Często zdarza się, że moje porady wymagają znaczącej inwestycji w rozwój sklepu przez programistów. Podmiana wyszukiwarki? Redesign kasy? Te zadania zajmują kilka, jeżeli nie kilkanaście dni. Dzisiaj jednak chciałem Wam przedstawić coś, co możecie zrobić sami. Coś, co pozwoli Wam podnieść konwersję w sklepie metodą małych kroków. Poznajcie testy AB.
Czym są testy AB?
Zakładam, że większość z Was wie mniej więcej, z czym to się je. Nie jest to nowe podejście, Google już w 2011 roku wykonywało ponad 7000 testów AB w ciągu roku. Jednak wiele osób słyszało o tym narzędziu, ale niekonieczne odważyło się ich zastosować. Czy jest to spowodowane obawą przed koniecznością programowania? Czy może brakiem wystarczającej wiedzy? Tego nie wiem, jednak chciałbym Wam dzisiaj przedstawić podstawowe założenia testów AB i przedstawić powody, dla których warto je wprowadzić w Waszych sklepach.
Testy AB w największym skrócie jest to porównanie dwóch wersji strony, np. strony produktu ze zdjęciem po lewej stronie vs. po prawej stronie. Innym typowym przykładem jest zastosowanie zielonego przycisku względem niebieskiego. Połowie osób pokazuje się jedną wersję strony, drugiej połowie drugą, a inteligentne systemy (albo analityk) wyliczają nam, która lepiej wpływa na konwersję.
Gdzie więc stosuje się testy AB? Często bada się w ten sposób następujące rzeczy:
- Teksty (w sensie copywriting),
- przyciski,
- format linków (link tekstowy vs CTA),
- bannery,
- e-maile,
- labele produktowe (np. bestseller, nowość),
- tzw. social proof, czyli recenzje Klientów
- ceny
Prawda jest taka, że można to zastosować w praktycznie nieskończonej liczbie miejsc – warto jednak pamiętać o tym, jak wykonywać te testy.
Jak zaplanować hipotezę do testów AB?
Prawdopodobnie najtrudniejszym elementem testu AB jest to…co dzieje się przed nim. Można oczywiście założyć sobie, że ten element sprawdzi się lepiej, albo, że zdanie sformułowane w inny sposób, przyniesie lepszy wynik, ale to trochę jak granie w golfa z zamkniętymi oczami. Owszem – możesz trafić. Owszem – możesz zbliżyć się do dołka, ale szansa, że to się stanie, jest drastycznie niższa. Specjaliści z AppSumo wyliczyli, że tylko 1 na 8 testów daje im sensowne wyniki. Żeby więc nie tracić niepotrzebnie czasu, warto zastanowić się nad tym, jaką hipotezę chcemy zbadać.
Dobra hipoteza powinna zawierać następujące elementy:
Jeżeli […] to […], ponieważ […]
Przykładowe hipotezy, które możecie wykorzystać:
- Jeżeli przycisk będzie zielony, a nie czerwony, to wzrośnie liczba osób, która doda produkt do koszyka, ponieważ czerwony kojarzy się z błędem/ sugeruje, żeby w niego nie klikać.
- Jeżeli główny banner będzie zawierał naszą najpopularniejszą kategorię, to spadnie bounce rate, ponieważ ludzie od razu będą widzieli, że znajdą na stronie to, czego szukają.
- Jeżeli w kasie usunę dwa pola formularza, to wzrośnie liczba złożonych zamówień, ponieważ ludzie optycznie będą widzieli, że muszą poświęcić mniej czasu na uzupełnianie treści w kasie.
To są bardzo proste hipotezy, które są bardzo ogólnikowe. Są oparte na ogólnym know-how, podstawowych założeniach UX, które można zastosować praktycznie wszędzie. Osiągnąć możecie jednak znacznie więcej, jeżeli zaobserwujecie ruch w Waszym sklepie.
Jak wypracować hipotezę?
Jednym z najlepszych sposobów, jest obserwowanie nagrań z HotJar’a – jeżeli jeszcze nie znacie tego narzędzia, to zapraszam do zapoznania się z tym artykułem. Na nagraniach możecie zauważyć, że niektóre osoby robią coś, zachowują się w jakiś określony sposób. Nie wiecie, jaka jest motywacja ani co chodzi im w tym czasie po głowie, jednak możecie sformułować hipotezę, którą będzie można sprawdzić.
Innym sposobem, jest analiza danych w Google Analytics. Najlepiej sprawdzają się tutaj ścieżki zakupowe, lejki sprzedażowe, ale też np. bounce rate na poszczególnych stronach. Jeżeli zauważysz jakiś trend, to warto zastanowić się, dlaczego tak jest – w ten sposób powstanie hipoteza. Testy AB pozwolą Ci ją potwierdzić.
Ruch na stronie – sprawa kluczowa
Jedyną wymówką, jaką jestem w stanie w pełni zaakceptować w kwestii nierobienia testów AB, jest brak wystarczającego ruchu na stronie. Jeżeli nie mamy wystarczającego ruchu, to nie możemy uzyskać statystycznie istotnych wyników. Jeżeli nie mamy statystycznie istotnych wyników, to nasze badania – nawet jeżeli będziemy widzieli poprawę w konwersji – mogą być nic niewarte. Może to być szum. Może to być błędne założenie.
Co ma znaczenie w ruchu?
Ruch, którego potrzebujemy na stronie, zależy od kilku rzeczy. Najbardziej podstawowe to:
1. Przedział ufności
2. Długość testu
3. Jaka różnica nas interesuje
Przedział ufności to nic innego, jak procentowe określenie, jak dużą chcemy mieć pewność w naszych wynikach. Standardowo w badaniach przyjmuje się poziom 95%, co oznacza, że z 95% prawdopodobieństwem nasze wyniki są prawdziwe (innymi słowami, na 95% przypadków tak się będzie działo). Wiele narzędzi pozwala jednak określić niższy (a także wyższy) przedział ufności – zmniejszając go mamy większą szansę, że “strzelamy”, ale zmniejszamy liczbę wyników, które potrzebujemy.
Długość testu określa, jak długo muszą być zbierane wyniki. Jeżeli mamy duży ruch, to oczywiście długość testu może być krótsza, jeżeli mniejszy to musimy tę długość wydłużyć. Warto zaznaczyć, że rekomendowane jest, żeby okres nie był dłuższy niż 30 dni. Można oczywiście go wydłużyć, ale jest wtedy większa szansa na otrzymanie zafałszowanych wyników. Jest to spowodowane ciasteczkami (np. wg badań Comscore aż 60% komputerów w Stanach Zjednoczonych jest współdzielonych, a ok. 30% usuwa ciasteczka średnio raz na miesiąc).
Różnica, która nas interesuje – to wydaje się nieintuicyjne, ponieważ chcemy zbadać, ile procent wzrasta konwersja, ale w zależności od wyników, które chcemy uzyskać, może być to łatwo/ciężko potwierdzić. Przykładowo: jak pewny byś był, jeżeli bym Ci powiedział, że zmieniając kolor przycisku, mogę podnieść konwersję o 1%? A jak bardzo bym musiał Ciebie przekonywać, gdybym powiedział, że podniosę go o 100%?
Nie ma więc jednej odpowiedzi na pytanie, jaki ruch jest nam potrzebny. Jest jednak sporo narzędzi, które pozwalają go określić. Najlepsze, jakie znalazłem to: https://abtestguide.com/abtestsize/. Jeżeli szukacie czegoś prostszego, to polecam to: https://www.optimizely.com/sample-size-calculator/.
Dostępne narzędzia
Dobra, czas na przedstawienie kilku narzędzi. Każde z nich ma swoje plusy i minusy, każdemu przypadnie też inne do gustu. Warto wiec zapoznać się z pakietem funkcji i podjąć decyzję na bazie Waszych potrzeb.
1. optimizely.com
2. omniconvert.com
3. vwo.com
4. www.abtasty.com
Warto wspomnieć też o dwóch wyjątkowych narzędziach – pierwszym jest Google Analytics, który ma wbudowane proste narzędzie do testów AB, jednak zdecydowanie łatwiej można ich dokonać za pomocą narzędzi zamieszczonych powyżej. Drugim narzędziem jest five second test, który jest niesamowitym narzędziem, pozwalającym na zdobycie szybkiej opinii o danej funkcji, albo o krótkim zadaniu do wykonania. Jest to idealne narzędzie do mikro testów, np. zbadania czy w ciągu 5 sekund ludzie wiedzą, co sprzedaje sklep, albo czy podoba się design sklepu.
Wyniki
Jeżeli chodzi o wyniki, to przytoczę ważne zdanie specjalistów z bloga convertize.
Conversion optimisation experts agree that it is very difficult to see an improvement of any more than 10% on your overall conversion rate (Sales/Visitors). Reaching anything beyond 10% will require “innovative” changes, meaning quite significant changes to your site. More “iterative” changes – those that consist of a simple alteration to a message or button, for example – will generally only bring about an increase of less than 5%, often far less! Therefore, in most cases, we would recommend “5%” as a realistic projected increase.
W wolnym tłumaczeniu zmiana konwersji o więcej niż 10% wymaga drastycznych zmian w sklepie i raczej nie stanie się za pomocą jednego testu. Jest to albo całkowity redesign, albo seria testów, które sumarycznie podniosą konwersje. Realistycznie warto zakładać 5% wzrostu konwersji, jako oczekiwany efekt testów.
Jak uniknąć błędów?
Warto wspomnieć też o tym, że testy AB są podatne na elementy wylistowane poniżej. Kiedy tworzysz test, warto zastanowić się, czy nie wpłyną one na wyniki i nie zaburzą badania.
1. Dodatkowa płatna reklama – zmienia strukturę tradycyjnego ruchu w sklepie;
2. Okres promocyjny – np. Black Friday, święta, etc – ludzie wtedy zachowują się specyficznie, szukają konkretnych produktów, muszą odwiedzić znacznie więcej stron w celu znalezienia produktu, który ich interesuje;
3. Sezonowość – w przypadku niektórych produktów może mieć to wpływ na zachowanie użytkowników – przykładowo, ludzie szukający kurtki zimowej w lecie, mogą to robić znacznie “spokojniej” niż w zimie;
4. Modyfikacje innych elementów – można zastosować tzw. testy multiwariantowe (czyli zmiana dwóch lub więcej elementów jednocześnie), ale wymaga to odpowiednio dużego ruchu i umiejętności analitycznych. Ogólna przyjmowana zasada to: badamy jedną rzecz w danym momencie (jeżeli ruch na to pozwala, możecie jednak podzielić go na 4 grupy i tym samym wykonać w sumie 2 testy jednocześnie, a potem jeden zbiorczy potwierdzający);
5. Mikrokonwersje – nie twierdzę, że ich nie powinniśmy mierzyć – np. dodanie produktu do koszyka, zapis do newslettera, przejście do kasy – to wszystko ważne elementy. Może się jednak okazać, że wzrost na tym etapie nie powoduje wzrostu (albo w krytycznej sytuacji pogorszy) nam konwersję w sklepie.
Testy AB, a SEO
Ostatnią rzeczą, o której chciałem powiedzieć to kwestia SEO. Google akceptuje, a nawet zaleca robienie testów AB w sklepach, jednak oczywiście ludzie znaleźli sposoby, żeby je wykorzystać do robienia Google w konia. Jeżeli to zostanie wykryte, to możemy spodziewać się kary od wyszukiwarki. Na co uważać?
1. Maskowanie (cloaking) – ta praktyka polega na pokazywaniu innych treści botom wyszukiwarki, a innych prawdziwym użytkownikom. Efektem takich praktyk może być kara lub wyrzucenie z wyników wyszukiwania;
2. Używaj kanonikali (canonicals) – to nic innego jak mówienie wyszukiwarce – tak, są dwie wersje strony, ale indeksuj tylko tę. Stosuje się to często przy kilku wersjach sklepu w tym samym języku (np. UK i USA);
3. Wykorzystuj przekierowania 302 zamiast 301 – Przekierowania 301 mówią wyszukiwarce “ta strona przeniosła się pod nowy adres”, przekierowania 302 mówią “ta strona chwilowo zaparkowana jest pod tym adresem”;
4. Nie prowadź eksperymentów non stop – Jak już przeprowadziłeś test i wygrała jedna wersja, to ją zastosuj. Albo przez programistę, albo wykorzystaj samo narzędzie do testów (uwaga! To może mieć negatywny wpływ na szybkość działania strony). Ważne, żeby nie zostawiać w nieskończoność kilku wariantów strony;
Warto zaznaczyć, że większość narzędzi, które służą do testów AB, dba o SEO za Ciebie – nie musisz się więc o to obawiać. Upewnij się jednak u autora oprogramowania albo na jego stronie, czy rzeczywiście dba o pozycjonowanie, żeby nie stracić jednej rzeczy, zyskując drugą.
—
Powodzenia przy Twoich testach – czekam na opisy efektów. Pamiętaj, że tylko 1/8 testów przyniesie Ci coś sensownego – nie przerywaj, jeżeli pierwsze kilka prób nie dały Ci istotnych wyników. Pamiętaj też, że im masz większy ruch, tym szybciej możesz robić testy i mieć wyniki.