Przewodnik po Testach A/B w E-commerce: Strategie, Taktyki, Narzędzia, Analiza Danych i Case Studies

O „testach A/B” słyszał już chyba każdy w świecie e-commerce. Wielu sprzedawców wciąż ma jednak wiele wątpliwości, które powstrzymują ich przed rozpoczęciem przeprowadzania testów na własny użytek.

O ból głowy w pierwszej kolejności przyprawia zwykle trud skoordynowania wszystkich etapów procesu testowania: od burzy mózgów przez wybór oprogramowania aż po analizę wyników.

I choć przeprowadzanie testów A/B nie jest tak łatwe, jak uważa większość ludzi, nie jest też przerażająco trudne. Warto poświęcić trochę czasu na wdrożenie dobrze skonstruowanych, sprawdzonych schematów przeprowadzania testów A/B. Każdemu w branży e-commerce wyjdzie to zdecydowanie na dobre.

W tym przewodniku dajemy Wam prosty przepis, jak przeprowadzać testy A/B.

Będziecie mogli także przeczytać o typowych błędach, obejrzeć niektóre z życia wzięte studia przypadków i poznać praktyczne, konkretne wskazówki, które elementy witryny (i poza witryną!) należy przetestować.

Oto, co znajdziesz w tym artykule:

Co to są testy A/B?
Jak przeprowadzać testy A/B: przegląd informacji
1. Analiza
2. Pomysły na poprawę (formowanie hipotez)
3. Prototypowanie i design
4. Kodowanie i test
5. Wyniki
Jak obliczyć wielkość próby dla testu A/B?
Które elementy karty produktu warto przetestować?
11 najczęstszych błędów przy testach A/B
Przegląd najlepszych narzędzi wspomagających testy A/B w e-commerce
Testy A/B w e-commerce – studia przypadków (case studies)
1. Budapester
2. Reserved
3. 4F
Wnioski

Zaczynajmy!

Co to są testy A/B?

Testy A/B polegają na przedstawianiu użytkownikom dwóch (lub więcej) różnych wersji określonych treści – reklam, e-maili, stron internetowych etc. – w celu identyfikacji najlepiej działającego wariantu. Często jedyną różnicą pomiędzy obiektami testowymi jest pojedynczy element, taki jak nagłówek, CTA (ang. Call-to-Action, dosł. wezwanie do działania), obraz, tekst etc. Testy A/B można przeprowadzać jednak nawet między dwoma zupełnie różnymi rodzajami treści, takimi jak reklamy na Facebooku, e-maile marketingowe, a nawet całe procesy sprzedaży.

Co więc zwykle reprezentują warianty „A” i „B” w testach A/B? Przy każdym teście potrzebna jest próba kontrolna. Wariant „A” stanowi zatem zazwyczaj wersję oryginalną lub bieżące wyniki. „B” to wariant, którego wyniki porównasz z opcją „A”.

Ogólny przykład testu A/B.

Powiedzmy na przykład, że na kartę produktu zagląda dziennie kilkaset osób. Decydujesz się na uruchomienie testu A/B, w którym dodasz powiadomienie o tym, że dostawa zostanie zrealizowana już następnego dnia tuż obok przycisku „Dodaj do koszyka”. Korzystając z oprogramowania do testów A/B tworzysz niemal identycznie wyglądającą stronę z tą jedną drobną zmianą, dzielisz ruch równo między obie strony i mierzysz wyniki. Bieżąca strona to obiekt testowy „A”. Jej nowy wariant to obiekt testowy „B”.

Możesz też przygotować promocyjną kampanię e-mailową, w której przekierujesz swoich subskrybentów na stronę docelową, aby otrzymać darmowy prezent. Zbudowałeś dwie strony docelowe – „A” i „B” – ale chcesz zobaczyć, która z nich przyciąga więcej uczestników. Ponownie korzystając z oprogramowania do testów A/B przekierujesz połowę ruchu na stronę „A”, a połowę na stronę „B”. Nawet jeśli nie dysponujesz żadnymi wcześniejszymi wynikami, „A” zostaje wówczas Twoją wersją kontrolną, a „B” jej konkurentem.

„Testowanie wielowymiarowe” działa na tej samej zasadzie, ale obejmuje testowanie wariantów zawierających wiele zmian. Celem jest określenie, która kombinacja zmiennych działa najlepiej. Dla przykładu: za pomocą testu A/B możesz określić, czy przycisk CTA działa lepiej w wariancie zielonym czy czerwonym. W teście wielowymiarowym możesz zmienić jednocześnie kolor i tekst CTA. Wprowadzenie dwóch zmiennych spowoduje utworzenie czterech wariantów:

• kolor 1 i tekst 1
• kolor 1 i tekst 2
• kolor 2 i tekst 1
• kolor 2 i tekst 2

Zaletą testów wielowymiarowych jest to, że eliminują potrzebę przeprowadzania wielu testów A/B jeden po drugim. Minusem jest to, że warunkiem koniecznym jest bardzo duży ruch na stronie (o który szczerze powiedziawszy trudno w polskich realiach).

Jak przeprowadzać testy A/B: przegląd informacji

Przyjrzyjmy się podstawowej formule przeprowadzania testów A/B. Na tym etapie nie przejmuj się zbytnio technicznym aspektem testów. Istnieje szeroka gama narzędzi usprawniających i automatyzujących wszystkie ich etapy, od tworzenia strony po interpretację wyników. W dalszej części przedstawimy pokrótce najlepsze aplikacje i rozwiązania.

Testy A/B są zwykle wykonywane „on-site” (w obrębie witryny) lub „off-site” (poza nią). Testy w obrębie witryny obejmują takie jej elementy jak karty produktów, strony docelowe, formularze płatności etc. Mogą być one również przeprowadzane dla aplikacji – jeżeli masz aplikację mobilną pozwalającą robić zakupy czy dającą dostęp do programów lojalnościowych. Zasadniczo testy on-site dotyczą każdej strony w witrynie, która ma pojedynczy cel i odpowiadający mu podstawowy CTA.

Testy off-site obejmują różne typy reklam (zwłaszcza tych płatnych), e-maile, posty w mediach społecznościowych, powiadomienia etc.

Niezbędne jest przeprowadzenie testów w tym samym czasie na takiej samej wielkości próby. Wielkość próby i długość okresu testów to dwie najważniejsze zmienne, które mogą zniekształcać wyniki. Nie można wysnuć żadnych logicznych wniosków porównując wyniki dwóch wariantów, jeśli jeden z nich był testowany – na przykład – w Halloween, a drugi w Dzień Matki.

Wykonaj opisane poniżej kroki, aby uporządkować strukturę testów A/B:

1. Analiza

Na tym etapie powinieneś zdefiniować swoje cele i określić, które elementy strony chcesz przetestować.

Cele będą kręcić się wokół zwiększania kluczowych wskaźników konwersji, przy czym pod słowem „konwersje” należy rozumieć kliknięcia, rejestracje lub transakcje. Możesz wybrać jeszcze „szersze” mierniki sukcesu, jakimi są zaangażowanie użytkowników lub zasięg, szczególnie podczas testowania reklam. Bez względu na specyfikę przypadku potrzebny jest jednak jasno określony wskaźnik, za pomocą którego będzie można zmierzyć względny sukces lub niepowodzenie badanych wariantów.

Gdy obierzesz już cel, powinieneś zbadać i ustalić priorytet testów, jakie zamierzasz przeprowadzić. Sprawdź, które elementy witryny (karty produktów, strony kategorii, formularze płatności etc.), są kluczowe dla osiągnięcia Twoich celów, a następnie określ, które z nich odznaczają się największym potencjałem poprawy. Zidentyfikuj strony mające wysoki wskaźniki odrzuceń (ang. bounce rate) lub porzuceń (ang. abandonment rate) oraz te odznaczające się niezwykle niskimi konwersjami czy zaangażowaniem użytkowników.

Po zidentyfikowaniu stron, które są jednocześnie istotne i mają potencjał, powinieneś uszeregować je według łatwości, z jaką możesz przeprowadzić testy. Najlepiej – zwłaszcza przy wdrażaniu zupełnie nowej strategii – zacząć od najprostszych zadań, przechodząc do coraz bardziej złożonych testów w miarę zdobywania większej ilości danych. Ta metoda pozwala zazwyczaj osiągnąć największe zyski w najkrótszym czasie.

Jako element testów możesz wybrać CTA (ang. Call-to-Action, dosł. wezwanie do działania), nagłówek tekstu reklamowego, obraz na stronie docelowej (ang. landing page), temat wiadomości e-mail lub post w serwisie społecznościowym informujący o aktualnej promocji. Najważniejsze, aby pamiętać, że przedmiotem testów powinien zostać jeden element, z pozostałą częścią niezmienioną. Wyjątkiem od tej reguły jest testowanie dwóch niezależnych wariantów, np. strony docelowej lub całej ścieżki sprzedaży, na które składają się unikalne wiadomości czy podstrony.

2. Pomysły na poprawę (formowanie hipotez)

Gdy podejmiesz już decyzję, które elementy serwisu nie działają poprawnie, powinieneś przeprowadzić burzę mózgów i stworzyć hipotezy.

Zadaj pytanie: „Jakie zmiany mogą zaowocować lepszymi wynikami stron i dlaczego?”

Hipoteza polega na ocenie, dlaczego strona lub element nie działają tak dobrze, jak mogą i w jaki sposób można to poprawić. Test A/B to zasadniczo weryfikacja tak postawionej hipotezy.

Można na przykład stwierdzić, że obecne CTA karty produktu nie wyróżnia się wystarczająco, a odwiedzający mogą mieć problem z jego odnalezieniem. Sposobem rozwiązania tego problemu mogłoby być użycie bardziej jaskrawego koloru przycisku CTA.

Najlepszym sposobem formułowania hipotez jest użycie następującego, prostego szablonu:
Jeśli…, to…, ponieważ….

Zerknijmy na przykład:

Jeśli informacje o niskim stanie zapasów zostaną dodane do kart produktów obok CTA, to wskaźnik konwersji do koszyka (ang. add-to-cart rate) (a tym samym współczynnik konwersji) wzrośnie, ponieważ elementy budowania pilnej potrzeby skłaniają użytkowników do podjęcia działań.

3. Prototypowanie i design

Po sformułowaniu hipotez wiele osób od razu zabiera się za organizację testów. Ważne jest jednak, aby prawidłowo przeprowadzić burzę mózgów i zweryfikować różne opcje designu, upewniając się, że zaangażowany został cały zespół, a każdy pomysł wzięto pod uwagę.

Najlepiej rozpocząć od stworzenia luźnych ram proponowanych zmian, starając się wykreować tak wiele propozycji, jak to możliwe. Po rozstrzygnięciu, które z nich wydają się najbardziej obiecujące, możesz utworzyć ostateczne prototypy do celów wdrożeniowych.

4. Kodowanie i test

Zacznij od obliczenia wielkości próby. „Wielkość próby” to liczba wejść na stronę, który musisz wygenerować, aby móc jednoznacznie stwierdzić, że różnice pomiędzy wynikami nie są przypadkowe. Omówimy ten temat bardziej szczegółowo w następnym podpunkcie. Jeżeli na ten moment na określoną stronę spływa dosyć niewielki ruch lub jest ona dopiero w fazie rozwoju, zawsze możesz sprowadzić więcej ruchu.

Następnie, mając przyszykowane niezbędne podstawy, możesz wybrać odpowiedni zestaw narzędzi i rozpocząć testy. Narzędzia powinny zostać dopasowane do potrzeb. Do testowania pojedynczych elementów strony zazwyczaj wystarczy prosty edytor WWW. W przypadku bardziej złożonych testów A/B, jak na przykład przy porównaniu zupełnie różnych ścieżek sprzedaży, potrzebne mogą okazać się bardziej zaawansowane narzędzia. Istnieje także specjalne oprogramowanie do e-mail marketingu i przeprowadzania kampanii reklamowych, które umożliwiają prowadzenie testów A/B.

Jeżeli dysponujesz zespołem programistów do implementacji kodu na stronie, projekty stworzone w poprzednim kroku okażą się w tym momencie nieocenione.

5. Wyniki

Po zakończeniu testu możesz ocenić wyniki i sformułować nowe hipotezy dla następnych testów A/B. Analiza wyników ma dwa główne cele: poznanie zwycięskiej opcji oraz wygenerowanie nowych pomysłów na testy. Czasem wyniki mogą okazać się niejednoznaczne i prowadzić do zmiany czy nawet porzucenia oryginalnych hipotez. Zdarzają się też jednak wyniki na tyle znaczące, że w ich rezultacie zdecydujesz się przeprowadzić podobne testy także na innych, powiązanych stronach, lub wypróbujesz jeszcze bardziej zaawansowane zmiany w oparciu o pierwotny projekt.

Testy A/B warto traktować jako element strategii długoterminowej. Najlepiej dążyć do wprowadzenia licznych drobnych zmian w przeciągu wielu tygodni czy nawet miesięcy. Zapewni to nieustanny i znaczący wzrost ogólnego współczynnika konwersji.

Jak obliczyć wielkość próby dla testu A/B?

Obliczenie minimalnej wielkości próby będzie stosunkowo łatwe, kiedy zrozumiesz podstawowe pojęcia.

Oto kilka terminów, które musisz znać:

• Bazowy współczynnik konwersji (ang. baseline conversion) – współczynnik konwersji dla oryginalnej wersji strony.
• Minimalny wykrywalny efekt – jest to innymi słowy minimalna procentowa zmiana współczynnika konwersji w stosunku do stanu wyjściowego, która Cię satysfakcjonuje: może to być 2%, 3%, 5% czy 10%. Przy projektowaniu testów A/B nie powinno się raczej przekraczać 15%. Oczywiście niższe wyniki są łatwiejsze do osiągnięcia, ale także trudniejsze do udowodnienia, wymagają bowiem większej badanej próby. Z drugiej strony wyższe efekty łatwiej jest udowodnić przy mniejszej wielkości ruchu na stronie, ale po pierwsze trudno jest wpaść na pomysł, który mógłby przynieść tak znaczący efekt, a po drugie zazwyczaj te wysokie wzrosty nie przekładają się 1:1 w długim okresie.
• Poziom ufności – to stopień, w jakim możesz być „pewien” co do wyników. W e-commerce poziom unfości powinien wynosić między 80% a 95%.
• Poziom istotności – Poziom istotności jest odwrotnością poziomu ufności. Na przykład poziom istotności wynoszący 5% oznacza, że ​​istnieje 5% szansa, że ​​wyniki są efektem przypadku. Poziom istotności od 5% do 20% uznawany jest za normalny.
• Moc statystyczna – często pomijana przez osoby korzystające na co dzień z testów A/B „moc statystyczna” to procent opisujący prawdopodobieństwo, że test znajdzie minimalny wykrywalny efekt, zakładając, że taki istnieje. Załóżmy na przykład, że Twój minimalny wykrywalny wzrost, którego poszukujesz to 5%, moc statystyczna jest równa 80%, a testowany przez Ciebie wariant alternatywny poniesie porażkę. Masz wówczas 80% pewności, że przegrana wersja nie jest lepsza o 5% lub więcej.

Aby obliczyć minimalną wielkość próby możesz skorzystać z kalkulatora od Evan Miller. Ważne, abyś test prowadził tak długo, aż minimalna wielkość próby zostanie osiągnięta (nawet jeśli narzędzie do przeprowadzania testów, które używasz pokazuje istotność statystyczną przy mniejszej próbie).

Które elementy karty produktu warto przetestować?

Karty produktów to świetny materiał do przeprowadzania testów. To jedne z najważniejszych stron całego sklepu internetowego, które zwykle odznaczają się jednocześnie największym natężeniem ruchu w całej witrynie. A do tego ich testowanie jest naprawdę proste.

Oto niektóre elementy karty produktu, które mogą mieć największy wpływ na konwersje:

• Tytuł – tytuł jest pierwszym, co klienci widzą, lądując na stronie produktu. Definiuje obiekt i odróżnia go od innych produktów. Możesz eksperymentować, włączając (lub wykluczając) nazwy marek, kluczowe funkcje i USP, i testując różne wersje oryginalnej nazwy produktu.
• Obrazy – zdjęcia produktów mogą znacząco wpływać na konwersje. W szczególności główne zdjęcie produktu – to, które klienci widzą jako pierwsze po wejściu na stronę – ma kluczowe znaczenie. Przetestuj różne wersje tego obrazu, aby dowiedzieć się, który z nich okaże się najbardziej atrakcyjny.
• Opis – przekonujące opisy zachęcają klientów do kliknięcia głównego CTA. Eksperymentowanie z opisami poprzez dodawanie w tekście elementów perswazyjnych może przynieść interesujące wyniki. Rozważ powołanie się na zdobyte nagrody i wyróżnienia, wzmianki w mediach, rekomendacje celebrytów, najlepsze recenzje etc.
• Cena – praktycznie każdy odwiedzający stronę sprawdzi cenę produktu. Możesz przetestować wiele jej parametrów, takich jak kolor, rozmiar, lokalizacja i wszelkie informacje zawarte bezpośrednio obok ceny – takie jak przekreślona pierwotna cena produktu (przed zniżkami) czy termin zakończenia aktualnej promocji.
• Dostępne warianty produktu – odwiedzający często muszą określić przed zakupem dokładne cechy przedmiotu, takie jak kolor czy rozmiar. Niejasne opisy dostępnych opcji czy trudności z zaznaczeniem swojego wyboru mogą zniechęcić potencjalnych zainteresowanych. Nieczytelne oznaczenie poziomu zapasów w magazynie również powoduje niepożądaną niepewność kupujących.
• Warunki dostawy – czas oczekiwania oraz koszt wysyłki to kolejny ważny czynnik w procesie podejmowania decyzji. Możesz wyeliminować wątpliwości klientów, informując w przejrzysty sposób o warunkach dostawy, a nawet zwiększyć chęć zakupu, reklamując w widocznym miejscu bezpłatną i/lub szybką dostawę.
• CTA – ten element jest szczególnie istotny. Najważniejsze są trzy główne cechy CTA: kształt, rozmiar i kolor. CTA powinny wyróżniać się spośród innych elementów na stronie i być łatwe do kliknięcia, w szczególności na urządzeniach mobilnych.
• Ocena produktu (liczba „gwiazdek”) – robiący zakupy w sieci uwielbiają recenzje. Rozważ przetestowanie różnych wariantów oceny gwiazdkowej wyświetlanej pod nagłówkiem i ułatwienie klientom poruszania się w sekcji recenzji na kartach produktów.
• Elementy budujące pilną potrzebę (ang. urgency) – takie jak zegary odliczające czas do zakończenia promocji, ograniczona czasowo bezpłatna dostawa, specjalne zniżki etc. – mogą znacznie zwiększyć liczbę konwersji na stronie.

11 najczęstszych błędów przy testach A/B

Niepoprawnie przeprowadzone testy A/B mogą okazać się ogromną stratą czasu i pieniędzy.

Unikaj zatem następujących błędów:

1. Testowanie stron, które nie wpływają na konwersje – nie ma sensu testować stron, które nie mają znaczącego wpływu na konwersje. Przy ograniczonym czasie i zasobach kluczowe znaczenie ma zidentyfikowanie najlepszych „kandydatów” do testów i nadanie im priorytetu.
2. Testowanie kilku elementów naraz – przeprowadzając testy wielu elementów jednocześnie, nie masz pojęcia, które zmiany są odpowiedzialne za pozytywne wyniki. Wpływa to negatywnie na przyszłą zdolność do formułowania hipotez. Niestety czasem nie ma przed tym ucieczki.
3. Zbyt mała wielkość próby – Jeśli nie przestrzegasz podstawowych zasad solidnej analizy danych – obliczając wielkość próby przy istotności statystycznej pomiędzy 80% a 95% – wyniki Twoich testów będą niemiarodajne. W dłuższej perspektywie jest więcej niż prawdopodobne, że nie przybliży Cię to do osiągnięcia upragnionych celów.
4. Zbyt częste „pożyczanie” pomysłów od konkurencji – Badanie konkurencji i wykorzystywanie studiów przypadków przy formułowaniu własnych hipotez to świetna praktyka. Błędem jest jednak traktowanie ich jako jedynego źródła pomysłów na testy. Najlepsze fakty zazwyczaj osiąga się dzięki testom, jakich nie przeprowadzili dotychczas konkurenci.
5. Przeprowadzanie testów jedynie „od święta” – zgodnie ze starym powiedzeniem: testy A/B robi się przez całe życie, a nie tylko od święta. Przeprowadzanie ich na bieżąco w sposób zrównoważony pozwala nie tylko uzyskać największy wzrost konwersji, ale również strategię odporną na ciągłe zmiany w zachowaniach konsumentów.
6. Brak rozróżnienia pomiędzy procesami projektowania a rozwoju – Należy postawić wyraźną kreskę pomiędzy poszukiwaniem pomysłów (projektowaniem) a ich wdrażaniem (rozwojem i kodowaniem). Właściciele biznesów e-commerce często mylą te role, co powoduje albo nie efektywną burzę mózgów, albo słabą implementację. Nawet w sytuacji, gdy ta sama osoba odpowiedzialna jest za obie części, konieczne jest upewnienie się, że dysponuje ona zestawem niezbędnych umiejętności.
7. Opieranie hipotez na przeczuciach i założeniach – każdy zespół zajmujący się testami A/B posiada pewne założenia odnośnie czynników świadczących, że pomysł jest dobry. Ważne jest jednak, aby zachować jak najbardziej otwarty umysł i potrafić tworzyć hipotezy, które mogłyby wydawać się sprzeczne z intuicją. Istotą testów A/B jest przecież możliwość identyfikacji najlepszych i oryginalnych zmian. Procesy powinny w jak największym stopniu podważać podstawowe założenia i zachęcać projektantów do myślenia w niekonwencjonalny sposób (tzw. outside the box).
8. Niepowodzenie w tworzeniu właściwych hipotez – ważne, aby znać przyczyny swoich pozytywnych rezultatów. Generowanie kolejnych pomysłów bez przemyślenia poprzednich sukcesów działa na Twoją niekorzyść. Zrozumienie, co stoi za pozytywnymi wynikami pozwala lepiej zrozumieć zachowania klientów na przestrzeni czasu oraz, w oparciu o tę wiedzę, generować solidniejsze hipotezy w przyszłości.
9. Nieodpowiednia analiza wyników – tak więc CTA „B” daje konwersję wielkości 10%, podczas gdy CTA „A” jedynie 5%… i na tym koniec, no nie? No nie! Dane testowe zawierają ogrom przydatnych informacji o klientach, np. które segmenty cechują się najwyższym wskaźnikiem konwersji, które momenty szczególnie sprzyjają konwersji, jakie istnieją przeszkody na stronie itp. Wykorzystując platformy analityczne, jak np. Google Analytics, możesz wyciągnąć dużo więcej z wyników przeprowadzonych już testów.
10. Niezauważanie drobnych korzyści – internetowi sprzedawcy często ignorują zmiany o 2% czy 3%, spodziewając się dużo większej poprawy. W pewnym sensie jest to zrozumiałe. W Internecie czytamy głównie studia tych najbardziej udanych przypadków, co w efekcie skłania nas do podejmowania prób uzyskania równie znaczących wyników. To błąd. Nawet niewielki wzrost będzie przy dużej istotności statystycznej równie ważny jak wyższe wyniki. Testy o dużej mocy statystycznej mogą wykryć drobny efekt i okazać się równie przydatne.
11. Przedwczesne „podglądanie” wyników – Przedwczesnemu kończeniu testów A/B (przed osiągnięciem pożądanej liczby przetestowanych użytkowników) mówimy stanowcze NIE. Testerom często zdarza się osądzić zwycięstwo któregoś wariantu w oparciu o wynik w połowie testu. Takie działania świadczą jednak o ignorowaniu znacznych rozbieżności rezultatów, jakie występują w okresie trwania testu.

Przegląd najlepszych narzędzi wspomagających testy A/B w e-commerce

Testy A/B powinny towarzyszyć większości aspektów działań marketingowych i sprzedażowych Twojej firmy. Nie powinno ograniczać się ich jedynie do witryny. Większość dedykowanych aplikacji, takich jak aplikacje do e-mail marketingu, reklamy na Facebooku czy media społecznościowe zapewniają własne narzędzia do przeprowadzania testów A/B.

Ta lista zawiera najlepsze narzędzia do przeprowadzania testów A/B w e-commerce. Co więcej, nie istnieje wszechstronne, „najlepsze” narzędzie do testów A/B. Różne rozwiązania są przeznaczone dla różnych typów sklepów internetowych. Najlepszy wybór w zakresie oprogramowania zależy od wielu czynników, w tym wielkości sklepu, branży, preferowanych metod marketingowych etc.

Oto nasze zestawienie pięciu najlepszych narzędzi do przeprowadzania testów A/B w e-commerce:

• VWO – VWO to jedno z najpopularniejszych narzędzi e-commerce do przeprowadzania analiz, opracowywania nowych pomysłów i przeprowadzania testów w sieci. Platforma oferuje wszystkie niezbędne do prowadzenia kampanii optymalizacyjnych funkcje i jest naprawdę wszechstronna – dysponuje szeroką gamą możliwości zarówno dla dużych przedsiębiorstw, jak i mniejszych firm (i dla wszystkich pomiędzy). Do ich klientów należy m. in. eBay.
• Optimizely – Kolejna ważna nazwa w świecie e-commerce. Optimizely jest ulubionym narzędziem największych graczy wśród sprzedawców internetowych. Oprogramowanie zawiera potężny pakiet funkcji do przeprowadzania testów A/B, umożliwiający segmentację prób, prognozowanie, targetowanie i analizę. Idealnie sprawdza się zarówno do użytku na urządzeniach mobilnych, jak i na komputerze.
• Google Optimize – Do największych zalet Google Optimize należy przede wszystkim bezproblemowa integracja narzędzia z Google Analytics, trudno to jednak nazwać ich USP (ang. Unique Selling Point), ponieważ samo narzędzie jest bezpłatne. Optimize jest platformą służącą do testów A/B, która posiada własny edytor wizualny. Najchętniej korzystają z niej mniejsze firmy, co jest zrozumiałe, brakuje jej bowiem niestety wielu funkcji przeznaczonych dla dużych przedsiębiorstw, którymi mogą pochwalić się jej główni konkurenci. Użytkownicy mogą także zdecydować się na jej rozszerzoną, płatną wersję: Optimize 360.
• AB Tasty – AB Tasty zaprojektowane zostało z myślą o większych przedsiębiorstwach, dlatego wyposażone zostało w pełny zestaw narzędzi testujących, w tym w wielofunkcyjną platformę analityczną, edytor wizualny i zautomatyzowaną funkcjonalność wdrożeniową do przeprowadzania testów.
• Swiftswap – ta lista nie byłaby oczywiście kompletna bez aplikacji Swiftswap naszej firmy. Wyjątkowość ​​Swiftswap zapewnia wykorzystanie sztucznej inteligencji do kształtowania i usprawniania procesu testowania. Zaprojektowany został specjalnie tak, aby umożliwiać wprowadzanie szybkich i spójnych zmian optymalizacyjnych w sklepach internetowych. Istnieje również możliwość integracji tego narzędzia ze wszystkimi platformami e-commerce. Swiftswap dostępny jest w ramach outsourcowanego pakietu optymalizacyjnego naszej firmy — Growcode.

Testy A/B w e-commerce – studia przypadków (case studies)

Jak zatem wyglądają testy A/B w praktyce?

Oto trzy przykłady na podstawie przypadków, z jakimi zmagaliśmy się w Conversion:

1. Budapester

Budapester to duży sklep internetowy, który sprzedaje designerskie torby, obuwie i akcesoria. Firma chciała wdrożyć efektywny kosztowo długoterminowy plan testów. Analiza wykazała, że ​​największy potencjał poprawy wykazują karty produktów oraz koszyk zakupowy.

Wynik: współczynnik konwersji wzrósł o 12,5%.

Sformułowano i przetestowano następujące hipotezy:E

Hipoteza pierwsza: wyraźniejsza komunikacja USP na wszystkich kartach zwiększyłaby konwersje.

Przed: USP obejmujący bezpłatną wysyłkę i natychmiastową dostępność produktu nie był pokazywany na kartach produktów.

Po: USP został umieszczony pod opisem produktu oraz w nagłówku.

Hipoteza druga: nagłówek zajmował zbyt dużo miejsca i rozpraszał odwiedzających niepotrzebnymi linkami i informacjami.

Przed: nagłówek był nieczytelny, z dużą ilością małych przycisków i niepotrzebnymi linkami.

Po: Nagłówek został uproszczony, a główne przyciski stały się wyraźniejsze.

Hipoteza trzecia: uproszczony wygląd koszyka zakupowego zmniejszy częstotliwość porzucania koszyka przez klientów.

Przed: Na stronie potwierdzenia zakupu nie wyświetlała się informacja o bezpłatnej dostawie, a obniżka ceny nie została wyraźnie podkreślona.

Po: Darmowa dostawa, dostępność i rabaty zostały przedstawione jasnym kolorem, tak aby rzucały się w oczy.

2. Reserved

Reserved to największy sklep z branży mody w regionie Europy Środkowo-Wschodniej. Ich sklep internetowy uruchomiony został w 2013 roku.

Wynik: wzrost współczynnika konwersji o 4,6%.

Kliknij tutaj, aby przeczytać pełne case study.

Sformułowano i przetestowano następujące hipotezy:

Hipoteza pierwsza: dodanie USP do najważniejszych stron – strony głównej, kart produktów i stron kategorii – pomogłoby przekonać odwiedzających o wyjątkowych korzyściach płynących z zakupów w Reserved.

Przed: Brak wyraźnych USP na stronie głównej.

Po: USP wyświetlane są na stronie głównej tuż pod nagłówkiem.

Hipoteza druga: eksponowanie USP na stronie koszyka zakupowego ograniczyłoby częstotliwość porzucenia koszyka przez klientów.

Przed: niektóre USP były pokazywane, ale przedstawione zostały niejasno. Informacje o bezpłatnej dostawie oraz bezpłatnej dostawie kurierskiej przy zakupach powyżej 50 $ nie zostały pokazane.

Po: Sekcja wyświetlająca informacje o USP została umieszczona po prawej stronie.

3. 4F

4F sprzedaje odzież sportową i akcesoria sportowe. Firma cieszy się reputacją produktów o dobrej jakości – dzięki połączeniu tradycyjnych procesów produkcyjnych z nowoczesnymi wzorami.

Wynik: wzrost globalnego współczynnika konwersji o 8%.

Kliknij tutaj, aby przeczytać pełne case study.

Sformułowano i przetestowano następujące hipotezy:

Hipoteza pierwsza: szczegółowe opisy na kartach produktów złagodzą wątpliwości klientów i zachęcą więcej odwiedzających do dodawania produktów do koszyka.

Przed: Informacje o produkcie były rozproszone, trudne do przeskanowania wzrokiem i umieszczone w dużej odległości od CTA.

Po: Szczegółowe informacje o produkcie, w tym informacje o dostawie, zostały napisane tak, aby łatwo było przeskanować je wzrokiem, i umieszczone obok CTA.

Hipoteza druga: wyświetlanie procentowej wartości rabatów spowoduje, że więcej klientów doda produkty do koszyka.

Przed: obniżona cena została przekreślona i wyświetlona obok bieżącej ceny, bez dalszych informacji.

 

Po: liczba przedstawiająca obniżoną cenę w procentach została uwzględniona obok bieżącej ceny.

Hipoteza trzecia: wyświetlanie informacji o dostawach do sklepów zwiększyłoby konwersję, ponieważ jest to bardzo istotna dla klientów informacja, a 4F dysponuje rozległą siecią sklepów stacjonarnych.

Przed: Informacje o możliwej dostawie do sklepu znajdowały się dość daleko na stronie.

 

Po: Szczegółowe warunki zarówno bezpośredniej wysyłki jak i odbioru w sklepie stacjonarnym wyświetlone są obok siebie nad CTA.

 

Jak widać, większość przetestowanych elementów strony to dość ogólne przykłady testów A/B. Choć wydają się dosyć „bezpieczne”, nadal mogą znacznie zwiększyć współczynniki konwersji.

Wnioski

Dzięki informacjom przedstawionym w tym artykule możesz zacząć przeprowadzać testy, które przyniosą realne wyniki i przybliżą Cię do upragnionych wartości współczynnika konwersji oraz wielkości przychodów.

Należy jednak pamiętać o ważnej kwestii.

Nie zapominaj, jak istotna przy przeprowadzaniu testów A/B jest ich ciągłość oraz spójność.

Wdrożenie kampanii optymalizacyjnej polegającej na wprowadzaniu wielu drobnych zmian z biegiem czasu pozwoli Ci znacznie prześcignąć konkurencję. Z tej strategii korzystają wielcy gracze tacy jak Amazon, co pozwala im osiągnąć współczynniki konwersji znacznie wyższe od średniej w branży.

A może skontaktuj się z Conversion?

Jeśli chcesz, aby doświadczony zespół przygotował za Ciebie strategię optymalizacji, skontaktuj się z Conversion. Mamy wieloletnie doświadczenie w przeprowadzaniu testów A/B i możemy wdrożyć długoterminową strategię za ułamek kosztów, jakie poniósłbyś przy samodzielnych próbach. Do tego zyskujesz gwarancję dowiezienia wyników. Jeśli nie uda nam się ich dostarczyć, oferujemy pełny zwrot pieniędzy. Przeczytaj więcej o optymalizacji konwersji w ecommerce.