van uw site kunnen hebben afgeleid dat klanten niet zoveel op uw CTA-knop klikken als mogelijk zou zijn. Of u heeft wellicht gemerkt dat mobiele sitebezoekers hun interesse verliezen en afhaken na een bepaald punt op een pagina.
Uw doel zal zijn wat u met deze test wilt verbeteren, of dat nu de click-through rates op uw CTA-knop is, de tijd op de pagina/site, enz. Zodra u een duidelijk doel heeft van wat belangrijk voor u is, kan de testontwikkeling beginnen.
U kunt uw doelen (samen met uw succesmetrieken) definiëren in de functionaliteit voor doelen en instellingen van Adobe Target.
2. Bepaal uw succesmetrieken
Uiteindelijk zal de maatstaf voor succes van uw test gerelateerd zijn aan uw oorspronkelijke doelen. U kunt niet noodzakelijkerwijs verwachten dat uw succesmetrieken hetzelfde zullen zijn tussen verschillende tests.
Als uw doel bijvoorbeeld is om het aantal mensen te verhogen dat op uw CTA-knop klikt, zou het logisch zijn dat uw succesmetriek de click-through rate op die knop is.
Zodra u weet wat uw succesmetriek(en) zullen zijn, moet u ook een realistisch doel definiëren voor de verbetering van deze metrieken. Realistische doelen zijn doorgaans kleine, incrementele verbeteringen, en u moet zeker rekening houden met de relatieve moeilijkheidsgraad van het bereiken van deze doelen in uw funnel.
Het kan een eenvoudig incrementeel verzoek zijn om te streven naar een verbetering van 20% in de tijd die op de site wordt doorgebracht. Het is echter minder redelijk om een verbetering van 20% te verwachten in het aantal ingevulde leadformulieren (omdat dit een meer bewuste betrokkenheid van gebruikers vereist).
3. Creëer variaties voor uw test
Zodra u weet wat u test, moet u de ervaringsvariatie voor uw test instellen. Deze variatie is een versie van uw site-ervaring die de wijzigingen zal huisvesten die u wilt testen ten opzichte van uw “standaard”-ervaring.
Deze variaties kunnen zo klein of zo significant zijn als u ze nodig heeft. Vergeet niet, soms kunnen zelfs de kleinste veranderingen verantwoordelijk zijn voor de grootste verschillen.
Als u bijvoorbeeld merkt dat klanten niet op een knop klikken, kunt u een andere kleur van de knop testen, of u kunt een tekst toevoegen die veelvoorkomende bezwaren wegneemt, zeg ‘geen kaart vereist’.
Of, als u merkt dat mobiele gebruikers te vaak afhaken voordat ze het hero-gedeelte van een landingspagina passeren, kunt u testen om zware afbeeldingen te verwijderen voor mobiel ontwerp.
4. Stel doelgroepsegmenten in
U hoeft uw testvariatie niet aan iedereen te tonen. Sterker nog, in de meeste gevallen is het het beste als u geen nieuwe dingen uitprobeert op iedereen ter wereld. Echter, uw testdoelgroep zal afhangen van de gegevens of analyses die u ertoe hebben gebracht deze test überhaupt te lanceren.
Als het mobiele gebruikers zijn die afhaken voordat ze de hero-afbeelding zijn gepasseerd, dan zijn het de mobiele gebruikers waarop u deze test wilt uitvoeren.
Als u merkt dat Mac-gebruikers in de Verenigde Staten niet op uw CTA-knop klikken, wilt u hen een nieuwe variatie tonen om erachter te komen welk type CTA beter resoneert met dat publiek.
Adobe Target biedt geavanceerde doelgroepsegmentatiemogelijkheden met behulp van ‘en/of’ booleaanse regels om uw doelgroepcriteria zo specifiek te maken als u ze nodig heeft.
5. Bepaal de toewijzing van de test
Als u een handmatige A/B-test uitvoert, moet u bepalen welk percentage van de gebruikers de nieuwe variatie(s) moet zien en welk percentage de controle-ervaring.
De standaardinstelling voor een ‘echte’ A/B-test is 50/50, wat aangeeft dat de helft van alle gebruikers in uw doelgroep de ene of de andere ervaring zal zien. Dit is technisch gezien de meest eerlijke verdeling tussen variaties, maar er zijn omstandigheden waarin u deze weg wellicht niet wilt inslaan.
Stel dat uw huidige ervaring goed werkt en uw doel is om te zien hoe u deze verder kunt verbeteren. Het kan dan het beste zijn om meer verkeer toe te wijzen aan de controle-ervaring en slechts een klein percentage van het verkeer te testen op uw nieuwe variatie.
6. Lanceer en monitor uw test
Zodra u uw test volledig heeft ingesteld, heeft bepaald aan wie deze zal worden getoond en in welke hoedanigheid, hoeft u alleen nog maar te lanceren en te monitoren.
Een werkelijk complete test is een test die statistische significantie heeft bereikt — d.w.z. een test die voldoende gegevens heeft verzameld om te bewijzen dat de resultaten die u ziet niet willekeurig zijn en direct worden beïnvloed door uw wijzigingen.
7. Analyseer en zet inzichten om in actie
Wanneer uw test is voltooid, begint het leuke gedeelte. U beschikt over gegevens die u helpen te bepalen hoe deze test is verlopen en kunt van daaruit beslissen waar uw volgende test zich op moet richten.
Stel bijvoorbeeld dat u twee testvariaties van een knop heeft getest tegenover uw controle: Eén die de kleur van de knop veranderde, maar niet de tekst, en één die de CTA veranderde, maar niet de kleur.
Uit uw testresultaten blijkt dat de wijziging in knopkleur resulteerde in een 3% lagere click-through rate, terwijl de tekstwijziging resulteerde in een 5% hogere click-through rate. Voor uw volgende test wilt u nu nieuwe variaties op de tekst testen en het ontwerp van de knop ongemoeid laten.Hier is een handige tip: Als u Adobe Analytics gebruikt om gegevens te verzamelen en te rapporteren, kunt u ook de Analytics for Target-integratie gebruiken. Deze functie van Adobe Analytics stelt u in staat om successtatistieken en doelgroepen die u al hebt gedefinieerd in Analytics toe te passen op uw A/B-tests in Adobe Target. Het stelt Adobe Analytics ook in staat om bevindingen van uw Adobe Target-activiteiten te verzamelen en te rapporteren.
Conclusie
Na kennis te hebben gemaakt met de verschillende testmodi van Adobe Target en hoe u deze kunt uitvoeren, hopen we dat u geïnspireerd bent om uw A/B-testing te verbeteren.
Hoewel er veel opties zijn voor het beheren van A/B-tests, bieden er maar weinig dezelfde mate van flexibiliteit en vrijheid voor het ontwerpen, toewijzen en meten van tests als Adobe Target.
We erkennen ook als eersten dat het implementeren van een complexe oplossing zoals Adobe Target niet altijd een eenvoudig proces is voor bedrijven om zelf te realiseren. Het vereist wel een kundig technisch team om ervoor te zorgen dat u bent verbonden met uw bestaande platformstack. Maar als u momenteel geen technisch team heeft met de tijd en expertise om dit te doen, kunt u nog steeds beginnen met testen in Adobe Target met de hulp van een toegewijd implementatieteam!
