3/3/2021
Tunnisteet
Kasvumarkkinointi
A/B-testauksella voidaan nostaa verkkosivuston tai verkkokaupan konversioastetta nopeasti ja tehokkaasti. A/B-testaus perustuu datan tehokkaaseen hyödyntämiseen ja sen avulla nähdään, mikä toimii ja mikä ei ja miten sivusto saadaan tuottamaan paremmin. A/B-testausta voi aluksi tehdä kokeiluluontoisesti muutamalla testillä, mutta parhaisiin tuloksiin päästään jatkuvalla testauksella. Tämä blogi keskittyy A/B-testaukseen erityisesti Google Optimize -työkalua hyödyntäen.
Asiakaskokemus ratkaisee ja kilpailuedun saavuttaminen ja säilyttäminen verkossa tarkoittaa oman palvelun jatkuvaa kehittämistä - asiakkaiden nykyisten, uusien ja muuttuvien tarpeiden tunnistamista ja oman palvelun räätälöimistä niihin. A/B-testaus toimii parhaimmillaan juuri asiakkaiden käyttötarpeiden tutkana ja nopeiden muutosten generaattorina. A/B-testauksella tunnistetaan siis verkkopalvelusta ne kohdat, joissa kävijät voidaan tehokkaammin muuttaa asiakkaiksi ja muutetaan sivustoa ketterästi. Kun näitä muutoksia tehdään useita, konversioaste ja esimerkiksi verkkokaupan tuotto saadaan nousuun. A/B-testaus onkin kaikkien verkkoliiketoiminnan ja digitaalisen markkinoinnin ammattilaisten työkalupakin vakiovaruste.
A/B-testit vaativat tarpeeksi dataa. Jos verkkokaupassa tai -sivustolla on alle 100 kävijää päivässä, A/B-testaus ei välttämättä kannata. Vähäinen kävijämäärä ei kuitenkaan aina ole este testaukselle vaan testin aikaa voi myös pidentää, jotta testi ehtii kerryttää kävijä- ja konversiodataa yli ajan.
A/B-testaus vaatii myös aikaa. Jos sivuston käyttötarkoitus on vain lyhytaikainen, kuten esimerkiksi kampanjasivuilla, A/B-testauksen hyödyntäminen ei välttämättä kannata. Keskimäärin A/B-testeille on hyvä varata vähintään kaksi viikkoa aikaa, monesti pidempäänkin. Yleisesti hyväksi todettu aikaväli A/B-testeille vaihtelee kahden viikon ja kolmen kuukauden välillä, riippuen kertyvästä datasta ja miten nopeasti testin tulokset valmistuvat. Google Optimizessa on tilastollisen merkitsevyyden mittari eli se kertoo, kun dataa on tarpeeksi ja A/B-testin tulokseen voi luottaa.
Kampanjasivu ei välttämättä siis hyödy A/B-testauksesta, mutta silti sen mittaaminen kannattaa – analytiikka tarjoaa joka tapauksessa arvokkaita oppeja ja se, että voi vertailla eri kampanjasivuja keskenään on sekin eräänlaista testausta.
Vaikka Google Optimize on oma työkalunsa, se pohjaa Google Analyticsiin. Siksi ennen A/B-testausta on tärkeä varmistaa, että analytiikka on kunnossa ja linkitykset Googlen työkalujen välillä kunnossa.
Hypoteesi on väittämä, jonka A/B-testi joko validoi tai hylkää. Hyvän hypoteesin tunnusmerkkejä ovat mitattavuus ja saatujen tulosten selkeä tulkittavuus. Usein hypoteesit ovat suhteellisen yksinkertaisia käyttötapauksia, joilla haetaan korkeampaan konversiota. Alla olevissa esimerkeissä hypoteesit on kirjoitettu kysymysmuotoon.
Kun hypoteesi tai kysymys on valmis, testille tehdään suunnitelma ja ideoidaan muuttujat ja niiden variaatiot sekä luodaan dokumentaatio. Lisäksi asetetaan ja testataan analytiikka ja konversiopisteet sivustolla testiä varten.
Teitpä A/B-testausta itse tai kumppanin kanssa, tämän listan opeilla pääset jo pitkälle.
Jos verkkopalvelun konversion nostaminen on asetettu tavoitteeksi, A/B-testaus on lähes aina yksi keinoista. A/B-testauksen aloitusta nopeuttaa se, jos toteuttajalla on entuudestaan kokemusta mikä testeissä toimii, valmiita ideoita ja benchmarkeja toimialalta tai vastaavista palveluista sekä analytiikkaosaamista. Myös ymmärrys ja kokemus UI/UX:sta auttaa paljon.
Usein A/B-testit voi aloittaa yhdellä tai kahdella testillä ja sitten tarvittaessa laajentaa testauskokonaisuutta. Tässä kannattaa ottaa huomioon Google Optimizen kohdalla ilmaisen ja maksullisen version erot: ilmaisversiossa on mahdollista tehdä vain 5 yhtäaikaista testiä ja lisäksi käyttäjien segmentointi on rajoitettu eikä esimerkiksi iän mukaan segmentointi tai kohdentaminen onnistu.
Negatiiviset A/B-testit eivät ole epäonnistumisia vaan askel kohti tuottavia konversio-optimointi-ideoita.
Täällä ei ole mitään!