実用的な仮説の構築：専門家のやり方

仮説とは何ですか？

問題に対する提案された解決策。その妥当性には評価が必要です。

仮説が最適化プログラムにとって重要なのはなぜですか？

改善への本質的な欲求は最適化プログラムを推進するものですが、テストのためだけのテストは失敗への準備です。 実験には、成功を決定する主要な目標が必要です。

仮説を立てることは、その目標が何であるか、それを達成するためにどのように試みるべきか、そしてどのような結果を探すべきかについて考えることを私たちに強います。 良い仮説は構造を提供します。

仮説が不十分だと混乱が生じます。 ガベージイン、ガベージアウト。 仮説は実験の基礎であり、分割テストを構築するために必要なすべての情報が含まれています。

分割検定仮説をどのように構築しますか？

分割テストの仮説には、理解、応答、結果の3つの主要な要素があります。

コンポーネントを覚えやすくするために、コンポーネントは私たち全員がよく知っているCROの頭字語に従います。

各コンポーネントは、調査、設計、および測定によって収集されたデータを説明する2〜4個の短いスニペットで構成されています。 スニペットをまとめて文にまとめると、確かな仮説が立てられます。 各データスニペットが太字でマークされている例を次に示します。

• 理解度：過去6か月の購入データを比較することで、複数アイテムの購入が減少していることがわかりました。

• 回答：すでにカートに入っている商品を持っているリピーター向けに、携帯電話のカートページでインラインアップセルを使用してペア商品を宣伝したいと考えています。

• 結果：これにより、単一アイテムの購入者は、平均注文額（AOV）で測定され、平均注文サイズ、複数アイテムの購入数、注文の変換、および収益でバックアップされる補完的な製品をより簡単に見つけて購入できるようになります。

各スニペットが、調査から収集された、設計によって提案された、または測定基準の概要を示した重要なデータの説明であることがわかります。

一緒に組み立てられて、彼らは完全な仮説として読みます。 それでは、各コンポーネントについて詳しく見ていきましょう。

理解

理解は研究から生まれます。 それはあなたが利用したい問題を特定して理解することです。 例：「ユーザーの90％は、3回目の入力後にサインアップフォームを放棄しています。」 理解は、観察と観察方法の2つのスニペットで構成されます。

観察

問題を特定するには、まずそれを観察する必要があります。 いくつかのデータを掘り下げて、手を汚してください。 あなたが望むようにうまく機能していないあなたのサイトについて何かを見つけてください。 調査の2つの主要な手段は、分析とフィードバックです。 分析は、大規模な数値的で定量的なデータです。 通常、後で集計するために受動的に収集される数値の統計データ。 フィードバックは、積極的に収集され、ユーザーの行動を表す説明的な事例データです。

観察方法

問題を特定するために使用したツール、手法、またはプロセス。 観察方法を仮説に組み込むことは、あなたが研究を行ったことを証明するのに役立ちます。 各タイプの研究の観察方法の例は次のとおりです。

分析

• テクニック：ヒートマップ、ページファネル、セッションリプレイ
• ツール： Google Analytics、SessionCam、FullStory

フィードバック

• テクニック：調査、ユーザビリティテスト、製品レビュー
• ツール： Hotjar、Qualaroo、TurnTo

応答

応答は設計から来ます。 それはあなたがしたい変更を提案し、ターゲットにしています。 多くの場合、これには、「カテゴリグリッド表示の商品画像のサイズを大きくするとどうなるか」などの質問から始めることができます。

応答は、実験の「肉とジャガイモ」です。 分割テストソフトウェアで構成されるコア。 応答を形成するスニペットは、バリエーション、場所、およびオーディエンスです。

変化

改善として提案されているもの。 これは実験の理論的な部分です。 大小を問わず、サイトの現在の状態を上回ると思われる変更が何であれ、ボタン上の行動を促すテキストの強化、画像の拡大、フォーム入力の削減、ヘッダーナビゲーションの再設計などが行われます。 あなたは絵を手に入れます。 ベースラインを上回るためのアイデアの簡単な説明。

位置

あなたのウェブサイトで実験が行われる場所。 ページの種類、URLターゲティング、デバイススコープ、画面ブレークポイント。

観客

誰が実験を見るべきか。 意味のある行動フィードバックの提供に関連するユーザーのステータスに関する具体的な詳細。

応答のスニペットは、実験のスコープを設定し、結果データの信号対雑音比を微調整する方法です。

たとえば、バリエーションがeComサイトの推定注文合計の位置を変更している場合、ターゲティングはカートページであり、オーディエンスはカートにアイテムを持っているユーザーのみになります。 とにかくカートの合計を表示するUI要素が表示されないため、空のカートページを操作するユーザーからデータを収集することは望ましくありません。

ターゲティングとオーディエンス構築を非常に高度化できるA/Bテストツールをお探しですか？ ConvertExperiencesの機能を確認してください。

結果

結果は測定から得られます。 それは成功がどのように定義され評価されるかです。 結果のスニペットは、必要な動作の変更、プライマリKPI、およびセカンダリKPIです。

望ましい行動の変化

応答によって引き起こされることを望むユーザーの行動の変化。 ポジティブな行動を奨励するか、ネガティブな行動を思いとどまらせるかのどちらかです。

プライマリKPI

実験の成功または失敗を決定するメトリック。 実験が影響を与えようとしているユーザーアクションの測定。 実験の存在理由。

セカンダリKPI

プライマリKPIをバックアップするメトリック。 これらは、プライマリKPIによって伝えられているストーリーを具体化したり、予期しないユーザーの行動をチェックしたりするのに役立ちます。 セカンダリKPIは、多くの場合、ターゲットエリアとプライマリKPIエンドポイント間の目標到達プロセスの各段階でのコンバージョンです。

たとえば、プライマリKPIが注文からの収益であり、実験が商品ページを対象としている場合、セカンダリKPIはカートへの追加、カートページビュー、チェックアウトページビュー、および注文変換になります。

仮説ビルダー

Corvus CROでは、CROの専門家の生活を楽にするための小さなツールを構築することに専念しています。 そのために、分割テスト仮説の構築を簡素化および標準化するのに役立つ仮説ビルダーを構築しました。 これは、必要なスニペットごとにテキスト入力を受け取り、それらを完全な仮説にまとめるWebフォームです。 このツールを使用して、独自の仮説を証明および構築できます。 「クリップボードにコピー」ボタンもあるので、構築した仮説を簡単に取得して、選択したプロジェクト管理ツールに貼り付けることができます。 このツールを私たちと同じように活用していただければ幸いです。

各スニペットの収集は時間のかかるプロセスになる可能性がありますが、見返りはしっかりと構築された実験であり、長期的にはより全体的な価値を提供します。

1オンスの予防は1ポンドの治療の価値があります。 前もってもう少し準備作業を行うと、後のオーバーヘッドが大幅に削減されます。