A/B тестування

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до: навігація, пошук

A / B-тестування (англ. A / B testing, Split testing) - метод маркетингового дослідження, суть якого полягає в тому, що контрольна група елементів порівнюється з набором тестових груп, в яких один або декілька показників були змінені, для того, щоб з'ясувати, які зі змін покращують цільовий показник. Хороший приклад - це дослідження впливу колірної схеми, розташування та розміру елементів інтерфейсу на конверсію сайту.

Метод часто використовується при оптимізації веб-сторінок відповідно до заданої мети. Тестуються 2 дуже схожі сторінки (сторінка А і сторінка В), які відрізняються лише одним елементом або декількома елементами (тоді метод називають A / B / N Testing). Сторінки А і В показуються користувачам почергово в рівних пропорціях, при цьому відвідувачі, як правило, не знають про це. По закінченні певного часу або при досягненні певного статистично значимого числа показів, порівнюються числові показники мети і визначається найбільш відповідний варіант сторінки. До числа компаній, що використовують даний метод, відносяться Amazon і Zynga.

Рекламна кампанія по електронній пошті приклад[ред.ред. код]

Компанія з клієнтами бази даних понад 2000 чоловік вирішує створити електронну кампанію зі знижками в цілях стимулювання продажів через свій веб-сайт. Вона створює електронну пошту і потім робить заклик до дії.

До 1000 чоловік, вона відправляє лист із закликом до дії заявивши, що "пропозиція закінчується в цю суботу! Використання коду A1", і ще 1000 чоловік вона посилає лист із закликом до дії заявивши, що "Обмежена пропозиція! Використовуйте код B1". Всі інші елементи копія електронної пошти. Потім компанія контролює, яка рекламна кампанія має найвищий показник конверсії на основі аналізу використання промо-кодів. Електронна пошта за допомогою коду A1 має 5% відповідей (50 з 1000 чоловік по електронній пошті використовував код, щоб купити продукт), а електронна пошта використовуюча код B1 має 3% відповідей (30 з одержувачів використовуватися код купити продукт). Таким чином, компанія вважає, що в даному випадку, перший заклик до дії більш ефективним і буде використовувати його в майбутніх рекламних кампаніях.

У наведеному вище прикладі, мета випробування - це визначення, що є найбільш ефективним способом, щоб змусити клієнта придбати. Проте, якби метою випробувань було побачити, яка кампанія буде генерувати високі клік-курс події - тобто, кількість людей, які насправді клацнуть на веб-сайті після отримання електронної пошти - то результати, можливо, були б різними.

Більше клієнтів, які отримують код B1, можливо, доступ до сайту після отримання електронної пошти, а тому, що заклик до дії не вказати дату закінчення акції, було менше стимулів для них зробити негайну покупку. Якщо метою випробувань було просто побачити, який метод принесе більше трафіку на сайт, то лист, що містить код B1, можливо був би більш успішними. A / B тест повинен мати певний результат, який піддається вимірюванню, наприклад, кількість продажів, число людей, реєстрації і т.п.

Компанії добре відомі використанням A / B тестування[ред.ред. код]

Багато компаній використовують "експериментальний" підхід до прийняття маркетингових рішень. Це стає все більш поширеною практикою, і досвід росте в цій області. Є багато A / B тестувань тематичних досліджень, які показують, що практика тестування стає все більш популярною також у малому і середньому бізнесі. Воно широко використовується за лаштунками, щоб максимізувати прибуток, практика іноді робить це в центрі уваги: Amazon.com вперше використав його у веб електронної комерції.

A / B тестування інструментів[ред.ред. код]

Багато інструментів A / B тестування активно розвиваються. Деякі з них доступні за ліцензією відкритого джерела або безкоштовно - Google Analytics Content Experiments (раніше Google Website Optimizer) (на стороні сервера вимагається використання тегів), Easy Оптимізатор веб-сайтів. Інші комерційні рішення, як правило, пропонують більш широкий спектр можливостей: Тестування додатка Artisan Artisan є першим дизайну, A / B тестування та розгортання рішення для рідних додатків

SiteSpect [1]

Optimizely[2]

Візуальний Оптимізатор веб-сайтів[3]

Конвертувати[4]

Unbounce[5]

Monetate[6]

Optimost[7]

Omniture[8]

Personyze[9]

Plumb5[10]