Zgadywanie, czego chcą Twoi klienci, rzadko działa samo z siebie. Na początek możemy postawić świadomą hipotezę — a to, co robimy po tym przypuszczeniu, ma największy wpływ.
Testowanie, czyli metoda prób i błędów, jest podstawą wszystkich działań biznesowych. Niezależnie od branży, firmy muszą polegać na testach, aby dowiedzieć się, które komunikaty, obrazy i rozmieszczenie elementów najlepiej rezonują z ich klientami.Aby zarządzać i mierzyć testy w różnych doświadczeniach cyfrowych, platforma specjalnie do tego przeznaczona jest niezbędna w codziennej pracy przedsiębiorstwa. I tu właśnie przydaje się Adobe Target.
Przeprowadzanie testów A/B w Adobe Target
Testowanie A/B w Adobe Target, kiedyś znane jako Adobe Test & Target, to proces porównywania jednej lub więcej wariantów Twoich doświadczeń cyfrowych z doświadczeniem kontrolnym. Na przykład, możesz testować nową wersję swojej strony z cennikiem w porównaniu do jej istniejącej wersji.
Istnieją trzy sposoby przeprowadzania testów A/B w Adobe Target: ręczne testy A/B, testy A/B z automatycznym przydzielaniem i testy A/B z automatycznym targetowaniem. Oprócz tych trzech, Adobe Target oferuje również opcję bardziej skomplikowanych testów wielowymiarowych. Przyjrzyjmy się każdemu z nich nieco bliżej.
Ręczne testy A/B
Ręczne testy A/B w Adobe Target są najbardziej przejrzystą ze wszystkich opcji testowania A/B. Umożliwiają one testowanie wielu wariantów Twojego cyfrowego doświadczenia w porównaniu z istniejącym doświadczeniem, aby znaleźć najlepsze możliwe wyniki.
Dzięki ręcznym testom A/B będziesz w stanie określić grupy odbiorców i sposób przydziału ruchu dla każdej z Twoich wariantów.
Ręczne testy A/B to dobry wybór, gdy:
- Wiesz już, które elementy Twojego doświadczenia wymagają testowania wariantów.
- Twoja liczba wariantów testowych wynosi 5 lub mniej i nie obejmują one wielu lokalizacji.
- Testujesz kompleksowe zmiany (w tym całkowite przeprojektowanie układu).
- Projekt Twojej nowej wariacji nie izoluje konkretnych elementów do testowania.
Jeśli znajdziesz się w sytuacji, w której nie spełniasz powyższych kryteriów, najpierw warto przyjrzeć się testowaniu wielowymiarowemu (omówimy tę opcję za chwilę).
Testowanie A/B z automatyczną alokacją
Automatyczna alokacja to kolejny rodzaj testowania A/B, który szczególnie pomaga zdecydować, którym wariantom testowym przypisać największą ekspozycję.
Zamiast czekać do końca testu, aby zareagować na wyniki, jak to zwykle robisz, automatyczna alokacja zaczyna kierować więcej ruchu do najlepiej działających wariantów, podczas gdy test jest w toku. Pomaga to proaktywnie optymalizować wskaźniki sukcesu podczas testu, zamiast reaktywnie po jego zakończeniu.
Algorytm automatycznej alokacji osiąga to, przypisując 80% ruchu do wariantu(ów) osiągających najwyższą wydajność, jednocześnie rezerwując 20% ruchu do dystrybucji między wszystkie warianty bez rozróżniania.
Te ostatnie 20% zapewnia, że test uwzględnia zmiany w zachowaniu użytkowników w miarę upływu czasu, pozwalając mu odpowiednio się dostosować, jeśli nieoczekiwane warianty okażą się lepsze później w teście.
Automatyczna alokacja to mądry wybór dla testów A/B, gdy:
- Musisz jak najszybciej znaleźć zwycięski wariant (zazwyczaj zwycięzcy są wyłaniani szybciej dzięki automatycznej alokacji niż w przypadku ręcznych testów A/B).
- Chcesz zminimalizować ilość ruchu poświęconego na słabiej działające warianty i zapewnić bardziej spójne lub przewidywalne wzrosty wydajności.
- Posiadasz (lub planujesz posiadać) licencję na Adobe Target Premium.
Testowanie A/B z automatycznym targetowaniem
Auto-target wykorzystuje zaawansowane uczenie maszynowe, aby dostarczać spersonalizowane doświadczenia każdemu użytkownikowi. Zamiast wyświetlać to samo doświadczenie testowe każdemu użytkownikowi, optymalizuje się pod kątem Twoich celów, wyświetlając użytkownikom spersonalizowane doświadczenia oparte na ich profilach i aktywności podobnych do nich klientów.
Ten typ testu A/B jest uważany za test „zawsze aktywny”, co oznacza, że nigdy nie musi się kończyć, ponieważ nieustannie pracuje, aby wyświetlać najlepiej dopasowane doświadczenia każdemu użytkownikowi w celu ciągłego zwiększania wydajności.Auto-target wykorzystuje algorytm Random Forest do zbierania danych z losowo serwowanych doświadczeń i dostarczonych przez Ciebie danych klientów w celu przewidywania wysoce skutecznych spersonalizowanych doświadczeń dla każdego użytkownika.
Podobnie jak auto-allocate, auto-target zawsze rezerwuje część ruchu jako „kontrolę”, której będą wyświetlane losowe (niespersonalizowane) doświadczenia, aby lepiej mierzyć wzrost wydajności osiągnięty dzięki spersonalizowanym wariantom.
Auto-target jest mądrym wyborem do testów A/B, jeśli:
- Posiadasz (lub spodziewasz się posiadać) licencję premium Adobe Target (nie jest dostępna w wersji standardowej Adobe Target).
- Dążysz do dojrzałości w zakresie doświadczeń klienta poprzez inwestowanie w spersonalizowane doświadczenia dostosowane do indywidualnych profili i ścieżek klientów.
- Chcesz osiągnąć „zawsze aktywny” wzrost zarządzany przez uczenie maszynowe i zaoszczędzić czas na ręcznych testach opartych na ludzkich szacunkach wzrostu.
Adobe Target Testowanie wielowymiarowe
Testy wielowymiarowe w Adobe Target polegają na jednoczesnym testowaniu wielu wariantów wielu elementów na Twojej stronie w celu znalezienia 1) najlepiej działającej kombinacji wszystkich elementów oraz 2) najbardziej wpływowego pojedynczego elementu.
Sama liczba kombinacji elementów i ich wariantów, dla których Adobe Target będzie musiał zbierać dane, oznacza, że ten rodzaj testu będzie wymagał większego ruchu na stronie, aby osiągnąć statystycznie istotne wyniki, i zajmie więcej czasu.
Nie musisz jednak wyciągać kalkulatora permutacji, aby zgadywać, ile ruchu potrzebowałbyś, by wybrać zwycięzcę spośród wszystkich tych kombinacji. Adobe Target udostępnia Narzędzie do szacowania ruchu, aby wykonać tę ciężką pracę za Ciebie.
Testy wielowymiarowe byłyby dobrym wyborem, jeśli:
- Masz trzy lub więcej elementów do przetestowania na stronie. (Mniej, a powinieneś przeprowadzić test A/B).
- Masz wystarczająco wysoki poziom ruchu, aby uzasadnić absolutne minimum liczby elementów, które musiałbyś przetestować.
- Nie masz jasno określonego pomysłu na najbardziej efektywną kombinację elementów na stronie.
- Nie masz jasnego obrazu, który typ elementu ma największy wpływ na stronę.
- Właśnie przeprowadziłeś redesign strony lub opracowałeś nową stronę, co skutkuje dwiema powyższymi niewiadomymi.
Zalecamy również stosowanie testów wielowymiarowych i testów A/B w połączeniu ze sobą (nie muszą istnieć niezależnie). Przykładem idealnego momentu na wspólne ich użycie byłoby wykorzystanie testów wielowymiarowych do określenia, który element ma największy wpływ na stronę, a następnie zastosowanie testów A/B do znalezienia nowych, lepiej działających wariantów tego jednego elementu.
Proces testowania A/B
Niezależnie od etapu cyfrowego doświadczenia klienta, w którym się znajdujesz, testy A/B są najlepszym sposobem na znalezienie doświadczeń najlepiej dopasowanych do przekształcenia potencjalnych klientów w zagorzałych fanów Twojej marki.
Kiedy rozważasz testowanie A/B swoich cyfrowych doświadczeń, istnieje kilka kroków, które warto podjąć, aby zapewnić skuteczne i wartościowe testy.
1. Zdefiniuj cele swoich testów
Każdy udany test zaczyna się od hipotezy. Ta hipoteza prawdopodobnie pochodzi z danych, które już zebrałeś na temat Twojego obecnego doświadczenia, wskazując na możliwość poprawy.
Na przykład, mogłeś wywnioskować z mapy cieplnej lub mapy aktywności Twojej witryny, że klienci nie klikają Twojego przycisku CTA tak często, jak mogliby. Albo, mogłeś zauważyć, że użytkownicy mobilni tracą zainteresowanie i rezygnują po pewnym punkcie na stronie.
Twoim celem będzie to, co zamierzasz poprawić tym testem, czy to współczynniki klikalności Twojego przycisku CTA, czas spędzony na stronie/witrynie, itp. Gdy masz jasny cel tego, co jest dla Ciebie ważne, rozwój testu może się rozpocząć.
Będziesz mógł zdefiniować swoje cele (wraz z metrykami sukcesu) w funkcji celów i ustawień Adobe Target.
2. Ustal swoje metryki sukcesu
Ostatecznie, miara sukcesu Twojego testu będzie związana z Twoimi początkowymi celami. Nie możesz koniecznie oczekiwać, że metryki sukcesu będą takie same w różnych testach.
Na przykład, jeśli Twoim celem jest zwiększenie liczby osób klikających Twój przycisk CTA, sensowne byłoby, aby metryką sukcesu był współczynnik klikalności tego przycisku.
Gdy już wiesz, jakie będą Twoje wskaźniki sukcesu, musisz również określić realistyczny cel poprawy tych wskaźników. Realistyczne cele to zazwyczaj małe, stopniowe ulepszenia i z pewnością należy wziąć pod uwagę względną trudność osiągnięcia tych celów na wszystkich etapach lejka sprzedażowego.
Łatwo byłoby dążyć do 20% poprawy czasu spędzonego na stronie. Jednak mniej rozsądne może być oczekiwanie 20% poprawy w liczbie wypełnionych formularzy kontaktowych (ponieważ wymaga to większego świadomego zaangażowania ze strony użytkowników).
3. Utwórz warianty dla swojego testu
Kiedy już wiesz, co testujesz, musisz przygotować wariant doświadczenia dla swojego testu. Ten wariant to wersja Twojego doświadczenia na stronie, która będzie zawierała zmiany, które chcesz przetestować w porównaniu z Twoim „domyślnym” doświadczeniem.
Te warianty mogą być tak małe lub tak znaczące, jak tego potrzebujesz. Pamiętaj, czasami nawet najmniejsze zmiany mogą odpowiadać za największe różnice.
Na przykład, jeśli zauważysz, że klienci nie klikają przycisku, możesz przetestować inny kolor przycisku lub dodać tekst rozwiewający typowe obiekcje, np. „karta nie jest wymagana”.
Albo, jeśli zauważysz, że użytkownicy mobilni zbyt często rezygnują z interakcji, zanim przejdą przez sekcję nagłówka strony docelowej, możesz przetestować usunięcie ciężkich obrazów w projekcie mobilnym.
4. Skonfiguruj segmenty odbiorców
Nie musisz pokazywać wariantu testowego każdemu. W rzeczywistości, w większości przypadków najlepiej jest nie testować nowych rzeczy na wszystkich na świecie. Jednak grupa docelowa testu będzie zależeć od danych lub analiz, które doprowadziły Cię do uruchomienia tego testu.
Jeśli to użytkownicy mobilni rezygnują z interakcji, zanim przejdą przez obraz nagłówka (hero image), to właśnie na użytkownikach mobilnych będziesz chciał(a) przeprowadzić ten test.
Jeśli okaże się, że to użytkownicy Maca w Stanach Zjednoczonych nie klikają Twojego przycisku CTA, będziesz chciał pokazać im nową wersję, aby dowiedzieć się, jaki rodzaj CTA lepiej trafia do tej grupy odbiorców.
Adobe Target oferuje zaawansowane możliwości targetowania odbiorców przy użyciu reguł logicznych „i/lub”, aby kryteria Twojej grupy odbiorców były tak szczegółowe, jak tego potrzebujesz.
5. Określ alokację testu
Jeśli prowadzisz manualny test A/B, będziesz musiał określić, jaki procent użytkowników powinien zobaczyć nową(e) wersję(e) i jaki procent powinien zobaczyć doświadczenie kontrolne.
Domyślne ustawienie dla „prawdziwego” testu A/B to 50/50, co oznacza, że połowa wszystkich użytkowników z Twojej grupy odbiorców zobaczy jedno lub drugie doświadczenie. Jest to technicznie najsprawiedliwszy podział między wariantami, ale istnieją okoliczności, w których możesz nie chcieć iść tą drogą.
Załóżmy, że Twoje obecne doświadczenie działa dobrze, a Twoim celem jest sprawdzenie, jak możesz je jeszcze bardziej ulepszyć. Warto wtedy przeznaczyć więcej ruchu na doświadczenie kontrolne i testować tylko niewielki procent ruchu na nowej wersji.
6. Uruchom i monitoruj swój test
Po pełnym skonfigurowaniu testu, określeniu, komu i w jakim zakresie zostanie wyświetlony, wszystko, co musisz zrobić, to go uruchomić i obserwować.
Prawdziwie kompletny test to taki, który osiągnął istotność statystyczną — tzn. test, który zebrał wystarczającą ilość danych, aby udowodnić, że obserwowane wyniki nie są przypadkowe i są bezpośrednio zależne od wprowadzonych zmian.
7. Analizuj i wdrażaj wnioski
Gdy Twój test zostanie ukończony, zaczyna się zabawa. Będziesz mieć dane, które pomogą Ci określić, jak przebiegł ten test i na tej podstawie możesz zdecydować, na czym powinien skupić się Twój następny test.
Na przykład, załóżmy, że przeprowadziłeś dwie warianty testowe przycisku w porównaniu do wersji kontrolnej: Jeden, który zmienił kolor przycisku, ale nie jego tekst, i drugi, który zmienił CTA, ale nie jego kolor.
Z wyników testów wynika, że zmiana koloru przycisku spowodowała 3% niższy współczynnik klikalności, natomiast zmiana tekstu przyniosła 5% wyższy współczynnik klikalności. Teraz, w kolejnym teście, będziesz chciał przetestować nowe warianty tekstu i pozostawić wygląd przycisku bez zmian.Oto przydatna wskazówka: Jeśli używasz Adobe Analytics do zbierania i raportowania danych, możesz również skorzystać z integracji Analytics for Target. Ta funkcja Adobe Analytics umożliwia zastosowanie metryk sukcesu i grup odbiorców, które już zdefiniowałeś w Analytics, do testów A/B w Adobe Target. Umożliwia również Adobe Analytics zbieranie i raportowanie wyników działań z Adobe Target.
Podsumowanie
Mamy nadzieję, że po zapoznaniu się z różnymi trybami testowania Adobe Target i sposobami ich wdrażania, zainspirujesz się do udoskonalenia swoich testów A/B.
Chociaż istnieje wiele opcji zarządzania testami A/B, niewiele z nich oferuje taki sam poziom elastyczności i swobody w projektowaniu, alokowaniu i mierzeniu testów jak Adobe Target.
Jako pierwsi przyznamy również, że wdrożenie złożonego rozwiązania, takiego jak Adobe Target, nie zawsze jest łatwym procesem dla firm do samodzielnego wykonania. To wymaga kompetentnego zespołu technicznego, który pomoże zapewnić połączenie z istniejącym stosem platform.Ale jeśli obecnie nie masz zespołu technicznego z czasem i wiedzą, aby to zrobić, nadal możesz rozpocząć testowanie w Adobe Target z pomocą dedykowanego zespołu wdrożeniowego!
