Slik gjennomfører du A/B test av en nettside

A / B-testing, også kalt "splitt testing", betyr å prøve å finne ut om et nytt element eller en endring på en nettside gir en positiv eller negativ effekt. Det kan høres komplisert ut, men det trenger ikke å være det.

For å konfigurere en A / B-test kan du bruke verktøy som Optimizely, Google Optimize, VWO eller tilsvarende. Her er seks trinn du kan følge for å utføre en vellykket a / b-test med det verktøyet du velger:

    Trinn 1: Velg et mål

    Det første du gjør er å identifisere hvilke nettsider som skal testes. For å finne kandidater kan du se på analysedataene dine og lete etter sider med:

    • Høy fluktfrekvens
    • Mye trafikk, men lav konvertering
    • Eventuelle andre kriterier som indikerer svak ytelse

    Du bør ta deg tid til å lage en strategi for testingen din. De beste resultatene oppnås når man har en klar plan og tester systematisk.

      Trinn 2: Definer en hypotese

      Når du har identifisert en nettside du vil jobbe med, definer du en hypotese som forklarer hvorfor den underpresterer. Hypotesen må være mulig å teste, noe som betyr at den skal knyttes til et element som du kan endre.

        Du begynner i utgangspunktet med to hypoteser:

          • Null-hypotesen (H0), som er sier ingenting vil forandre seg, og
          • Den alternative hypotesen (H1), som sier at en endring har effekt.

          Trinn 3: Sett opp testen

          Når du forbereder testen, må du definere noen variabler:

            Størrelsen på testen: Hvor mange visninger må du ha av hvert alternativ, ofte kalt «utvalgsstørrelse». Du trenger ikke regne dette ut selv, men kan bruke Optimizely’s Sample Size Calculator til å beregne utvalgsstørrelsen du trenger per variasjon for testen din.

              Kjøretid: Hvor lenge skal testen pågå. Dette avhenger mellom annet av utvalgsstørrelse og konvertering. Du kan bruke VWOs Splitt-Test Calculator til å beregne kjøretiden.

                Mål: Hva du ønsker å oppnå og hvor mye.

                  Baseline: Hvordan nettsiden presterer i dag. For eksempel hvilken konverteringsrate har nettsiden før testen starter? Dette er måleverdien vi skal sammenligne testresultatene med.

                    Trinn 4: Test

                    Gjennomfør testen

                      Trinn 5: Analyser resultatet

                      Verktøy som Optimizely og VWO har statistikkfunksjoner som beregner sannsynligheten for at den varianten som er vinneren virkelig er en vinner og ikke en tilfeldighet. Statistisk signifikans forteller sannsynligheten for at forskjellen i konverteringsfrekvenser mellom et gitt alternativ og baseline ikke skyldes tilfeldighet. For eksempel, hvis resultatene er signifikante med et nivå på 90%, betyr det at du kan være 90% sikker på at resultatene du ser faktisk skyldes en underliggende endring i atferd, og ikke bare er en tilfeldighet.

                        Selv når et eksperiment viser en klar vinner kan det være nyttig å kombinere a / b testing med andre analyser som varmekart (heatmap), og lignende.

                          Trinn 6: Konkluder

                          Avhengig av om eksperimentet var vellykket eller ikke, kan du nå bestemme om du vil gjøre endringen permanent eller beholde den opprinnelige løsningen.

                            Dessverre er det mange eksempler på at byråer kutter hjørner når de A/B tester. Ikke vær redd for å spørre om det statistiske grunnlaget neste gang noen forteller deg at B er bedre enn A. Det være en tilfeldighet.

                              Ta kontakt for en uforpliktende prat om du vil snakke mer om A/B testing eller annen digital markedsføring.

                                Legg igjen en kommentar

                                Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *