Anda mungkin pernah mendengar ungkapan "Jika Anda tidak melakukan pengujian A / B, Anda menebak" berkali-kali saat membaca berbagai blog pemasaran.
Ini berlaku untuk berbagai kegiatan, dan tentu saja halnya dengan peningkatan situs web dan optimisasi tingkat konversi.
Seperti yang ditunjukkan Kathryn Aragon di sini:
Masalahnya adalah, jika kita tidak menguji, kita menipu diri kita sendiri. Kami benar-benar tidak tahu apa yang berhasil. Kami hanya menebak.
Itu sebabnya bagi banyak pemilik situs, mencoba perubahan baru sebelum menerapkannya jelas. Kami memperlakukannya sebagai langkah penting dalam proses, karena memang demikian.
Tetapi penting bahwa Anda tidak memperlakukan langkah tes hanya sebagai kotak lain untuk memeriksa. Ada perbedaan besar antara menjalankan tes dan menjalankan efektif tes.
Jika Anda mendekati proses pengujian hanya sebagai cara untuk memvalidasi tebakan Anda sendiri sebelum melanjutkan, mudah untuk menarik kesimpulan yang tidak akurat.
Dan entah bagaimana, pendekatan ini sama buruknya, jika tidak lebih buruk, daripada menebak.
Misalnya, Anda memiliki ide bagus untuk salinan baru di tombol ajakan bertindak. Buat variasi dengan salinan itu, kemudian jalankan uji coba selama tiga hari.
Di akhir tiga hari itu, Anda akan melihat bahwa tombol baru Anda menghasilkan klik 5% lebih banyak daripada versi aslinya.
Bagus sekali! Tapi …
Bagaimana jika tes Anda hanya mencapai beberapa lusin orang, dan beberapa dari mereka sudah berencana untuk mengkonversi sebelum mereka bahkan melihat salinan tombol mereka?
Bagaimana jika hasil Anda hanya karena kebetulan?
Atau, lebih buruk lagi, bagaimana jika salinan ajakan bertindak Anda yang baru menghasilkan klik berkualitas rendah dari arahan?
Dengan jenis pendekatan ini, semua skenario ini sepenuhnya mungkin.
Sekarang, pikirkan apa yang akan terjadi jika Anda menggunakan "visi" Anda yang baru ditemukan untuk mengimplementasikan salinan baru Anda sebagai perubahan di seluruh situs. Ini tidak hanya akan membuang-buang waktu, tetapi pada akhirnya Anda akan kecewa dengan dampak yang tidak ada (atau negatif!).
Tentu saja, ini tidak berarti bahwa pengujian adalah pemborosan waktu. Itu tetap merupakan langkah penting dalam proses optimasi.
Tetapi Anda harus berhati-hati dalam mengambil pendekatan yang menghasilkan hasil yang akurat dan bermanfaat untuk situs Anda.
Tidak yakin?
Dan bagi mereka yang tidak Ambil pendekatan terstruktur, hanya 64% melaporkan melihat semacam perbaikan.
Jelas, dengan strategi yang tepat, pengujian dapat berdampak besar pada keberhasilan situs Anda.
Itu sebabnya dalam posting ini, saya akan membahas dasar-dasar membuat tes A / B yang akurat, kemudian memandu Anda melalui yang pertama dari lima langkah sederhana.
Apa itu tes A / B?
Tes A / B adalah salah satu metode paling sederhana untuk menguji berbagai cara untuk meningkatkan situs web Anda dan menghasilkan lebih banyak konversi.
Ini melibatkan mengidentifikasi halaman di situs Anda yang ingin Anda ubah untuk mencapai tujuan tertentu. Dalam kebanyakan kasus, tujuan Anda adalah meningkatkan klik pada item tertentu yang berfokus pada konversi.
Kemudian, diperlukan membuat dua variasi halaman itu (Variasi A dan Variasi B), dengan beberapa jenis perubahan di antara keduanya. Perubahan ini dapat berupa tombol warna yang berbeda, gambar baru, atau salinan yang ditulis ulang.
Kemudian, itu membagi lalu lintas antara keduanya sehingga pengunjung yang berbeda melihat versi yang berbeda secara bersamaan. Dengan cara ini, Anda tidak perlu khawatir tentang waktu hari atau hari dalam seminggu yang memengaruhi hasil Anda.
Setelah pengujian Anda dijalankan selama periode waktu tertentu, Anda membandingkan hasil dari kedua variasi dan menentukan yang paling efektif dalam menghasilkan hasil yang diinginkan.
Contoh tes A / B
Berikut ini visualisasi sederhana dari proses Optimizely:
Seperti yang dapat Anda lihat dari tangkapan layar di atas, satu-satunya hal yang berbeda antara aslinya dan variasinya adalah warna tombol "Beli Sekarang".
Dalam pengujian hipotesis ini, halaman asli dengan tombol abu-abu menghasilkan tingkat konversi 1% selama pengujian, dengan total $ 1.000 dalam penjualan. Selama periode waktu yang sama, variasi dengan tombol merah menunjukkan tingkat konversi 4,5%, dengan total penjualan $ 4.500.
Dengan asumsi bahwa tes ini berjalan untuk periode waktu yang signifikan, hasilnya menunjukkan bahwa mengubah secara permanen tombol itu ke versi merah akan menghasilkan lebih banyak konversi daripada membiarkannya berwarna abu-abu.
Jadi alih-alih melakukan perubahan ini dan berharap yang terbaik, pemilik situs sekarang dapat membuat keputusan yang didukung data.
Sekarang, mari kita lihat visualisasi VWO lain.
Dalam contoh ini, Variasi A memiliki heading oranye dan Variasi B memiliki yang berwarna hijau. Setelah membagi lalu lintas secara merata di antara keduanya, Variasi A menghasilkan tingkat konversi 23%, dan Variasi B menghasilkan tingkat konversi 11%.
Ini adalah peningkatan yang signifikan, dan jika diterapkan di seluruh situs, ini dapat berdampak besar pada tingkat konversi situs ini.
Tentu saja, ini adalah tes hipotesis, tetapi tes yang sebenarnya dapat menghasilkan hasil yang serupa.
Sebagai contoh, mari kita lihat studi kasus dari BEHAVE.org (sebelumnya WhichTestWon.com).
Dalam pengujian ini, situs membuat dua versi halaman arahan yang hampir identik, di mana satu-satunya perbedaan adalah salinan tombol. Tombol variasi pertama mengatakan "Lihat video produk", sedangkan tombol variasi kedua mengatakan "Lihat demo".
Segala sesuatu yang lain di halaman tetap sama di kedua variasi.
Ini adalah perubahan kecil, bukan?
Tentu
Tetapi perubahan kecil ini menghasilkan sangat Hasil berbeda.
Versi A, dengan ajakan untuk bertindak "Lihat produk video", pengisian formulir meningkat pada halaman setelah tombol sebesar 48,2%.
Ini dampak yang cukup serius hanya dengan mengubah tiga kata.
Dan setelah menerapkan perubahan ini untuk menunjukkan ajakan bertindak yang direvisi untuk semua lalu lintasnya, perusahaan ini dapat mengharapkan peningkatan konversi yang signifikan.
Tetapi jika mereka tidak melakukan tes dan hanya menebak bahwa tombol "Lihat Demo" akan mendapatkan jawaban yang lebih baik, mereka pada dasarnya akan meninggalkan uang di atas meja.
Tentu saja, itu tidak berarti bahwa seruan untuk bertindak yang pada akhirnya merupakan pilihan terbaik.
Lagi pula, mereka hanya menguji dua varian, dan jumlah yang dapat mereka uji praktis tidak terbatas.
Jika perusahaan ini ingin menguji lebih banyak variasi itu, mereka dapat terus menjalankan tes A / B sederhana, mengadu dua seruan untuk bertindak satu sama lain.
Tetapi mereka juga bisa mempercepat proses dengan pengujian terpisah.
Tes split mengikuti proses yang sama dengan tes A / B, tetapi melibatkan lebih dari dua varian. Jadi, jika Anda memiliki banyak ide yang ingin Anda coba secara bersamaan, ini biasanya merupakan pilihan yang baik.
Misalnya, ketika SproutSocial ingin menambah catatan pengujian, mereka menguji empat variasi spanduk.
Masing-masing memiliki skema warna yang sama, ajakan untuk bertindak dan penawaran. Dalam hal ini, masuk akal untuk menguji keempat variasi sekaligus, karena tidak ada perubahan besar di antara mereka.
Jika Anda memiliki audiens yang cukup besar, ini bisa menjadi cara yang bagus untuk mempercepat proses pengujian. Dan jika Anda sudah tahu bahwa Anda ingin menguji beberapa variasi satu sama lain, Anda tidak perlu melakukannya satu per satu.
Yang mengatakan, tes hanya dapat dianggap sebagai tes A / B atau split jika hanya berubah satu elemen pada setiap halaman.
Misalnya, jika Anda membuat lima varian halaman, masing-masing dengan tombol ajakan bertindak warna yang berbeda, ini adalah tes terpisah.
Tapi, jika di dalam lima varian itu, tombol-tombolnya berbeda warna. y gunakan salinan yang berbeda, itu tes multivarian.
Tes multivarian juga dapat bermanfaat untuk mempelajari tentang pemirsa dan meningkatkan situs Anda. Tapi mereka sedikit lebih rumit untuk diatur dan dijalankan dengan benar daripada tes dengan hanya satu perubahan per halaman.
Jadi dalam posting ini, kami akan membuat hal-hal sederhana dengan tetap berpegang pada A / B dan membagi bukti. Tetapi Anda dapat mempelajari lebih lanjut tentang pengujian multivarian di sini.
Hal lain yang perlu diingat ketika mengembangkan tes Anda adalah bahwa item yang dapat Anda kerjakan tidak terbatas pada tombol atau spanduk.
Meskipun contoh yang kami bahas sejauh ini berfokus pada menghasilkan klik pada ajakan untuk bertindak, Anda dapat menguji apa saja di situs Anda.
Dan untuk hasil terbaik, Anda seharusnya menguji item lain di situs Anda.
Dalam contoh lain dari WhichTestWon, sebuah organisasi nirlaba ingin meningkatkan donasi mereka.
Mereka memutuskan untuk melakukan tes A / B di mana satu-satunya variabel adalah daftar opsi jumlah hadiah. Pada halaman asli, pengunjung dapat memilih untuk menyumbang $ 100, $ 150, $ 200, atau $ 300. Dalam varian, mereka dapat memilih dari $ 110, $ 160, $ 210, atau $ 310.
Setiap halaman juga menyertakan opsi bagi pengguna untuk secara manual memasukkan jumlah yang tidak terdaftar. Oleh karena itu, tidak ada versi yang mencegah pengunjung dari menyumbangkan jumlah yang mereka inginkan, mereka hanya memodifikasi daftar jumlah yang telah ditetapkan.
Jadi, apakah ini berdampak?
Tentu itu.
Variasi dengan opsi donasi yang sedikit lebih tinggi meningkatkan jumlah donasi rata-rata per orang sebesar 15%, meningkatkan pendapatan keseluruhan sebesar 16%.
Di kedua varian, pengguna memilih opsi kedua yang lebih kecil, meskipun mereka dapat dengan mudah memasukkan jumlah donasi mereka sendiri di dalam kotak di bagian bawah daftar.
Hasilnya, organisasi dapat meningkatkan pendapatannya, tanpa benar-benar membatasi donor.
Ternyata ini merupakan pengoptimalan yang sangat baik untuk situs ini, tetapi penting untuk dicatat bahwa hasil di sini unik untuk audiens Anda.
Jika Anda telah menghabiskan waktu meneliti pilihan Anda untuk pengujian A / B, Anda cenderung menemukan lusinan studi kasus tentang bagaimana pemilik situs lain telah membuat peningkatan signifikan dalam tingkat konversi dengan pengujian mereka.
Jadi misalkan Anda juga ingin mendorong pengunjung untuk menyumbang ke situs Anda. Anda membaca studi kasus ini dan hasilnya jelas.
Haruskah Anda segera mengubah opsi donasi dan meningkatkannya dalam jumlah kecil?
Tidak
Anda dapat menggunakan studi kasus itu sebagai inspirasi untuk pengujian di masa mendatang, tetapi Anda hanya harus membuat perubahan permanen berdasarkan pada Anda sendiri hasil.
Hanya karena pengunjung pemilik situs lain merespons secara positif terhadap perubahan tertentu tidak berarti pengunjung Anda juga.
Bahkan, membuat perubahan berdasarkan hasil dari situs lain meniadakan keuntungan terbesar dari pengujian A / B: kemampuan untuk menguji ide-ide Anda pada arahan.
Lagi pula, tidak masalah apa yang ditanggapi secara positif oleh pelanggan dari perusahaan lain mana pun. Satu-satunya audiens yang perlu Anda khawatirkan adalah audiens Anda.
Dan tidak semua audiens merespons perubahan dengan cara yang sama.
Misalnya, banyak pemilik situs menganggapnya sebagai praktik yang baik untuk menambahkan "bukti sosial" ke formulir pendaftaran. "Bukti" Anda dapat berupa jumlah pelanggan Anda saat ini, jumlah pelanggan Anda saat ini, atau bahkan kesaksian pelanggan yang positif.
Idenya adalah bahwa ketika pengguna melihat bahwa pengguna lain seperti mereka mempercayai perusahaan Anda, mereka juga akan lebih percaya diri dalam keputusan mereka untuk membeli atau bekerja dengan Anda.
Jadi melihat contoh ini, aman untuk mengatakan bahwa sebagian besar pemasar akan menganggap bahwa Versi A (dengan bukti sosial) akan menghasilkan lebih banyak opsi email.
Tapi Anda mungkin bisa melihat ke mana arahnya, bukan?
Dalam tes A / B, Versi B menghasilkan peningkatan langganan 122%. Itu sudah berakhir dua kali begitu banyak pelanggan email baru, dan dengan formulir yang tidak mengikuti "praktik terbaik" yang diterima secara umum
Jadi, ketika Anda datang dengan ide-ide optimasi dan membuat tes baru, selalu ingat untuk tetap fokus pada audiens target Anda.
Itulah satu-satunya cara Anda akan mendapatkan jenis hasil yang dapat membantu Anda meningkatkan kinerja situs Anda dan meningkatkan pendapatan Anda.
Dan dengan itu dalam pikiran: mari kita mulai.
Enam langkah berikut akan membantu Anda mengembangkan, meluncurkan, dan mengukur tes A / B yang efektif untuk situs web Anda.
1. Tentukan tujuan Anda
Sebelum membuat tes, Anda perlu tahu apa yang sebenarnya ingin Anda capai.
Dan ini bukan waktunya untuk malas.
Jika tujuan Anda hanya untuk "meningkatkan situs web Anda" atau "meningkatkan pendapatan," Anda akan kesulitan menentukan dari mana harus memulai dengan perubahan Anda. Dan pada akhir tes Anda, mungkin sulit untuk mengatakan dengan pasti apakah tes Anda berhasil.
Alih-alih, spesifikkan tindakan apa yang ada di situs Anda yang ingin Anda hasilkan.
Ingin lebih banyak klik pada panggilan beranda untuk beraksi? Dapatkan lebih banyak pelanggan untuk daftar email Anda? Atau menghasilkan lebih banyak pembelian di toko e-commerce Anda?
Luar biasa.
Ini semua adalah metrik yang dapat diverifikasi dan dapat ditentukan.
Tentu saja, tujuan Anda akan bervariasi tergantung pada model bisnis Anda.
Misalnya, perusahaan B2B kemungkinan akan memiliki tujuan pengujian A / B yang berbeda dari toko eCommerce B2C. Yang pertama mungkin fokus pada mendorong keterlibatan, sedangkan yang kedua akan lebih peduli dengan peningkatan pembelian di situs.
Tetapi dalam kedua kasus, perusahaan-perusahaan ini dapat mencapai tujuan optimalisasi yang bermanfaat dimulai dengan tujuan bisnis utama mereka.
Bagaimanapun, situs Anda pada akhirnya adalah alat untuk membantu bisnis Anda tumbuh. Tidak ada jumlah klik atau tampilan halaman yang benar-benar penting jika itu tidak membuat Anda semakin dekat dengan tujuan perusahaan.
Jadi, jika Anda tidak yakin metrik apa yang menjadi fokus pengujian Anda, mulailah dari sana dan turun.
Pertama, kenali kepala sekolah Anda tujuan bisnis. Dalam kebanyakan kasus, ini akan meningkatkan penjualan produk, langganan pengguna, atau kontrak pelanggan.
Kemudian tentukan yang terpenting Anda tujuan situs web. Ini kemungkinan terkait erat dengan tujuan bisnis Anda.
Misalnya, jika Anda memiliki toko e-commerce, tujuan utama Anda adalah menghasilkan pembelian online. Dan jika Anda memiliki bisnis berbasis layanan, Anda mungkin ingin calon pelanggan menghubungi Anda.
Dari sana, Anda harus mengidentifikasi situs situs Anda Indikator kinerja utama, atau KPI. Ini adalah hasil yang menunjukkan seberapa baik situs Anda bekerja untuk membantu Anda mencapai tujuan Anda. Mereka dapat berupa pengiriman formulir, pembelian selesai, atau berlangganan email.
Pada titik ini, Anda perlu mengurangi KPI untuk tes pertama Anda. Meskipun Anda dapat melacak beberapa KPI di situs Anda, Anda harus fokus pada satu per satu saat mengoptimalkan situs Anda.
Akhirnya, tentukan a metrik target Anda ingin mencapai dengan tes Anda. Ini akan menjadi nomor tertentu yang terkait dengan KPI yang Anda fokuskan.
Jadi, jika Anda ingin meningkatkan jumlah pelanggan, metrik target Anda bisa menjadi tingkat konversi 6% untuk pengiriman formulir pada halaman kontak Anda.
Jika Anda tidak yakin bagaimana menentukan angka yang tepat untuk ini, dapat diterima bahwa tujuan Anda adalah untuk meningkatkan kinerja situs Anda saat ini.
Dan jika Anda belum mengukur KPI, Anda harus meluangkan waktu untuk meneliti analisis Anda untuk membuat tolok ukur yang akurat.
Pertama, pastikan untuk melacak KPI yang ingin Anda tingkatkan sebagai target Google Analytics. Jika tidak, Anda dapat mengikuti petunjuk langkah demi langkah Google di sini.
Setelah Anda mulai mengikuti sasaran-sasaran ini, mudah untuk mengukur berapa banyak pengguna Anda yang mencapainya. Anda akan memiliki akses ke laporan untuk semua orang yang terlihat seperti ini:
Dalam laporan ini saja, Anda dapat melihat berapa banyak konversi yang dihasilkan situs Anda untuk tujuan tertentu, dikelompokkan berdasarkan jam, hari, minggu, bulan, atau kerangka waktu lain yang Anda pilih.
Anda juga dapat mengakses data Anda dengan berbagai cara untuk mendapatkan pemahaman yang lebih dalam tentang bagaimana situs Anda menghasilkan konversi. Hal yang paling berguna dalam hal ini adalah menjabarkan data Anda per halaman, kemudian melihat tingkat konversi halaman saat ini yang ingin Anda tingkatkan.
Dalam hal ini, tingkat konversi target halaman adalah 56,71%. Jika pemilik situs melakukan tes A / B, tujuannya mungkin untuk membuat variasi yang akan menghasilkan tingkat konversi 65%.
Ini mungkin terdengar seperti tingkat konversi yang sangat tinggi.
Dan untuk sebagian besar konversi besar, itu.
Tetapi penting untuk dicatat bahwa tidak selalu Anda perlu memfokuskan pengujian pada konversi penting seperti penjualan dan pengiriman formulir dari prospek.
Meskipun ini memiliki dampak langsung paling jelas, mereka bukan satu-satunya target penting untuk situs Anda. Dan dalam kebanyakan kasus, itu bukan tindakan pertama yang dilakukan pengunjung.
Sebagai gantinya, sebagian besar pengguna pertama-tama akan melakukan serangkaian "konversi mikro," atau tindakan yang lebih kecil, yang akan mempersiapkan mereka untuk menyelesaikan "konversi makro," atau salah satu tujuan utama mereka.
Pasangan konversi mikro dan makro ini berbeda-beda di setiap situs, tetapi grafik berikut menunjukkan seperti apa bentuknya untuk eCommerce, SaaS, dan situs web aplikasi.
Misalnya, pembeli e-commerce tidak mungkin mengunjungi toko perusahaan untuk pertama kalinya dan segera melakukan pembelian.
Pertama, mereka akan memindai halaman kategori untuk melihat apakah toko memiliki apa yang mereka cari. Mereka kemudian akan mengunjungi halaman produk (atau serangkaian halaman produk) untuk informasi lebih lanjut.
Mereka dapat membaca ulasan, melihat opsi pembelian yang berbeda, dan bahkan menonton video produk jika tersedia. Kemudian jika mereka menemukan sesuatu yang memenuhi kebutuhan Anda, mereka akan menambahkannya ke keranjang belanja Anda.
Sejauh ini ada enam saham, dan mereka belum melakukan pembelian.
Tetapi masing-masing tindakan tersebut dapat dianggap sebagai konversi mikro, karena semuanya membawa pengguna lebih dekat untuk membeli.
Namun, dalam bagan di atas, semua konversi makro di kolom kiri fokus pada menghasilkan pembelian langsung, tetapi seperti yang ditunjukkan dalam bagan berikut, ada juga banyak konversi mikro yang mengarah pada tujuan yang tidak menghasilkan pendapatan langsung, seperti langganan uji coba dan pengisian formulir.
Misalnya, banyak perusahaan B2B berbasis layanan tidak secara langsung menghasilkan penjualan di situs web mereka. Sebaliknya, situs mereka dirancang untuk menyajikan pengiriman formulir kontak atau permintaan penawaran.
Tetapi sementara mengirimkan formulir tidak memerlukan investasi langsung dari pengunjung, sebagian besar pengguna akan meluangkan waktu meneliti sebuah perusahaan sebelum menghubungi mereka.
Mereka dapat mencari beberapa testimonial, membaca beberapa studi kasus dan berkonsultasi dengan informasi harga sebelum memutuskan apakah akan mengunjungi halaman kontak.
Oleh karena itu, meskipun pemenuhan tujuan yang sebenarnya hanya dapat terjadi pada halaman kontak itu, pengguna tidak mungkin mendapatkan sejauh itu di tempat pertama tanpa terlebih dahulu melakukan beberapa konversi mikro.
Ingatlah ini ketika menetapkan target uji A / B Anda.
Mungkin tergoda untuk berfokus hanya pada metrik berdampak tinggi seperti penjualan dan pengiriman formulir. Dan meskipun ada baiknya mencari cara untuk menghasilkan lebih banyak konversi, perhatikan tindakan yang kurang mendebarkan yang mendahuluinya.
Lagi pula, pengguna memiliki peluang nol persen untuk menyelesaikan pembelian jika mereka tidak pernah menambahkan satu produk pun ke keranjang belanja mereka.
Ambil pendekatan umum tentang bagaimana pengguna bergerak melalui situs Anda, dan Anda akan jauh lebih berhasil dalam mengarahkan mereka untuk mengambil langkah-langkah yang membantu Anda mencapai tujuan bisnis Anda.
2. Putuskan halaman mana yang akan diuji
Setelah Anda menentukan tujuan yang ingin Anda capai, Anda harus memilih halaman untuk mulai mengoptimalkan.
Dalam beberapa kasus, ini akan terlihat jelas.
Misalnya, jika Anda ingin meningkatkan persentase pembelian yang telah diselesaikan, masuk akal untuk memfokuskan upaya Anda pada halaman checkout Anda.
Dan jika Anda ingin meningkatkan presentasi formulir pada halaman tertentu, jawaban Anda cukup jelas.
Tetapi untuk tujuan lain, titik awal Anda akan menjadi kurang jelas. Ini terutama benar jika Anda ingin meningkatkan konversi yang mengharuskan Anda melakukan panggilan beberapa halaman.
Secara umum, Anda ingin memprioritaskan halaman yang berpotensi memiliki dampak paling besar. Setelah semua, meningkatkan tingkat konversi hanya dengan satu atau dua persen pada halaman yang melihat lalu lintas terbanyak sering memiliki dampak yang lebih besar daripada lompatan terbesar pada halaman dengan lalu lintas rendah.
Jika tujuan Anda adalah membuat perubahan yang memungkinkan pemirsa seluas mungkin, hal pertama yang Anda pikirkan adalah berfokus pada beranda Anda.
Secara logis, ini akan memiliki dampak terbesar pada keseluruhan tingkat konversi Anda. Dan sementara ini benar jika halaman rumah Anda menerima lebih banyak lalu lintas daripada halaman lain di situs Anda, itu tidak selalu terjadi.
Jadi sebelum memilih halaman, habiskan waktu menggali di Google Analytics.
Pertama, Anda dapat melihat halaman arahan utama situs Anda dengan menavigasi ke Perilaku> Konten Situs> Halaman Arahan. Laporan ini akan menunjukkan titik masuk paling umum untuk situs Anda.
Pada tangkapan layar di atas, halaman arahan teratas situs ini adalah halaman rumah Anda. Jadi, jika Anda ingin mengoptimalkan konversi yang terjadi di awal saluran penjualan Anda, ini akan menjadi titik awal yang logis.
Tetapi tingkat lalu lintas saja tidak dapat memberi tahu Anda apakah halaman layak dioptimalkan.
Jika Anda ingin membuat dampak besar, Anda juga ingin mengidentifikasi halaman dengan banyak ruang untuk perbaikan. Jadi jika halaman traffic tertinggi Anda sudah mencapai tingkat konversi yang tinggi, menghabiskan waktu Anda menjalankan tes mungkin tidak sebanding dengan perubahan tambahan yang dihasilkannya.
Alih-alih, cari halaman yang belum memberikan hasil yang Anda inginkan. Biasanya ini adalah halaman dengan rasio konversi rendah atau rasio pentalan tinggi.
Anda dapat menemukan halaman-halaman ini dengan menavigasi ke Perilaku> Konten Situs> Semua Halaman.
Laporan ini akan menunjukkan kepada Anda metrik utama tentang setiap halaman di situs Anda, termasuk tampilan halaman, waktu halaman rata-rata, rasio pentalan, dan tingkat konversi.
Anda dapat meninjau laporan ini untuk melihat apakah ada masalah yang jelas dengan halaman tertentu. Terkadang halaman langsung disorot sebagai berkinerja buruk.
Tetapi Anda dapat membuat proses lebih mudah dengan menggunakan alat perbandingan.
Setelah Anda mengaktifkan alat ini, Anda dapat memilih metrik, lalu melihat di mana halaman Anda ditumpuk sesuai dengan metrik itu.
Misalnya, jika Anda ingin mengetahui halaman mana yang tidak bagus untuk mendorong pengunjung agar tetap, Anda dapat membandingkan halaman Anda dengan rasio pentalan.
Bilah merah dan hijau dalam laporan ini memudahkan untuk mengidentifikasi halaman yang berkinerja buruk. Dalam hal ini, bilah merah berarti laman dengan rasio pentalan lebih tinggi dari rata-rata.
Jadi, jika Anda ingin meningkatkan konversi mikro yang mendorong pengunjung untuk mempelajari lebih lanjut tentang perusahaan atau produk Anda, salah satu halaman ini bisa menjadi titik awal yang bagus.
Dan jika Anda ingin meningkatkan konversi untuk tujuan tertentu, Anda juga dapat membandingkan halaman Anda berdasarkan tingkat konversi sasaran.
Jika Anda melihat bahwa halaman menghasilkan konversi rendah yang tidak proporsional untuk tujuan utama, menjalankan beberapa tes mungkin merupakan cara terbaik untuk menemukan perubahan berdampak tinggi.
Terakhir, jika Anda menyiapkan corong untuk sasaran konversi di Google Analytics, laporan tampilan corong Anda dapat memberikan banyak data tentang di mana Anda kehilangan pelanggan.
Saat Anda membuat corong konversi sasaran, Anda memberi tahu Analytics bagaimana Anda mengharapkan pengunjung bergerak melalui situs Anda sebelum mengonversi.
Dalam contoh ini, pengguna situs e-commerce harus melalui halaman checkout, halaman pengiriman, halaman tagihan, dan halaman checkout sebelum menyelesaikan pembelian mereka.
Corong Anda cenderung sedikit berbeda untuk setiap sasaran Anda, tetapi begitu Anda membuatnya, Anda dapat melihat dengan tepat di mana Anda kehilangan pengunjung dalam laporan tampilan corong.
Dalam contoh ini, kita dapat melihat bahwa hanya 2,93% pengunjung yang pindah dari halaman beranda ke halaman berikutnya di corong situs ini. Ini menunjukkan bahwa halaman beranda memiliki banyak ruang untuk perbaikan.
Dengan kurang dari tiga persen dari total lalu lintas Anda yang mencapai langkah kedua di corong, potensi konversi Anda berkurang secara signifikan sejak awal.
Untungnya, dari para pengunjung itu lakukan lanjutkan ke halaman "Mengapa Bergabung", 67,84% yang sehat pergi ke langkah berikutnya. Jadi halaman ini sudah efektif dalam membawa pengguna lebih dekat ke tujuan.
Namun dari sana, hanya 25,78% dari pengguna tersebut yang benar-benar menyelesaikan pendaftaran mereka, yang berarti bahwa halaman ini juga memiliki potensi pengoptimalan.
Jadi saat Anda melihat laporan tampilan corong, fokuskan perhatian Anda pada laman dengan tetesan besar.
Jika Anda melihat bahwa sebagian besar lalu lintas Anda tidak bergerak dari satu tahap kunci saluran Anda ke tahap berikutnya, mengoptimalkan halaman itu dapat berdampak positif pada seluruh saluran Anda.
3. Pilih item untuk tes A / B
Pada titik ini, Anda perlu mengetahui halaman situs mana yang akan diuji dan apa yang ingin Anda capai dengan pengujian Anda.
Sekarang Anda harus memutuskan dengan tepat apa Anda ingin menguji pada halaman itu.
Alat seperti Google Analytics dapat membantu Anda mengidentifikasi di mana letak masalah Anda, tetapi bukan apa yang menyebabkannya.
Dan itulah sebabnya pengujian sangat penting. Anda dapat mencoba membuat variasi item apa pun di halaman Anda, lalu mencoba melihat apa yang berhasil.
Ada puluhan item yang dapat Anda pertimbangkan, termasuk:
-
Salinan Anda
-
Teks ajakan bertindak Anda
-
Tampilan visual ajakan Anda untuk bertindak
-
Lokasi ajakan Anda untuk bertindak di halaman
- Bidang formulir Anda
Saya bisa terus dan terus. Ada banyak hal untuk dicoba.
Tetapi saat Anda mengevaluasi opsi Anda, fokuslah pada perubahan yang akan memengaruhi bagaimana pengguna Anda berinteraksi dengan halaman.
Anda juga harus memastikan untuk menguji item yang mempengaruhi tujuan yang ingin Anda capai. Misalnya, mencoba grafik yang baru dan penuh gaya alih-alih yang lama dapat membantu Anda meningkatkan jumlah waktu yang dihabiskan pengunjung pada satu halaman.
Tetapi jika tujuan Anda adalah meningkatkan konversi, itu mungkin bukan cara yang paling efektif untuk melakukannya.
Anda juga harus mencoba membuat perubahan signifikan, terutama jika Anda masih dalam tahap awal mengoptimalkan situs Anda.
Meskipun ada banyak studi kasus tentang warna tombol, warna suatu item tidak mungkin menjadi faktor penentu dalam menentukan apakah pengguna memutuskan untuk melakukan konversi.
Lagi pula, jika pengunjung situs web Anda tidak mengerti bagaimana mereka bisa mendapat manfaat dari bekerja dengan Anda atau apa yang diharapkan ketika mengklik tombol, mereka tidak akan mengonversi, terlepas dari warna tombol itu.
Juga, jika Anda baru dalam pengujian A / B, hampir pasti ada perubahan lain yang lebih penting yang bisa Anda lakukan.
Karena itu, lebih baik menghabiskan waktu Anda mengubah bagian-bagian halaman Anda yang berperan dalam proses pengambilan keputusan.
Dan, tentu saja: Setelah Anda membuat jenis perubahan signifikan yang membantu pengguna Anda bergerak lebih mudah melalui halaman Anda dan mendorong mereka untuk mengkonversi pada tingkat yang lebih tinggi, Anda bisa mendapatkan sedikit lebih rinci dengan menguji warna tombol.
Tetapi Anda harus menyimpan tes-tes yang lebih kecil untuk nanti Anda telah mengidentifikasi solusi untuk masalah paling mendesak di situs Anda.
Sayangnya, ini bukan berapa banyak pemilik situs yang mendekati proses pengujian mereka. Dalam survei MECLabs & Magento, 38% responden mengatakan mereka mengembangkan tes mereka berdasarkan "intuisi dan praktik terbaik."
Meskipun intuisi Anda mungkin berguna untuk keputusan hidup lainnya, itu bukan apa yang ingin Anda percayai ketika Anda datang dengan ide-ide untuk meningkatkan situs.
Untungnya, ada beberapa cara untuk mendapatkan informasi yang didukung data tentang item apa yang berperan dalam apakah pengunjung Anda mengambil tindakan yang diinginkan.
Salah satu yang terbaik adalah menjalankan tes peta panas pada halaman yang ingin Anda optimalkan.
Tes Heatmap menunjukkan di mana pengunjung memusatkan perhatian mereka pada halaman dan di mana mereka tidak.
Mereka mengumpulkan data klik dari pengunjung sebenarnya ke situs Anda, kemudian membuat representasi visual dari klik tersebut di tangkapan layar halaman Anda.
Area yang menerima banyak klik "bersinar". Semakin hangat warnanya, semakin banyak perhatian yang diterima daerah.
Area itu tidak Melihat banyak komitmen, di sisi lain, tetap gelap.
Akibatnya, peta panas tipikal terlihat seperti ini:
Dalam contoh ini, kita dapat melihat bahwa sebagian besar klik pada halaman menuju ke tautan di bilah navigasi utama dan bilah samping, serta dalam formulir pendaftaran email. Mengingat ini adalah halaman berbasis informasi, hasil ini masuk akal.
Tetapi jika halaman ini seharusnya menghasilkan konversi tertentu, hasil ini akan menunjukkan masalah serius.
Sebagai contoh, mari kita lihat bagaimana klik didistribusikan pada halaman layanan ini:
Aunque la página proporciona mucha información, no proporciona a los visitantes un indicador claro de cómo comenzar a usar ninguno de los servicios enumerados.
Eso es evidente en la falta de concentración de clics en la página, que no sea en la barra de menú.
Si encuentra que una página en su sitio que se supone que está generando una acción específica tiene un mapa de calor que se ve así, es un claro indicador de que tiene algo de trabajo por hacer.
Idealmente, su mapa de calor para páginas importantes debería parecerse más a este ejemplo, con su botón destacado de llamada a la acción:
Aunque todavía hay clics que van a la barra de menú, los usuarios claramente están tomando medidas al hacer clic en el botón de llamada a la acción, exactamente lo que la página pretende alentarlos a hacer.
Cuando ejecuta pruebas de mapa de calor, puede ver si los usuarios están prestando atención a los elementos que desea. En algunos casos, descubrirá que no está claro qué acción desea que tomen.
Y en otros casos, verá exactamente lo que los distrae de su objetivo deseado.
Por ejemplo, eche un vistazo a este mapa de calor para ver una página de destino antigua en Nurse.com.
Esta página fue diseñada para generar clics en un llamado a la acción para los cursos de educación continua de la compañía. En la captura de pantalla anterior, es el botón verde que instruye a los usuarios a "Comprar Membresía CL ilimitada".
Pero después de analizar este mapa de calor, el probador descubrió que los usuarios eran:
- Dividiendo sus clics entre dos llamadas a la acción competidoras
- Al hacer clic en elementos no clicables
- Estar distraído por enlaces menos importantes
- Ignorando la copia principal en la página
Luego, utilizaron esta información para crear una variación de la página para probar el original.
En la variación, consolidaron las llamadas a la acción en un solo botón y eliminaron los enlaces que distraían a los visitantes.
Trasladaron la información más importante de la página a la esquina superior izquierda de la página, ya que este espacio ya estaba atrayendo una cantidad decente de participación, a pesar de que no se podía hacer clic en los elementos allí.
Ahora, echemos un vistazo al mapa de calor para esa página revisada:
Después de implementar esos cambios, la gran mayoría de los usuarios centró su atención en el contenido más importante.
Y como resultado, Nurse.com vio un aumento del 15.7% en las ventas de la página.
Una vez que haya dedicado un tiempo a investigar los resultados de las pruebas de usuario, puede crear una hipótesis de por qué su tráfico no se está convirtiendo a la velocidad que desea.
Por ejemplo, si determina que el problema es un enlace menos importante que distrae a los usuarios de su llamado a la acción principal, su hipótesis podría ser que crear una variante sin ese enlace conducirá a más conversiones.
Luego, puede usar esta hipótesis para guiar sus cambios.
A medida que se le ocurran ideas para probar, recuerde que si bien los cambios más pequeños hacen que las pruebas sean más simples, es poco probable que produzcan resultados impactantes.
Apunte a desarrollar hipótesis que cambiarán la forma en que los usuarios interactúan con su marca y se mueven a través de su sitio. Cuando se trata de eso, ejecutar una prueba efectiva es mucho más impactante que una serie de pruebas ineficaces.
Por lo tanto, aunque obtener una nueva prueba en funcionamiento cada pocas semanas puede parecer más productivo que pasar una cantidad significativa de tiempo desarrollando una variante de página, es importante luchar por el impacto sobre la frecuencia en sus pruebas.
De hecho, los sitios con las tasas de conversión más altas no ejecutan la mayoría de las pruebas.
Como muestra este estudio, los sitios con el mayor número de pruebas totales logran algunas de las tasas de conversión más bajas.
Although constantly testing every last element on your site in quick succession might seem like the best way to maximize your conversion potential, that’s not the case at all.
So, which elements debería you be testing?
You’ve probably noticed that I’ve referenced calls to action multiple times in this post.
That’s because they’re some of the most impactful elements on your site. They’re what tell your visitors exactly what you want them to do.
Without calls to action, none of your visitors would become customers. And without effective calls to action, only a tiny portion will.
Fortunately, calls to action are also some of the easiest elements to test.
For example, when CityCliq wanted to increase conversions for their web design services, they decided to test a few different calls to action.
In addition to their original copy, “Businesses grow faster online!” they came up with
- Create a webpage for your business
- Get found faster!
- Online advertising that works!
And here’s how those variations performed:
The “Create a webpage for your business” saw a 47.8% conversion rate — which was a 90% increase from the original version.
They almost doubled their conversions by changing six words on that page.
Calls to action make a huge impact because they let you convey value to your visitors. In this case, this business’s audience was most persuaded by a straightforward description of what they were offering.
So if your copy doesn’t make it immediately clear how a user can benefit from taking action, this is an excellent place to run a potentially high-impact test.
This includes the copy on your buttons, especially if you’re currently using generic copy like “Submit.” If this is the case on your site, you might run an A/B test with button variations that look like these:
In addition to the copy on your buttons, you also might consider testing where they’re placed on the page.
For most sites, it makes sense to place the most important elements “above the fold,” or within a user’s first view of your site.
If your call to action is above the fold, it will appear on their screen as soon as they land on your page. They’ll know exactly what you want them to do right from the start.
But if your call to action is below the fold, they won’t see it until they scroll down. And considering that not all of your visitors will scroll, some of them may never see the action you want them to take.
For example, on one of Unbounce’s landing pages, they started with three calls to action below the fold.
At the top of the page, there was a call to action instructing users to “Pick your plan below.” This button used a scrolling effect to move visitors down to the pricing plan options.
But in order to increase conversions, they created a variation that moved the individual plan calls to action to just above the fold.
As a result, they saw a 41% increase in conversions on the page.
Of course, as with any conversion rate strategy, moving your most important call to action above the fold isn’t always the right move.
In fact, in this next example, the site achieved a 220% increase in conversions by moving their call to action below the fold.
So if your most important elements have always been in the same place on your pages, moving them around in a variation might yield some surprising results.
You can also improve the way you convey value and encourage visitors to take action by optimizing the forms on your site.
The best way to maximize your form submissions is to make your forms as easy as possible for users to fill out.
In most cases, this means keeping your number of fields to a minimum.
For example, one contact form on NeilPatel.com originally contained four fields:
- Name
- Alamat email
- Website URL
- Revenue
This was already a relatively small form that most visitors could likely fill out in about 30 seconds.
But when Neil wanted to boost conversions for this action, he removed the revenue field and tested a form that looked like this:
As a result, he saw a 26% increase in conversions.
So, what happens if you have an even larger form to begin with?
If you take an approach like Imagescape, you could see an even bigger lift in conversions by removing some of your fields.
When the site wanted to improve their conversion rates, they began with a form that had 11 fields. Then, they created a variation with only four.
This new form caused their conversion rate to jump from 5.4% to 11.9%, for a 120% increase in form submissions.
Although this meant they were now collecting less information about each individual lead, the were increasing the total number of leads in their funnel.
This is something you’ll need to consider when optimizing your forms. What is the minimum amount of information you need for each type of conversion on your site?
For your email subscription form, you might cut it down to just one field for the user’s email address. But if you’re collecting quote requests or client inquiries, you’ll likely need a little more information to evaluate whether the user is a qualified lead.
But if you could accurately assess your leads with less data than you’re currently collecting, cutting out a field or two could be a helpful test for your site.
As you optimize your forms, it’s also important to consider the text surrounding them.
While calls to action, form fields, and buttons typically have the largest impact, the other copy near your forms can also help users decide whether to take action.
For example, this Shopify form reassures users that the tips and resources they’ll receive by signing up for their list are completely free, and that they can unsubscribe at any time.
If a user is on the fence about signing up, this could be exactly what they need to read to eliminate their hesitation.
4. Design your test
By this point, you’ve set a goal, selected a page, and determined what you want to test.
Now, it’s time to create and launch your test.
Fortunately, this step is easier than it might sound.
First, you’ll need to develop the “creative” part of the test. This might involve rewriting copy, coming up with new calls to action, or redesigning a graphic.
Next, you’ll need to select the testing platform you want to use. There are many tools available for this, but if you’re new to A/B testing, you’ll want to select one that makes it easy to get your test up and running.
So for this post, we’ll focus on two platforms that offer straightforward visual editors.
The first one to consider is Google Optimize.
If you’re not yet sold on the value of A/B testing, this could be the perfect way to get started. Running tests on the platform is completely free — so your only investment will be time.
To get started, navigate to Optimize’s signup page and click “Sign Up for Free.”
After you create your account, you’ll need to enable Optimize on your site by adding a small snippet of code.
If you manually installed Google Analytics on your site, this step is as simple as copy-and-pasting an additional line into your existing tracking code.
Then, set up your account details, give your first test a name, and create your variants in their user-friendly visual editor.
Simply click the element you want to change in your variant, select, “Edit Element,” and make the changes you want to see.
This requires minimal HTML knowledge, and if you’re only changing one element on each page, you can likely create each variant in a minute or so.
To learn more about launching a test Google Optimize, you can check a full walkthrough of the platform here.
Another platform to consider is Crazy Egg’s A/B testing tool.
If you’re already a Crazy Egg user, you can start running A/B tests with this tool at no additional charge. This platform also includes a visual editor to make creating variants a simple process.
Log into your account, select “ “A/B testing” in your dashboard navigation bar, and click “Add new test.”
Give your test a name, then open the visual editor and click the “Add Variant” button to create your first variant.
From there, simply click on the element you want to change. Then, determine whether you want to edit the text and style, change the element’s color, or remove it from the variant altogether.
Repeat this process for each variant you want to test.
Then, regardless of which platform you choose, you’ll need to set an objective for your A/B test.
In Google Optimize, the default options are decreasing bounce rate, increasing pageviews, and increasing session duration.
Any custom goals you’ve created in Google Analytics will also appear in this list. So if you’re already tracking the type of conversion you want to optimize the page for, this makes measuring your success easy.
In the Crazy Egg A/B testing tool, your default options are “Sell more products,” “Get more registrations,” “Generate more leads,” or “Get more page views.”
Even if you don’t yet have custom goals set up on your site, these options enable you to measure your performance for important KPIs.
Finally, you’ll need to determine how much of your traffic you want to see each variant.
If you’re running a simple test with two variants, you’ll likely want to divide all of your traffic evenly between the two.
And if you have more variants, you can simply divide your traffic evenly.
But if you’re running a test where you’re unsure of how well a specific variant will perform, you may want to allot a smaller portion of your traffic to that variant.
For example, if you’re testing a call to action that’s designed to be attention-grabbing, with bold language or a touch of humor, it’s tough to know how your audience might respond.
Maybe they’ll love it!
But maybe not.
And if this call to action is on a valuable, high-traffic page, that might not be a risk you’re willing to take for a large portion of your audience.
Instead, you can start by only sending 5-10% of your traffic to that variant. Then, if you see positive results, you can update your settings to direct more of your traffic to it.
Since your results are based on conversion rates, and not total number of conversions, it’s still possible to get accurate results with varying portions of traffic to different variations.
Plus, if you run your tests with Crazy Egg, the platform will automatically adapt to show the variant with the best conversion rate to the highest portion of your users.
This way, you can continue to learn about what your visitors like (and what they don’t) — without sacrificing conversions.
5. Let your test accumulate data
Once you’ve launched your test, you need to let it run for a long enough period of time to collect significant data.
This is often the most difficult part of running an A/B test for many site owners.
After all, you just spend all this time learning about your users, finding opportunities for improvement, and creating new page variants.
Now, you want to see the results of your efforts!
That’s understandable.
But running an effective test requires a bit of patience.
So go ahead: Log into your testing account and check out your results during your test.
Just do not (I repeat, DO NOT) stop, pause, or edit your test until it’s complete.
After a few days, you might see results that point to one variation as a clear winner. This is extremely common.
But you should never make decisions based on these early results.
For example, take a look at these initial landing page split test results, where the gray line represents the original page’s conversion rate, and the blue line shows the new variant’s.
If this site owner had checked their results at any point within the first few days, they would’ve seen that the new variant was dramatically outperforming the original page. It was achieving almost double the conversion rate!
But as you can see, as the test continued to run, those lines slowly converged until there was virtually no difference at all in conversion rate.
This is a common occurrence with early test results.
It even holds true with tests that involve multiple variants — like this example from ConversionXL with five landing page variants.
During the first few days of this test, the third variant (represented in the above graph by a blue line) emerged as a clear winner. But within a few weeks, the conversion rates of all the variants were nearly identical.
There was no clear winner, and this site owner had no conclusive evidence that implementing one of those variants would have an impact on their results.
Now, consider what would’ve happened if the person running this test had stopped running their test within the first week.
They would’ve concluded that the third variant was by far the most effective in generating conversions. Then, they likely would’ve spent hours creating a permanent version of that variant and implementing it on their site.
And after all of that effort, they’d be very disappointed when their winning variant didn’t actually have an impact on their conversions.
Stopping too early would’ve led them to waste time and money on a variant that didn’t make a difference in their site’s performance.
Plus, in this example, the conversion rates ended up being the same. But in some cases, the results can reverse over time.
Although stopping that particular test too early would’ve resulted in no change at all, stopping some tests could actually lead to you to choose a variant that performs worse than your original.
So, why do these changes occur?
Early in your testing period, your results are calculated based on a relatively small pool of users. This means that each individual user has a much larger impact on your overall results.
In those first few days, even one or two visitors who behave unusually can make a big difference in your conversion rates.
But as you accumulate more views on your tests, your results will average out to reflect the majority of your audience’s behavior. The larger your test audience, the more accurate your results will typically be.
Of course, you can’t run your tests forever. You need to stop and evaluate at some point in order for them to provide any real value to your site.
So how can you choose a good stopping point?
Some site owners choose to run their tests for a certain period of time. And it es a good idea to run your tests for full weeks at a time.
ConversionXL suggests that if you begin a test on a Monday, to try to end that test on a Sunday.
Why does this matter?
Many sites see huge differences in user behavior on different days of the week. For example, take a look at the variation in conversion rates in this site’s Google Analytics report, broken down by day of the week.
Their ecommerce conversion rates dropped from 4.26% on Thursday to 2.43% on Saturday. That’s a 75% decrease in two days!
So if your test only includes particularly high⎯ or low⎯performing days, your results could easily be skewed.
Plus, there’s a chance that your audience varies a bit by day, too. For example, if you run a B2B service company, you’ll likely generate most of your leads from established companies during the week.
After all, that’s when key decision makers and other employees are likely searching for business-related services.
But on the weekends, you might attract more leads from startup founders or small business owners who run their companies in addition to a full-time job.
These are very different types of leads — and you should run your test long enough to account for both.
But does this mean that the best way to determine a stopping point is to set a target time frame of one or two full weeks?
Tidak
For the best results, I recommend determining a target sample size, or number of users you want to interact with your test, before launching.
This way, you can be sure that a significant portion of your audience has interacted with it.
There are plenty of sample size calculators you can use to figure out an appropriate goal for your site. They’re all fairly similar, and most look something like this one:
First, you’ll need to set your confidence interval. This number represents the margin of error you’re comfortable with for your results.
For example, let’s say that 80% of your visitors select one variant in your test. If you use a confidence interval of 4, this means you can be “sure” that between 76% and 84% of your total visitors will also choose that option.
Next, your confidence level represents how sure you can be that your results will fall within your confidence interval.
So, sticking with that same example, if you set a confidence level of 95%, this means you want to be sure that 95% of the time, 76-84% of your visitors will choose your winning variant.
Finally, you can use the population field for the total group your sample is intended to represent, which is your entire target audience.
If you don’t know how large your audience is, or if your site’s traffic tends to vary, you can leave this field blank. Your total audience’s size generally will not have a significant impact on a test’s accuracy, unless it is extremely small.
In the above example, I used a 95% confidence level and a 4 for the confidence interval. I left “population” blank.
Based on this information, I’d need a sample size of at least 600 users.
But this doesn’t mean that as soon as 600 visitors see my test, I can just see which variant performed best and implement it on my site.
Although many of your tests will produce a “winner,” you still need to determine whether your results are statistically significant.
If you’re unfamiliar with statistical significance, it’s essentially a way to determine whether you can be confident that your results are an accurate prediction of future results.
In other words, how sure can you be that your lift in conversion rates isn’t just a fluke?
As a caveat, do tidak attempt to calculate statistical significance before reaching your target sample size.
For example, take a look at these results from a ConversionXL test two days after launch:
The test had already reached 237 users, and the variant was performing extremely poorly. It was generating almost 90% fewer conversions, with a zero percent chance of beating the original.
Fortunately, this tester know that a sample size of 237 was not large enough to reflect the site’s total audience, so they let the test run for another ten days.
1,000 visitors later, the variant that had a zero percent chance of beating the control was generating 25% more conversions, with a 95% chance of beating the original.
So even if they’d taken all of the appropriate steps to measure significance with those early results, their conclusion would’ve been completely wrong.
Waiting to hit your target sample size requires a bit of patience, but it’s worth it to achieve results that you can be confident about.
And once you’ve reached enough visitors with your test, calculating statistical significance is easy.
There are plenty of tools you can use to plug in your data and get an instant answer, like Kissmetrics A/B significance test.
Simply enter your total number of visitors and number of conversions for each variation.
Then, the tool will tell you if your results are statistically significant, as well as your confidence level.
In this case, variation B won with a 97% confidence rate. Given that most testers aim for 95%, this is a statistically significant result, and one that the site owner could be confident about using to inform a permanent change.
It’s important to note, though, that not all of your results will be statistically significant.
In fact, a lot of them probably won’t be.
For example, when Groove wanted to increase clicks on their “Sign Up” button, they decided to run a popular type of test with three different button colors.
They saw no significant change in conversions.
Then, they tried slightly altering the copy on the button, from “Sign Up,” to “Sign Up Now.”
Some site owners have reported success with this type of change, and assume that adding a time-related word creates a sense of urgency.
But for Groove?
Inconclusive.
Finally, they tried testing slight variations for their listed monthly price.
Lots of sites have published case studies with positive results from this type of change, since even small differences can make an impact on how users perceive cost and value.
But for Groove?
Again: Inconclusive.
So don’t be surprised if your first few tests don’t produce actionable results that will make huge impact on your site’s performance.
In fact, it’s best to approach your initial testing process with the mindset that you won’t immediately identify major changes.
According to ConversionXL, “You are doing well if one in five split tests will improve your conversion rates.”
After all, if it were that easy, every site in existence would be perfectly optimized to cater to move users straight to converting.
When you focus on achieving significant results, your progress in finding new ways to increase your conversions might be slow. But once you hacer find those changes, you can be confident that they’ll make a real impact for your business.
6. Document or implement your results
Regardless of your results, you have some work to do at the end of each test.
If your test’s results were inconclusive, you might be ready to simply move on to the next one. And while that’s a logical next step, it’s important to take the time to analyze and document your results.
A test isn’t useless just because it doesn’t show you an immediate change you can make to boost your conversion rates.
When you think about it, each one gets you closer to identifying that impactful change. When you test an idea and find that it doesn’t make a significant difference, you can cross that idea off of your list and move onto the next.
And when you document the fact you’ve already tested it, you can avoid running a similarly ineffective test in the future.
This is particularly important if there are multiple people who play a role in working on your company’s site. Without documentation, others on your team might not realize that you’ve already tried a specific test.
They might spend valuable time running a similar test — and wind up getting similar results.
Plus, you can learn from each hypothesis you create, and develop better hypotheses as you move forward with the testing process.
That’s why in one study, companies who based changes on historical data were shown to be the most likely be successful with their tests.
That’s because instead of making wild guesses as to what will help their site achieve higher conversion rates, they’re making data-backed decisions to develop their hypotheses.
Then, they can approach A/B tests as a way to confirm or reject the ideas they’re already fairly confident in.
This is a much more effective approach than creating variants for every element you can think of, then using A/B tests to see whether any of them make a difference.
So, how can you document your results to help you improve your testing efforts in the future?
The most important consideration here is what works for you and your team.
Even if you’re the only person running tests on your site right now, that could easily change in the future.
Plus, if you’re reporting to a more senior employee at your company, it’s also in your best interest to be able to illustrate your findings in a clear way.
With that in mind, it’s pretty clear that a spreadsheet of random statistics about controls and variants won’t do you any favors.
Your goal should be to document each of your tests in a way that’s easy for anyone who reads them to understand.
But this doesn’t need to be a complex process.
First, start by taking complete screenshots of each variation. In this example, an outdoor retailer tested two different versions of a promotional offer.
Next, document the exact change you made, and why you made it.
In this case, the retailer wanted to see if switching from a percentage-based discount to a dollar-based discount would increase conversions without lowering the site’s average order value.
Finally, document how your test impacted your main goal, as well as any other target metrics it affected.
In the outdoor retailer’s test, that looked like this:
Simple, right?
Anyone could read this report in a under a minute, and understand the test’s key takeaway.
Beyond this, it’s up to you what you decide is important to include in your reports. For the sake of creating effective future tests, you’d likely want to include:
- Date range
- Total traffic
- Total conversions for each variant
- Additional metrics impacted
Then, as you continue to run tests on your site, you can archive all of your results in one place.
Much like documenting your individual results, this process can be as simple or as complex as you want it to be.
Most testing platforms, including Google Optimize and Crazy Egg’s A/B testing tool, save all of your test results to an archive.
But if you run tests on multiple platforms, or have multiple users running tests in different accounts, this can quickly get confusing.
Creating one easily-accessible location for results simplifies the process of accessing past tests. This can be as simple as a shared Excel or Google Sheet, like this example from Kissmetrics:
This sheet includes a hypothesis for each variant, as well as details about the copy, color, size, and shape.
Then, it includes traffic and conversion data, along with whether the test was significant, and any other conclusions the tester drew as a result.
This provides plenty of information to draw from for future tests.
But you can also document your tests using just about any tool you prefer. ConversionXL, for example, documents their results in a Trello board.
If you’ve already identified an organizational tool that works well for your or your team, you can likely use it to archive your test results.
The bottom line is that you need to choose something that’s convenient — so that when it’s time to create your next test, it’s easy to gain insight from your past results.
Kesimpulan
A/B tests can be an extremely valuable way to learn about your audience’s preferences and adjust your site to be more effective in helping you reach your most important goals.
Developing and launching a test doesn’t need to be a complicated process, either. So once you have a basic framework in place, you can continue to run tests and make improvements.
After all, no matter how satisfied you are with your site’s performance, there’s almost always room for improvement.
A/B tests can tell you exactly what those improvements are.
When it comes down to it, there’s no reason tidak to be continuously running tests. Each one will give you a bit more insight into your audience’s preferences, and get you closer to creating a site that’s perfectly tailored to their needs.
How do you use A/B testing to improve your conversion rates?
