A/B testi başarısı için kendinizi nasıl hazırlarsınız?

E-posta hakkında sevdiğim bir şey veri. Çok kolay erişilebilir olduğundan, bölünmüş testler yapmak ve e-posta performansını gerçek zamanlı olarak görmek kolaydır. Beni sık sık elektronik tablolara göz atarken ve yakın bir yarış izliyormuşum gibi sürekli verileri yenilerken bulacaksınız.

Ancak A/B testi doğru şekilde kurulmamışsa bunların hiçbiri önemli değildir.

Sağlam bir temel olmadan A/B testi sonuçlarınız güvenilmezdir ve sizi yanlış yöne götürebilir. Bu da size katılım, dönüşüm ve nihayetinde aboneler ve müşteriler açısından maliyetli olabilir. Bu nedenle, bir sonraki testinizi düşünmeden önce, pazarlama stratejinizi yönlendirmek için ihtiyaç duyduğunuz bilgileri elde etmek için başarıya hazır olduğunuzdan emin olun.

Ve A/B testi hakkında yerleşik test uzmanımız ve kıdemli büyüme müdürümüz John Kim'den daha iyi kim konuşabilir? John, web sitemizdeki dönüşüm testinin çoğunu yürütüyor ve bana kendi becerilerimi geliştirmem konusunda oldukça fazla şey öğretti. Ve şimdi ondan da öğreneceksin.

Başarılı bir A/B testi yapmak için yapmanız gereken temel şeyler nelerdir?

Nerede test yapıyor olursanız olun (örn. e-posta, web sitesi, uygulama içi veya ücretli reklam), temel bilgiler aynı kalır. Onları doğru yapın ve güvenebileceğiniz ve harekete geçebileceğiniz sonuçlara giden yoldasınız.

Neyi test ettiğinizi bilin

A/B testinizi gerçekleştirmeden önce, tam olarak neyi test etmeyi planladığınızı anlamak çok önemlidir. Litmus'ta, başarı ve öğrenme şansımızı en üst düzeye çıkardığımızdan emin olmak için her A/B testi için belgelediğimiz bir dizi kriterimiz var.

Hipotez

A/B testinizin belki de en hayati unsuru – iyi bir hipotez – çözmeye çalıştığınız bir problemin cevabıdır.

Hipoteziniz açık, odaklanmış ve bazı temel veya sınırlı kanıtlarla yapılmış olmalıdır. Basitçe söylemek gerekirse, karmaşık bir iş problemini nasıl çözebileceğinize dair eğitimli bir tahmindir. Deneyiniz onu test etmek için tasarlanacağından, hipotezinizin açıkça tanımlanmış olması önemlidir.

Hipotezinizi yazmaya başlayın! Bizim durumumuzda, genellikle bir if-then ifadesi kullanılarak yazılırlar.

Örnek: Standart düğme rengimizi yeşil yerine turuncu olarak değiştirirsek, tıklamalarda bir artış göreceğiz.

Hedef

Herhangi bir deneyi çalıştırmadan önce belgelemek istediğimiz bir sonraki öğe, deneyin amacıdır. Sonuç olarak, işiniz için neyi başarmaya çalışıyorsunuz?

Başarının sizin için ne anlama geldiği konusunda net olun.

Örnek: Amacımız, sonraki sayfadaki dönüşümleri artırmak için düğmedeki tıklamaları artırmaktır, bu da daha yüksek deneme kayıtları veya genel olarak etkinleştirmelerle sonuçlanır.

Metrikler

Denemenizi çalıştırmadan önce, birincil metrikleriniz için neyi izleyeceğinizi bilmek önemlidir. Hipoteziniz ve hedefiniz göz önüne alındığında, daha önce belirtilen hedefleriniz söz konusu olduğunda başarıyı belirlemek için hangi bir veya iki metriği kullanacağınız konusunda net olun.

Bu adım önemlidir çünkü şunları yaptığınızdan emin olmak isteyeceksiniz:

1. Hangi metriklerin sizin için önemli olduğunu bilin
2. Bu etkinliği belirli bir kullanıcı ve grupla (genel hedef kitlenizden alınan test ve kontrol kitleleriniz) izleme ve ilişkilendirme yeteneğine sahip olun.
3. İkincil metriklerinizi anlayın.. Birincil metriklere ek olarak, kullanıcıların deneyiminizin geri kalanıyla nasıl etkileşime girdiğini izlemek önemlidir.

korkuluklar

Herhangi bir testin işinizi etkileyebileceği farklı yollar sürpriz olarak gelebilir.

Bu adımda yapacağımız şey, yaklaşan A/B testinin olumlu veya olumsuz etkileyebileceği tüm ölçümleri ve kanalları belgelemektir.

Şunları yapabilmemiz için bu alıştırmadan geçmek önemlidir:

1. Herhangi bir test için sürprizleri en aza indirin
2. Risklere/korkuluklara karşı potansiyel faydaları (mümkün olduğunca iyi) tartın.

Ekibimiz, testlere hazırlanmak için önemli çaba sarf etmektedir. Her teste gerçekçi beklentiler, başarı ve başarısızlık eşikleri ile gireriz ve çok sayıda sonuca hazırlanırız.

Litmus Analytics'te pek de tipik olmayan e-posta ölçümlerine erişin Açık oran, tıklama oranı, abonelikten çıkma oranı ve daha fazlası gibi standart e-posta ölçümleri size ancak bu kadarını söyleyebilir. E-posta istemcisi, okuma oranı ve daha fazlası gibi ayrıntılarla hedef kitlenizin e-postalarınızla nasıl etkileşime girdiğini anlayın. Daha fazla e-posta verisi alın →

Bölünmüş test ve parça

A/B testi veya bölünmüş test, yaygın olarak bulunan bir özelliktir ve çoğu e-posta hizmeti sağlayıcısı (ESP) ve Pazarlama Otomasyonu platformuyla birlikte sunulur. Pazarlama sitenizde veya uygulamanızda testler yapmak istiyorsanız VWO veya Optimizely gibi araçlar da çözümler sunar.

Hedef kitlenizi seçmeye gelince, istatistiksel anlamlılık veya A grubu ile B grubu arasındaki dönüşüm oranlarındaki farkın rastgele şanstan kaynaklanmama olasılığını belirlemek için genel testinizde bulunması gereken hedef kitlenizden ihtiyacınız olan kişi sayısını belirleyin. . Yeterince büyük bir kitleniz varsa, genel kitlenizin bir kısmını bu gruplara 50/50 oranında bölmek isteyeceksiniz. Burada, Litmus'ta, yıllar içinde yardımcı olacak çeşitli araçlarla karşılaştık. En sevdiğimiz şeylerden biri Neil Patel'in A/B testi hesaplayıcısıdır.

Test kitlenizde kaç kişinin olması gerektiğini belirledikten sonra, yarısının deneyimlerinde herhangi bir değişiklik uygulanmamalıdır. Bu grup, Kontrol grubunuz olacaktır. Mümkün olan en iyi şekilde, onların deneyimleri, temel veya tipik deneyiminiz olarak düşündüğünüz şeye yakından benzemelidir. Kitlenizin diğer yarısı, değişken grubunuz olacaktır. Bu gruptaki kullanıcılar için test işlemini uygulayınız.

A/B testleri genellikle bir kohort düzeyinde analiz edilir. Anlamı—tedavi deneyimini alan kohortun Kontrol kohortundan önemli ölçüde farklı olup olmadığını değerlendiririz.

Bir kitle üyesini belirli bir gruba yerleştirmenin rastgele olması ve her birinin yalnızca tek bir muamele görmesi hayati önem taşır. Grupların her birinin yapısını (test ve kontrol) göz önünde bulunduracak olsaydık, tek bir grup için belirli bir demografik, firma grafiği veya kullanıcının herhangi başka bir özelliğine yönelik herhangi bir önyargı getirmediğimizden emin olmak isteriz. Gruplarınızı rastgele seçmek ve daha az değişkene sahip olmak, gruplarınızın rastgele bir kitle seçimini temsil etmesini sağlar.

toparlamak

A/B testi zor olmak zorunda değildir, ancak bunları doğru şekilde ayarlamazsanız, onlardan topladığınız içgörüler pek bir şey ifade etmez. Burada araştırdığımız temelleri anlamak sizi başarıya hazırlayacaktır, böylece öğrendiklerinizi tüm pazarlama stratejinize uygulayabilirsiniz. Unutma, her bir öğeyi düşünmek için bir adım geri at ve yoluna devam edeceksin. E-posta pazarlamanızı test eden A/B blogumuz için bizi izlemeye devam edin, burada favori kanalımızı test etmeye daha derinden dalacağız.

Daha fazla veri. Daha fazla bilgi. Standart e-posta ölçümlerinin ötesine geçtiğinizde daha fazla e-posta verisi, daha fazla içgörü elde edin. Doğrudan Litmus Plus'ta yerleşik olan Litmus Email Analytics'in gücüyle okuma hızına, iletme hızına ve daha fazlasına erişin. Litmus Plus'ı ücretsiz deneyin →