Du synes, din knap med opfordring til handling skal være større. Din kollega synes, den skal være rød. Din designer synes, teksten er for lang. I har alle en mening. Men meninger giver ikke flere konverteringer. Test gør. Med A/B-test kan du svare på de spørgsmål med data i stedet for diskussion. Lav version A med den nuværende knap. Lav version B med den større knap. Kør begge. Mål, hvilken der konverterer bedst. Én vinder. Du bruger vinderen. Ingen diskussion. Ingen gætterier. Bare resultater. A/B-test er stærk, men begrænset. Du kan teste én ændring ad gangen. Hvad hvis du vil teste knapstørrelse, farve og tekst samtidig? Det kan du med multivariat test. Du tester otte kombinationer på én gang i stedet for tre separate A/B-test. Du lærer hurtigere. Du optimerer mere. Her forklarer vi A/B-test og multivariat test, og hvornår du bruger hvad.
Hvad er A/B-test?
A/B-test er den enkleste form for test. Du laver to versioner af en side eller et element. Version A er din kontrol. Version B er din test. Du sender besøgende tilfældigt til hver version. Du måler, hvilken der konverterer bedst. Den med den højeste konverteringsrate vinder. A/B-test kaldes også split-test, fordi du deler din trafik mellem to versioner. A/B-test er begrænset til én ændring ad gangen. Du tester knapfarve i én test. Knapstørrelse i en anden. Knaptekst i en tredje. Men den er stærk, fordi resultaterne er tydelige. Version B vinder enten eller ikke.
Processen i en A/B-test
Start med en hypotese. Min hypotese er, at en større knap konverterer bedre end den nuværende. Design testen. Lav version B med en større knap. Sæt testen op i dit testværktøj. Fastlæg dit mål for succes. Succes er højere konverteringsrate. Kør testen. Send trafik til begge versioner. Indsaml data. Kør testen, indtil du har statistisk signifikans. Det er normalt hundrede konverteringer i hver version. Analysér resultaterne. Er version B statistisk signifikant bedre? Hvis ja, så brug den. Hvis nej, så behold originalen.
Statistisk signifikans er vigtig
Du skal bruge nok data til, at resultaterne giver mening. Hvis du kører en test i én dag med ti konverteringer i alt, er resultaterne meningsløse. Den tilfældige variation er for høj. Hvis du kører en test med tusind konverteringer, giver resultaterne mening. Den tilfældige variation er lav. De fleste testværktøjer fortæller dig, når du har statistisk signifikans. Stop ikke en test for tidligt, bare fordi du ser en vinder. Vent på statistisk signifikans.
Hvad er multivariat test?
Multivariat test (MVT) tester flere ændringer samtidig. I stedet for at teste knapfarve og knapstørrelse hver for sig tester du alle kombinationer sammen. Kombinationerne kan være: rød stor, rød lille, blå stor, blå lille. Du tester fire varianter på én gang. Trafikken deles i fire. Du lærer, hvilken kombination der konverterer bedst. MVT er mere effektiv end separate A/B-test, når du har trafik nok.
A/B eller MVT: hvornår bruger du hvad
Brug A/B-test, når du har lidt trafik. Med lidt trafik skal du samle dit udvalg på færre varianter for at nå statistisk signifikans. Brug A/B-test, når du vil have tydelige, isolerede resultater. Du vil vide, om rød konverterer bedre end blå, og intet andet. Brug MVT, når du har meget trafik. Du har råd til at dele trafikken mellem mange varianter. Brug MVT, når du mistænker, at elementer påvirker hinanden. Knapfarve kan påvirke knapstørrelse. Når du tester kombinationer, kan du se de sammenhænge.
Test mere end det oplagte
De fleste tester det oplagte. Knapfarve. Knapstørrelse. Formularlængde. Disse test er vigtige. Men test også mindre oplagte ting. Hvor konkret overskriften er. Hvor du placerer social proof. Hastighed. Tillidssignaler. Farvekontrast. Luft på siden. Typografi. Små ændringer lægger sig sammen. Find små forbedringer i mange elementer, og de bliver til meget.
Test efter hinanden og test samtidig
Test efter hinanden betyder, at du kører én test, bruger vinderen og kører den næste test. Det er langsommere, men tydeligt. Hver test bygger på den forrige sejr. Test samtidig betyder, at du kører flere test på samme tid. Det er hurtigere, men mere komplekst. Du lærer hurtigere, men har flere test at holde styr på.
Ofte stillede spørgsmål
Hvor meget trafik skal jeg bruge for at køre en A/B-test?
Du skal bruge nok trafik til at nå statistisk signifikans. De fleste test har brug for hundrede konverteringer pr. variant. Hvis din konverteringsrate er en procent, skal du bruge ti tusind besøgende pr. variant. Hvis din konverteringsrate er ti procent, skal du bruge tusind besøgende. Hvor meget trafik du skal bruge, afhænger af din konverteringsrate. Lavere konverteringsrater kræver mere trafik. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Kan jeg køre flere A/B-test på samme tid?
Ja, hvis du har nok trafik. Du kan godt teste trafik på side A og side B samtidig. De forstyrrer ikke hinanden. Hvis du tester variant et og variant to på den samme side samtidig, kan de forstyrre hinanden. Den samme besøgende bør ikke se begge varianter. Brug dit testværktøj til at undgå det.
Hvad hvis testen ikke viser forskel mellem varianterne?
Ingen forskel er stadig data. Det fortæller dig, at den ændring, du testede, ikke har nogen mærkbar effekt på konverteringen. Du kan beholde originalen eller bruge version B, hvis den er billigere eller lettere. Gå videre til den næste hypotese. Ikke alle test har en vinder.
Skal jeg teste elementer hver for sig eller sammen?
Start med at teste elementer hver for sig. Når du isolerer ændringerne, bliver resultaterne tydelige. Når du har optimeret de enkelte elementer, kan du teste kombinationer. Du opdager måske, at element A og element B sammen virker bedre end A alene eller B alene.
Hvor ofte skal jeg køre test?
Hele tiden. Konverteringsoptimering er en løbende opgave. Kør ikke ti test og stop så. Kør en test efter den anden. Hver test lærer dig noget. Efter hundrede test kan din konverteringsrate være markant højere. Det tager tid, men det lægger sig sammen.
Hvad er en realistisk forbedring af konverteringen gennem test?
En god A/B-test kan forbedre konverteringen med fem til ti procent. En rigtig god test kan forbedre den med tyve procent. Disse forbedringer er reelle, og de er betydelige, når de lægger sig sammen. Kør halvtreds vindende test med en gennemsnitlig forbedring på fem procent, og gevinsterne lægger sig sammen: din konverteringsrate ender omkring elleve gange højere, en stigning på mere end tusind procent. Ikke alle test vinder, så de reelle resultater er mindre.