Что такое A/B-тестирование?
In simple words, an A/B test is a strategy where marketers compare two different versions of an asset, such as an advertisement or a campaign, and measure the performance of each version. It is mostly set on the premise of a hypothesis claiming to generate better KPI's for the end goal of the asset. The two versions are typically exposed to equal halves of the target audience at the same time, and the 'winning' version is determined in regards to the goals set by the marketer.
However, it typically doesn't stop there. Once the winner is determined, marketers usually go on to test other versions with the goal to convert more and more leads to paying customers.
Что является примером A/B-тестирования?
Если ваша цель - оптимизировать кампанию для получения кликов и конверсий, сначала нужно определить текущее поведение вашей аудитории. Обычно это делается с помощью тепловые карты или другие инструменты аналитики. С помощью этих инструментов вы сможете ответить на такие вопросы, как:
- На что нажимают мои пользователи?
- На что они не нажимают?
- Что я хочу, чтобы они начали нажимать?
Следующим шагом будет использование этой информации о поведении пользователей при кликах для создания различных гипотез, которые могут привести к увеличению числа конвертированных пользователей. Если ваша конечная цель - привлечь больше людей к подписке на ваш продукт или предложение, то вы можете использовать те места, на которые пользователи нажимают чаще всего, чтобы привести их на страницу подписки. Кроме того, вы можете предположить, что пользователи не нажимают на определенное изображение или CTA из-за слабых образов или непривлекательного выбора слов, и заменить их.
Once you have listed your hypotheses, you would pick the strongest ones and launch an A/B test showcasing the changes for a set (and equal) amount of time. The A/B test can be run between a treatment and a control group where the treatment group experiences the change and the control group remains as it was. Alternatively, if you are running a new campaign altogether and don't have any past data on clicks and other user behavior, you would be testing out two new hypotheses at the same time.
Через определенное время вы сравните конверсию нового дизайна (или группы лечения) с контрольной группой. Получил ли новый дизайн больше кликов, а значит, и больше конверсий? Если ответ положительный, то вы останетесь с новым дизайном и перейдете к следующему A/B-тесту.