最適化プロセスを作成する方法は？ 一貫した成長をサポートする実験文化を構築するためのガイド

あなたが継続的な成長を達成したいのであれば、テスト最適化プログラムによるテストはそれを削減するつもりはありません。 2019年、CXLは、オプティマイザーの38.3％に文書化されていない、または構造化されていないプロセスがあり、17.1％にはプロセスがまったくないことを報告しました。 持続可能な成長を推進する適切な最適化は、実行および維持するために明確に定義された構造を必要とするプロセスです。

チームが絶えずテストと改善を行えるようにするコンバージョン率最適化プログラムを構築することは、公園を散歩することではありません。 最適化プロセスの構築は、多くのオプティマイザーが苦しんでいることの1つです。 克服すべき多くの課題があります。

まず、最適化を、コンバージョンが許容可能な基準を下回ったり下回ったりする必要がある場合にのみ実行されるマーケティング活動と見なす考え方があります。 最適化のメリットを認識している一方で、会社には一貫した実験フレームワークがありません。

第二に、最適化プログラムの時代があります。 あなたの会社でCROの実践がまだ若い場合は、テストを実行して勝利を収めようとしているときにフレームワークを確立するのは困難な場合があります。 始めたばかりなので、最適化プロセスの作成をやめたいという誘惑があります。 しかし、最適化プログラムが成熟するにつれて、これはあなたを悩ませることになります。

最適化は若い業界です。 2019 CXLの調査によると、オプティマイザーの60％が業界で2年間しか働いていません。 最適化フレームワークは、会社がチーム内のオプティマイザーを最大限に活用し、継続的な成長を促進する最適化プログラムに向けて推進するのに役立ちます。

克服しなければならない課題は他にもたくさんあります。 それでは、継続的な成長をサポートする最適化構造を構築する方法を紹介しましょう！

実験と最適化の考え方を採用する

スティーブマラボリは言った：

あなたの考え方が変わると、外側のすべてがそれに伴って変わります。

あなたの会社で機能するコンバージョン最適化構造を構築するには、正しい考え方を育む必要があります。 最適化に向けた一般的な考え方は、コンバージョン率の最適化フレームワークを構築できる優れた基盤を作成します。

ここにあなたの会社を最適化にもっと集中させるいくつかの精神があります。

データ主導であること

分割および多変量テストは、定量的（分析的）および定性的データによって推進されるため、データファーストの考え方に移行することで、企業は良い世界になります。

データ主導の考え方は、会社が一貫して最適化するだけでなく、新しい市場への多様化や将来の傾向の予測など、他のビジネス上の意思決定にも影響を与えるのに役立ちます。

データ主導であることの素晴らしいところは、マーケティングチームがすでにそのように運営していることです。 マーケティングチームが分析データを使用して、コンテンツを更新してトラフィックを増やしたり、購入者のペルソナを作成したりするなどのアクションを通知する場合、マーケティングチームはすでにデータファーストのアプローチを使用しています。 社内の他のチームは、ワークフローとプロセスを簡単にするためにデータを使用している可能性があります。 そうでない場合は、同じページでそれらを取得します。

アジャイルアプローチを取る

多くの場合、多くの企業では、結果が大きな影響を与えることが期待されています。 従業員は、この完璧なユニコーンを届けるという大きなプレッシャーにさらされています。 完璧が完了よりも優先されるため、これはしばしば遅延につながります。

この態度は最適化と対立しています。 最適化では、1週間以内に得られる小さな勝利は、より大きな勝利を得るために1年待つよりも優れています。 今日のランディングページをA/Bテストし、数週間で結果を得るのは、ウェブサイトのほぼすべての問題を一挙に解決する完璧な多変量テストを考案、計画、作成するのに3か月待つよりも優れています（それも可能ですか？）。 複雑なテストが悪いわけではありません。 アイデアは、小さなテストから始めて、より複雑なテストに進むことです。

「大きくなるか、家に帰る」という考え方からの転換は、達成するのが難しいです。 しかし、それは可能です。 チームの進捗状況を強調し、タスクを終了することから始めます（完璧である必要はありません）。 これは、どんなに小さくても、完璧を追いかけることから物事を成し遂げることへのピボットを強制します。 Convertで言うように、ProgressはPerfectionではありません。

失敗から学ぶ

勝利は爽快で中毒性があります。 最初の勝利を獲得したら、連勝を続けたいと考えています。 失敗することはもはやあなたが快適な選択肢ではありません。

しかし、最適化は失敗を悪いこととは見なしていません。 テストを実行すると、コントロールの一部がバリエーションを打ち負かします。 これは失敗したテストと見なされるかもしれませんが、実際にはそうではありません。 これらの「テストの失敗」は、顧客の行動に対する独自のビジネス洞察を提供します。 また、先入観に挑戦し、より良い仮説を立てるのに役立ちます。

失敗を進歩の特徴として正規化し、そこから学ぶ。 これはあなたの会社の考え方を最初に最適化に移します。

会社全体に実験を開放する

実験プログラムは、CROチームだけに限定されるべきではありません。 実験的な考え方は、会社全体で育てたいものです。 また、社内の他のチームが実験を実行できるようにプロセスを開くと、最適化プログラムが大幅に改善されます。

Booking.comを例にとると、企業内のさまざまなチームの個人が標準化されたテンプレートに入力してテストを実行できる強力な実験プログラムがあります。 実験の名前、結果、学習、反復はデータベースに保存され、簡単に検索できます。

実験を開始すると、個人のテストがサイトで何かを壊す可能性があるなど、いくつかの課題が発生する可能性があります。 しかし、コア実験チームに何が起こっているかを監視してもらうことで、これを防ぐことができます。

会社全体に実験を開放することは、他のチームが専門分野に持ち込むことができる実験文化と考え方を構築するのに役立ちます

危険を冒します

リスクは人生とビジネスの本質的な部分です。 あらゆる努力で成功するために、いくつかのリスクを冒してください。

あなたの会社はリスクを冒していますか？

一部の企業は非常にリスク回避的です。 彼らは早い段階で成功を収め、チャンスをつかむのをためらうようになります。 会社が負ける可能性が常にあるので、他の人はリスクを取ることを楽しんでいないかもしれません。

適切な最適化プログラムには、リスクを冒すことが含まれます。 多くの場合、実験にはリスクを冒し、成功または失敗する可能性のある根本的な変更をテストすることが含まれます。 バリエーションが勝った場合、それが実装され、誰もが勝利を祝います。 コントロールが変動を上回った場合、仮説は破棄され、そのテストからのレッスンが後続のテストに通知するために使用されます。

最適化を推進する企業としてのリスクを控えめな姿勢は、通常、矛盾するデータに直面しても、小さな安全な変更をテストすることと同じです。 根本的な変化をテストすることへのこの抵抗は、多くの場合、あなたのビジネスがより大きなリフトに負けることを意味します。 また、大きな変化をテストする機会を得る準備ができている競合他社に市場シェアを失うことを意味する可能性もあります。

リスクアペタイトを改善する簡単な方法の1つは、最適化の場所に慣れることをやめ、失敗の恐れを捨てることです。 小さなリスクから始めて、上に向かって進んでください。 多くの場合、リスクが大きいほど、報酬も大きくなります。

実験に適したKPIを設定する

最適化プログラムの目的は、成長を促進し、他のビジネス目標を達成することです。

あなたの会社の成長はどのように見えますか？

成長は、より多くの収益、購入、フォームのサインアップ、サブスクリプション、コメント、またはページビューを意味する場合があります。 すべての企業は異なるニッチで運営されているため、成長は企業ごとに異なります。 最初のステップは、ビジネスにとって成長が何を意味するかを定義することです。 次に、会社が成長と定義するものを最もよく測定するメトリックを添付します。 eコマースビジネスを運営していて、成長を収益の増加と定義するとします。訪問者1人あたりの平均収益は、より多くの収益である成長の定義に添付するのに適した指標になります。
手元にあるビジネスの成長を測定する方法を使用して、実験用のプライマリおよびセカンダリKPIについてさらに詳しく見ていきましょう。

プライマリおよびセカンダリKPIの選択

実験が異なれば、テストする仮説も異なります。 1つの実験は、バウンス率を下げるためにページへの変更をテストすることを目的とし、別の実験はフォーム送信を増やすためにフォームフィールドをテストする場合があり、別の実験はユーザーあたりの収益を増やすことを期待する変更をテストする場合があります。プライマリKPIを選択します。

プライマリKPIは、実験を計画し、その結果を判断するためのプライマリメトリックです。 バウンス率を下げる実験では、バウンス率をプライマリKPIとして使用し、収益を増やす別の実験では、ユーザーあたりの平均収益が得られる場合があります。 バウンス率の実験では、バウンス率の低下は仮説が正しいことを意味し、実験が目覚ましい成功を収めたと見なすことができます。

実験を設計した主要な指標ではありませんが、セカンダリKPIは測定に関心があるものである可能性があります。 訪問者1人あたりの平均収益を増やすための実験では、ページで費やされた時間の測定にも関心があるかもしれません。 ユーザーあたりの平均収益がプライマリKPIですが、ページ滞在時間はセカンダリKPIになる可能性があります。 セカンダリKPIは、実験を停止および開始するタイミングには影響せず、実験の結果を判断する方法にも影響しません。

プライマリKPIとセカンダリKPIの両方を選択するときは、両方のKPIが組織の主な目標を果たしていることを確認してください。 目標がより多くの収益である場合、KPIはそれを反映している必要があります。

最適化と実験のプロセスを定義する

チームとビジネス全体が最適化の最初の考え方を採用したので、今度は実験プログラムの最適化プロセスを作成します。

実験プロセスを作成すると、次のような画像が殺到します。

そのようなイメージに基づいてフレームワークを作成したくなるかもしれませんが、これらのフレームワークは会社を念頭に置いて作成されたものではありません。 ほとんどのオンライン実験プロセス図は、Webサイトのメンテナンススケジュール、購入者の旅、マーケティングの設定方法、トラフィック/ビジネスの季節性などの固有の要因を考慮していません。

これらは、最適化の取り組みに影響を与える重要な要素です。 オンライン最適化プロセスはそれをカットしません。

ビジネスに合わせた実験プロセスを作成および定義する方法は次のとおりです。

1.問題を定義する

実験プログラムの最初のステップは、問題を定義することです。 「完璧なウェブサイト」を最適化することは絶対にできません。 最適化を行うには、修正するものが必要です。 収益を増やし、解約を減らし、より良いエクスペリエンスを提供して、現在の顧客などをアップセルできるようにしようとしている可能性があります。常に改善の余地があります。

データは、マーケティングワークフローの多くのプロセスにすでに通知されています。 分析データは、たとえば、ランディングページは、Webサイトの他のページと比較した場合、コンバージョン率が低いことを示している可能性があります。 このデータは、「低コンバージョン」として簡単に定義できる問題を示しています。

問題を知り、定義することは、問題を改善できることを意味します。

「完璧なウェブサイト」を最適化することは絶対にできません。 最適化を行うには、修正するものが必要です。 収益を増やし、解約を減らし、現在の顧客をアップセルできるように、より良いエクスペリエンスを提供しようとしている可能性があります。常に改善の余地があります。

データは、マーケティングワークフローの多くのプロセスにすでに通知されています。 このデータは、分析ソフトウェア、ヒートマップツール、顧客からのフィードバックなどから取得できます。このデータは、改善が必要な問題または領域を示しています。 たとえば、分析ソフトウェアが、トラフィックの多いランディングページでコンバージョン率が低いことを示している可能性があります。

改善が必要な領域を特定したら、問題を調査して解決策を見つけるときが来ました。

問題を知り、定義することは、問題を改善できることを意味します。

2.問題を調査する

あなたのデータが問題または修正すべき何かがあると言っているとき、どのようにして問題についてより多くの洞察を得るのですか？

もちろん、問題に関するより多くのデータを収集することによって！

前の例では、データは、多くのトラフィックを獲得しているランディングページで低いコンバージョン率を示しました。 訪問者がそのページでコンバージョンに至らない原因を正確に把握する必要があります。

このデータは、定量的ソースと定性的ソースの両方の混合物から取得できます。 フォーム分析、セッション記録、ユーザビリティ調査、顧客フィードバック、顧客インタビューなどを使用して、問題をさらに調査できます。

より多くの洞察があれば、トラフィックの多いランディングページのコンバージョン率が低い理由を理解できます。

コンバージョン率の低いランディングページでセッションの記録と投票を使用した後、訪問者はページの視覚的要素が気が散りすぎることに気付きます。 それで？

3.仮説を立てます

仮説は、Webサイトで特定した問題を何が修正するかについての知識に基づいた推測です。 この問題を修正すると、より多くの訪問者が目的のアクションを実行し、そのページ/サイトでのコンバージョンを向上させることができます。

前の例では、問題を気を散らす視覚要素として特定しました。 視覚的な要素を削除すると、ランディングページでのコンバージョンが増えるという仮説を立てます。

現実の世界では、改善が必要なページは1つだけではありません。 多くの場合、改善が必要なのは複数のページやサイトです。

これが優先順位付けの出番です。

複数のページに仮説を立てて、どの仮説が重要であり、最初にテストする必要があるかを決定します。 これは、PIEまたはICEの優先順位付けモデルを使用して実行できます。

PIE優先順位付けモデルでは、1〜5のスコアを使用して、3つの異なる要因で仮説をスコアリングします。5が最高のスコアです。 これらの要因は次のとおりです。

• 改善の可能性：仮説がテストページの改善につながる可能性。
• 重要性：テストページに到達するトラフィックの値
• 使いやすさ：仮説からの変更を実装する難しさの割合。

ICE優先順位付けモデルは同様のシステムを使用します。 しかし、その要因は次のとおりです。

• 影響：改善したい指標に対する仮説のプラスの影響の尺度。
• 自信：この仮説の影響についてどの程度確信しているか。
• 使いやすさ：仮説が要求する変更を実装するために必要なリソースの数の見積もり。

複数の仮説とそれらのさまざまな優先順位付けスコアを追跡するのは難しい場合があります。 Convert Compassを使用して、最新情報を入手できます。 これにより、仮説を作成し、いずれかのモデルに基づいてそれらに優先順位スコアを割り当てることができます。

構想の段階に基づいて仮説のステータスを示します。ドラフト、完了、実験への適用、アーカイブ。 1つのダッシュボードですべての仮説を表示および管理できます。

4.バリエーションを設計して実験を行う

仮説を作成して優先順位付けのスコアを付けたら、スコアの高い仮説を設計して実験を行うことができます。 通常、この実験は、例のランディングページのように制御できるA / Bテストと、仮説に基づいて設計したバリアント（視覚的要素が少ない）の形式を取ります。

サイトの季節性を考慮に入れて、実験を開始できるようになりました。 コンパスでは、完了した仮説を数秒以内にエクスペリエンスに変えることができます。

これにより、ConvertExperiencesダッシュボード内で仮説のテストを簡単に実行できます。 [実験の概要]の[統計と設定]をクリックしてオプションを編集し、実験を実行する日数と統計的有意性を設定します。

5.結果を分析し、結論に達する

実験の最後に、結果の分析が行われます。 結果は統計的に有効ですか？ 28,000を超える実験の2019年の分析では、わずか20％が95％の統計的有意水準に到達したことがわかりました。 統計的有意性と実験速度の間にはトレードオフがありました。

上記のConvertExperiencesで概説したように、信頼水準を設定できます。 これで、実験で収集したデータを詳しく調べることができます。

あなたのバリエーションはコントロールに対して実行されましたか？ あなたの仮説は正しかったですか？ 結果は、これらの質問などに答えます。

堅牢なレポートにより、結果の分析が容易になります。 実験でどのテストが勝ったか、その統計的妥当性、目標と指標などを一目で判断する機能。

結果を分析した後、結論が何であるかを明確にする必要があります。 あなたのバリエーションがあなたのコントロールを上回っている場合、結論はあなたの仮説が正しかったということであり、したがって、変更が実装されます。 コントロールが勝った場合、結論は、仮説が間違っていて、修正が必要な可能性があるということです。 実験からの洞察は、その後の実験を促進する可能性があります。

6.結果をソーシャル化する

これは最適化プログラムの重要な部分です。継続的な改善をサポートする実験プロセスを構築しているため、結果を社会化することが重要です。 これは、社内のさまざまなチームでの最適化に関する部族の知識を増やすのに役立ちます。 あなたの会社のチーム（製品、開発者、顧客、販売など）は、最適化、それが重要である理由、それがどのように機能し、それが持続可能な成長の構築にどのように役立つかを理解できる必要があります。 結果を社交することは、これを達成するのに役立ちます。

結果を共有するだけでなく、他の部門に明確な問題や仮説を投げかけることで、社会化をさらに進めることもできます。 社内の他のチームにテストの仮説を提供してもらいます。 これらの実験には、チーム名でラベルを付け、実験の終了後に結果をソーシャル化して、企業の実験に対する理解を深め、最適化の考え方を促進することができます。

エクスポートできる便利なグラフは、チームがバリエーションのパフォーマンスを一度に確認できるため、社交を容易にします。

7.ここに警告があります

このフレームワークは、組織に適応できる柔軟なガイドです。 非常に優先度が高いため、貴重なトラフィックや収益などを失っているため、バリエーションを設計してテストする必要がない場合があることを忘れないでください。そのような状況では、仮説と優先順位付けから、変更の実装とプッシュに直接移行します。住む。

たとえば、訪問者が変換するために必要なリンク切れのあるトラフィックの多いページがあるとします。 このページにコンバージョンが表示されないことを確認し、原因を調査した後、仮説を立てて、それに高い優先順位スコアを割り当てます。

この場合、あなたは何をしますか？

1. バリエーションを設計してテストすることにより、最適化フレームワークに厳密に従いますか？
2. ページの壊れたリンクを修正して、ライブでプッシュしますか？

答えは明らかに2番目のオプションです。 バリエーションを設計してテストすると、リソースが無駄になり、変換にコストがかかります。

時間をかけて、発生するWebサイトの各問題または改善点を検討してください。 すべての仮説が実験になるわけではありません。 実験に変える前に、すべての仮説の機会費用と重要性を考慮してください。

最適化プロセスのいくつかのステップをスキップした変更を行った結果を引き続きソーシャル化できます。 このフレームワークは、さまざまなパスをたどるのに十分な柔軟性があることを覚えておいてください。

最適化チームが持つべきスキルセット

強力なCRO実験プロセスを手に入れて、最適化チームのスキル分析を実行します。 あなたのチームは、実験の枠組みを明確にするのと同じくらい重要です。

最適化チームに不可欠なスキルは次のとおりです。

• マーケティングの洞察力
• データ分析
• ヒューリスティック/ユーザビリティ/UXデザイン
• ビジュアルデザイン
• 最適化の専門家
• コピーライティング
• フロントエンド開発
• プロジェクト管理

各スキルは、最適化プログラムで異なる役割を果たします。 たとえば、ビジュアルデザインは、見た目が異なり、情報をさまざまな方法で伝達するバリエーションを作成します。 最適化の専門家はテストを理解し、最適化戦略、関連するテクノロジー、方法論、統計などを作成できます。 フロントエンド開発は、Javascript、JQuery、タグのしくみ、ブラウザのレンダリングのしくみに関する知識をもたらします。

これらはチームを作るのに大変なことのように聞こえますが、これらのスキルはすでにチームに存在しています。 あなたのマーケティングチームのスキルの分析はこれをあなたに保証します。 あなたのマーケティングチームには、コピーライター、Google Analyticsを生き生きと呼吸している人、デザイナー、開発者などがいる可能性があります。

最適化チームに必要なすべてのスキルを持っていなくても、新しいチームメンバーを雇うために直接ジャンプする必要はありません。

まず、不足しているスキルを特定し、自問してみてください。

• このスキルのギャップを埋めるために社内で誰かをトレーニングできますか？
• 彼らは追加の責任を引き受けるのに十分な時間がありますか？ そうでない場合、私は彼らの時間を増やすべきですか？
• これらのスキルを外部委託できますか？ これらの役割を果たす信頼できる専門家を特定するにはどうすればよいですか？ Convertには、心配することなくアウトソーシングできる優れた最適化パートナーの精査されたディレクトリがあります。
• 最終的に誰かを雇う必要がありますか？

これらの質問は、行動方針を絞り込むのに役立ちます。 Convertでは、パーソナライズ実験を実行する場合は、最適化の専門家、開発者、およびパーソナライズの専門家を配置することをお勧めします。

最適化構造に必要なCROツール

朗報です。最適化の構造はほぼ完成しています。 フレームワークを強化するためのツールがなければ、フレームワークは完成しません。 選択したツールは、最適化構造を有効にするか、チームの作業を非常に困難にする可能性があります。

次のようなツールが必要です。

• リソースを調整する
• デザインバリエーション
• 要件を文書化する
• 実験を行う
• 結果データを分析する
• 実験結果を社会化する

これらは、マーケティングスタックに多くの新しいツールが必要なようです。 しかし、あなたはしません。 Asana、Basecamp、Trelloを使用してタスクを管理している可能性があります。 テストツールは、残りのすべてではないにしても、ほとんどを処理できるはずです。

Convert Experiencesでは、仮説を文書化し、実験に変換して結果を分析できます。 Convert Experiencesのデータを任意の分析ソフトウェアにエクスポートして、結果データを詳しく調べることができます。 Convertは、Google Analytics（ClassicとUniversalの両方）、Heap Analytics、Amplitude Analytics、Adobe Analytics、DecibelInsightなどと統合されています。 Convert Experiences80+Integrationsに飛び込みましょう。

ダッシュボードを介して、実験の結果を会社の他のメンバーと共有して、結果をソーシャル化し、部族の知識を深めることもできます。

まとめ

会社で一貫した最適化をサポートする構造を構築するには、意図的なアクション、優れた実験フレームワーク、優れたツールスタック、および優れたスキルが必要です。

重要なことは、どんなに小さくても、最適化プログラムを構築するためのステップを踏むことです。 採用した考え方の転換を実践し、チームでスキルを育成し、テストソリューションに優れたCROツールを使用することを忘れないでください。

ConvertCompassとConvertExperiencesを15日間無料で試して、強力な最適化フレームワークを構築するための最初の一歩を踏み出しましょう（厄介なクレジットカードは必要ありません！）