A/B testování je jedním z nejpřímějších nástrojů optimalizace konverzního poměru v e-shopu. Přináší skutečné důkazy o tom, co funguje právě ve vašem e-shopu s vašimi zákazníky. Úplný úvod do optimalizace konverzního poměru a do toho, proč je zlepšení konverze stejně důležité jako zvyšování návštěvnosti, najdete v článku co je optimalizace konverzního poměru a proč na ní záleží.
Co je A/B testování pro online obchod?
A/B test rozdělí vaše návštěvníky do dvou skupin a každé skupině ukáže jinou verzi stránky nebo jejího prvku. Jedna skupina vidí původní verzi, které se říká kontrolní. Druhá vidí upravenou verzi, které se říká varianta. Změna se týká jednoho konkrétního prvku. Může jít o znění tlačítka, rozvržení stránky produktu nebo umístění odznaku důvěry. Všechno ostatní zůstává stejné.
Návštěvníci procházejí e-shop tak, jak by to dělali normálně. Nevědí, že jsou součástí testu. Na konci období testu porovnáte konverzi mezi oběma skupinami a určíte, která verze si vedla lépe. Protože obě verze běží ve stejnou dobu s porovnatelnou návštěvností, vnější vlivy jako sezónnost nebo změna v reklamě působí na obě skupiny stejně. Rozdíl, který vidíte, pochází z vaší změny, ne z načasování.
Proč na A/B testování záleží u konverze e-shopu?
Každá změna, kterou ve svém e-shopu uděláte, je sázka. Sázíte na to, že nový popis produktu bude konvertovat lépe, že zjednodušená pokladna sníží odpad, že přesunuté tlačítko dostane víc kliků. Bez testování nemáte jak zjistit, jestli sázka vyšla. Tržby mohou vzrůst z důvodů, které s vaší změnou vůbec nesouvisejí. Nebo klesnout ze stejného důvodu.
A/B testování mění sázky v rozhodnutí. Máte data, která v měřitelné toleranci ukazují, jestli změna přinesla skutečný efekt. Chrání vás to před dvěma častými a drahými chybami. První je domnívat se, že změna pomohla, když nepomohla. Druhá je opustit změnu, která fungovala, protože jste zlepšení nepřipsali jí.
Finanční argument je přímočarý. E-shop, který konvertuje jedno procento návštěvníků a zlepší se na dvě procenta, zdvojnásobil tržby ze stejné návštěvnosti, bez zvýšení výdajů na reklamu. Systematické A/B testování je nejspolehlivější cesta k takovým ziskům.
Co můžete ve svém online obchodě A/B testovat?
Testovat se dá téměř cokoli, co návštěvník vidí. Některé oblasti e-shopu mají na konverzi větší dopad než jiné a právě na ně by se měly zaměřit vaše první testy.
Stránky produktů
Na stránce produktu se rozhoduje většina nákupů. K testům s velkým dopadem patří hlavní obrázek produktu, nadpis produktu, znění a umístění tlačítka přidat do košíku, délka a struktura popisu produktu, umístění recenzí zákazníků a to, jestli je cena zobrazena s podpůrným kontextem, například srovnávací cenou nebo hláškou o hranici pro dopravu zdarma. Podrobněji o tom, co dělá stránku produktu účinnou, čtěte v článku jak navrhnout stránky produktů, které lidi přimějí nakoupit.
Průběh pokladny
V pokladně e-shopy ztrácejí zákazníky, kteří se už rozhodli koupit. Užitečné testy zahrnují pokladnu na jedné stránce oproti vícekrokové, vyžadování založení účtu oproti nákupu bez registrace, počet a pořadí polí formuláře a to, kde se v průběhu objeví shrnutí objednávky. Změny v pokladně často přinášejí rychlejší a čistší výsledky než změny na stránce produktu, protože záměr návštěvníka je v tu chvíli už jasný. Rozbor rozhodnutí o návrhu pokladny najdete v článku jak navrhnout stránku pokladny, která snižuje odpad.
Úvodní stránka a navigace
Úvodní stránka a navigace utvářejí první dojem, který si návštěvníci vytvoří, a cestu, kterou se dostanou ke stránkám produktů. Testujte nadpis úvodní stránky, které produkty nebo kolekce zobrazíte nad ohybem, umístění propagačních bannerů a to, jestli navigace kategorií funguje lépe jako stálé menu, nebo jako viditelná sada dlaždic. Změny tady ovlivní všechnu návštěvnost, která e-shopem prochází, takže i skromná zlepšení mají široký dosah.
Výzvy k akci
Text, barva, velikost a umístění tlačítka ovlivňují, jestli návštěvníci udělají další krok. „Přidat do košíku“ a „Koupit nyní“ jsou nejčastěji testované dvojice tlačítek. Můžete také otestovat, jestli přidání naléhavého sdělení u tlačítka („Zbývají jen 3“) nebo sociálního důkazu („Přes 200 objednávek tento týden“) změní míru prokliku.
Zobrazení cen a nabídky
To, jak cenu prezentujete, ovlivňuje nákupní rozhodnutí nad rámec samotné ceny. Otestujte, jestli zobrazení původní přeškrtnuté ceny vedle zlevněné ceny zvýší konverzi oproti samotné zlevněné ceně. Otestujte, jestli hláška „doprava zdarma při objednávce nad X“ zobrazená u košíku přináší větší objednávky. Otestujte, jestli záruka vrácení peněz zobrazená na stránce produktu a ne jen v patičce změní míru dokončení pokladny.
Jak provést A/B test?
Vytvořte hypotézu
Každý test začíná otázkou, jejíž odpověď se dá změřit. „Když změním obrázek produktu na fotografii v prostředí, která ukazuje produkt při používání, klikne víc návštěvníků na přidat do košíku?“ Taková otázka určuje, co měníte, co čekáte, že se stane, a jak poznáte, že to zabralo. Hypotézu napište dřív, než začnete. Test bez hypotézy je jen nesledovaná změna.
Zvolte metriku úspěchu
Metriku, kterou měříte, určete před začátkem testu. U většiny testů e-shopu je to konverze v konkrétním kroku. Může jít o míru přidání do košíku, míru zahájení pokladny nebo míru dokončeného nákupu. Zvolte metriku, která přímo odpovídá testovanému prvku. Pokud testujete prvek na stránce produktu, měřte, jak ovlivní míru přidání do košíku. Pokud testujete prvek v pokladně, měřte míru dokončení pokladny. Použít jako metriku celkové tržby e-shopu přináší příliš mnoho šumu z jiných částí trychtýře.
Nastavte test
K vytvoření varianty a rozdělení návštěvnosti mezi obě verze použijte nástroj pro A/B testování. Standardem je rozdělení 50/50. Po dobu testu nechte e-shop fungovat normálně. Vyhněte se velkým akcím nebo významným změnám v reklamě, dokud test běží, protože ty mění chování návštěvníků způsobem, který by oběma skupinám ovlivnil nerovnoměrně a výsledky by se špatně vykládaly.
Nechte test doběhnout
Test nezastavujte předčasně jen proto, že se zdá, že jedna verze vyhrává. První výsledky jsou často zavádějící. Chování návštěvníků se liší podle dne v týdnu a vzorce, které se objeví v prvních dnech, často po celém týdnu nebo dvou neplatí. Zastavení předčasně, když jedna verze vypadá slibně, dramaticky zvyšuje šanci, že budete jednat podle falešně pozitivního výsledku. Nechte test běžet, dokud nedosáhnete cílové velikosti vzorku.
Vyhodnoťte a použijte výsledek
Jakmile máte dost dat, porovnejte konverzi mezi kontrolní verzí a variantou. Pokud varianta překoná kontrolní verzi na statisticky významné úrovni, změnu zaveďte. Pokud jsou výsledky neprůkazné, změna žádný měřitelný rozdíl nepřinesla a měli byste ponechat originál a vybrat k testování jiný prvek. Pokud varianta dopadla hůř, zůstaňte u originálu a vraťte se k hypotéze. Každý výsledek vám říká něco užitečného.
Jak dlouho by měl A/B test běžet?
O tom, jak dlouho test nechat běžet, rozhodují dva faktory. Jedním je objem vaší návštěvnosti. Druhým velikost zlepšení, které se snažíte zachytit.
Menší zlepšení vyžadují pro spolehlivé zachycení víc návštěvnosti. Pokud váš e-shop konvertuje na dvou procentech a chcete zachytit 20procentní relativní zlepšení, potřebujete podstatně víc návštěvníků, než kdybyste chtěli zachytit 50procentní zlepšení. U většiny e-shopů se střední návštěvností se jako minimum doporučují dva až čtyři týdny. E-shopy s vysokou návštěvností mohou významnosti dosáhnout rychleji. E-shopy s nízkou návštěvností mohou potřebovat déle.
Jako praktický výchozí bod se snažte o alespoň 100 konverzí na variantu, než vyvodíte závěry. Při dvouprocentní konverzi to znamená alespoň 5 000 návštěvníků na variantu. Pokud váš e-shop takovou návštěvnost v rozumném čase nevytvoří, praktičtější alternativou je porovnání před a po: změňte jednu věc, měřte tři až čtyři týdny a porovnejte se stejným obdobím předchozího měsíce.
Nejdůležitější pravidlo je určit cílovou velikost vzorku před začátkem testu a výsledky nekontrolovat, dokud jí nedosáhnete. Kontrola každých pár dní a zastavení, když jedna verze vypadá, že vede, žene míru falešně pozitivních výsledků daleko nad to, co by naznačovala samotná statistická významnost.
Jak poznáte, že jsou výsledky vašeho A/B testu spolehlivé?
Statistická významnost je míra, která říká, jestli rozdíl mezi vašimi dvěma verzemi pravděpodobně odráží skutečný efekt a ne náhodné kolísání. Testovací nástroje ji obvykle uvádějí jako úroveň spolehlivosti. 95procentní úroveň spolehlivosti znamená, že je pětiprocentní šance, že výsledek je dílem náhody. U většiny rozhodnutí v e-shopu je 95procentní spolehlivost dost spolehlivá na to, aby se podle ní jednalo.
Zkontrolujte také vnější faktory, které mohly test zkreslit. Test, který běžel během velké slevové akce, v době, kdy se výrazně změnila vaše reklama, nebo v týdnu, kdy se posunul váš hlavní zdroj návštěvnosti, může dát výsledky, které nejsou reprezentativní pro běžný výkon e-shopu. Pokud se během testu stalo něco významného, poznamenejte si to dřív, než podle výsledku začnete jednat.
Jedna další kontrola, kterou se vyplatí provést, je podívat se vedle hlavní metriky i na vedlejší metriky. Pokud má vaše varianta vyšší míru přidání do košíku, ale nižší míru dokončení pokladny, může varianta přitahovat méně odhodlané návštěvníky, místo aby jich víc proměnila v kupující. Vítězná varianta by měla vykazovat zlepšení v cílovém kroku bez znatelného zhoršení jinde v trychtýři.
Jaké chyby dělají A/B testy nespolehlivými?
Testování několika prvků najednou je nejčastější chyba. Pokud v jednom testu změníte obrázek produktu, nadpis a barvu tlačítka, nemůžete výsledek připsat žádné jednotlivé změně. Provádějte jeden test na jeden prvek a vše ostatní nechte konstantní.
Předčasné zastavení je druhý nejčastější problém. Varianta, která v prvních třech dnech vypadá, že vyhrává, může po dvou celých týdnech ukázat žádný rozdíl nebo se dokonce obrátit. Doběh testu si naplánujte před začátkem a neodchylujte se od něj.
Příliš brzké testování stránek s nízkou návštěvností je třetí potíž. Pokud vaše stránka produktu dostane 50 návštěvníků týdně, dosažení 100 konverzí na variantu při dvouprocentní konverzi by trvalo mnoho měsíců. Pro testování upřednostněte nejdřív stránky s nejvyšší návštěvností a k těm s nižší přejděte až poté, co vytěžíte zisky, které jsou nahoře k dispozici.
Problémem je i ignorování toho, co už víte. A/B testování je nejúčinnější, když se řídí daty o tom, kde návštěvníci už teď odpadají, ne když se testuje náhodně. Pomocí analytiky určete stránky a kroky, kde nejvíc návštěvníků odchází bez konverze. To jsou správná místa, na která testy zaměřit. Praktického průvodce pochopením odpadu návštěvníků ve vašem e-shopu najdete v článku proč kupující opouštějí košík a co s tím můžete dělat.
Co byste měli testovat jako první?
Začněte tam, kde návštěvníci ztrácejí zájem nejvíc. U většiny e-shopů je to buď stránka produktu, nebo pokladna. Pokladna má často vyšší prioritu, protože návštěvníci, kteří se k ní dostanou, už ukázali jasný záměr. Změna, která zlepší dokončení pokladny i o malé procento, ovlivní každého návštěvníka, který se až tam dostane.
Po pokladně se zaměřte na stránky produktů s nejvyšší návštěvností. Změna na stránce produktu, která má 3 000 zobrazení měsíčně, má větší potenciální dopad než stejná změna na stránce se 100 zobrazeními. Upřednostňujte podle potenciálního dosahu, ne podle toho, na kterých stránkách vás práce nejvíc baví.
Další oblastí, která se testováním často vyplatí, je důvěra. Mnoho e-shopů ztrácí konverze ne kvůli konkrétnímu prvku stránky, ale protože návštěvníci nemají v e-shop dost důvěry, aby nákup dokončili. Testování toho, kde se signály důvěry objevují a jak jsou zobrazeny, může přinést smysluplné výsledky. Přehled toho, které signály důvěry jsou pro e-shop nejdůležitější, najdete v článku jak využít signály důvěry ve vašem online obchodě.
Jak WEMASY podporuje vaše testování konverzí
Účinné A/B testování začíná přesnými základními daty. Než můžete vytvořit užitečnou hypotézu a změřit, jestli test něco posunul, potřebujete znát svou současnou konverzi, kde návštěvníci odpadají a které stránky zaostávají. Nástroj WEMASY Analytika a přehledy sleduje návštěvy, výkon stránek a chování konverzí ve vašem e-shopu a dává vám výchozí čísla, na kterých testování stojí. E-shop od WEMASY poskytuje data o objednávkách, podle kterých můžete měřit dokončené nákupy napříč obdobími testů. Celou sadu funkcí najdete v tarifech v ceníku.
Často kladené otázky
Mohu dělat A/B test, když má můj e-shop nízkou návštěvnost?
Nízká návštěvnost ztěžuje dosažení statistické významnosti v rozumném čase. Pokud váš e-shop dostává méně než 1 000 relací týdně, může testům trvat měsíce, než dosáhnou velikosti vzorku potřebné pro spolehlivé výsledky při typické konverzi e-shopu. V takovém případě může být praktickou alternativou porovnání před a po v konzistentním období. Změňte jednu věc, měřte tři až čtyři týdny a výsledek porovnejte se stejným obdobím předchozího měsíce. Je to méně přesné než řízený A/B test, ale informativnější než dělat změny bez jakéhokoli měření. S tvůrcem webů od WEMASY to můžete nastavit přímo ve svém e-shopu.
Mohu dělat víc než jeden A/B test najednou?
Ano, ale jen na různých stránkách nebo jasně oddělených prvcích, které se navzájem neovlivňují. Souběžné testování nadpisu stránky produktu a rozvržení formuláře pokladny je obvykle bezpečné, protože oba testy se týkají různých stránek a různých rozhodovacích bodů v trychtýři. Testování dvou různých prvků na stejné stránce ve stejnou dobu vytváří stejný problém jako testování několika prvků v jednom testu: nelze izolovat, která změna způsobila který výsledek.
Jaký je rozdíl mezi A/B testováním a multivariačním testováním?
A/B test porovnává dvě verze jednoho prvku: originál a jednu variantu. Multivariační testování porovnává několik prvků změněných současně a prochází každou možnou kombinaci, aby zjistilo, která sada změn dává nejlepší výsledek. Multivariační testování vyžaduje podstatně víc návštěvnosti ke spolehlivým závěrům, protože návštěvníky dělíte mezi víc variant. Pro většinu e-shopů je praktičtější A/B testování. Multivariační testování se hodí spíš pro e-shopy s vysokou návštěvností, které už udělaly zřejmá zlepšení standardním A/B testováním a chtějí zkoumat vzájemné působení více prvků stránky najednou.
Co když potřebuji během testu dělat v e-shopu jiné změny?
Drobné změny nesouvisející s testovanou stránkou jsou obvykle v pořádku. Změny, které ovlivňují stránky nebo prvky ve vašem testu, jsou problém, protože zavádějí druhou proměnnou, která by mohla ovlivnit výsledky. Pokud potřebujete provést významnou změnu na testované stránce, nejčistší možnost je test zastavit, změnu zavést, nechat e-shop několik dní ustálit a test znovu spustit. Dobré je vyhnout se i spuštění akce nebo výrazné reklamní kampaně, dokud test běží, protože mění chování návštěvníků způsobem, který nemusí oběma skupinám ovlivnit stejně.
Potřebuji k testování speciální nástroj pro A/B testování?
Specializovaný testovací nástroj automatizuje rozdělování návštěvnosti, sleduje data o konverzi podle varianty, počítá statistickou významnost a brání tomu, aby tentýž návštěvník viděl obě verze. Bez nástroje byste to museli zavádět ručně, což je náchylné k chybám a dává to méně spolehlivé výsledky. Pokud váš e-shop nebo webový systém nativní A/B testování neobsahuje, lze k většině e-shopů doplnit testovací nástroje třetích stran. Investice se vyplatí, pokud plánujete testovat pravidelně, protože spolehlivost výsledků velmi závisí na tom, jak se zachází s rozdělením návštěvnosti a sběrem dat.