Лого http://academy-of-capital.ru/
А/В-тесты: зачем нужны и как проводить
А/В-тесты: зачем нужны и как проводить

А/В-тесты: зачем нужны и как проводить

23.06.2021
Автор: Academy-of-capital.ru
Добавить комментарий
Рейтинг:
(Нет голосов)

Из этого материала вы узнаете:

  • Описание А/В-тестов
  • Кому и когда нужны А/В-тесты
  • Ситуации, когда от А/В-тестов не будет пользы
  • Показатели, которые улучшаются после А/В-тестов
  • Инструменты для проведения А/В-тестов
  • 6 этапов проведения А/В-тестирования
  • 3 действия после А/В-тестирования
  • Типичные ошибки проведения А/В-тестов
  • Примеры положительного влияния А/В-тестов в различных сферах бизнеса

А/В-тесты – это отличный инструмент, чтобы оценить новую идею или улучшить то, что уже создано. Когда необходимо повысить конверсию или найти новую аудиторию, все стараются сделать что-то особенное, но сложно быстро понять, что из этого получится. На этот вопрос как раз отвечают А/В-тесты.

Несмотря на свою методологическую простоту, сплит-тестирование довольно популярно. Даже крупные корпорации регулярно применяют эту методику. В нашей статье мы расскажем, как проводить А/В-тестирование, в каких случаях оно не нужно и каких ошибок необходимо избегать в процессе.

Описание А/В-тестов

А/В-тестирование применяется в маркетинге для сравнения эффективности двух вариантов, какой-либо непостоянной величины. Такой величиной может быть цветовая гамма в оформлении лендинга, в шрифтах заголовков, размещении СТА-элементов и т. д.

Чтобы провести А/В-тесты, необходимо поделить аудиторию на два сегмента. Первому показывают вариант А, второму – В. Исходя из наилучших показателей делают окончательный выбор.

Например, маркетолог предполагает, что конверсия лендинга повысится, если цветовую гамму поменять на голубую. Но есть риск того, что пользователи привыкли к первому оформлению сайта и изменение может навредить. Для проверки гипотезы одной части посетителей демонстрируют контрольный вариант А – старую версию лендинга. Другой части предлагают для ознакомления вариант В – в голубом оформлении лендинга. Через две недели сравнивают показатели конверсии, из которых видно, что пользователи второй группы охотнее делают заказы и оплачивают их. Гипотеза получила подтверждение, а компания может заняться сменой дизайна.

А/В-тестирование проводится только при сравнении двух вариантов. Когда вы хотите на главную страницу сайта добавить видео, поменять заголовок или добавить отзыв покупателя, это будет уже сравнение конверсии разных сочетаний элементов. Видео + старый заголовок + отзыв, без видео + новый заголовок + без отзыва и т. д. Этот метод будет называться «мультивариантное тестирование» (MVT).

Что можно менять при проведении А/В-теста:

  • заголовки и подзаголовки;
  • информационные блоки;
  • CTA-кнопки;
  • ссылки;
  • формулировки;
  • видео, картинки и фото;
  • отзывы покупателей и т. д.

А/В-тестирование может показаться слишком простым, однако метод используется даже крупными компаниями. Так, Google впервые провел такой тест в 2000 году, для выявления оптимального количества результатов для страницы поисковой выдачи. И даже эти гиганты при проведении тестирования испытали сбой по причине слишком долгой загрузки. Но технологии прошли ряд изменений, и уже в 2011 году Google провел свыше 7000 успешных А/В-тестов.

Описание А/В-тестов

Кому и когда нужны А/В-тесты

Инструмент А/В-тестирования должны освоить все, кто стремится улучшить свой продукт, сделать его удобным и приятным для конечного пользователя. Метод применяется продакт-менеджерами, маркетологами, продуктовыми дизайнерами, вебмастерами и т. д.

А/В-тестирование – это возможность получить реальную информацию о всевозможных способах увеличения эффективности текущей версии продукта. Однако это не всегда успешная история про рост и развитие. Изначально важно подумать о том, как не навредить и не испортить имеющийся продукт. В этом А/В-тесты максимально эффективны.

При получении объективных данных можно быстрее двигаться на рынке. Ведь пользователи лучше всех могут указать на то, что им действительно нужно. Развивать продукт, основываясь только на своем субъективном мнении и взглядах, невозможно. Это тормозит рост.

На рынок всегда могут прийти конкуренты, которые успешно используют этот аналитический инструмент. При этом их темпы развития будут куда больше, что в итоге приведет к тому, что они заберут большую часть вашей аудитории, а в худшем случае полностью вытеснят вас с рынка. А/В-тестирование в современных реалиях жизненно необходимо проектам (приложения, сайтам и т. д.).

Необходимость в А/В-тестировании возникает в следующих случаях:

  • продукт имеет достаточно пользователей и данных;
  • вы обладаете нужным количеством времени и ресурсами для дизайна и проведения тестирования;
  • вам нужно получить субъективное мнение о качестве нововведений;
  • А/В-тесты необходимы для получения данных, сведений и дальнейшего принятия решений на основе этой информации.

Ситуации, когда от А/В-тестов не будет пользы

Прежде чем использовать это инструмент, убедитесь, что сплит-тестирование актуально и применимо к вашему продукту. В некоторых случаях к А/В-тестам нет смысла прибегать. Когда от метода следует отказаться?

  • Отсутствие нужных знаний и понимания, как действует методология.

Если вы не представляете, что такое А/В -тестирование, не беритесь за дело сами, передайте его профессионалам. Если вы хотите разобраться в теории и научиться самостоятельно проводить А/В-тесты, изучите информацию и успешные кейсы, с учетом отраслевой специфики. Подготовьтесь как можно тщательнее, постарайтесь обезопасить себя от непредвиденных результатов.

  • Нет показательной конверсии.

А/В-тестирование будет бесполезным, когда нет стабильного потока заявок или продаж, на основе которого можно получить статистические данные. Изменения приведут к масштабным результатам только в тех случаях, когда пара процентов прироста конверсии означают условный дополнительный миллион прибыли. Во всех остальных случаях изменения не столь грандиозны. Кроме того, важно иметь отлаженную систему аналитики, в противном случае вы получите сухие цифры, между которыми нет взаимосвязи.

  • Отсутствие четкой гипотезы.

Если у вас нет ясного предположения о том, что какой-то из элементов в системе настроен недостаточно эффективно, А/В-тестирование становится просто забавой и пустой тратой времени. Предположение о будущем изменении следует сформулировать четко и понятно. Вы должны осознавать, какой элемент хотите поменять и как его можно улучшить. Например, вы предполагаете, что кнопка не того цвета, и тестируете другой цвет. Или кажется, что pop-up форма всплывает слишком быстро при прокрутке, – тестируете измененное время появления.

Показатели, которые улучшаются после А/В-тестов

Если вам необходимо провести А/В-тестирование, то, скорее всего, вы уже сформировали показатели, которые нужно доработать и улучшить. Если же такой информации у вас нет, самое время ее получить.

Показатели определяют исходя из цели проекта. Приведем несколько популярных метрик, которые используют в интернет-проектах.

  1. Показатель конверсии

    Конверсией принято считать долю от общего числа посетителей сайта, совершивших какое-то действие. К полезному действию относится, подписка, оформление заказа, покупка в интернет-магазине, клик на ссылку или блок, оставление контактных данных.

    Кому и когда нужны А/В-тесты

  2. Экономические метрики

    Обычно это метрики, применяемые к интернет-магазинам: размер среднего чека, объем выручки, соотнесенный с числом посетителей интернет-магазина.

  3. Поведенческие факторы

    К этому пункту относится оценка заинтересованности посетителя сайта в ресурсе. К ключевым показателям относят: глубину просмотра страниц – количество изученных страниц в соотношении с числом посетителей сайта, среднее количество времени, проведенное на странице, показатель отказов – число пользователей, покинувших сайт после первого захода, коэффициент удержания (можно рассчитать так: разность между числом клиентов в конце расчетного периода и числом новых пользователей за то же время делится на количество клиентов в начале периода).

    Эффективность от внесенных изменений сложно увидеть по одному показателю. Иногда после первых изменений на сайте интернет-магазина или лендинга может уменьшиться средний чек. Но при этом вырастает общая сумма выручки за счет повышения конверсии посетителя в покупателя. Делаем вывод, что необходимо контролировать сразу несколько ключевых показателей, не зацикливаясь на одном.

Инструменты для проведения А/В-тестов

Для проведения А/В-теста маркетолог должен воспользоваться одним из специализированных инструментов. К самым востребованным относится сервис Google «Оптимизация» (Content Experiments до августа 2019), который является частью новой платформы для маркетологов Google Marketing Platform. Преимущество «Оптимизации» перед конкурентами в том, что она бесплатна для малого бизнеса. С ее помощью можно тестировать элементы страниц, заголовки, шрифты, конверсионные кнопки и формы, картинки, видео и т. д.

Для проведения сплит-тестирования можно использовать ряд инструментов, о которых расскажем ниже.

Optimizely – платный сервис A/B-тестирования, но самый популярный в Сети. В свободном доступе нет информации о стоимости использования сервиса. Чтобы узнать цены, нужно связаться с отделом продаж. Конкурентным преимуществом является возможность экспериментов с визуальной составляющей, что дает возможность маркетологу отказаться от необходимости работы с HTML-кодом тестируемых страниц.

Visual Website Optimizer —дает возможность тестировать разные элементы страниц. Сервис платный. Кроме того, маркетолог должен иметь навыки работы с HTML-кодом. Цена на ежемесячную подписку варьируется от 99 до 999 долларов.

Unbounce – сервис предназначен для создания и оптимизации лендингов. С его помощью можно выполнять А/В-тестирование. Цена от 79 до 399 и более долларов в месяц. Позволяет тестировать только лендинги, сделанные в нем самом, и является аналогом отечественного сервиса LPGenerator.

6 этапов проведения А/В-тестирования

1. Постановка цели

Цели А/В-теста должны быть сопоставимы с бизнес-задачами компании.

Пример: представьте, то вы менеджер продукта в «Компании Х» и руководите стартапом. Вам необходимо добиться роста количества пользователей. Топ-менеджеры хотят видеть увеличение количества активных пользователей (метрика DAU). Это среднее число зарегистрированных посетителей сайта в сутки за последние 30 дней. Ваше предположение заключается том, что либо нужно делать упор на удержание клиентов, которые уже пользуются ресурсом (процент посетителей, возвращающихся для повторного использования продукта), либо на увеличение количества новых регистрирующихся впервые пользователей.

Анализируя воронку продаж, вы видите, что 60 % посетителей сайта уходят еще до завершения регистрации. Вы уверены, что можно повысить число регистраций, если поработать над видом регистрационной формы. Это поможет увеличить число активных пользователей.

2. Определение метрики

Для контроля успешности новой версии сайта вам нужно определить метрику. Как правило, в качестве метрики берут коэффициент конверсии. Но иногда можно отталкиваться от промежуточной метрики, например коэффициента кликабельности (CTR).

Например, в ситуации, описанной выше, в качестве метрики вы выбираете долю зарегистрированных пользователей (registration rate). Вас интересует только число новых посетителей, прошедших регистрацию, поделенное на общее количество всех новых пользователей сайта.

3. Разработка гипотезы

Теперь необходимо предположить, что должно поменяться и что вам нужно проконтролировать. Важно понимать, к каким результатам вы стремитесь и какие у них могут быть обоснования.

Например, текущая страница сайта содержит баннер и форму регистрации. Вы можете протестировать несколько пунктов: позиционирование, размер текста, поля формы. Наиболее заметной частью страницы является баннер, поэтому для начала важно понять, вырастет ли количество регистраций при замене изображения на другое.

Гипотеза заключается в следующем: при внесении изменений на главной странице регистрации будет больше регистрироваться новых пользователей, так как новое изображение качественней передает его ценности.

Инструменты для проведения А/В-тестов

Важно выделить две гипотезы для понимания, является ли разница между версией А (первой) и версией В (новой, которую нужно проверить) случайной или это результат осуществленных вами изменений.

  • Согласно нулевой гипотезе между результатами А и В нет разницы или они случайные. Мы надеемся, что это предположение ошибочно.
  • Второй вариант гипотезы – В отличается от А, поэтому важно сделать вывод о ее истинности.

Определитесь, каким будет А/В-тест – односторонним или двусторонним. Односторонний поможет найти изменения в одном направлении. Двусторонний – дает возможность увидеть изменения по двум направления (и положительные, и отрицательные).

4. Подготовка эксперимента

Чтобы получить корректные результаты тестирования, вам нужно сделать следующее:

  • Создайте измененную версию (В), которую хотите протестировать.
  • Выделите проверочную и экспериментальную группы. Вы заинтересованы в посетителях из одного геополитического региона или вам важны пользователи всех платформ? Сделайте подборки по типам пользователей, платформе, геоданным и т. д. Теперь выясните, к какому проценту исследуемой аудитории относится проверочная группа пользователей (группа, видящая версию А) и какому проценту – экспериментальная (видящая версию В). Размер групп должен быть одинаковым, это важно для получения актуальных сведений.
  • Обеспечьте случайный порядок выдачи версий А и В для обеих групп. Все пользователи должны иметь равные шансы на получение той или иной версии.
  • Определите уровень статистической значимости (α). Это уровень риска, который вы принимаете при ошибках первого рода (отклонение нулевой гипотезы, если она верна), обычно α = 0.05. Это говорит о том, что в 5 % случаев вы будете видеть разницу между А и В, которая предопределена случайностью. Чем ниже окажется выбранный уровень значимости, тем меньше риск того, что разница между версиями вызвана случайностью.
  • Определяете минимальный размер выборки. С помощью калькулятора рассчитайте точный размер выборки, который необходим для каждой из версий. На этот показатель могут повлиять как предпочтения компании, так и совершенно разные параметры. Чтобы получить статистически правильные, имеющие значение результаты, важно наличие достаточно большого размера выборки.
  • Поставьте ограничение по времени. Вам нужно взять общий размер выборки, который необходим для теста каждой версии, и разделить его на ежедневный трафик. Вы получите то количество дней, которое нужно для проведения теста. Обычно тестирование длится 1-2 недели.

Приведем пример: внесем изменения на главной странице существующей версии сайта в раздел регистраций – это будет версия В. Определяем, что для эксперимента будем учитывать только новых пользователей, заходящих на страницу регистрации. Обеспечим случайную выборку сайта, то есть все пользователи будут иметь одинаковые шансы на получение А или В версии, распределенные случайным образом.

Обязательно сделайте ограничение по времени. Например, каждый день вашу страницу посещает от 10 000 пользователей. Значит, всего 5 000 пользователей будут видеть каждую из версий. Тогда минимальный размер выборки составляет около 100 000 просмотров каждой версии. 100 000 / 5 000 = 20 дней — это тот отрезок времени, который должен быть отведен под эксперимент.

5. Проведение эксперимента

Что вам необходимо сделать в обязательном порядке?

  • Определиться с параметрами эксперимента совместно с исполнителями.
  • При наличии тестовой закрытой площадки выполнить запрос для проверки данных. Если такой площадки нет, сделать проверку данных после первого экспериментального дня.
  • В день запуска убедиться, действительно ли тест работает.

И еще, не оценивайте результаты в первый же день. Преждевременный просмотр результата портит статистику! Почему? Расскажем дальше.

6. Проведите анализ результатов. Вы подошли к самому интересному.

Этот этап предполагает получение данных и расчет значения выбранной метрики успеха для обеих версий (А и В) и разницы между их значениями. Если существенной разницы между версиями нет, попробуйте сделать несколько выборок по платформам, типам источников, геоданным и т. д., если это применимо к продукту. Не исключено, что вариант В проявит себя хуже в части сегментов, платформ и т. д.

Изучите статистику. Здесь приведено объяснение теории, заложенной в основу методики, однако основная идея в том, чтобы выявить разницу между версиями А и В, если она вообще существует. При обнаружении разницы между версиями вам необходимо разобраться, что это – проявление случайности или следствие внесенных изменений. Для этого вам понадобится провести сравнительный анализ результатов, полученных в ходе тестирования (и полученного p-значения) с вашим уровнем значимости.

Когда p-значение меньше уровня значимости, нулевую гипотезу можно опровергнуть, при наличии доказательств альтернативы.

3 действия после А/В-тестирования

Когда p-значение больше или соответствует уровню значимости, нулевую гипотезу о том, что А и В не имеют отличий, отвергнуть нельзя.

Результат А/В-теста может показать следующее:

  • Существенной разницы между первоначальной и измененной версиями не обнаружено, или же выигрывает А-версия. Новая версия может оказаться проигрышной из-за плохого сообщения и брендинга конкурентного предложения или негативного клиентского опыта. Вы должны исключить все причины, по которым тестирование может оказаться недействительным. Здесь можно углубиться в данные или провести анализ пользовательского поведения, чтобы понять, почему новая версия не «выстрелила» согласно изначальной задумке. В свою очередь, эта информация будет полезна для следующих тестов.
  • Выигрывает версия В. Согласно А/В-тесту гипотеза о лучшей производительности версии В получила подтверждение. Отлично! После публикации результатов можно проводить эксперимент на всех пользователях ресурса и получить новые показатели.

3 действия после А/В-тестирования

  1. Обязательная фиксация данных

    Не всегда охота заниматься этим, но нужно. Если вы хоть раз пойдете на поводу у лени и не занесете результаты в сводную таблицу, то можете забыть о результативности А/В-теста, так как не будете знать всех данных.

    Можно облегчить себе задачу специальными сервисами для сплит-тестов. Они позволяют автоматически фиксировать результаты, но некоторые показатели все же придется записывать самим для сопоставления данных.

    Сервисы тестирования предоставят вам данные о посетителях проекта, о сделанных кликах и переходах, но цифры придется выгружать из других источников.

  2. Оценка статистической значимости

    Важно убедиться в том, что результаты тестирования не случайны, а показательны. Это и дает понять статистическая значимость: насколько вероятно получить аналогичный результат, проведя А/А-тестирование (сравнив страницу саму с собой). При наличии такой вероятности на результат А/Б-теста сложно положиться.

    После определения статистической значимости нужно или запустить вариант-победитель в работу, или оставить все без изменений. Но в таком случае придется разобраться, возможно, была допущена ошибка в тестировании или же трансформация элементов страницы ничего не дает. А следом нужно будет придумать новый тест. Должный эффект от работы можно получить только опытным путем, пробуя, совершая ошибки, исправляя их и снова пробуя.

  3. Грамотное использование

    Выбирайте вариант, ставший победителем по результатам статистически значимого теста. Например, тест показал, что показатели конверсии выше у поисковой формы с логотипом, чем у формы без опознавательных знаков. Значит, в работу берете маркированную версию.

    Возможно, начальный вариант А окажется лучше тестового варианта В. Так бывает. Вашей целью было тестирование того и другого для определения лучшего. Оставьте в работе первоначальный вариант и продолжайте думать над его совершенствованием, после чего приступайте к новому А/В-тестированию.

Типичные ошибки проведения А/В-тестов

  • Приостановление тестирования раньше времени

Часто возникает ситуация, когда специалист отслеживает результаты тестирования в первые дни и даже часы исследования. Результат может оказаться плачевным или, наоборот, вдохновляющим, после чего сотрудник принимает решение об окончании тестирования. Но делать так не нужно, в этом кроется большая ошибка. В течение определенного времени ситуация меняется, успешная тактика может смениться провалом и наоборот.

  • Отсутствие сравнения теста с аналитикой

Важно уметь видеть разницу между аналитическими данными и данными тестирования. Для получения нужных сведений есть инструмент Google Analytics.

  • Смещение фокуса на дизайн

Ключ к высокой конверсии – это не только правильный дизайн. Содержание сайта – это еще и текст, заголовки, шрифты, стиль и т. д. С помощью текста вы представляете компанию, уникальное торговое предложение, выгоды для покупателя. В тексте вы можете надавить на нужные триггеры, найти чувствительные точки и мотивировать к покупке. Огромное значение имеют заголовок и основной текст лендинга. Их тоже необходимо тестировать!

  • Отсутствие внимания к деталям

Часто из внимания упускают самые простые ошибки, которые в итоге оборачиваются очень дорогостоящими. Например, на сайте указано, что потенциальный покупатель должен связаться с вами по телефону. При этом вы допускаете ошибку в номере телефона, и это выливается в потерю большого числа заказчиков, а в итоге – и прибыли.

  • Отслеживание не тех ключевых показателей эффективности

Что, на ваш взгляд, является главным показателем эффективности интернет-ресурсов? Конверсия? Так думает большинство, потому что это основной показатель, который можно отследить.

Однако об успехе можно говорить только тогда, когда есть развитие. А на развитие указывает показатель нижней границы или прибыль. Чистая прибыль – это доходы минус все расходы. Если прибыль растет, значит, вы на верном пути. Если показатели прибыли остаются неизменными или даже начинают снижаться – пора что-то менять.

Типичные ошибки проведения А/В-тестов

  • Выводы при низких уровнях мощности

Бывает так, что А/В-тест не дает определенного результата с показателем лучшей версии сайта. Но при этом вы не имеете оснований заявлять, что тест был неэффективным. Вы всего лишь не можете быть уверены в положительном исходе тестирования.

Михаил Дашкиев о Сергее Азимове

Почему так происходит? Предприниматели не любят вкладываться в трафик при проведении теста и проводят его на низкой мощности. Но только при 100 % мощности трафика можно с уверенностью проводить А/В-тестирование, чтобы наглядно понять, какая из версий лучше.

  • Неправильно выбранный период для тестирования

Тесты нужно делать в течение продолжительного периода. Но отрезок времени тоже необходимо правильно подобрать. Приведем пример. У вас интернет-магазин подарков, и вы решили провести А/В-тест накануне новогодних праздников. Разочаруем вас заранее – вы не получите верного результата. Накануне праздников люди делают очень много покупок. А вот после Нового года результат может вас удивить или даже огорчить.

  • Игнорирование технической группы

Вы должны быть уверены, что привлекли к работе над интренет-ресурсом людей, которые не боятся ответственности. Наладьте с ними приветливые отношения. Приглашайте их на встречи, показывайте результаты их трудов. Технические специалисты должны видеть, какие результаты дает их вклад в общее дело.

  • А/В-тестирование без проверки гипотезы

Тест будет настолько хорош, насколько хороша ваша гипотеза.

Нет необходимости в большом количестве тестов ради получения хорошего результата. Проведите подготовку до запуска теста. Поймите, что именно хотите поменять на странице и каких последствий ждете.

Примеры положительного влияния А/В-тестов в различных сферах бизнеса

  • Издательское дело и медиа-ресурсы

Netflix систематически тестирует каждое изменение на своем интернет-ресурсе. Во многом это залог популярности его среди зрителей, которые пользуются сервисом с удовольствием.

К примеру, Netflix так персонализирует страницу, чтобы каждому посетителю было удобно ею пользоваться. Зритель на главном экране видит различные шоу и фильмы в зависимости от того, что смотрел раньше, и от своих предпочтений. Случайных решений быть не может.

За основу построения других страниц ресурса берут тот же принцип. Netflix персонализирует миниатюры, формирует кликабельные заголовки, выявляет, когда социальное доказательство помогает в принятии решений. Это лишь малая часть мощных вложений в аналитику.

  • Онлайн-бизнес

Лидер по оптимизации конверсии – Amazon. Речь идет не просто о самом масштабном бизнес- проекте в Интернете, но и о стремлении компании сделать сайт удобным абсолютно для всех пользователей. В конце 90-х гг. прошлого столетия компания запустила после серии испытаний опцию «Заказ в один клик». Покупатели получили возможность совершать заказы без добавления товара в корзину. Клиенту достаточно было всего один раз ввести данные карты и адрес доставки. После этого для оформления заказа требовалось только нажать на кнопку и ждать доставку по указанному ранее адресу. Пользователи настолько оценили простоту и удобство заказа, что у большинства пропало желание обращаться к конкурентам Amazon.

В конце 1999 года Amazon запатентовала опцию «Заказ в один клик». А уже в 2000 компания Apple купила лицензию для интернет-магазина.

В Amazon проводят тесты в связи с каждым изменением. Все элементы сайта Amazon имеют профессиональный вид и полностью соответствуют желаниям покупателей. Каждая из страниц, от главной до страницы оплаты, включает только основную информацию без «воды» и плавно подводит к следующему этапу воронки продаж.

Достаточно одного клика мыши по значку, чтобы получить доступ к разным вариантам развития событий. Это снижает когнитивную нагрузку на пользователя. Клиенты с воодушевлением восприняли подобное нововведение, которое было введено в практику благодаря A/B-тестированию.

  • Туризм

Booking.com. благодаря регулярным систематическим А/В-тестам наращивает обороты и превосходит конкурентов.

Компания практикует исследования в грандиозных масштабах. Даже сейчас, пока вы читаете нашу статью, на сайте Booking.com проводят почти тысячи А/В-тестов.

Booking.com ввели A/B-тестирование как повседневную рабочую задачу. Компания увеличила скорость тестирований до текущей, избавилась от влияния HiPPO (Highest paid person’s opinion) и отдала приоритет данным. Ради получения больших результатов все сотрудники Booking.com могут тестировать свои идеи при наличии таковых.

Booking.com готовы экспериментировать ради улучшения взаимодействия пользователей с сайтом. С 2017 г. фирма увеличила охваты, предлагая жилье в аренду для отдыха недалеко от отелей. Компания наладила партнерские отношения с нативной рекламной платформой Outbrain, чтобы помочь им расширить базу владельцев недвижимости по всей планете.

После запуска кампании Booking.com выяснили, что большинство владельцев недвижимости прошли первый этап регистрации, но застряли на следующих. При этом страницы, которые создавались для рекламных кампаний, были использованы для регистрации.

Команды объединились и создали три версии лендинга для Booking.com. Были включены дополнительные детали, такие как социальное доказательство, награды, оценки пользователей и т. д.

В течение двух недель компания отслеживала результаты эксперимента. Было отмечено увеличение регистраций на 25 % и снижение стоимости каждой регистрации.

А/В-тесты несут огромную пользу для бизнеса, но только в том случае, если вы будете пользоваться этим инструментом правильно. Изучите основные ошибки, проработайте, и вы сможете провести грамотное А/В-тестирование и добиться невероятной конверсии.


Получите персональный аудит отдела продаж от Сергея Азимова для 3-кратного роста продаж в 2021 году совершенно бесплатно

Проведем аудит Вашего отдела продаж по 24 пунктам и дадим четкий план по увеличению прибыли!
*

Рекомендуемые статьи