Menu

A/B testujte jako šéfkuchař. Snadno tak zvýšíte konverze svého e-shopu

A/B testování v e-commerce pomáhá rozeznat, co při změnách na webu opravdu funguje na publikum. Princip je podobný, jako když kuchař nabízí k ochutnání více variant jedné delikatesy.

A/B testování, aneb jak se zákazníkům nejlépe strefit do jejich apetitu
A/B testování, aneb jak se zákazníkům nejlépe strefit do jejich apetitu

S šípkovou, nebo se zelím?

A/B test (někdy také „split test”) bývá přeci jen trochu sofistikovanějším statistickým nástrojem než jenom servírování na dvou podnosech. Pomocí měření porovnává různé verze reklamy, dílčích prvků stránek nebo celých webů a pomáhá tak online prezentacím k co nejlepším výsledkům. Na základě vyhodnocení se pak použijí jen ty úspěšnější. Proč je A/B testování stále oblíbenější nejen ve světě velkého marketingu?

Co funguje ostatním, nemusí fungovat vám

Stejně jako u offline jídelního stolu, také v online prostředí jsou důvody k testování zřejmé. U reklamy ani většiny ostatních prvků webové prezentace dopředu nikdy neznáte reakce publika. A/B testování pomáhá systematicky zjišťovat, co na zákazníky opravdu platí a ve finále má potenciál přinášet zisk. Takže už žádné hádání z věštecké koule nebo slepé následování „ověřených rad odborníků” - ty totiž často vůbec nemusí sedět na váš konkrétní případ.

Díky A/B testování si lépe uvědomíte zásadní dopady připravovaných změn. Z případných chyb se stihnete poučit rychle a navíc ve chvíli, kdy ještě na funkci vašeho webu nemají takový dopad.

Co vlastně testovat?

Ačkoliv může být testování i rozsáhlejší, nejpřesnější výsledky přináší jednoduché měření dvou variant jednoho dílčího prvku webu. Typickými příklady, kdy se A/B testy často využívají, jsou různé varianty PPC reklamy, online formulářů, e-mailů či jejich předmětů a produktových stránek nebo počtu kroků nákupního košíku na e-shopu.

Analyzovat můžete zkusit i větší celky jako třeba celé stránky. V tomto případě ale nemusí v konečném důsledku vyjít najevo, která z konkrétních věcí u zákazníků zabodovala a která ne.

Kategorie tipů: testujeme s mírou

Při vývoji webů i při jejich propagaci můžete dostat mnoho tipů ke změnám od svého okolí, zákazníků nebo ze zpracovaných odborných analýz. Jak se v takovém množství často protichůdných tipů vyznat? Ne vše má cenu měřit, a proto je vhodné si návrhy zařadit do následujících tří kategorií:

A) Prostě to udělejte

Do první skupiny patří takové navrhované úpravy, které mají nepochybný potenciál přinést lepší výsledky. Konkrétně se může jednat o chyby nebo taková vylepšení, u kterých panuje všeobecná shoda.

B) Otestujte to

Jedná se o změny, u kterých není jejich přínos pro byznys zcela jistý, zároveň se ale nedají jen tak zavrhnout. Výsledek může vést ke zlepšení, ale také nemusí. Právě tady je vhodné vzít si na pomoc A/B testování. Otázky, které je lepší vyzkoušet, mohou být třeba: Má být košík v e-shopu jednokrokový, nebo vícekrokový? Má být produktová fotka na stránce menší, nebo výraznější? Má se v reklamě na zboží zobrazovat jeho cena?

C) Nedělejte to

Ne všechno je potřeba měnit, ne všechny změny má cenu testovat. Investice do testování drobných úpravy designu nebo některých textů se vám s největší pravděpodobností nikdy nevrátí. Výjimkou bývají hlavně nadpisy a textace důležitých tlačítek, které mohou mít vliv na konverzi či okamžité opuštění webu.

Statistické metody: hypotézy a cíle

Abyste mohli porovnat výsledky jednotlivých testů, je třeba si stanovit jejich cíle. Například cílem rozdávání letáků se slevovým kupónem je, aby zákazník přišel do provozovny a kupón zde použil. K vyhodnocení 2 variant testu se obecně doporučuje alespoň 100 splněných cílů.

Testy se pak nejčastěji zpracovávají metodou testování statistických hypotéz. Hypotéza je zde formulací, která vysvětlí vaše chování. Obecně říká: „Pokud udělám A, stane se B, protože C.”

Pro názornost tedy například: „Tím, že si stanovím hypotézu, dosáhnu lepších výsledků, protože vyjdu z výsledků smysluplných testů a lépe pochopím dopady provedených změn.”

Pokud nechcete podrobněji studovat statistické metody ani jejich ideální křivky testování, využijte pro vyhodnocování programy, které už s těmito metodami pracují. Na konci tohoto článku si ukázky softwaru pro A/B testy můžete projít podrobněji.

Jak vyhodnocovat jednoduše

Základní srovnání úspěšnosti není nic složitého a obejde se bez statistických hypotéz. Stačí jen porovnat, která ze dvou variant přinese lepší výsledek (který rodič je ke své ratolesti štědřejší).

Jednoduše a bez použití software se dá ale pracovat i s hypotézou. Modelový příklad snadného testování letáků by pak mohl mít asi následující scénář:

1) Vytvoříte jednu verzi letáků v tmavém provedení.

2) Stanovíte si hypotézu - například: „Letáky ve světlé verzi si přečte a využije více lidí, protože budou působit pozitivněji.”

3) Vytvoříte druhou verzi letáků ve světlém provedení.

4) Letáky ve stejném poměru vytisknete a distribuujete.

5) V následujících týdnech ve svém obchodě pravidelně přijímáte letáky. Ve chvíli, kdy jich máte dostatečné množství (ideálně aspoň 100), vyhodnotíte výsledky.

6) Leták, se kterým u vás nakoupí více zákazníku, je přirozeně tou vítěznou variantou.

7) Hypotézu s výsledky si zaznamenáte do tabulky. Příště tak budete vědět, jak k letákům přistupovat.

Tipy na systémy pro A/B testy

Ve výběru jsou vybrány pouze služby, u kterých je zveřejněna cena. Kompletní shrnutí služeb nabízejících A/B testování pak najdete na stránkách Conversion Rate Experts.

A naše rada na závěr? Testovat se určitě nebojte - můžete na tom jen vydělat.