O Teste A / B (também conhecido como teste de divisão) define uma maneira de compare two versionsde um aplicativo ou página da web que permite determinar qual tem melhor desempenho. O Teste A / B é uma das maneiras mais fáceis, onde você pode modificar um aplicativo ou uma página da web para criar uma nova versão e, em seguida, comparar as duas versões para encontrar a taxa de conversão. Isso também nos permite saber qual é obetter performer dos dois.
O número de amostras depende do número de testes realizados. ocount of conversion rate é chamado de amostra e o processo de coleta dessas amostras é chamado de amostragem.
O intervalo de confiança é chamado measurement of deviationda média no número múltiplo de amostras. Vamos supor que 22% das pessoas prefiram o produto A, com +/- 2% de intervalo de confiança. Este intervalo indica oupper and lower limit das pessoas, que optam pelo Produto A e também é chamado margin of error. Para obter os melhores resultados nesta pesquisa média, a margem de erro deve ser a menor possível.
Sempre realize o teste A / B se houver probabilidade de beat the original variation by> 5%. O teste deve ser executado por um período de tempo considerável, para que você tenha dados de amostra suficientes paraperform statistics and analysis. O teste A / B também permite que você obtenha o máximo do tráfego existente em uma página da web.
O custo de aumentar suas conversões é mínimo em comparação com o custo de configuração do tráfego em seu site. oROI (return on investment) no Teste A / B é enorme, pois algumas pequenas alterações em um site podem resultar em um aumento significativo da taxa de conversão.
Como o teste A / B, o teste multivariável é baseado no mesmo mecanismo, mas compares higher number of variablese fornece mais informações sobre como essas variáveis se comportam. No Teste A / B, você divide o tráfego de uma página entre diferentes versões do design. O teste multivariado é usado para medir oeffectiveness of each design.
O problema de testar várias variáveis ao mesmo tempo é que seria tough to accurately determinequais dessas variáveis fizeram a diferença. Embora você possa dizer que uma página teve um desempenho melhor do que a outra, se houver três ou quatro variáveis em cada uma, você não pode ter certeza de por que uma dessas variáveis é realmente um prejuízo para a página, nem pode replicar ogood elements em outras páginas.
Aqui estão algumas variações de teste A / B que podem ser aplicadas em uma página da web. A lista inclui - Manchetes, Subtítulos, Imagens, Textos, texto e botão CTA, Links, Emblemas, Menções na mídia, Menção social, Promoções e ofertas de vendas, Estrutura de preços, Opções de entrega, Opções de pagamento, Navegação no site e interface do usuário.
Background Research - A primeira etapa no teste A / B é descobrir o bounce rateem seu site. Isso pode ser feito com a ajuda de qualquer ferramenta como o Google Analytics.
Collect Data - Os dados do Google Analytics podem ajudá-lo a encontrar visitor behaviors. É sempre aconselhável coletar dados suficientes do site. Tente encontrar as páginas com baixa taxa de conversão ou altas taxas de desistência que podem ser melhoradas.
Set Business Goals- A próxima etapa é definir suas metas de conversão. Encontre ometrics that determines se a variação é ou não mais bem-sucedida do que a versão original.
Construct Hypothesis- Depois que a meta e as métricas forem definidas para o Teste A / B, o próximo passo é encontrar ideias para melhorar a versão original e como elas serão melhores do que a versão atual. Depois de ter umlist of ideas, prioritize them em termos de impacto esperado e dificuldade de implementação.
Create Variations/Hypothesis - Existem muitas ferramentas de teste A / B no mercado que têm um visual editorpara fazer essas alterações de forma eficaz. A principal decisão para realizar o Teste A / B com sucesso é selecionar ocorrect tool.
Running the Variations - Apresente todas as variações do seu site ou aplicativo aos visitantes e suas ações são monitoradas para cada variação. Visitor interaction para cada variação é medida e comparada para determinar o desempenho dessa variação.
Analyze Data - Assim que um experimento for concluído, o próximo é analyze the results. A ferramenta de teste A / B apresentará os dados da experiência e mostrará a diferença entre como as diferentes variações da página da web são realizadas. Além disso, se houver alguma diferença significativa entre as variações com a ajuda de métodos matemáticos e estatísticas.
O tipo mais comum de ferramentas de coleta de dados inclui a ferramenta Analytics, ferramentas de reprodução, ferramentas de pesquisa, ferramentas de bate-papo e email.
As ferramentas de repetição são usadas para obter uma melhor percepção das ações do usuário em seu site. Também permite que vocêclick maps and heat maps of user clicke para verificar a que distância o usuário está navegando no site. Ferramentas de reprodução como o Mouse Flow permitem que vocêview a visitor's session de certa forma você está com o visitante.
As ferramentas de reprodução de vídeo fornecem uma visão mais profunda de como seria para o visitante navegando nas várias páginas do seu site. As ferramentas mais comumente usadas sãoMouse Flow and Crazyegg.
Ferramentas de pesquisa são usadas para collect qualitative feedbacka partir do site. Isso envolve fazer aos visitantes recorrentes algumas perguntas da pesquisa. A pesquisa faz perguntas gerais e também permite que eles insiram seus pontos de vista ou selecionem opções pré-fornecidas.
Você pode reduzir o número da taxa de rejeição em adding more imagesno fundo. Você pode adicionar links de sites sociais para aumentar ainda mais a taxa de conversão.
Existem diferentes tipos de variações que podem ser aplicadas a um objeto, como usar marcadores, alterar a numeração dos elementos-chave, alterar a fonte e a cor, etc. Existem muitas ferramentas de teste A / B no mercado que têm um editor visual para fazer essas mudanças efetivamente. A principal decisão para realizar o teste A / B com sucesso é porselecting the correct tool.
As ferramentas mais comumente disponíveis são Visual Website Optimizer, Google Content Experiments e Optimizely.
O Visual Website Optimizer ou VWO permite que você test multiple versionsda mesma página. Ele também contém o editor 'o que você vê é o que você obtém' (WYSIWYG) que permite que vocêmake the changes and run testssem alterar o código HTML da página. Você pode atualizar manchetes, numeração de elementos e executar um teste sem fazer alterações nos recursos de TI.
Para criar variações no VWO para testes A / B, abra sua página da web no editor WYSIWYG e você pode aplicar muitas alterações a qualquer página da web. Isso inclui Alterar Texto, Alterar URL, Editar / Editar HTML, Reorganizar e Mover.
O Visual Website Optimizer também oferece uma opção de teste multivariado e contém outras ferramentas para realizar segmentação comportamental, mapas de calor, testes de usabilidade, etc.
Esses testes podem ser aplicados em vários outros lugares como e-mail, aplicativos móveis, PPC e CTAs também.
Assim que um experimento for concluído, next is to analyze the results. A ferramenta de teste A / B apresentará os dados da experiência e mostrará a diferença entre como as diferentes variações dessa página da web são realizadas. Também mostrará se há uma diferença significativa entre as variações que usam métodos matemáticos e estatísticas.
Para integrar o Optimizely ao Universal Google Analytics, primeiro selecione o botão ATIVADO no painel lateral. Então você deve ter umavailable Custom to populate with Optimizely experiment data.
O código de rastreamento do Universal Google Analytics deve ser colocado na parte inferior da seção <head> de suas páginas. A integração do Google Analytics não funcionará corretamente, a menos que o snippet do Optimizely esteja acima do snippet do Analytics.
O Google Analytics tem duas opções para analisar os dados, que são Universal Analytics e Classic Google Analytics. Os novos recursos do Universal Analytics permitem que você use 20 testes A / B simultâneos enviando dados para o Google Analytics, no entanto, a versão Classic permite apenas até cinco.
É um mito que o Teste A / B prejudica as classificações do mecanismo de pesquisa porque pode ser classificado como conteúdo duplicado. As quatro maneiras a seguir podem ser aplicadas para garantir que você não perca o valor potencial de SEO durante a execução de testes A / B.
Don’t Cloak - Cloaking é quando você mostra uma versão da sua página da web ao agente do Googlebot e outra versão aos visitantes do seu site.
Use ‘rel=canonical’- Quando você tem testes A / B com vários URLs, pode adicionar 'rel = canonical' à página da web para indicar ao Google qual URL deseja indexar. O Google sugere o uso de elemento canônico e não tag noindex, pois está mais de acordo com sua intenção.
Use 302 redirects and not 301’s - O Google recomenda usar o método de direção temporária - um 302 sobre o redirecionamento 301 permanente.
Don’t run experiments for a longer period of time - Observe que, quando seu Teste A / B for concluído, você deve remover as variações o mais rápido possível e fazer alterações em sua página da web e começar a usar a conversão vencedora.