Shopify 商店 A/B 測試企業家指南(+ 9 位 Shopify 企業家分享他們的 A/B 測試故事和結果)
已發表: 2022-04-13所以你聽說過通過小道消息進行 A/B 測試。
也許您的競爭對手在播客上隨便提到了它,或者您的營銷團隊認為這是一個好主意。 或者你正在與之交談的增長機構想要運行 A/B 測試。
發展企業並不容易。 你知道的。 走到這一步,您一定有好幾次難以理解一個商業決策是否正確。
如果您有一種確定的方法,而不是對您認為您的觀眾想要什麼進行賭博,那不是很好嗎?
這就是 A/B 測試的作用。
當然,A/B 測試的好處不僅僅在於做出數據驅動的決策,但其核心是實現大規模增長的秘訣。
因此,無論您是嘗試 DIY 還是外包您的需求,以下是像您這樣的 Shopify 企業家應該了解的有關 A/B 測試的所有信息。
什麼是電子商務 A/B 測試?
A/B 測試是一個過程,您可以通過該過程了解您的受眾在成為客戶之前正在尋找什麼。
通常,A/B 測試被認為是進行細微調整,例如更改號召性用語 (CTA) 按鈕的顏色或添加新標題,但它比這更深。
它允許您確定哪些副本、設計和功能 (UX) 與訪問者產生共鳴,方法是將您的頁面或元素的一個版本放在具有變體的頁面上,以查看哪些有效。
我們才剛剛開始!
您可以將 A/B 測試的概念應用到您使用的每個渠道以及您與受眾的互動中。
但重要的是要了解電子商務 A/B 測試與 B2B SaaS 等其他垂直行業的不同之處。
- 實現收入的時間更短
A/B 測試可以比傳統 B2B 更快地揭示對收入的影響。 在 B2B 中,交易是多線程的,有多個決策者使銷售週期跨越數月甚至數季度。
儘管理想情況下您應該將 A/B 測試用於研究和風險緩解,而不僅僅是增加收入,但任何企業的命脈都是收入,因此有充分的理由將 A/B 測試引入增長組合。 - 結帳過程很複雜(因此有更多的測試空間)
雖然電子商務購買渠道並不像 B2B 那樣複雜,但結賬過程並不是一維的。
Ruben De Boer,《購買心理學》的作者,解釋說付錢真的很痛。 在 2007 年一項調查人們如何權衡因素以做出購買決定的研究中,向參與者展示了產品圖片,然後是價格。 他們的大腦通過功能磁共振成像機器進行分析,看看哪些神經通路會亮起來。
正如預期的那樣,看到產品圖片點亮了他們大腦中的獎勵中心。
但是價格呢? 與身體和社會痛苦相關的大腦部分像聖誕樹一樣亮起,幫助研究人員得出結論,消費者打開錢包時,收益和痛苦之間的權衡必須是有意義的。
這並不意味著您必須降低價格,因為定價也表明了產品的質量。 您可以嘗試使用較小的字體、提供預付款、以較大的字體顯示折扣,或者在您的副本中避免使用金錢語言。
因此,降低購買的痛苦意味著您必須了解人類動機、慾望和挫折的混合體,如果沒有 A/B 測試,這是不可能的。 您可以實時測試您的消息傳遞、UI 元素或徹底檢查結帳流程。Journey Also 的轉換總監 Jonny Longden 建議問自己一個問題:在某些情況下,由於您的電子商務平台施加的限制,您可能無法對購物車和結帳流程進行徹底的更改,但這不是放棄雄心勃勃的測試的理由。 您始終可以測試較小的更改,讓您了解可能進行的較大調整。
我們可以測試以開始證明並了解它的最小/最簡單的事情是什麼?
不要陷入“只測試小改動”的陷阱,或者如果你做了更大的改動,“錢已經沉沒了,所以我們不會測試它”。 - 評論挖掘可以變成一門科學
基於定性數據的轉換研究是任何類型的 A/B 測試的主要內容,但在電子商務中,評論挖掘等定性數據可以轉化為幫助您理解的科學:- 要突出顯示的產品 USP
- 您可以在副本中測試的好處
- 客戶如何看待競爭對手
- 複製產品故事的角度
- 您解決的痛點
- 導致放棄購物車的未解決痛點 CRO 和實驗顧問 Lorenzo Carreri 建議像偵探一樣思考。 就像偵探必須揭開犯罪背後的故事一樣,您可以使用評論來揭開很多故事。
事實上,Carreri 對不同行業的脈搏分析揭示了一個共同的主題——人們不傾向於分享他們對現場體驗的見解。 因此,無論您問什麼問題或如何提出問題都無關緊要。人們已經做出了購買決定,現在無需我們用出口民意調查或小部件來打擾他們,他們實際上是在有機地分享他們的經驗。
但是通過評論挖掘,尤其是在亞馬遜上,人們傾向於分享他們的見解。 您收集的見解越多,您的數據就越有意義,這有助於您形成更好的測試假設。
- 電子商務不缺流量
A/B 測試的一個重要障礙是沒有足夠的流量,這意味著結果可能會有偏差。
但這對於電子商務商店來說不是問題。 一家 7 位數的 Shopify 商店很容易吸引數十萬訪客,但 D 系列 B2B 公司可能會獲得 1/4 的流量。
為什麼 Shopify 企業家(認真)應該考慮 A/B 測試?
電子商務已經成熟,適合 A/B 測試。 有大量訪問者和很大的空間可以快速看到結果的潛力是採用 A/B 測試文化的充分理由。
但也許你還沒有。 現在,您的流量增加會帶來收入增長。
問題是,你能堅持多久?
更多的流量≠更多的收入超過一個點。 這條道路要求您在廣告上花費更多,同時通過折扣侵蝕您的利潤率。
當您查看亞馬遜、eBay 或 Etsy 等電子商務巨頭時,您會發現他們的 DNA 中已經融入了 A/B 測試。 這正是他們茁壯成長的原因。 更不用說,這是所有成功的 Shopify 商店共享的共同點。
很容易理解為什麼 A/B 測試會推動增長。 看看亞馬遜運行的測試有多精細:
但歸根結底,A/B 測試不僅僅是保持競爭力的一種方式——它還是一個好的商業決策。
為什麼? 因為您當前的策略可能對您不利。
- 由於 iOS 14,您的 ROAS 直線下降
您可能比以前花費更多的錢來吸引眼球,但是後 ATT 世界已經搞亂了基於像素的轉換的工作方式。 以及重新定位和相似的受眾? 它們不再那麼有效了。 如果您獲得一些轉化,請準備好處理 Ad Manager 和您的 Shopify 後端之間的差異。
- 您的打開率有偏差
電子郵件號碼不再準確。 郵件隱私保護 (MPP) 確保了這一點。 而且您基於參與度的列表可能有問題的定位和較低的轉化率。
- 您的方程式缺少保留
追逐冷流量是一個糟糕的商業舉措。 您 40% 的收入來自忠實客戶。 流量讓買家進入您的渠道,但留存率提高了這些買家的生命週期價值 (LTV)。
- 你的營銷歸因很爛
工具無法為您提供任何可用數據,您的團隊也無法將收入歸因於特定更改。 你不能按下所有希望看到增長的按鈕。 您需要獲得特定或建立 8 位數的業務是不可能的。
A/B 測試顛覆了舊劇本,讓您有機會使用可重複、可靠且有利可圖的科學有效方法。
這就是 DTC 汽水替代公司 OLIPOP 支持 A/B 測試的原因:
A/B 測試可提高內容參與度、降低跳出率、提高轉化率並將風險降至最低,同時提供易於分析的數據。 通過運行 A/B 測試,您可以確定哪些內容與您的目標受眾產生共鳴。 然後,您可以使用這些數據來影響您的營銷策略。 這些測試還可以幫助您識別不相關的數據和用戶在您的網站上遇到困難的區域,從而在您進行必要的更改後降低跳出率。
一旦您確定了可以改善客戶體驗的變體,您就會發現用戶在您的網站上花費的時間有所增加,從而帶來更高的轉化率。 最後,A/B 測試將風險降至最低,因為您根據準確的數據而不是有根據的猜測做出決策。 它允許您在不影響整個網站的情況下進行最小的更改。 您的投資回報率將隨著 A/B 測試而增加。
OLIPOP 新業務發展主管 Steven Vigilante
輕鬆進行小(或大)更改
優化是一門讓事情變得更好的科學,使用 A/B 測試很容易。 您可以引入更改以找到可以創建更好的購買體驗並轉換您的一些 PPC 流量的版本。
降低失敗的成本
失敗的代價有時太大了,不出所料地抑制了創新。 但是通過 A/B 測試,您可以在受控環境中測試您的想法,而無需構建或實施任何東西。
展望未來
沒有什麼能保證成功。 不是你的直覺、代理建議,甚至是可靠的競爭對手研究。 但是,如果您想做出數據驅動的決策,A/B 測試是您的朋友。 測試中的最佳版本不是根據統計有效性選擇的,這樣您就可以一瞥您的收入潛力。
留下一點誤解的餘地
A/B 測試允許您通過收集轉化率、購物車放棄、平均訂單價值 (AOV)、收入和利潤變化的數據來真正傾聽您的受眾。
無需猜測更改的效果,結果是透明的,幾乎沒有誤解的餘地。
Shopify 上的 A/B 測試問題(+ 解決方案)
當您考慮將 A/B 測試作為戰略的核心時,解決您在 Shopify 上運行 A/B 測試時可能面臨的潛在問題非常重要。
問題 #1: Shopify 的反點擊劫持可能會干擾您的移動 QA
點擊劫持誘使用戶點擊誘餌網站上的可操作內容。 為了防止這種情況發生,Shopify 使用了反點擊劫持技術。 但它阻礙了 A/B 測試工具的最佳性能。
解決方案:使用 Google Chrome 擴展程序,忽略 X-Frame 標頭。
問題 2:測試不是問題,但實施才是問題
實現測試結果不是應用程序或插件可以做的事情——它需要定制。 即使您確實找到了適合您的插件,它們中的太多也會減慢您的網站速度,從而有效地抵消潛在收益。
解決方案:與有能力的開發人員合作,使用 Convert Deploy 或這些頂級轉化率優化 (CRO) Shopify 應用程序。
問題 #3:您有一個標準 Shopify 商店,限制了您可以測試的內容
標準 Shopify 商店無法訪問大多數 Shopify Plus 功能,這意味著您無法運行測試,例如拆分測試主題。 較低的複雜性測試對您的收入的影響較小。
解決方案: Shopify Plus 的 Spring。
A/B 測試基礎快速指南
現在您已經將大腦包裹在 A/B 測試中,是時候深入了解細節了。
暫停片刻,對這些問題回答“是”或“否”,然後向下滾動查看答案。
- A/B 測試與拆分測試相同
- A/B 測試和多變量測試是不同的
- 您只能通過 A/B 測試進行細微調整
- 您無需學習統計數據即可運行 A/B 測試
- 您不能在其他渠道上運行 A/B 測試
- 一旦看到結果,您應該停止 A/B 測試
A/B 測試與拆分測試
通過 A/B 測試,您可以測試頁面上的一個或多個元素。 您基本上創建了原始頁面的類似版本,以查看對轉化率的影響。
拆分 URL 測試不同於 A/B 測試。 流量被分成中間並發送到兩個完全不同的版本,以查看哪個網頁可以幫助您實現特定目標。
何時運行拆分測試與 A/B 測試:主題測試
何時選擇拆分測試而不是 A/B 測試的一個很好的例子是當您想要測試 Shopify 主題時。 您的主題會影響 CX 並最終影響收入,因此您必須使用 Convert 的拆分 URL 選項等工具對其進行測試。
Convert 使用頻率推理來了解哪個主題優於另一個。 我們建議您至少運行兩週的此類測試,除非您的網站訪問量異常高。
PS 如果您是 Shopify Plus 用戶,您只能測試主題。
A/B 測試與多變量測試
在 A/B 測試中,您將幾乎相同的頁面與原始頁面進行對比。
不像在 A/B 測試中那樣一次更改一個元素,多變量測試是一個在單個測試中測試多個更改的過程。 多變量測試的目標是找出哪種變化組合產生更好的結果。
在 Shopify 商店上運行的 A/B 測試示例
在互聯網上詢問您應該進行什麼 A/B 測試,您通常會被告知嘗試不同的 CTA 或按鈕顏色或更改標題。
並不是說它不重要,而是世界是你的遊樂場,如果你限制自己,你只是在自己的小沙盒裡玩耍。 跳出框框思考對於實驗精神至關重要。
我們聯繫了 8 位 Shopify 企業家並詢問了他們:
您進行了哪些 A/B 測試,為什麼選擇進行此實驗,結果如何
#1。 AOV 提高,訂單略有下降
我們在所有在線商店中都使用 Shopify,並且一直在測試捆綁或分組我們的產品以提高 AOV。 測試是具有追加銷售或捆綁銷售的購物車與僅包含初始產品的購物車。 結果尚未完全公佈,但到目前為止,AOV 似乎有所增加,而訂單總數略有下降。 在進行全面分析之前,我們將再運行幾週,並可以測試其他配置以嘗試在 AOV 和轉換方面產生改進。
西爾維婭·康,米拉
#2。 為 CX 優化了每個站點元素
作為 Shopify 企業,我們針對實時聊天、CTA、產品圖片、追加銷售展示位置、登錄頁面、導航菜單等功能進行了大量 A/B 測試。 例如,我們的 A/B 測試幫助我們找到了交叉銷售/追加銷售的平衡,而不會激怒消費者或增加他們的體驗摩擦。
通過大量測試,我們發現我們的受眾直接在產品頁面上重視高度相關的建議,而不是在結賬時提供,因此,我們提高了平均購買價值。 A/B 測試至關重要,因為它可以讓您準確確定哪些功能表現最佳並提供最高回報,而不會浪費時間和精力來實施任何不是最佳的元素。 這些測試為您提供有關哪些設計選擇最適合您的受眾的準確數據,並且更強大的用戶體驗是企業實現增長和長壽的方式。
斯蒂芬·萊特,諾拉床墊
#3。 使用會話重播來包含視頻以獲得更好的結果
可以促成或破壞轉化的最重要方面之一是用戶瀏覽您的商店和進行購買的難易程度。 通過會話回放的 A/B 測試,我們設法了解有購買意圖的真實用戶如何瀏覽我們的商店,問題出在哪裡,讓他們感到沮喪,是什麼讓他們在此過程中停止並阻止他們進行購買。 我們意識到,包含過程視頻的列表會產生更好的結果,而質量差的圖像或沒有顯示多張圖像會導致猶豫。
Michael Nemeroff,Rush Order T 卹
#4。 通過設計更改將轉化率提高 2%
在這個 A/B 測試中,我想看看新佈局如何影響我的 Shopify 商店的轉化率。 原來的網站已經運行了六個月,轉換率為 3%,所以似乎是時候嘗試一些不同的東西了。 我的設計更改包括在移動設備上將產品推薦移動到首屏而不是與產品對齊,以及從頂部導航中刪除橫幅,因為它們無論如何都沒有被點擊。 這導致轉化率立即提高了 2%。
Jar Kuznecov,軟水器中心
#5。 通過更改 CTA 按鈕顏色將相對點擊次數增加 14%
儘管多年來我們進行了大量的 A/B 測試,但我們執行過的最有效的測試之一也是最簡單的:更改 CTA 按鈕的顏色。 而已。 我從一位朋友那裡聽說,通過切換頁面按鈕的顏色,他的響應率提高了 16%(相對於他之前獲得的點擊次數)。 這讓我開始思考,我決定運行我們自己的 A/B 測試。 事實上,這實際上是一個 A/B/C 測試,因為我們嘗試了 3 種不同的顏色——我們最初的綠色,以及橙色和紅色。 結果? 紅色按鈕的響應率提高了 8%,而橙色按鈕的相對點擊率提高了 14%。 令人驚奇的是,像將綠色按鈕變成橙色這樣簡單的改變就能產生如此深遠的影響。 因此,我最好的建議是,當您試圖讓某人將產品添加到他們的購物車時,不要只是輕視 CTA 按鈕的顏色。 認真思考一下——並進行測試。
約翰·羅斯,備考洞察
#6。 通過粘性添加到購物車和售後追加銷售提高 CVR 和 AOV
A/B 測試是一把雙刃劍。 優化您的 Shopify 商店並提高轉化率聽起來不錯。 但是您需要知道每個 A/B 測試會增加一層複雜性並使用您的資源。 測試什麼與如何測試一樣重要。
我測試了產品照片的不同排序。 每次,我都發現最簡單的圖像總是能轉換成最好的。 在產品頁面上,您的客戶需要準確了解您的產品是什麼而無需思考。
粘性添加到購物車是眾所周知的贏家。 將按鈕也放在屏幕上,觸手可及,我的 CVR 輕鬆提升了 8%。
不要忘記售後加售。 將我的平均訂單價值從 24 美元提高到 40 美元很容易。 你會驚訝於向已經購買的人出售更多產品是多麼容易。
Matt Phelps,CRO 專家和 STEEL 創始人。
感覺受到啟發? 以下是 A/B 測試初學者可以在其電子商務網站上使用的 20 多個元素:
- 提供免費送貨
- 英雄圖像與輪播
- 號召性用語大小
- 號召性用語顏色
- CTA 展示位置
- 號召性用語副本
- 人類圖像與無圖像
- 標題文案
- 字體大小
- 線高
- 個性化與無
- 進貨通知
- 利益驅動的產品描述
- 產品頁面上的專家提示
- 突出折扣和優惠
- 單頁與多頁結帳
- 結帳期間的支持
- 簡單的導航菜單
- 快速查看產品
- 產品視頻
- 追加銷售與交叉銷售
- 預覽圖像上的標籤
- 用戶生成內容
從您可以進行 A/B 測試的元素列表中,很明顯產品頁面是開始的最佳位置。
但是您網站上的其他頁面也非常適合進行 A/B 測試。
讓我們看看您可以通過品牌的一些真實示例來測試哪些頁面:
- 主頁
- 咸船長更改首頁公告欄顏色,點擊量增加 234.54%,CVR 提升 13.39%
- 傳奇牆藝嘗試英雄版塊和CTA文案,參與度提升325.39%,收入提升30.07%
- byBiehl 添加了一個滑塊來展示他們的重要產品,從而增加了類別頁面訪問量 (5.87%)、每用戶收入 (3.25%) 和 CVR (19.73%)
- 類別頁面
- Copycat Fragrances 在其類別頁面上添加了他們的 Instagram Stories 版本,將參與度提高了 4%,將每位用戶的收入提高了 18%
- Iceshaker 切換了他們的類別頁面,將他們的產品故事包括在內,以解決常見的反對意見,並獲得了 15.95% 的轉化率提升。
- Oliver Cabell 專注於用戶的移動體驗,修改了佈局並改進了設計,這導致流量提升了 14.86%,結帳頁面流量增加了 5.49%
- 結帳頁面
- Oflara 在購物者使用“添加到購物車”按鈕結賬時向他們推薦其他商品,從而顯著提高了整體收入。
- Conscious Items 使用粘性購物車消除了結賬過程中的摩擦,從而使每位用戶的收入增加了 10%,CVR 增加了 10%。
- Homeware 指出,用戶只在 Shopify 商店購買了一件商品。 因此,他們簡化了結帳流程,將用戶直接重定向到結帳頁面,從而使 CVR 增加了 47.7%,移動設備上每位訪客的收入增加了 71.4%。
專家提示:關注大的變化
對於初次進行 A/B 測試的創業者,我最好的建議是專注於大的變化。 例如,產品頁面的完全重新設計。 像改變按鈕顏色這樣的小改動不太可能顯著改變指針。
通過重新設計完整的頁面並在我們的產品頁面中添加產品說明 GIF,我們能夠將轉化率提高 40% 。
Philip Pages,PostPurchaseSurvey.com 的創始人,一個 7 位數的中型電子商務 Shopify 品牌。
運行 A/B 測試時要熟悉的統計概念
儘管 A/B 測試用於比較您網站的兩個版本,但僅查看數字是沒有用的,因為這沒有考慮數據的統計意義。 您最終會誤解結果並損害您的銷售。
因此,無論您的內部團隊是在項目中運行點還是您聘請 CRO 機構,您都必須熟悉您會聽到很多的 A/B 測試統計概念。
樣本和總體
登陸您網站的所有訪問者都被視為總體,而樣本是參與 A/B 測試的訪問者數量。
平均值、中位數和眾數
平均值 = 平均值
中位數 = 中間值
模式 = 重複值
方差和標準差
方差是數據的平均變異性。 變異性越高,均值作為單個數據點的預測指標就越不精確。
標準偏差是方差的平方根,以與原始值相同的單位表示,使其直觀更易於理解。 另一方面,方差以原始單位的平方表示,但對於 A/B 測試的結果仍然很重要。
統計學意義
當 A/B 測試儀表板顯示“有 95% 的機會擊敗原創”或“90% 的統計顯著性概率”時,它會問以下問題:假設 A 和 B 之間沒有潛在差異,我們多久會偶然看到我們在數據中所做的差異?
Evan Miller,統計軟件開發人員(來源)
顯著性水平需要盡可能小。 1% 是理想的,因為它相當於 99% 的置信水平。 微不足道的結果可能意味著您所看到的實際上是誤報,因此等待統計顯著性很重要,但不僅如此。
您需要計算與您選擇的最小提升(MDE - 最小可檢測效應)相匹配的樣本量,您將增加誤報的變化。
P值
p 值是在假設原假設正確的情況下,獲得至少與統計假設檢驗的觀察結果一樣極端的結果的概率。
但是關於 p 值,你真正需要了解的是:“這個結果有多令人驚訝?”
有關 Shopify 企業家應了解的完整列表,請閱讀我們的 A/B 測試統計概念指南。
您應該在 Shopify 商店上運行多長時間的 A/B 測試?
您經常會遇到兩個常見的謬誤:
- 達到統計顯著性時結束 A/B 測試
- 監控 p 值並在達到目標後立即宣布獲勝者。
停止測試應基於樣本量。 但是,雖然您不應該提前結束實驗,但它們不應該永遠運行。 如果 3 個月後,你仍然沒有達到顯著性,最好嘗試其他的改變,最好是更大膽的。
Convert 和 Shopify 建議讓您的測試至少運行兩個業務週期或 14 天。
Faruzo 首席執行官 Avid Faruz 同意:
新企業家需要知道,在 A/B 測試中,時間框架很重要。 你運行 A/B 測試的時間越長,你得到的測試就越準確。 這是因為您的測試將使用更多數據點來得出結果。 經驗豐富的營銷人員會進行長達兩週的測試。 我建議所有營銷人員和企業家根據他們網站獲得的流量水平設定時間框架。
這就是我們的平台提供 14 天免費試用的原因,以便您可以測試您的假設。
在 Shopify 商店上運行 A/B 測試的 4 步流程
準備好運行測試了嗎?
使用這 4 步 A/B 測試流程來構建更好的測試並了解其影響。
#1。 進行定性和定量研究
轉化研究是第一步,也是最重要的一步。 這使您可以構建可以進行 A/B 測試的假設。 也稱為發現階段,這是您將操作假設置於靜止狀態並讓數據指導您的時候。
你最終會得到兩種數據——定量的和定性的。
從收集定量數據開始。 這些構成了您無法與 Google Analytics、Amplitude 或 Mixpanel 等分析引擎吐出的冷酷、確鑿的事實。
例如,您可能想要查看跳出率、總轉化次數或查看/會話的頁面。
收集定量數據後,獲取定性數據。 由於這是主觀的,潛意識偏見可能會蔓延,但解釋你的發現是你回答“為什麼”的唯一方法。
使用 Hotjar 生成熱圖並記錄訪問者會話。 您可能找到的答案不是確定的,但它引入了新的可能性,有助於總體上更好的假設。
但在你開始之前,重要的是要同時查看定性和定量數據,以全面了解。 分析等於數據查詢和批判性思維。
#2。 創建可信的假設
遵循科學方法意味著您必須創建一個可信的假設——一個需要評估其有效性的建議解決方案。
CorvusCRO 的創始人 Matt Beischel 分享了假設的 3 個主要組成部分:理解、響應和結果。
這是一個示例:
- 理解:通過比較過去 6 個月的購買數據,我們觀察到多件商品的購買量有所減少。
- 回應:我們希望在手機上的購物車頁面上通過內聯追加銷售來推廣配對產品,以供購物車中已有商品的返回用戶使用。
- 結果:這應該會導致單品購買者更容易找到和購買互補產品,這將通過平均訂單價值 (AOV) 來衡量,並由平均訂單規模、多品購買數量、訂單轉化率和收入來支持。
為了幫助您簡化和標準化假設的創建,我們提供了 A/B 測試假設生成器。
在這個階段,您還想了解您的樣本量並據此計算測試的停止點。 為此,請使用我們的 A/B 測試顯著性計算器。
專家提示:
一旦您知道了您的樣本量以及您應該運行測試多長時間,您就需要設置您的測試優先級。 您可以選擇測試流程的不同部分,例如單個頁面、整個網站、彈出窗口或付費廣告。 最好一次只關注流程的一個部分,這樣您就可以清楚地了解哪些變化正在改善客戶體驗和轉化率。
Allan Borch,DotcomDollar.com 的創始人
優先考慮你的假設
實驗有很多好處,這就是為什麼你會經常看到提倡測試一切的專家。 但是,您必須優先考慮現在需要運行哪些測試以及哪些實驗可以等待,因為無論您的公司大小,資源都是有限的。
因此,實驗者依賴於 RICE、PIE、ICE 或 PXL 等優先級模型。 但個性化顧問 David Mannheim 認為這些模型存在缺陷:
他們缺乏與更廣泛的業務環境的一致性。 優先級應該是自上而下的,首先關注業務使命,其次是業務目標,依此類推。 大多數優先級模型都關注“執行”,即三角-y-層次結構圖中的最後一件事,即執行的基礎、概念、用戶問題、產品目標、業務目標和最高使命。
這些模型還使用“努力”作為評分因素,這意味著您確實在構建可能具有最大影響的功能,因為它們很複雜。 最終,這些模型缺乏客觀性。
Product School 高級產品營銷經理 Andrea Saez 說,
如果你甚至在做正確的事情,如果你沒有經過適當的審查,你就無法知道大多數事情的範圍、影響或努力,如果你沒有與任何人談論它,就更少了。 所以你怎麼可能有任何信心?
這裡的答案是建立自己的優先級模型。
第 1 步:從示例中獲取靈感
第 2 步:考慮與業務目標一致、迭代潛力、公司特定學習和資源投資等因素。
第 3 步:為要運行的測試分配權重
第 4 步:沖洗並重複,直到找到適合您的首字母縮寫詞。
#3。 部署測試
你已經完成了研究並建立了一個可信的假設。 現在是時候去擊球了。
成功的部署需要 3 件事——正確的 A/B 測試平台、正確的團隊來編寫測試代碼,以及 QA 和調試。
讓我們從第一個開始。
是什麼造就了 Shopify 的良好 A/B 測試平台?
理想情況下,您需要一個工具來測試主題、定價、菜單、產品集合、搜索頁面、運行多變量測試和跟踪收入。
許多插件可以幫助您實現其中的一項或多項,但我們已經知道插件會導致代碼膨脹,這對您的 SEO 或轉換來說不是好消息。
像 Convert Experiences 這樣的專用測試平台可與您的 Shopify 商店無縫集成,讓您可以運行所需的各種測試,並擁有一個您可以使用的自定義 Shopify A/B 測試應用程序,從而消除可能的代碼膨脹。
接下來,您希望有合適的團隊來編寫測試代碼。
注意:編碼員和與 A/B 測試團隊合作的編碼員之間存在差異。
最終,如果沒有 QA 和調試,測試是不完整的。 如果沒有 QA,變異錯誤可能會突然出現,從而導致統計錯誤——誤報或誤報。 Not to mention, you may end up collecting the wrong data that delivers zero value to your visitors.
Here are 4 best practices for QA of A/B tests:
- Develop a QA strategy
- Identify what to QA
- Focus on page experience
- Align QA with conversion goals
Pro Tip: Avoid these rookie A/B testing mistakes:
- You only test industry best practices
- You keep peeking at your “results”
- You give up after one test
- You fail to iterate and improve on wins
- You mess up revenue tracking
#4。 Analyze & Learn From Your A/B Tests
Whether you have a winner or loser on your hands, analyzing what worked and learning from it to influence future A/B tests is crucial.
Because while A/B testing is a strategy to boost your revenue, you're also effectively “buying data” on your audience.
Here's a 7 step process to learn from A/B tests –
- Make sure your data is accurate, valid, and significant
- Check your micro, macro, and guardrail metrics
- Segment your results
- Check user behavior
- Continue to improve on winners
- Create a learning repository for future tests
The last step allows you to run tests in the future that are backed by your previous experiments' learnings.
Expert Tip: Be prepared to fail.
It is difficult to predict the conversion rate for your website even if you think you've created the perfect A/B test. As a new entrepreneur, I almost succumbed to the frustrations of seeing no success in the first few months. I am not used to failure and many entrepreneurs are like this. The focus should be to give the users the best experience and leave room for the unexpected .
Leslie Radka, Founder & Hiring Manager at GreatPeopleSearch
A/B Testing in Other Realms That Can Compound Your Shopify Store Gains
Don't stick to just your website. A/B testing can and should be applied to other channels and realms where customer engagement occurs.
A/B Testing Pop-Ups (with Privy)
Those pop-ups you have on your website? You can A/B test them too with tools like Privy. Experiment with your headline, offer, form, CTA, or images.
Privy's Convert tool allows you to present the pop-up in different formats and target visitors based on rulesets.
A/B Testing Emails
When it comes to email marketing, 3 core areas of improvement emerge—delivery, open rates, and CTR.
You can test your emails in this order:
- First, the subject lines to improve the open rate
- Then the body copy to make sure it's relevant
- Finally, the CTAs to get more clicks
What else can you test in your email? Check out our complete guide to A/B testing emails.
Here's how 2 Shopify entrepreneurs used A/B testing to grow their email marketing channel: [h5] #1. Grew Email List 3x Using Split Testing
The most effective strategy for testing content is A/B testing. A/B testing has proven, measurable, immediate results that tell us whether one or another content base is more effective at converting customers to sign up for emails, make a purchase, etc.
In retail, vanity metrics like direct traffic to your website are least effective for measuring content success, while A/B testing (ie, tracking conversion rate, user engagement, email funnels) is the most effective. We tested our email subscription CTA with split-testing and grew our email list over three times in one campaign. The better you know your ICP, the more effective your brand strategy will convert. Use A/B tests to understand your target demographic better, and spoon-feed them the content they respond best to .
Zach Goldstein, Public Rec
#2。 Increased email open rate by 25% with emojis in subject lines
After seeing a study, I wanted to test out open rates using an emoji in the subject line vs. not using one. The study implied that using an emoji would help to enhance open rates, but I felt that it could come off as unprofessional and spammy.
I use the ActiveCampaign email platform alongside Shopify, and I actually integrate the two together to maximize customer communication. ActiveCampaign allows users to run many A/B tests so they can see what jives with their target audience. When the results were in, I had to admit that I was wrong because the emails with an emoji in the subject received a 25% higher open rate. It's safe to say that I've been pretty liberal with my emoji keyboard ever since, and I've noticed a spike in conversion rates, too .
Stephanie Venn-Watson, fatty15
A/B Testing on Social Media
Like paid ads, you can test your organic content on social to improve engagement. The heading, copy, images, and CTA can all be A/B tested.
When doing this manually, stagger the release of your posts to have a reasonable gap which will allow you to gather meaningful data.
Or you can use scheduling tools like Later, Buffer, or MeetEdgar to automate the publishing.
Ecommerce A/B Testing Pitfalls to Avoid
Our need for instant gratification also seeps into A/B testing. Jon Ivanco, Co-founder of Formtoro, believes most A/B testing is reactionary:
Brands want a quick fix that's cost-effective; they hate the idea of investing in long-term outlooks and gains. The only time they look at these things is when things aren't going well .
There are “experts” that are anything but experts, bad advice presented as best practices, and experiments designed to pick the low-hanging fruit.
Ivanco instead recommends getting the basics right:
– All tests to landing pages
– All tests from specific audiences
– Test one variable at a time
– Don't test unless you have a clearly articulated hypothesis and you can learn from if something goes right or if it fails
– Do all tests from the perspective of the customer journey
– Small things are part of a larger chain, try to isolate things as much as you can one step at a time
Give Privacy a Thought
No one wants to become a lab rat inadvertently.
The backlash to Facebook 2014's emotional contagion study is proof. Even Apple's privacy updates signal that users care about their privacy and don't want to be manipulated into buying products.
Laws around privacy—existing and upcoming—will continue to evolve. Each time a significant change is brought about, it will hurt your business unless you start thinking user-first and bake ethical A/B testing into your strategy.
So what does that mean for you?
- Take data privacy seriously when collecting data
- Rule out manipulative tactics
- Store and process data securely
- Respect user consent and allow them to opt-out of experiments
Do that and you will future-proof your A/B testing and build a better relationship with your audience.