Jak zwiększyć prędkość testowania? Dlaczego potrzebujesz programu o wysokiej prędkości?

Zazwyczaj, jeśli przeprowadzasz 4 testy CRO każdego miesiąca (jest to test na tydzień) i jeśli 10% testów wygrywa, prowadzisz dobry program optymalizacyjny. To przyzwoita zdolność testowa i niezły współczynnik wygranych.

Jeszcze lepiej, jeśli uda Ci się uzyskać dobry wzrost wyników zwycięskich testów, a wydajność Twojego programu będzie się poprawiać z biegiem czasu.

Jednak większość programów optymalizacyjnych nie działa tak dobrze.

W rzeczywistości tylko 22% firm jest zadowolonych ze swoich działań CRO.

Oznacza to, że aż 78% firm mogłoby zoptymalizować swoje programy optymalizacyjne.

Ale jak…

Co zabija większość programów optymalizacji konwersji

Problem z większością programów optymalizacyjnych polega na tym, że nie są one przeznaczone do długoterminowego sukcesu. Zamiast tego rozwijają się na zasadzie test po teście.

Takie programy są w większości tak skuteczne (lub nie) jak ostatni test, który przeprowadzili.

A firmy, które je prowadzą, postrzegają realizację eksperymentów jako wygraną. Ich krótkowzroczność powstrzymuje ich przed rozwijaniem infrastruktury w celu wspierania spójnego programu testowania jakości.

Prawdą jest, że dobre wykonanie jest koniecznością w każdym eksperymencie, ale nawet zły eksperyment można przeprowadzić naprawdę dobrze.

Ale nikt nie wygrywa, gdy to się dzieje.

Skupienie się wyłącznie na wykonaniu i niewystarczająca ilość czasu i wysiłku na takie kroki, jak tworzenie pomysłów, stawianie hipotez i dokumentowanie/uczenie się – które faktycznie determinują jakość eksperymentów – zwykle skutkuje tylko krótkoterminowym sukcesem, jeśli w ogóle.

Zobaczmy więc, jak można zwiększyć szybkość testowania i uruchomić dobry program optymalizacyjny. Jeśli już go prowadzisz, możesz skorzystać z tych wskazówek, aby jeszcze bardziej poprawić współczynnik wygranych i ogólną wydajność programu.

Tutaj idzie.

Jak wygenerować więcej pomysłów do przetestowania

Aby przeprowadzić (co najmniej) 4 testy każdego miesiąca, potrzebujesz potoku pełnego pomysłów na testowanie. Bez „banku pomysłów” nie można zapewnić dobrej i spójnej prędkości testowania.

Mimo to w większości programów CRO testy są planowane, gdy ktoś w zespole ma pewnego rodzaju objawienie testowe CRO.

W idealnym przypadku powinieneś mieć stały napływ pomysłów na testowanie jakości do swojego programu eksperymentów. Te pomysły na testowanie mogą pochodzić z:

• Zagłębianie się w góry danych generowanych przez Twoje narzędzia CRO. Najlepszym sposobem na znalezienie pomysłów na testowanie jest zagłębienie się w swoje dane. Twoje rozwiązania analityczne, takie jak Google Analytics, Kissmetrics, Mixpanel itp., są doskonałym źródłem do znajdowania stron, na których tracisz najwięcej osób lub takich, które mają niski wskaźnik zaangażowania. Narzędzia takie jak Hotjar, Clicktale i Decibel pokazują, co Twoi użytkownicy robią w Twojej witrynie i mogą pomóc zidentyfikować Twoje prawdziwe punkty konwersji. Są też rozwiązania takie jak UserTesting, UsabilityHub i Usabilla, które pozwalają zbierać mnóstwo jakościowych informacji zwrotnych, które mogą przełożyć się na kilka kluczowych możliwości testowania. Chociaż przeglądanie tak wielu silosów danych jest trudne, są to miejsca, z których pochodzą prawdziwe zwycięskie pomysły na testowanie.

• Przeprowadzenie manualnego audytu CRO. Audyt Twojej witryny pod kątem CRO ujawnia niektóre z najbardziej wartościowych luk optymalizacyjnych do testowania. Przeprowadzenie audytu CRO zmusza Cię do systematycznego przyjrzenia się każdemu aspektowi Twojej witryny (i nie tylko) i zobaczenia, gdzie możesz tracić pieniądze.

• Korzystanie z ocen, takich jak Stuck Score, aby wykryć „bariery konwersji” w Twojej witrynie. Możesz także użyć ocen, takich jak Stuck Score, które ujawnią problemy z konwersją w Twojej witrynie i zaoferują doskonałe pomysły do ​​przetestowania. Narzędzia te są inteligentne i potrafią precyzyjnie wykryć możliwości testowania w całej witrynie.

Gdy zaczniesz korzystać z tych źródeł, powinieneś być w stanie wygenerować spójny strumień pomysłów.

Ale generowanie pomysłów na testowanie jakości to tylko jeden z aspektów tego problemu. Drugi to brak komunikacji i współpracy w zakresie rozważanych pomysłów. To może wydawać się trywialne (bo przecież potrzebujesz tylko danych, prawda?), ale te kwestie głęboko wpływają na twoich ludzi i mogą wypaczyć twoją kulturę eksperymentowania.

Weźmy na przykład słynny eksperyment z 41 odcieniami niebieskiego, którego wypróbował Google. Eksperyment Google – chociaż oparty na danych – był wciąż krytykowany za przyjęcie podejścia inżynierskiego. Oto, co Douglas Bowman, który pracował jako wewnętrzny projektant Google, odniósł się do tego, jak Google radziło sobie z eksperymentami: „ Tak, to prawda, że ​​zespół Google nie mógł zdecydować między dwoma niebieskimi, więc testuje 41 odcieni między każdym niebieskim aby zobaczyć, który z nich działa lepiej. Niedawno odbyłem debatę na temat tego, czy obramowanie powinno mieć szerokość 3, 4 czy 5 pikseli i zostałem poproszony o udowodnienie mojej racji. Nie mogę działać w takim środowisku. Zmęczyłem się dyskutowaniem o tak drobiazgowych decyzjach projektowych”.

Bez dzielenia się pomysłami, które rozważasz i angażowania swojego zespołu, nie możesz zbudować wszechstronnej kultury eksperymentowania, której każdy chce być częścią.

Dzięki narzędziu CRO, takiemu jak Compass (z naszego pakietu Convert), możesz bez wysiłku ułatwić takie oparte na danych, wspólne tworzenie pomysłów. Compass pozwala wymyślać pomysły na testy oparte na danych, łącząc różne źródła danych, a także sugeruje pomysły do ​​przetestowania na podstawie spostrzeżeń z Stuck Score. Compass pozwala nawet zaprosić członków zespołu i zaangażować ich w opcje przekazywania opinii i nie tylko.

Formułowanie hipotez opartych na danych i priorytetyzacja skoncentrowana na laserze

Gdy masz już swoje pomysły na testy, przekonasz się, że kilka z nich jest po prostu oczywistych. Na przykład, jeśli otrzymujesz informację zwrotną od użytkowników, że Twoje treści nie są czytelne (a docelową grupą demograficzną są, powiedzmy, osoby powyżej czterdziestu lat), być może możesz wdrożyć pomysł zwiększenia rozmiaru czcionki lub zmiany jej koloru z dala. W końcu jest to jednominutowa poprawka z niewielką zmianą kodu CSS.

Niektóre z twoich pomysłów wyglądałyby obiecująco i wydawałyby się całkowicie warte przetestowania, ale nadal będziesz musiał poszukać „wystarczających” punktów danych, aby je wesprzeć [więcej o tym za minutę…].

A niektóre pomysły musiałbyś po prostu odrzucić, ponieważ byłyby niejasne i nie miałbyś możliwości ich potwierdzenia. Na przykład, jeśli Twój audyt CRO wykaże, że masz niski wynik NPS i uznasz, że jest to przyczyną słabych konwersji, nie możesz użyć prostego eksperymentu, aby to naprawić.

Spośród nich pomysły, które faktycznie mogą przełożyć się na mocne hipotezy, są Twoimi prawdziwymi możliwościami testowania.

Ale potrzebujesz DUŻO danych, aby poprzeć każdą postawioną hipotezę. Jeśli więc na przykład założysz, że optymalizacja jakości mobilnej strony docelowej spowoduje wzrost liczby konwersji , potrzebujesz do tego kilku punktów danych. W takim przypadku oto niektóre dane, których możesz użyć:

1. Niskie konwersje mobilne — dane za pośrednictwem rozwiązania do analityki internetowej, takiego jak Google Analytics.
2. Niezwykle wysoki spadek ruchu mobilnego — znowu dane za pośrednictwem rozwiązania do analityki internetowej, takiego jak Google Analytics.
3. Słabe informacje zwrotne od klientów — dane za pośrednictwem rozwiązania do testowania użytkowników.

Jak widać, dane tworzące tę hipotezę są dość zrównoważone, ponieważ masz dane wejściowe z wielu źródeł danych. Ponadto masz zarówno dane ilościowe, jak i jakościowe. Idealnie byłoby, gdybyś znalazł takie zrównoważone dane, aby wesprzeć wszystkie twoje „godne przetestowania” pomysły.

Ale jeszcze nie skończyłeś.

Ponieważ po przygotowaniu wszystkich dobrych hipotez potrzebujesz sposobu na ich ocenę lub ustalenie ich priorytetów. Dzięki temu dowiesz się, którą hipotezę należy wypróbować jako pierwszą — lub w ogóle. WSKAZÓWKA: „Przetestujmy nowy projekt strony internetowej!!! To zwiększy naszą sprzedaż”. jest zwykle BARDZO ZŁĄ hipotezą.

Wiele czynników decyduje o tym, jak praktyczne jest testowanie hipotezy. Należy tutaj wziąć pod uwagę czas i trudność jego wdrożenia oraz potencjalny wpływ, jaki może mieć na konwersje.

Jednak większości firm brakuje w tym celu modelu ustalania priorytetów. To często skutkuje uruchomieniem ambitnego testu, takiego jak, powiedzmy, gruntowny przegląd projektu, który zużywa cały miesięczny przepustowość CRO. Co oznacza, że ​​nie możesz planować ani przeprowadzać kolejnych testów, przynajmniej na miesiąc. Najgorsze jest to, że nawet tak ambitne testy nie gwarantują znaczących wyników.

Aby tego uniknąć, możesz użyć struktury priorytetów PXL z CXL. Te ramy zmuszają Cię do myślenia na bardzo szczegółowym poziomie, takim jak lepsze zrozumienie proponowanych zmian, ocena, w jaki sposób rozwiązuje problemy wykryte podczas badań, ich potencjalny wpływ i wysiłek związany z wdrożeniem.

Możesz również zapoznać się z ramami PIE i ICE Score, aby ustalić priorytety swoich hipotez.

Jeszcze lepszym sposobem na ustalenie priorytetów hipotez jest użycie narzędzia CRO, które może powiedzieć, jak czasochłonny i czasochłonny może być eksperyment. Na przykład Compass podaje dobre szacunki dla wszystkich twoich hipotez.

Ucz się na podstawie testów A/B

Testy mogą być niejednoznaczne.

W przypadku większości programów do optymalizacji współczynnika konwersji otrzymujesz zaledwie 20% testów osiągających istotność statystyczną.

Tak więc cała nauka musi wrócić do mieszanki testowej i zostać wykorzystana do wymyślenia lepszych i bardziej wyrafinowanych pomysłów i hipotez.

Co więcej, zwycięskie eksperymenty mogą być również przegrane, gdy wygrywa wersja challenger, ale czołgi dochodowe.

Poza tym, jeśli hipoteza jest naprawdę silna i poparta danymi, często tworzy się dla niej około 3-4 eksperymentów kontrolnych (nawet jeśli pierwszy eksperyment wygrał!).

Oznacza to, że sama interpretacja i zapisanie wyników eksperymentu nie wystarczy. Aby zaplanować sensowne testy iteracyjne, musisz udokumentować cały proces eksperymentowania za każdym razem, gdy je uruchamiasz.

Dokumentując swoje obserwacje i wnioski, LinkedIn był w stanie śledzić nieudany eksperyment, który w rzeczywistości był zwycięzcą pod względem kluczowej testowanej funkcji. Oto pełna miarka:

W 2013 r. LinkedIn Search rozpoczął duży eksperyment, w którym udostępniła ulepszoną ujednoliconą funkcję wyszukiwania. Zasadniczo LinkedIn Search jest „wystarczająco inteligentny”, aby automatycznie określić intencję zapytania bez wymaganych kwalifikatorów, takich jak „Ludzie”, „Praca” lub „Firmy”. Strona docelowa wyszukiwania została całkowicie przebudowana w tej wersji — wszystko, od paska nawigacyjnego po przyciski i fragmenty, zostało przerobione, więc użytkownicy zobaczyli wiele, wiele zmian.

Ale eksperyment się nie powiódł, a LinkedIn był zaskoczony, widząc swój zbiornik z kluczowymi metrykami.

Zespół zdecydował się teraz na powrót do pierwotnego projektu, cofając się po jednej zmianie na raz, aby mógł zidentyfikować tę, która nie spodobała się użytkownikom. Podczas tego czasochłonnego wycofywania, LinkedIn odkrył, że nie było to ujednolicone wyszukiwanie, które ludziom się nie podobało, ale była to grupa kilku małych zmian, które obniżyły liczbę kliknięć i przychody. Gdy LinkedIn je naprawił, ujednolicone wyszukiwanie okazało się mieć pozytywne wrażenia dla użytkowników i zostało wydane dla wszystkich.

Niezależnie od tego, czy jest to prosty test A/B, czy złożony, wielowymiarowy, każdy rozpoczęty eksperyment powinien być szczegółowo udokumentowany. Jego wnioski również muszą być udokumentowane. W ten sposób możesz upewnić się, że Twoje przyszłe (lub kolejne) eksperymenty będą rzeczywiście lepsze niż wcześniejsze.

Za pomocą narzędzia CRO, takiego jak Convert Compass, możesz zbudować bazę wiedzy zawierającą swoje pomysły, obserwacje, hipotezy i wnioski, aby cały zespół mógł uczyć się i rozwijać razem. Nie tylko to, Compass może nawet wykorzystać twoje wnioski, aby zaproponować hipotezę, którą możesz wypróbować w następnej kolejności.

Podsumowując…

Optymalizując elementy tworzenia pomysłów, hipotez i uczenia się w programie CRO, możesz radykalnie poprawić jakość swoich eksperymentów. A współpracując i angażując wszystkich swoich ludzi w tym zakresie, możesz zbudować i wzmocnić wszechstronną kulturę eksperymentowania.

Możesz mieć trudności ze zgromadzeniem wszystkich danych, gdy wymyślasz lub cierpisz z powodu przytłaczania danych podczas stawiania hipotez (i ustalania priorytetów), a nawet trudności z dokumentowaniem lub wykorzystywaniem wiedzy do dalszych eksperymentów, ale to są rzeczy, które pomogą Ci zwiększyć liczbę testów prędkość i przygotuj grunt pod Twój długoterminowy sukces CRO.

Jeśli wolisz korzystać z narzędzia CRO, które wykonuje wszystkie te zadania za Ciebie, zarejestruj się poniżej .

Compass pomaga w tworzeniu pomysłów opartych na danych (poprzez zebranie wszystkich danych z różnych silosów danych i danych wejściowych z testu Stuck Score, sugerujących pomysły do ​​wypróbowania w pierwszej kolejności), znaczącej priorytetyzacji (poprzez informowanie, jak trudny, łatwy lub wpływ może być eksperyment ) oraz dokumentację swoich wniosków (poprzez zebranie wszystkich pomysłów, badań danych, obserwacji, wyników, wniosków i innych informacji w jednym miejscu!).