2022'de Çok Değişkenli Test için Eksiksiz Kılavuz

Çok değişkenli test (MVT) aynı anda sadece birkaç A/B testi çalışmıyor mu?

Hayır. Bu, MVT hakkındaki en popüler efsanelerden biridir. Bundan çok daha nüanslı.

Çok değişkenli testler A/B testleri gibidir, ancak kontrolünüzü bir değil birden çok değişkene karşı test ediyorsunuz. Görüyorsunuz, bu sadece A'ya karşı B'ye karşı değil, aynı zamanda C, D, E'ye karşı vs. Ve yüksek trafiğe sahip sitelerin en iyi performansı gösteren değişiklik kombinasyonunu bulmasının etkili bir yoludur.

Yani…

• A/B testleri yerine MVT'leri ne zaman kullanmalısınız?
• Çok değişkenli test, A/B/n testi ile aynı mı?
• Çok değişkenli testlerin bazı örnekleri nelerdir?
• Güvenilir sonuçlar elde etmek için birini nasıl çalıştırabilirsiniz?

Çok değişkenli testler hakkındaki sorularınızı yanıtlayacağız, bu süreçte denemelerinizi ve CRO becerilerinizi geliştireceğiz, böylece bu kılavuzun sonunda kendi sorularınızı 30 dakika içinde dağıtabilirsiniz.

Deneme becerilerinizi bir sonraki seviyeye taşımak istiyorsanız bu kılavuz tam size göre.

Kulağa iyi geliyor? Hadi başlayalım…

Çok Değişkenli Test Nedir?

Birlikte nasıl performans gösterdiklerini öğrenmek için bir web sayfasındaki çeşitli öğelerin farklı sürümlerini aynı anda test etmek istediğinizi hayal edin, çok değişkenli test, çalıştırdığınız testtir.

Çok değişkenli test (MVT testi), bir web sayfasındaki birden çok değişkeni farklı kombinasyonlarda test etmek için kullanılan bir tekniktir. Bu olası kombinasyonlar, sayfanın birden fazla varyantını oluşturur, dolayısıyla "çoklu".

Bu nedenle, çok değişkenli test, A/B/n testine benzer çünkü kontrole karşı iki veya daha fazla varyasyonu test ediyoruz. Aradaki fark, A/B/n testleri tek değişkenliyken, çok değişkenli testler değişikliklerin bir kombinasyonunu tandem olarak test eder.

Örneğin, sayfada iki farklı başlık, iki resim ve iki düğmeli rengi test etmek istiyorsanız, MVT testiniz şöyle görünecektir:

Yukarıdaki MVT testinde, en iyisini bulmak için farklı öğeleri (başlıklar, renk ve resim) aynı anda farklı kombinasyonlarda test ediyorsunuz.

Ancak bu, tek bir öğenin ikiden fazla varyasyonunu yapmanın mümkün olmadığı anlamına gelmez. 3, 4 veya daha fazlasına sahip olabilir ve bunları aynı anda test edebilirsiniz. İnsanlar, dönüşüm oranındaki artışı ona geri izleyebilmek için tek bir değişikliği tercih ediyor.

Unutulmaması gereken bir diğer önemli nokta, MVT testinin eşzamanlı test ile aynı olmadığıdır . Eşzamanlı test, aynı numune seti üzerinde aynı anda birden fazla deney çalıştırır. Ve bu girişime neden olabilir.

Eşzamanlı bir test şöyle görünebilir: İki sürüm arasındaki en iyi başlığı bulmak için bir A/B testi yapmak ve aynı açılış sayfasındaki en iyi başlık, kahraman resmi ve CTA veya eylem düğmesi kombinasyonunu bulmak için bir MVT testi çalıştırmak. aynı zamanda.

A/B/n (veya çok değişkenli) testinde, aynı kullanıcı davranışı hipotezine hizmet eden birden çok değişkenle çalışıyoruz. Bir soruyu yanıtlamak için o açılış sayfasında aynı anda çalışan birçok A/B testi hayal edin. “Bu partiden hangi versiyon bize en iyi artışı sağlıyor?” gibi.

Çok Değişkenli Test ve A/B Testi: Fark Nedir?

MVT testi, eğitimsiz göz için A/B testinin daha gelişmiş bir şekli gibi görünebilir. Ancak her iki test türü de çok farklıdır.

A/B testi ile çok değişkenli test arasındaki fark, bir kerede test edilen değişkenlerin sayısında yatmaktadır. A/B testinde kontrole karşı test edilen tek bir varyant bulunurken, çok değişkenli testte iki veya daha fazla varyant bulunur.

A/B testi bir öğeyi test eder. Örneğin, web sayfanıza bir resim eklemeyi test ediyorsunuz. Denemeniz şöyle görünebilir:

• Kontrol = Görüntü yok
• Varyasyon 1 = Resim

Bu durumda, yalnızca web sitenizdeki görseli test edersiniz, bu nedenle bu bir A/B testidir.

A/B/n testinde, çok değişkenli testte olduğu gibi, birden çok varyasyonunuz olabilir. Ancak fark, A/B/n testinde yalnızca bir öğeyi (veya değişkeni) test ederken, çok değişkenli testte her bir değişkende birden çok öğeyi test ediyor olmanızdır.

İşte bir Dönüştürme İş Ortağı Ajansı olan iProspect'ten olağanüstü bir örnek. Ajans, fiyatlandırma sayfası bilgilerini içeren bir test yaptı. Deneyleri şunları içeriyordu:

• Fiyat bilgisi olmayan bir kontrol,
• Düşük başlangıç ​​fiyatı ile 1. Varyasyon,
• Yüksek bir başlangıç ​​fiyatı ile 2. Varyasyon.

Bunun ne tür bir test olduğunu tahmin edebilir misiniz?

Bu durumda, fiyatlandırma bilgilerini ekleyerek yalnızca bir öğeyi test ediyoruz, bu nedenle A/B/C (veya A/B/n) türünde bir testimiz var.

A/B testleri ve çok değişkenli testler arasında hangisinin daha iyi olduğu söz konusu olduğunda, bu neyi başarmaya çalıştığınıza bağlıdır. MVT'lerin A/B testlerinden daha verimli olduğu zamanlar vardır.

Bir sayfadaki farklı öğeleri (ve bunların etkileşim etkilerini) test etmek istiyorsanız, A/B testleri yerine MVT'leri kullanmak daha kolaydır. A/B testleri ile, öğelerin varyasyonları için birkaç ardışık test oluşturmanız gerekir. Bu arada, çok değişkenli bunları bir kerede işler.

Çok Değişkenli Testler Ne Zaman Çalıştırılmalı?

Bir varyantın orijinalinize kıyasla nasıl performans gösterdiğini ölçmek istediğinizde A/B testini kullanın. Bu, örneğin farklı bir başlık veya farklı bir düğme rengi gibi bir öğeyi değiştiriyorsanız işe yarar. Bu değişiklikler bir varyantın altına düştüğü ve A'ya B'ye sahip olduğunuz sürece.

Kontrole karşı test edilen birden fazla varyantınız olduğunda, ancak bir seferde yalnızca bir öğeyi değiştirdiğinizde, A/B/n testini kullanın.

Örnek verelim: Açılış sayfanıza bir başlık eklemenin dönüşümleri iyileştirip iyileştirmeyeceğini test etmek istiyorsunuz. Bir Dönüştürme Ortak Ajansı olan Split Base gibi bir A/B/n testi yapabilirsiniz. Fayda odaklı bir başlık eklemenin dönüşümleri artırıp artırmayacağını belirlemek için bir test yaptılar.

Not: Yaptı! Karlılığı %27 artırdı.

Birden fazla değişkeniniz ve birden fazla değişkeniniz olduğunda çok değişkenli testi kullanırsınız. Diyelim ki 2 başlık fikriniz ve CTA seçeneğiniz daha var ve bu da C ve D varyantlarını oluşturmanıza neden oluyor, MVT bu değişikliklerin nasıl etkileşime girdiğini görmenin en etkili yoludur.

"3 numaralı düğme ile başlık 2'yi kullansaydım ne olurdu? Bu, kayıt sayısını nasıl etkiler?” Bunlar, MVT'lerin yanıtladığı türden sorulardır - aynı anda birlikte çalıştıklarında sayfa öğesi değişikliklerinin neden olduğu performans üzerindeki etkisi.

Çok değişkenli testler, tek bir başlığı test etmenin ötesine geçecek ve o sayfanın daha fazla varyasyonunu test edecektir. Tasarlamak ve çalıştırmak daha karmaşıktır, bu nedenle A/B testi yerine onu seçmeye değer.

Çoğu zaman, A/B testi aradığımız yanıtları sağlamak için yeterlidir. MVT, bir veya daha fazla varyantın A ve B'nizi yenme şansına sahip olduğuna inandığınız durumlar için çok daha uygundur.

Bu durumlardan bazıları şunlardır:

1. Yoğun bir trafiğiniz var ve daha kısa sürede daha fazla bilgi toplamak istiyorsunuz. Çok değişkenli testler, yüksek trafiğe sahip sitelere, fikirlerin bir kombinasyonunu daha kısa sürede test etme fırsatı sunar, ancak kaynakları boşa harcamamak için bunların yüksek kaliteli fikirler olması gerekir.
2. Hangi öğe kombinasyonunun dönüşüm artışıyla sonuçlandığını bilmeniz gerekir. Çünkü çeşitli A/B testleri dizisi gereksiz olacaktır.

İçinde istenen tüm değişiklikleri içeren bir varyantı dağıtmak zordur. Belki de test platformunuz bu özgürlüğe izin vermiyordur. Bu, bunun üstesinden gelmenin bir yoludur. Ancak bu değişiklikleri daha sonra kodlamak imkansızsa, test sonuçlarınızı kullanamazsınız.

Çok Değişkenli Testin Faydaları

Çok değişkenli testlerin dönüşüm oranları ve gelir üzerinde yadsınamaz bir etkisi vardır. Bunu düşün. Olmasaydı, kimse onu kullanmaktan bahsetmezdi!

MVT testinin bir yararı, web sitenizdeki değişikliklerin dönüşüm oranlarını nasıl etkilediğini öğrenmenize olanak sağlamasıdır. Ve çok değişkenli test, bu değişiklikler arasındaki etkileşim etkisini ölçmenizi sağlar. Farklı küçük değişikliklerin bileşik etkisini ölçebilir ve bunun konuşma oranınızı nasıl etkilediğini görebilirsiniz.

Çok Değişkenli Testin Dezavantajları

Yalnızca yüksek miktarda trafiğe ve büyük bütçelere sahip web sitelerinin çok değişkenli testler yapmasının nedenleri vardır. Bir MVT testi çalıştırmanın olumsuz tarafları hakkında konuşalım.

1. Büyük bir örneklem büyüklüğü gerektirir

Ne kadar çok öğe değişikliği test ederseniz, o kadar çok varyasyonunuz olur. Bu değişkenlerin her birinin istatistik işaretine ulaşmak için yeterli trafik alması gerekir, bu nedenle doğru sonuçlar almak için daha uzun süre beklemeniz gerekir. Bu nedenle birçok web sitesi MVT testlerini çalıştıramaz çünkü bunun için trafikten yoksundurlar.

2. MVT testleri zaman alır

Yukarıda bahsettiğimiz gibi, her varyantın trafiğe ve çok fazlasına ihtiyacı vardır. Ne kadar çok kombinasyon test ederseniz, o kadar farklı varyasyonlar ve o kadar uzun süre beklemeniz gerekir.

Ancak bu, çoğu CRO vakasında haklıdır. Çünkü bir MVT testini bir dizi A/B testine bölerseniz, daha fazla zaman ve trafik harcarsınız.

3. Çalıştırmak daha maliyetlidir

Her bir varyantı geliştirmek ve QA için ekstra zamana (ve paraya) ihtiyacınız olacak. Bu nedenle, bu testleri daha basit A/B testleri üzerinden çalıştırma kararınızın sağlam nedenlerle olması gerekir, aksi takdirde test yatırım getirinizin bir darbe alması gerekir.

4. Hataya daha yatkınsınız

A/B/N testleri çalıştırdığınızda, A/B testleri için kullandığınız istatistiklerin aynısını uygulamazsınız. Ekstra değişkenler, istatistiksel anlamlılık testlerinin ayarlanmasını gerektirir. Artan aile bazında hata oranı (FWER), birinci tip hata yapma ve yanlış varyantı kazanan olarak etiketleme olasılığınızın daha yüksek olduğu anlamına gelir.

Büyük Etki Göstermiş Çok Değişkenli Test Örnekleri

1. Microsoft, KOBİ sitesinde çok değişkenli bir test yaptı ve dönüşümü %40 artıran bir değişken buldu!

2. 2009'da YouTube, daha fazla kişinin bir hesaba kaydolmasını sağlamak için ana sayfalarında bir MVT çalıştırdı. Buna “1.024 tarif deneyi” diyorlar. Bir varyant %15,7 artışla kazandı.

3. Booking.com testleri ile tanınır. Yeni özelliklerin kullanıma sunulmadan önce daha küçük bir kitleyle nasıl kullanıldığını öğrenmek için çok değişkenli testler kullanırlar.

4. HawkHost, ana sayfalarında artış görmek istedi ve anladılar. Bunlar, satışlarda %204'lük bir artışla sonuçlanan çok değişkenli bir testte başlıklarını, alt başlıklarını ve kahraman imajını test etti. Bu çok büyük.

5. Amazon'un açılış sayfası düzeni, çok değişkenli testlerin bir sonucudur. Dönüşüm sağlayan optimum düzeni bulmak için makine öğrenimi ile birlikte kullandılar ve 7 gün içinde satın alma oranını %21 artıran tatlı bir noktaya ulaştılar.

Kaynak

Çok Değişkenli Test İstatistikleri: Çok Değişkenli Analize Giriş

Test araçlarının süslü kullanıcı arayüzünün altında ve arkasındaki ilkelere kadar çok değişkenli testin nasıl çalıştığını merak ediyorsanız, sizi heyecanlandıralım:

Çok değişkenli analiz (MVA), birden fazla bağımlı değişkenin aynı anda diğer değişkenlerle birlikte analiz edildiği bir istatistiksel analiz türüdür. Gerçek dünyanın nasıl çalıştığına dayanır: Belirli bir sonuçtan birden fazla faktör sorumludur.

Yalnızca dijital pazarlamada (yani dönüşüm oranı optimizasyonunda) kullanılmaz, keşifsel veri analizinin bir parçası olarak sağlık, üretim, ulaşım vb. gibi çeşitli alanlarda uygulanır. Kurumsal dünyada birçok karar alma sürecini yönlendirir. hem de hükümette.

Karmaşık olmasına rağmen, bağımlı ve bağımsız değişkenler arasındaki ilişkiyi analiz etmenin doğru bir yoludur.

MVT ve Trafik: Çok Değişkenli Test için Örnek Boyutu Nasıl Hesaplanır?

En iyi yol, örnek boyutu hesaplama aracımızı kullanmaktır. Bu, sağlıklı bir çok değişkenli test tasarlamaya başlamak için ihtiyacınız olan her şeyi sağlayacaktır.

Çok Değişkenli Test Ne Zaman Durdurulur?

Bir testi çok erken durdurmak, toplanan veriler herhangi bir doğru analiz yapmak için yeterli olmayacağından hatalara yol açabilir.

Bazı kişilerin, net bir kazanan olduğunda durmanız gerektiğini veya dönüşüm oranı %10'un altına düşerse bir varyasyonu durdurmanız ve trafiğini en iyi performans gösterenlere taşımanız gerektiğini söylediğini duymuş olabilirsiniz - emin olun, bu sonuçları önemli ölçüde bozacaktır.

Çok değişkenli bir testi şu durumlarda asla durdurmamalısınız:

1. Her bir varyant için yeterince büyük bir numune boyutu toplama. Bu nedenle, alakalı olması için yeterli dönüşüm toplamak için daha uzun süre çalışmasına izin verin.
2. 30-60 gün boyunca trafik ve alışveriş dönemlerini dengelemek için 1 veya 2 tam satış döngüsü yürütmek.
3. İstatistiksel anlamlılığa ulaşmak. Bu, yaşamaya zorlandığında sonuçlarını %95 doğrulukla tekrarlayabilmesi gerektiği anlamına gelir.

Çok Değişkenli Test Nasıl Tasarlanır?

A/B testi ve çok değişkenli testler, tasarlanma ve yürütülme biçimlerine benzer.

Aşağıda bir MVT çalıştırmak için adım adım bir test metodolojisini özetliyoruz. Ama işte hızlı bir bakış:

1. Bir sorun belirleyin ve bir hedef belirleyin: Verilerinizi gözden geçirdiğinizde, web sitesi ziyaretçilerinin neler yaşadığını anlamaya çalışın ve bir sorun bulun. Bir hipotez (hedefli bir çözüm) formüle edin ve testinizi buna dayandırın.
2. Neyin test edileceğine karar verin: Hipoteziniz, web sayfası öğelerinin bir kombinasyonunu içerecektir. Hedefe ulaşmak için onlarla ne yapacağınızı belirleyin. Orijinaline aykırı olması için bunun varyantlarını oluşturun.
3. Zaman çerçevenizi ve örneklem büyüklüğünü tahmin edin: Bunu kendiniz yapmak zorunda değilsiniz. Ön test numune boyutu hesaplayıcımızı kullanın. İhtiyacınız olan temel sayıları bulmanıza yardımcı olacaktır.
4. Testi oluşturun: Test platformunuzda varyasyonlarınızı kombinasyonlarında ayarlayın.
5. Çalıştığından emin olun: Amaçlandığı gibi çalıştıklarından emin olmak için her yeni tedavide kalite güvence testleri yapın.
6. Testinizi yapın: Onlara trafik çekmeye başlayın.

Şimdi, veri toplamadan KG'ye kadar her adıma yakından bakalım:

Çok Değişkenli Test için Veri Toplama

Çok değişkenli testler sırasında veriler nasıl toplanır? Dikkat edilmesi gereken iki ana yaklaşım vardır:

1. Tam Faktöriyel

Nasıl çalışır: MVT'nizdeki her değişken, sitenize gelen tüm trafikten eşit miktarda alır. 5 çeşidiniz varsa, her biri sitenize gelen trafiğin %20'sini alacaktır.

Tabii ki, istatistiksel anlamlılığa ulaşmak için bu yöntem çok fazla trafik gerektirecek ve uzun süre çalışması gerekecek. Ancak bu özellik, aynı zamanda, gitmek için en doğru seçenek olan tam faktöriyel yapar.

2. Kesirli Faktöriyel

"Tam" karşılığından farklı olarak, kesirli faktöriyel, değişkenlerinizin yalnızca bir alt kümesini test eder. Bu yüzden adında "kesir" var.

10 çeşidiniz varsa, bunlardan 5 tanesini test eder ve sonuçlara göre test etmediği 5 tanesinin performansını tahmin eder.

Bu nedenle, tam faktöriyelden daha hızlı çalışır ancak önemli ölçüde daha az doğrudur. Avantajı, taahhütte bulunmadan önce tam testin nasıl görüneceğine dair bir fikir edinmenizdir.

Taguchi yöntemi ne olacak? Bazıları bunun kesirli faktöriyel için başka bir isim olduğunu söylüyor. Kullanımı karmaşıktır. Bu nedenle, çoğu araç bunu sunmuyor.

Çok Değişkenli Test için Hipotez Oluşturma

Doğru nitel ve nicel verilere dayalı olarak çok değişkenli test hipotezinizi oluşturmalısınız.

Testlerinizi çalıştırmak için bir blogda bulduğunuz genel test fikirlerini tahmin etmek veya kullanmak istemezsiniz. Verilerinizi gözden geçirirken bulduğunuz bir sorunu çözmek veya artış sağlayabileceğini düşündüğünüz bir fikri test etmek gibi alakalı bir şey seçin.

Bu, testinizin amacı olarak hizmet edecektir. Sağlam bir hipotez oluşturmanıza yardımcı olması için hipotez oluşturucumuzu kullanabilirsiniz.

Çok Değişkenli Test için Kalite Güvencesi

Kalite güvencesi olmadan herhangi bir test yanıltıcı olabilir. KG olmadan ilerlemek risklidir ve pahalı hatalara neden olabilir. Testinizin öngörülerine güvenmeden önce birkaç kontrol noktasından geçin:

• QA kurulumu: QA süreciniz için kullanılacak kuruluma karar verdiğinizde, QAing yapacağınız cihazlarda ve tarayıcılarda kullanıcı deneyimini test etmek için özel kullanım durumları belirleyin, vb.
• Dış faktörler: Etkinlikler veya tatiller, aynı anda yürütülen diğer testler, etkinlikler ve site trafiği gibi testi etkileyebilecek kontrol edemediğiniz faktörleri tanıyın.
• Deney kurulumu: Hipotez formülasyonunun kalitesini, trafik tahsisini, titremenin testi etkileyip etkilemeyeceğini, diğer gecikmeleri ve hataları vb. kontrol edin.
• Tarayıcılar arası ve cihazlar arası: Cihazlar ve ekran çözünürlükleri arasında tipografiyi, yazı tiplerini ve renk düzenini doğrulamanız, kenar boşluklarını ve dolguları doğrulamanız, kullanılabilirliği, sayfa öğelerinin çeşitli cihazlarda nasıl performans gösterdiğini ve daha fazlasını kontrol etmeniz gerekir.

Ve tespit etmiş olabileceğiniz diğer tutarsızlıklar: Düzeltmeler için bu konudaki bilgileri ekibinizle paylaşmanız gerekiyor.

Çok Değişkenli Testi Nasıl Çalıştırırsınız? Dönüştürme Deneyimlerinde Çok Değişkenli Testi Dağıtma.

Deneyimleri Dönüştür'de çok değişkenli bir test oluşturmak yalnızca 4 basit adımdan oluşur. Yapmanız gerekenler:

1. Deneyiminizi adlandırın
   
   Deneyimleri Dönüştür'de, "Yeni Deneyim"i, ardından "Çok Değişkenli"yi seçin ve deneyiminize bir ad verin:

   

2. Varyasyonu yap
   
   Test için kullandığınız sayfanın URL'si yüklendikten sonra ilk varyasyon düzenlenmeye hazırdır. Kopyayı düzenleyebilir, yeni görseller ekleyebilir, adını verebilirsiniz. Aşağıdaki örnekte:
   
   – Değiştirilecek bir öğeye tıklayın (turuncu renkle vurgulanır)
   – Menüde bir eylem seçildi, yani görüntü kaynağını değiştirmek

   

3. Varyasyonu adlandırın
   
   Bu oldukça açıklayıcı. Daha sonra raporlamada dikkatinizi çekecek bir şey seçmek isteyeceksiniz.
4. Hedefleri ve hedef kitleleri tanımlayın
   
   Deneme Özeti'ne gidin ve Kitle ve Deneme Hedeflerinizi ayarlayın.
   
   İşte aldın! Deneyiminiz çalışıyor ve çalışıyor.

Artık çok değişkenli testin ne olduğunu ve çok değişkenli bir testin nasıl başarılı bir şekilde kurulacağını anladığınıza göre, seçebileceğiniz birkaç farklı platformu inceleyelim. Piyasadaki en iyi A/B test araçlarının çoğu, tek bir yazılımda çok değişkenli test ve A/B testi sunar. Peki hangisi ihtiyaçlarınıza en uygun?

Çok değişkenli test yöntemi sizin için belirleyici bir faktör ise doğru yerdesiniz. Aşağıdaki liste size piyasadaki çok değişkenli testler için en iyi 9 oyuncuyu verir.

Mevcut En İyi A/B ve Çok Değişkenli Test Araçları Nelerdir?

CRO uzmanları tarafından tercih edilen çok değişkenli test araçlarına ve sundukları çok değişkenli test yöntemlerine bir göz atın:

• Deneyimleri Dönüştür – Tam Faktöriyel
• AB Lezzetli – Tam Faktöriyel
• Google Optimize & Optimize 360 ​​– Tam Faktöriyel veya Kesirli olmayan hibrit yaklaşım
• Adobe Target – Tam Faktöriyel ve Taguchi
• Kameleoon – Tam Faktöriyel ve Kesirli Faktöriyel
• Optimizely – Tam Faktöriyel, Kısmi ve Taguchi
• Sitespect – Tam Faktöriyel ve Kesirli Faktöriyel
• VWO – Tam Faktöriyel
• Webtrends Optimize – Tam Faktöriyel ve Kesirli Faktöriyel

Hala hangi çok değişkenli test aracını seçeceğinizden emin değil misiniz? En iyi Çok Değişkenli Test araçlarının bu eksiksiz dökümünü kontrol edin.

2022'de Kaçınılması Gereken En Çok Değişkenli Test Hataları

Bu testler, yalnızca onları doğru şekilde kullanıyorsanız optimizasyon hedeflerinize ulaşmanıza yardımcı olabilir.

Ama o zaman insanız ve araçlarımız mükemmel değil, bu yüzden hatalar olur. Şunlardan kaçınarak testlerinizi mahvetme şansınızı azaltabilirsiniz:

1. MVT aracınızı doğruluk açısından test etmemek

Sayfanızın varyasyonlarını oluşturun, ancak hiçbir şeyi değiştirmeyin. Aynı tutun ve gerisini çalıştırın. İnsanlar aynı şeyi gördüğüne göre, sonuçlar aynı olmalıdır.

2. Sağlam bir hipotezle başlamamak

Taban çizgisi olmadan bir test yapmak ve ne bekleyeceğinizi kör etmek. Size veya test ettiğiniz siteye yardımcı olmaz. Önce bir hipotez oluşturun.

3. Rakiplerinizi kopyalamak

Kuruluşunuz benzersizdir ve hedefleriniz farklıdır. Rakiplerinizi kopyalamak faydalı değildir. Testlerinin çoğu sadece sizin durumunuz için geçerli olmayacak, aynı zamanda ne yaptıklarını bilemeyebilirler.

4. Mevsimsel etkinlikler veya büyük site/platform etkinlikleri sırasında testler yapmak

Testiniz bir olay için değilse, bir sırasında çok değişkenli test çalıştırmamalısınız. Sonuçlar, normal bir günün doğru performansını yansıtmaz.

5. gözetleme

Günaha direnmek zor. Sadece nasıl gittiğini görmek istiyorsun. Hatta bir varyant üzerine bahis bile koymuş olabilirsiniz ve hangisinin kazandığını görmek isteyebilirsiniz. Yapma.

Sadece yanlış beklentiler almakla kalmayacak, aynı zamanda bunlara dayanarak yanlış kararlar da verebilirsiniz. Çalışıp çalışmadıklarını veya herhangi bir hata olup olmadığını kontrol edebilirsiniz, hepsi bu.

6. Testlerinizi yeterince uzun süre çalıştırmamak

Çok değişkenli testlerin uzun süre çalışması gerekir. Bunu, istatistiksel anlamlılığa ulaşmak için yeterli trafik elde etmek zorunda olan ayrı A/B testleri gibi düşünün. Doğru ve anlamlı sonuçlar alabilmeniz için çok değişkenli testlerinizin yeterince uzun süre çalışmasına izin verin.

7. Test çalışırken değişiklik yapma

Hataları düzeltebilirsiniz, ancak web sitenizi yeniden tasarlayamaz veya kopya değişiklikleri yapamazsınız. Varyantların görünümünü ve verdiği hissi değiştiren herhangi bir şeye, test yayınlandıktan sonra dokunulmamalıdır.

8. Doğru sonuçlar aldıktan sonra testi durdurmayı unutmak

Düşündüğünden daha sık olur. Bunun anlamı, net bir kazananınız olduğunda, trafiğinizin geri kalanına sitenizin daha zayıf bir sürümünü göstermeye devam edeceksiniz. Bunu yapmak istemiyorsun.

9. Bir testten sonra vazgeçmek

Belki de tüm çeşitleriniz kontrolden daha kötü çıktı, ne olmuş yani? İşe yaramadığını çeşitli şekillerde öğrendiniz. Daha fazla test çalıştırın ve daha fazla bilgi edinin. Her bilgi değerlidir.

10. Testten sonra geçerliliğini kontrol etmemek

Her şey söylenip yapıldığında ve sonuçlarınızı aldığınızda, bu son mu? Test platformunu kapatıp devam ediyor musunuz? Sonuçların doğruluğuna güvenmeden önce arkanıza yaslanıp her şeyin yolunda gidip gitmediğini kontrol etmek en iyi uygulamadır.

11. Yeterince test çalıştırmamak

Bir test yaptığınızda, ister kazanan ister kaybeden olsun, ondan öğrenin. Daha bilinçli bir hipotez oluşturmak için yeni edindiğiniz bilgileri kullanın ve tekrar çalıştırın. Ve yeniden. Deneyin sizin için çalışmasını bu şekilde sağlarsınız.

12. Testleri belgelememek

Testlerinizin bir veritabanını tutun. Bu, yalnızca siz olsanız bile optimizasyon ekibinizin performansını artıracaktır. Bir sonrakini daha iyi hale getirmek için hepimizin önceki deneyimlerden öğrenmesi gerekir.

Ayrıca, aynı testleri iki kez çalıştırarak zaman kaybetmemek için.

Çözüm

Bir e-ticaret mağazanız, SaaS veya basit bir açılış sayfanız olsun, çok değişkenli bir test çalıştırmanın mantıklı olduğu senaryolar vardır. Yüksek trafikli bir web siteniz olabilir, ancak yine de web siteniz için çok değişkenli testin doğru olup olmadığına karar vermeniz gerekir. Birini çalıştırmadan önce maliyeti, trafiği ve çok değişkenli ihtiyacı değerlendirin.