전환율을 높이기 위해 A/B 테스트를 최대한 활용하는 방법

더 쉽고(가장 일반적인) CRO 테스트 유형 중 하나를 A/B 테스트라고 합니다. 모든 마케터의 최적화 도구에서 필수품인 A/B 테스트는 기술적 및 통계적 특성으로 인해 위협적으로 보일 수 있습니다. 실제로 이것은 실제로 전환율을 향상시키는 가장 명확하고 효율적인 방법 중 하나입니다. 잠재고객에게 잘 맞는 캠페인 요소의 특정 변형을 정확히 찾아내면 A/B 테스트는 CRO의 추측을 없애고 이론을 적용합니다.

도약할 준비가 되셨습니까? A/B 테스트가 무엇인지 살펴보고 전문가처럼 테스트할 수 있는 몇 가지 모범 사례에 대해 논의해 보겠습니다.

읽는 것보다 보는 것을 좋아하는 사람들을 위해 ...

A/B 테스팅이란?

기본

간단히 말해서 A/B 테스팅은 마케터의 통제된 실험 버전입니다. 분할 테스트라고도 하는 A/B 테스트를 사용하면 랜딩 페이지와 같은 캠페인 요소의 변형을 서로 나란히 테스트할 수 있습니다. 결과를 통해 어떤 버전이 가장 효과적인 옵션인지 결정할 수 있습니다. 상당히 간단한 특성 때문에 전환율 최적화에 사용되는 가장 인기 있는 테스트 중 하나입니다.

A/B 테스트 작동 방식

A/B 테스트는 콘텐츠의 두 가지(또는 그 이상) 버전을 만드는 것으로 시작됩니다. 원하는 모든 변수를 조정할 수 있으며 이러한 버전을 한 가지 방식으로만 서로 실질적으로 다르게 만드는 것이 모범 사례로 간주됩니다. 그런 다음 조각이 비슷한 규모의 청중에게 제공되고 각 그룹의 응답성과 전환율이 기록되고 CRO 테스트 및/또는 분석 소프트웨어로 분석됩니다.

캠페인 최적화 체크리스트를 받아 캠페인의 어떤 부분이 실적이 저조한지 식별하여 테스트 노력의 우선 순위를 정할 수 있습니다.

A/B 테스트 프로세스

이제 핵심으로 내려가 효과적인 A/B 테스트가 어떻게 실행되는지 자세히 살펴보겠습니다.

1. 변수 선택

과학적 방법과 마찬가지로 테스트를 위해 하나의 "독립 변수"를 분리하려고 합니다. 명확히 하자면, A/B는 한 번에 하나씩 테스트되는 한 둘 이상의 변형 테스트를 허용합니다. 랜딩 페이지 글꼴에서 CTA 버튼 배치, 이메일 제목에 이르기까지 당신이 궁금했던 모든 레이아웃이나 디자인 요소를 테스트할 수 있습니다. 결과를 사용하여 평가할 가설을 개발하는 것을 고려하고 간단하게 유지하십시오. 한 번에 여러 변수를 테스트하지 마십시오!

2. 지표 결정

"종속 변수"는 테스트 전반에 걸쳐 초점을 맞추는 메트릭이 될 것입니다. 전환율이 가장 분명해 보이지만 CRO와 관련된 다른 메트릭에는 장바구니 포기율, 페이지에 머문 시간, 이탈률 및 더 많은 시간을 할애하여 테스트 중인 특정 부분과 가장 관련성이 높은 KPI(핵심 성과 지표)를 찾으십시오.

또 다른 고려 사항은 원하는 결과의 통계적 유의성입니다. 신뢰 수준을 더 높은 비율로 설정하는 것은 결과의 정확성에 투자하는 것과 같습니다. 우리는 이 주제와 관련하여 CRO 세계에서 약간의 통계적 이해력이 부족한 것을 보고 A/B 테스트 통계에 대한 이 블로그를 제안하여 올바르게 설정합니다.

3. 그룹 설정

결정해야 하는 실험의 나머지 요소는 테스트할 부분의 변경되지 않은 버전이 될 컨트롤입니다. 제어 및 테스트가 생성되면 대상을 동일한 크기의 무작위 그룹으로 분할하여 테스트할 수 있습니다. 이것이 구현하기 어렵게 들리더라도 걱정하지 마십시오. 이는 CRO 전략의 중요한 구성 요소인 테스트 도구를 위한 작업입니다.

샘플 크기는 사용 중인 도구의 기능과 테스트의 특성에 따라 다릅니다. 방문자 수가 지속적으로 증가하는 웹 페이지와 같은 것을 테스트할 때 테스트 기간에 따라 샘플 크기가 직접 결정됩니다. 기존 방문율을 조사하여 수행 기간을 파악합니다. 반면에 이메일을 A/B 테스트할 때는 메일링 리스트의 일정 비율을 테스트하는 것이 좋습니다.

4. 테스트를 실행하세요!

변형을 동시에 테스트해야 하지만 전략적으로 테스트 시간을 선택하는 데는 아무런 문제가 없습니다. 예를 들어, 시기적절한 이메일 캠페인은 결과를 더 빨리 제공할 것입니다. 이 시간을 결정하려면 구독자 인구 통계 및 세그먼트에 대한 조사가 필요합니다. 언급한 바와 같이, 조각의 특성, 사이트 트래픽 및 달성해야 하는 통계적 중요성에 따라 테스트에 몇 시간에서 몇 주가 소요될 수 있습니다.

방문자 반응 이면의 추론에 대한 추가 통찰력을 얻고 싶다면 정성적 피드백을 요청하는 것이 좋습니다. 종료 설문 조사 및 설문 조사는 테스트 기간 동안 사이트 페이지에 아주 쉽게 추가할 수 있습니다. 이 정보는 결과에 가치와 효율성을 더할 수 있습니다.

5. 결과 검토

미리 설정된 가설과 주요 지표를 사용하여 결과를 해석할 차례입니다. 신뢰 수준도 염두에 두고 테스트 도구나 다른 계산기를 사용하여 통계적 유의성을 결정해야 합니다. 한 변형이 다른 변형보다 통계적으로 더 나은 것으로 판명되면 축하합니다! 이제 캠페인 조각을 최적화하기 위해 적절한 조치를 취할 수 있습니다.

그러나 통계적 유의성이 실제적 유의성과 동일하지 않다는 점을 기억하십시오. 변경 사항을 구현하는 데 걸리는 시간과 노력과 그만한 가치가 있는지 여부를 항상 고려해야 합니다. 버튼을 한 번만 클릭하여 하나의 이메일 템플릿을 다른 이메일 템플릿으로 보내는 것만큼 간단하다면 문제가 없습니다. 그러나 개발자가 귀하의 사이트에서 100개에 달하는 방문 페이지를 개조하도록 하는 경우에는 그만한 가치가 있는지 확인하고 싶을 것입니다.

6. "실패" 테스트의 경우

두 변형 모두 통계적으로 유의한 결과를 생성하지 않은 경우(즉, 테스트가 결정적이지 않은 경우) 몇 가지 옵션을 사용할 수 있습니다. 하나는 원래 변형을 제자리에 유지하는 것이 합리적일 수 있습니다. 또한 중요도 수준을 재고하거나 테스트 중인 부분의 컨텍스트에서 특정 KPI의 우선 순위를 다시 지정할 수 있습니다. 마지막으로 더 강력하거나 완전히 다른 변형이 필요할 수 있습니다. 가장 중요한 것은 테스트하고 다시 테스트하는 것을 두려워하지 마십시오. 결국 반복적인 노력은 최적화를 개선하는 데 도움이 될 수 있습니다.

A/B 테스팅 대 다변수 테스팅

다변수 테스트는 A/B 대응과 동일한 핵심 원칙에 기초합니다. 차이점은 테스트되는 변수의 수가 더 많다는 것입니다. 목표는 어떤 특정 변형 조합이 가장 잘 수행되는지 결정하고 단순히 독립 실행형 프로세스가 아닌 다른 변수의 맥락에서 각 변형의 "전환 가능성"을 조사하는 것입니다. 여러 면에서 보다 정교한 연습이 될 수 있습니다.

이러한 유형의 테스트는 최적화 가능한 요소 간의 보다 복잡한 관계를 조사하는 좋은 방법입니다. 이론적으로 수백 가지 조합을 나란히 테스트하는 것이 가능합니다! 특히 다변수 테스트는 특히 테스트를 효과적으로 수행하는 데 필요한 많은 시간과 사이트 방문자 수와 관련하여 단점이 있습니다.

어떤 테스트를 실행해야 합니까?

A/B 테스트는 회사 규모, 사이트 트래픽 또는 소프트웨어 기능에 관계없이 중요하고 명백한 결과를 신속하게 얻을 수 있는 이상적인 방법입니다. 해석하기 쉽고 CRO를 처음 접하는 마케터에게 덜 위협적이기 때문에 다변수 테스트를 설계하는 것보다 선호하는 대기업에서 연속 주기로 사용하는 경우도 있습니다. 최적화 세계로의 여정을 막 시작했다면 여기가 가장 좋은 시작점이 될 수 있습니다.

대조적으로, 트래픽이 많은 사이트에는 테스트해야 하는 변형 수를 수용하기 위해 다변수 테스트가 권장되는 경우가 많습니다. 테스트 중인 특정 페이지도 충분히 노출되어야 합니다. 다변수 테스트는 콘텐츠 조각에 대한 보다 미묘한 수정을 실험하고 다양한 요소의 상호 작용을 추적하려는 경우에 가장 적합합니다. 또한 나중에 더 큰 규모로 사이트 디자인에 체계적으로 적용할 수 있는 결과를 얻는 데 유용합니다.

이제 A/B 테스트를 실행하는 방법을 알았으니 마케팅 캠페인의 어떤 측면을 먼저 처리해야 하는지 어떻게 알 수 있습니까? 귀하를 위한 완벽한 리소스인 캠페인 최적화 체크리스트가 있습니다. 테스트 및 최적화 노력의 우선 순위를 정할 수 있도록 캠페인에서 실적이 저조한 부분을 식별하는 데 도움이 됩니다.

이 블로그는 전환율 최적화에 대한 확실한 가이드 블로그 시리즈의 일부입니다.