Test della serie di mappe mentali: come pensare come un professionista CRO (parte 22)

Intervista a Nils Koppelmann

Nils Koppelmann è un appassionato sostenitore dei vantaggi della sperimentazione e del processo decisionale basato sui dati. Capisce che il successo del test A/B non consiste solo nel scoprire se qualcosa funziona, ma perché funziona, ed è qui per sfatare due miti comuni su questa pratica.

Che i test A/B introducano rischi e che le piccole aziende non possono testare in modo efficace. Al contrario, Nils ritiene che i test A/B possano aiutare a ridurre i rischi fornendo informazioni su cosa funziona e cosa no. E mentre le piccole aziende possono avere meno traffico delle grandi aziende, possono effettivamente testare in modo più audace perché c'è meno in gioco.

Quindi la prossima volta che ritieni che i test A/B siano troppo rischiosi o costosi, leggi questa intervista a Nils per suggerimenti su come testare efficacemente sul tuo sito senza introdurre rischi inutili.

Nils, parlaci di te. Cosa ti ha spinto a dedicarti a test e ottimizzazione?

Negli ultimi 8+ anni ho creato siti web e negozi online per aiutare i clienti grandi e piccoli a "ottimizzare" la loro presenza online.

Qualche tempo fa, i miei pensieri si sono rivolti a come garantire che i nostri progetti abbiano davvero l'impatto desiderato.

Quando ho incontrato per la prima volta il termine Ottimizzazione del tasso di conversione circa 3 anni e mezzo fa, mi sono chiesto perché non fosse qualcosa su cui ci eravamo già concentrati. Da quel momento in poi, ho spostato la mia attenzione dalla fornitura di design e tecnologia alla fornitura di intuizioni e risultati.

Il mondo dell'ottimizzazione ha così tanto potenziale che è ancora in gran parte inesplorato dalla maggior parte delle aziende online. Dovremmo sfruttare la grande quantità di dati disponibili e imparare da essa in modo da poter migliorare continuamente.

Una delle cose più sorprendenti per me è quanto sia divertente imparare di nuovo. Non avrei mai pensato che avrei aperto volontariamente un libro di statistica (grido a Georgi Georgiev e al suo grande libro Metodi statistici di test A/B online) e l'avrei letto davvero. Questo e molti altri aspetti continuano a ispirarmi a mettermi alla prova per imparare.

Da quanti anni stai ottimizzando?

La voglia di ottimizzare nasce dall'insoddisfazione per lo status quo, dalla curiosità per ciò che c'è di più e dalla certezza che tutto può essere migliorato.

In un contesto professionale, sto ottimizzando da circa 8 anni. Inizialmente, costruendo e ottimizzando progetti collaterali e aiutando le aziende a migliorare siti Web e negozi online. Ora stiamo aiutando aziende nuove e affermate a creare una cultura della sperimentazione e utilizzare il potere degli esperimenti per aumentare la loro crescita.

Ripensandoci, non ricordo di non aver mai ottimizzato. Già da bambino, mi sono sempre interrogato sul modo in cui le cose venivano fatte. Ricordo che mio padre disse che avevo fatto “troppe” domande, cosa che in retrospettiva sono davvero felice di aver fatto e di fare tuttora.

Anche nella mia vita personale, sono noto per monitorare e ottimizzare la maggior parte degli aspetti della mia vita.

Qual è l'unica risorsa che consigli agli aspiranti tester e ottimizzatori?

Ci sono molte risorse che consiglierei a qualcuno che inizia, ma rendiamolo un po' più pratico.

Per iniziare, ecco alcuni suggerimenti:

1. Sii più curioso e inizia a chiederti perché qualcosa viene fatto così com'è. Questo da solo aprirà una visione completamente nuova del mondo.
2. Dedica più tempo a pensare al problema che a trovare soluzioni. Devi prima capire veramente il problema, poi le soluzioni arriveranno più facilmente.
   
   Come disse Albert Einstein, "Se avessi un'ora per risolvere un problema, passerei 55 minuti a pensare al problema e 5 minuti a pensare alle soluzioni".
   
   Detto questo, è importante pensare fuori dagli schemi, il che significa non solo pensare all'interno dei parametri del problema, ma anche considerare gli angoli e le possibilità esterne.
   
   La chiave è trovare un equilibrio tra i due.
3. Impara a fare domande migliori. Questo è uno degli strumenti più utili che qualsiasi ottimizzatore può avere nel proprio arsenale perché abilita e attinge alla curiosità.

Inoltre, condivido articoli, risorse e strumenti interessanti nella mia newsletter settimanale di sperimentazione, rivolta sia ai principianti che ai veterani della sperimentazione.

Risposta in 5 parole o meno: qual è per te la disciplina dell'ottimizzazione?

Prova per imparare. Miglioramento continuo. Sperimentazione. Sistemi di costruzione.

Quali sono le 3 cose principali che le persone DEVONO capire prima di iniziare a ottimizzare?

Prima ricerca, poi prova. Prima di iniziare l'ottimizzazione, assicurati di supportare le tue ipotesi con dati, qualitativi e quantitativi. Quindi crea ipotesi forti basate su quello.

Non solo ottimizzare per rialzi a breve termine: sebbene sia di vitale importanza per il programma avere un ROI positivo, non dovrebbe concentrarsi solo su questo, ma anche considerare l'ampia gamma di opportunità di apprendimento e il limite di rischio che la sperimentazione comporta.

Gli sforzi di ottimizzazione non dovrebbero mirare a dimostrare che hai ragione o torto, ma a determinare il perché, in entrambi i casi. Non ha senso ottimizzare qualcosa se non capisci come ci sei arrivato e come replicare per arrivarci. Per un successo a lungo termine nei test A/B, è fondamentale disporre di buoni sistemi in atto.

Come tratti i dati qualitativi e quantitativi in ​​modo che raccontino una storia imparziale?

Non ci sono dati imparziali, ma per ridurre al minimo la distorsione verso qualsiasi tipo di dato, è importante capire come i dati sono stati raccolti, come vengono interpretati e quali conclusioni se ne traggono.

Per classificare l'affidabilità dei dati di cui stai parlando, dovresti controllare la Gerarchia delle prove.

Usiamo i dati quantitativi per prefiltrare, quindi utilizziamo i dati qualitativi e le risorse scientifiche per approfondire, e poi ancora i dati quantitativi per provare o smentire le ipotesi e le ipotesi iniziali.

Al vertice dei nostri sforzi c'è la cosiddetta meta analisi, che ci consente di cercare modelli negli esperimenti precedenti e allineare ulteriori ricerche e sforzi di sperimentazione.

Un altro buon modo per rimuovere i pregiudizi è creare una disconnessione tra la persona che sta creando l'esperimento e quella che ne sta valutando i risultati. Questo riduce al minimo la distorsione verso il successo di un esperimento.

Qual è il mito dell'ottimizzazione più fastidioso che vorresti andasse via?

Vorrei sfatare due miti:

1. Quel test introduce rischi, quando in realtà diminuisce i rischi se eseguito correttamente
2. Che le piccole aziende non possono testare, quando in realtà le piccole aziende con poco traffico possono testare più audacemente perché c'è meno rischio associato / meno in gioco.

Se tutto va bene, la nostra intervista con Nils ti aiuterà a guidare la tua strategia di sperimentazione nella giusta direzione!

Qual è il consiglio che ti ha colpito di più?

E se non l'hai già fatto, dai un'occhiata alle nostre interviste passate con le leggende del CRO Gursimran Gujral , Haley Carpenter , Rishi Rawat , Sina Fak , Eden Bidani , Jakub Linowski , Shiva Manjunath , Deborah O'Malley , Andra Baragan , Rich Page , Ruben de Boer , Abi Hough , Alex Birkett , John Ostrowski , Ryan Levander , Ryan Thomas , Bhavik Patel , Siobhan Solberg , Tim Mehta , Rommil Santiago e il nostro ultimo con Steph Le Prevost .