Test Hızını Nasıl Artırabilirsiniz? Neden Yüksek Hızlı Bir Programa İhtiyacınız Var?

Tipik olarak, her ay 4 CRO testi yaparsanız (bu bir test/haftadır) ve testlerinizin %10'u kazanırsa, iyi bir optimizasyon programı çalıştırıyorsunuz demektir. Bu iyi bir test kapasitesi ve güzel bir kazanma oranı.

Daha da iyisi, kazanan testleriniz için iyi bir artış sağlarsanız ve programınızın performansı zaman içinde gelişmeye devam eder.

Ancak çoğu optimizasyon programı o kadar iyi çalışmıyor.

Aslında şirketlerin sadece %22'si CRO çabalarından memnun.

Bu, şirketlerin %78'inin optimizasyon programlarını optimize edebileceği anlamına geliyor.

Ama nasıl…

Çoğu Dönüşüm Optimizasyon Programını Ne Öldürür?

Çoğu optimizasyon programındaki sorun, uzun vadeli başarı için tasarlanmamalarıdır. Bunun yerine, test bazında gelişirler.

Bu tür programlar çoğunlukla yalnızca çalıştırdıkları son test kadar etkilidir (ya da değil).

Ve onları çalıştıran şirketler, deneylerin uygulanmasına kazanç olarak bakıyor. Miyop görüşleri, tutarlı, kaliteli bir test programını desteklemek için altyapıyı geliştirmelerini engelliyor.

Herhangi bir deney için iyi yürütmenin bir zorunluluk olduğu doğru olsa da, kötü bir deney bile gerçekten iyi yürütülebilir.

Ama bu olduğunda kimse kazanmıyor.

Yalnızca uygulamaya odaklanmak ve deneylerin kalitesini gerçekten belirleyen fikir oluşturma, hipotez oluşturma ve belgeleme/öğrenme gibi adımlara yeterince zaman ve çaba harcamamak, eğer varsa, genellikle yalnızca kısa vadeli başarı ile sonuçlanır.

Şimdi test hızını nasıl artırabileceğinizi ve iyi bir optimizasyon programını nasıl çalıştırabileceğinizi görelim. Halihazırda bir tane çalıştırıyorsanız, kazanma oranınızı ve genel program performansınızı daha da iyileştirmek için bu ipuçlarını kullanabilirsiniz.

İşte gidiyor.

Test Edilecek Daha Fazla Fikir Nasıl Üretilir

Her ay (en az) 4 test yapmak için test fikirleriyle dolu bir boru hattına ihtiyacınız var. Bir "fikir bankası" olmadan, iyi ve tutarlı bir test hızını destekleyemezsiniz.

Buna rağmen, çoğu CRO programında testler, ekipten birinin bir tür CRO testi epifanisi olduğunda planlanır.

İdeal olarak, deney programınıza sürekli bir kalite testi fikirleri akışına sahip olmalısınız. Bu test fikirleri şunlardan gelebilir:

• CRO araçlarınızın ürettiği veri dağlarını kazmak. Test fikirlerini belirlemenin en iyi yolu verilerinizi derinlemesine incelemektir. Google Analytics, Kissmetrics, Mixpanel vb. analitik çözümleriniz, çoğu kişiyi kaybettiğiniz veya düşük etkileşim oranlarına sahip sayfaları bulmak için mükemmel kaynaklardır. Hotjar, Clicktale ve Decibel gibi araçlar, kullanıcılarınızın web sitenizde ne yaptığını gösterir ve gerçek dönüşüm noktalarının belirlenmesine yardımcı olabilir. Ardından, diğerlerinin yanı sıra, test için bazı önemli fırsatlara dönüşebilecek çok sayıda nitel geri bildirim toplamanıza izin veren UserTesting, UsabilityHub ve Usabilla gibi çözümler vardır. Bu kadar çok veri silosunu incelemek zor olsa da, bunlar gerçek kazanan test fikirlerinin geldiği yerlerdir.

• Manuel bir CRO denetimi çalıştırma. Web sitenizi CRO için denetlemek, test için en değerli optimizasyon boşluklarından bazılarını ortaya çıkarır. Bir CRO denetimi yapmak, sizi web sitenizin her yönüne (ve ötesine) sistematik olarak bakmaya ve nerede para kaybedebileceğinizi görmeye zorlar.

• Web sitenizdeki “dönüşüm engellerini” tespit etmek için Sıkışmış Puan gibi değerlendirmeleri kullanmak. Ayrıca, web sitenizdeki dönüşüm sorunlarını ortaya çıkaran ve test etmek için mükemmel fikirler sunan Stuck Score gibi değerlendirmeleri de kullanabilirsiniz. Bu araçlar akıllıdır ve tüm web sitenizdeki test fırsatlarını tam olarak tespit edebilir.

Bu kaynaklardan yararlanmaya başladığınızda, tutarlı bir fikir akışı oluşturabilmelisiniz.

Ancak kalite testi fikirleri üretmek, bu konunun yalnızca bir yönüdür. Diğeri, ele alınan fikirler üzerinde iletişim ve işbirliği eksikliğidir. Bu önemsiz görünebilir (çünkü sonuçta yalnızca verilere ihtiyacınız var, değil mi?), ancak bu sorunlar çalışanlarınızı derinden etkiler ve deney kültürünüzü çarpıtabilir.

Örneğin, Google'ın denediği mavinin 41 tonuyla ünlü deneyini ele alalım. Google'ın deneyi -olduğu gibi veri bilgili- mühendis liderliğindeki bir yaklaşımı benimsediği için hala eleştirildi. Google'ın şirket içi tasarımcısı olarak çalışan Douglas Bowman, Google'ın denemesini nasıl ele aldığı konusunda hissettikleri: “ Evet, Google'daki bir ekibin iki mavi arasında karar veremediği doğru, bu nedenle her mavi arasında 41 tonu test ediyorlar. Hangisinin daha iyi performans gösterdiğini görmek için. Yakın zamanda bir sınırın 3, 4 veya 5 piksel genişliğinde olması gerekip gerekmediği konusunda bir tartışma yaşadım ve davamı kanıtlamam istendi. Böyle bir ortamda çalışamam. Böyle ufacık tasarım kararlarını tartışmaktan bıktım usandım.”

Düşündüğünüz fikirleri paylaşmadan ve ekibinizle etkileşim kurmadan, herkesin parçası olmak istediği her şeyi kapsayan bir deney kültürü oluşturamazsınız.

Compass gibi bir CRO aracıyla (Convert Suite'imizden), bu tür veri destekli, işbirlikçi fikirleri zahmetsizce kolaylaştırabilirsiniz. Compass, farklı veri kaynaklarınızı bir araya getirerek veri destekli test fikirleri oluşturmanıza olanak tanır ve ayrıca Stuck Score'dan alınan içgörülere dayalı olarak test edilecek fikirler önerir. Compass, ekip üyelerinizi davet etmenize ve geri bildirim seçenekleri ve daha fazlası için onlarla etkileşim kurmanıza bile olanak tanır.

Veriye Dayalı Hipotez Oluşturma ve Lazer Odaklı Önceliklendirme

Test fikirleriniz olduğunda, bunlardan birkaçının apaçık ortada olduğunu göreceksiniz. Örneğin, içeriğinizin okunabilir olmadığına dair bir kullanıcı geri bildirimi alırsanız (ve hedef demografiniz, örneğin, kırk yaşın üzerindeki kişilerdir), o zaman belki yazı tipi boyutunuzu artırma veya rengini değiştirme fikrini uygulayabilirsiniz. uzak. Sonuçta, küçük bir CSS kod değişikliği ile bir dakikalık bir düzeltme.

Fikirlerinizden bazıları umut verici görünecek ve tamamen test edilmeye değer görünecek, ancak yine de onları desteklemek için “yeterli” veri noktaları aramanız gerekecek [birazdan daha fazlası…].

Ve bazı fikirleri atmak zorunda kalacaksınız çünkü belirsiz olacaklar ve onları doğrulamanın hiçbir yolu olmayacaktı. Örneğin, CRO denetiminiz düşük bir NPS puanınız olduğunu gösteriyorsa ve bunun düşük dönüşümlerin nedeni olduğunu düşünüyorsanız, bunu düzeltmek için basit bir deneme kullanamazsınız.

Bunlardan, gerçekten güçlü hipotezlere dönüşebilecek fikirler, gerçek test fırsatlarınızdır.

Ancak yaptığınız her hipotezi desteklemek için bir sürü veriye ihtiyacınız var. Örneğin, mobil açılış sayfası deneyiminizi optimize etmenin daha yüksek dönüşümlerle sonuçlanacağını varsayıyorsanız , bunu desteklemek için bir sürü veri noktasına ihtiyacınız olacaktır. Bu durumda, kullanabileceğiniz bazı veriler şunlardır:

1. Düşük mobil dönüşümler — Google Analytics gibi web analizi çözümünüz aracılığıyla veriler.
2. Mobil trafik için alışılmadık derecede yüksek bir düşüş — yine, Google Analytics gibi web analizi çözümünüz aracılığıyla veriler.
3. Müşterilerden gelen yetersiz geri bildirim — kullanıcı testi çözümünüz aracılığıyla veriler.

Gördüğünüz gibi, bu hipotezi oluşturacak veriler, birden fazla veri kaynağından girdi aldığınız için oldukça dengelidir. Ayrıca, hem nicel hem de nitel verileriniz var. İdeal olarak, tüm "test edilmeye değer" fikirlerinizi desteklemek için bu tür dengeli verileri bulmalısınız.

Ama henüz işin bitmedi.

Çünkü tüm iyi hipotezlerinizle hazır olduktan sonra, onları puanlamanın veya önceliklendirmenin bir yoluna ihtiyacınız var. Bunu yapmak, önce hangi hipotezi deneyeceğinizi veya hiç denemeyeceğinizi söyler. İPUCU: “Yeni bir web sitesi tasarımını test edelim!!! Satışlarımızı artıracak” dedi. genellikle ÇOK KÖTÜ bir hipotezdir.

Bir hipotezi test etmenin ne kadar pratik olduğuna karar vermek için birçok faktör vardır. Uygulama süresi ve zorluğu ile dönüşümler üzerindeki potansiyel etkisi burada dikkate alınmalıdır.

Ancak çoğu şirket bunun için bir önceliklendirme modelinden yoksundur. Bu genellikle, örneğin tüm aylık CRO bant genişliğini kullanan büyük bir tasarım revizyonu gibi iddialı bir testin başlatılmasıyla sonuçlanır. Bu, en azından bir ay boyunca daha fazla test planlayamayacağınız veya çalıştıramayacağınız anlamına gelir. En kötü yanı, bu tür iddialı testlerin bile önemli sonuçları garanti etmemesidir.

Bunu önlemek için, CXL'den PXL önceliklendirme çerçevesini kullanabilirsiniz. Bu çerçeve, önerilen değişikliği/değişiklikleri daha iyi anlamak, araştırma sırasında keşfedilen sorunları nasıl ele aldığını, potansiyel etkisini ve uygulama çabasını değerlendirmek gibi çok ayrıntılı bir düzeyde düşünmeye zorlar.

Hipotezlerinize öncelik vermek için PIE ve ICE Skor çerçevesine de göz atabilirsiniz.

Hipotezlerinize öncelik vermenin daha da akıllı bir yolu, bir deneyin ne kadar kaynak ve zaman açısından yoğun olabileceğini size söyleyebilecek bir CRO aracı kullanmaktır. Örneğin, Pusula size tüm hipotezleriniz için iyi tahminler verir.

A/B Testlerinizden Öğrenin

Testler sonuçsuz olabilir.

Çoğu dönüşüm oranı optimizasyon programı için, istatistiksel anlamlılığa ulaşan düşük bir %20 test elde edersiniz.

Bu nedenle, tüm öğrenmenin test karışımına geri dönmesi ve daha iyi ve daha rafine fikirler ve hipotezler ortaya çıkarmak için kullanılması gerekir.

Sadece bu değil, kazanan deneyler de aslında, zorlu sürüm kazandığında, gelir tankları kazandığında kaybedenler olabilir.

Ayrıca, eğer bir hipotez gerçekten güçlü ve veri destekliyse, bunun için 3-4 takip deneyi oluşturmak yaygındır (ilk deney kazansa bile!).

Bu, yalnızca deneyinizin sonuçlarını yorumlamak ve kaydetmek yeterli değildir. Anlamlı yinelemeli testler planlamak için, her çalıştırdığınızda tüm deneme sürecinizi belgelemeniz gerekir.

LinkedIn, gözlemlerini ve öğrendiklerini belgeleyerek başarısız bir deneyi takip edebildi ve bu, aslında test edilen temel özellikte kazanan oldu. İşte tam kepçe:

2013'te LinkedIn Search, yükseltilmiş birleşik arama işlevini yayınladığı büyük bir deney başlattı. Temel olarak, LinkedIn Arama, "Kişiler" veya "İşler" veya "Şirketler" gibi gerekli niteleyiciler olmadan sorgu amacını otomatik olarak bulmak için "yeterince akıllı" oldu. Arama açılış sayfası bu sürüm için tamamen yenilendi - gezinme çubuğundan düğmelere ve snippet'lere kadar her şey yeniden yapıldı, bu nedenle kullanıcılar birçok değişiklik gördü.

Ancak deney başarısız oldu ve LinkedIn, temel ölçüm tankını görünce şaşırdı.

Ekip şimdi, kullanıcılar için iyi gitmeyen bir değişikliği belirleyebilmek için her seferinde bir değişikliği geri takip ederek orijinal tasarıma geri dönmeye karar verdi. Bu zaman alıcı geri dönüş sırasında LinkedIn, insanların beğenmediği birleşik arama olmadığını, ancak tıklamaları ve geliri düşüren birkaç küçük değişiklikten oluşan bir grup olduğunu keşfetti. LinkedIn bunları düzelttiğinde, birleşik arama olumlu bir kullanıcı deneyimine sahip olduğunu gösterdi ve herkes için yayınlandı.

Bu nedenle, ister basit bir A/B testi, isterse karmaşık çok değişkenli bir test olsun, başlattığınız herhangi bir deney ayrıntılı olarak belgelenmelidir. Öğrendiklerinin de belgelenmesi gerekir. Bunu yaparak, gelecekteki (veya takip eden) deneylerinizin aslında öncekilerden daha iyi olmasını sağlayabilirsiniz.

Convert Compass gibi bir CRO aracıyla, tüm ekibinizin birlikte öğrenip gelişebilmesi için fikirleriniz, gözlemleriniz, hipotezleriniz ve öğrendiklerinizden oluşan bir bilgi tabanı oluşturabilirsiniz. Sadece bu değil, Compass öğrendiklerinizi bir sonraki deneyebileceğiniz hipotezi önermek için bile kullanabilir.

Sarmalamak…

CRO programınızın fikir oluşturma, hipotez oluşturma ve öğrenme bölümlerini optimize ederek deneylerinizin kalitesini önemli ölçüde artırabilirsiniz. Ve tüm çalışanlarınızla bunlar üzerinde işbirliği yaparak ve etkileşim kurarak, her şey dahil bir deney kültürü oluşturabilir ve geliştirebilirsiniz.

Fikir oluştururken tüm verilerinizi bir araya getirmeyi zor bulabilir veya hipotez kurarken (ve önceliklendirirken) veri bunalmasından muzdarip olabilirsiniz, hatta takip deneyleriniz için belgeleme veya öğrenmeleri kullanma konusunda mücadele edebilirsiniz, ancak bunlar testi artırmanıza yardımcı olacak şeylerdir. hız ve uzun vadeli CRO başarınız için zemin hazırlayın.

Tüm bu ağır yükleri sizin için yapan bir CRO aracı kullanmayı tercih ediyorsanız, aşağıdan kaydolun .

Compass, veri destekli fikir oluşturmada (farklı veri silolarınızdan gelen tüm verileri bir araya getirerek ve ilk denenecek fikirleri öneren Stuck Score'dan gelen girdilerle), anlamlı önceliklendirmede (size bir deneyin ne kadar zor, kolay veya etkili olabileceğini söyleyerek) yardımcı olur. ) ve öğrendiklerinizin belgelenmesi (tüm fikirlerinizi, veri araştırmalarınızı, gözlemlerinizi, sonuçlarınızı, öğrendiklerinizi ve daha fazlasını tek bir yerde bir araya getirerek!).