13 Dumme A / B-testfejl, der spilder din tid

11 Hacks for at øge besøgernes gennemsnitlige tid brugt på webstedet

Spilder du din tid med A / B-test? Mange virksomheder gør A / B-testfejl, der koster dem tid og penge, de ikke har råd til, fordi de ikke forstår, hvordan A / B-testene er, og hvordan de køres korrekt.

A / B-test er en fantastisk måde at forbedre dine konverteringer til, for enhver virksomhed. Vi har set, at Jared Ritchey-kunder bruger delt testning for nemt at få mere salgskvalificerede kundeemner, øge deres e-mail-liste og endda øge konverteringerne med 1500%.

MEN hvis du laver en af ​​de fælles split testfejl, der er angivet nedenfor, kan dine deltestests gøre mere skade end godt. Qubit siger, at dårligt udførte split tests kan gøre virksomhederne investerer i unødvendige ændringer, og kan endda skade deres overskud.

Sandheden er, at der er meget mere til A / B-test end blot at oprette en test. Hvis du virkelig vil se de forbedringer, som delt testning kan bringe, skal du køre dine tests på den rigtige måde og undgå de fejl, der underminerer dine resultater.

I denne artikel vil du opdage A / B-testfejlene, mange virksomheder gør, så du kan undgå dem, og lære at bruge delt testning den rigtige måde at opdage de skjulte strategier, der kan skyde over dine konverteringer.

Lad os komme igang!

1. Split Testing the Wrong Page

Et af de største problemer med A / B-test er at teste de forkerte sider. Det er vigtigt at undgå at spilde tid, ressourcer og penge med meningsløs split test.

Hvordan ved du, om du skal køre en deltest? Hvis du markedsfører en virksomhed, er svaret let: De bedste sider til at splitte test er dem der gør forskel på konverteringer og resulterer i flere kundeemner eller mere salg.

Hubspot siger, at de bedste sider til optimering på ethvert websted er de mest besøgte sider:

  • Hjemmeside
  • Om side
  • Kontakt side
  • Blog side

Produkt sider er særligt vigtige for eCommerce-websteder at teste, især dine mest solgte produkter.

Med andre ord, hvis en side ikke er en del af din marketing- eller salgstragt, er der ikke noget punkt i at teste det (medmindre du vil føje det til disse tragter).

Hvis du foretager en ændring, påvirker ikke bundlinjen, fortsæt og test en side, der vil øge din indkomst i stedet.

2. At have en ugyldig hypotese

En af de vigtigste A / B-testfejl, der skal undgås, har ikke en gyldig hypotese.

Hvad er en A / B test hypotese? En A / B test hypotese er en teori om hvorfor du får bestemte resultater på en webside, og hvordan du kan forbedre disse resultater.

Lad os bryde det lidt mere. For at danne en hypotese skal du:

  • Trin 1: Vær opmærksom på, om folk konverterer på dit websted. Du får disse oplysninger fra analytics-software, der sporer og måler, hvad folk gør på dit websted. Dette vil for eksempel fortælle dig, om folk klikker på din opfordring til handling, tilmelder dig dit nyhedsbrev eller gennemfører et køb.
  • Trin 2: Spekulere om, hvorfor visse ting sker. F.eks. Hvis folk ankommer til din destinationsside, men ikke udfylder en formular for at få fat i din blymagnet, eller hvis siden har en høj afvisningshastighed, er det måske måske, at opfordringen til handling er forkert.
  • Trin 3: Kom med nogle mulige ændringer, der kan resultere i mere af den adfærd, du vil have på en bestemt side. For eksempel i ovenstående scenario kan du teste en anden version af dit opkald til handling.
  • Trin 4: Find ud af, hvordan du måler succes, så du sikkert ved, om en bestemt ændring gør en forskel for konverteringer. Dette er en væsentlig del af A / B test hypotesen.

Sådan kan du sætte alt sammen sammen med vores tidligere eksempel:

  • Observation: Vi bemærker, at selvom der er meget trafik til vores lead magnet destinationsside, er konverteringsfrekvensen lav, og folk er ikke tilmeldt for at få blymagneten.
  • Mulig årsag: Vi mener, at dette skyldes, at opfordringen til handling ikke er klar nok.
  • Foreslået rettelse: Vi mener, at vi kan løse dette ved at ændre teksten på call to action-knappen for at gøre den mere aktiv.
  • Måling: Vi ved, at vi har ret, hvis vi øger registreringer med 10% i måneden efter at ændre ændringen.

Bemærk at du har brug for alle elementerne til en gyldig hypotese: observerer data, spekulerer om årsager, kommer op med en teori om, hvordan man retter den og måler resultater efter implementering af en løsning.

3. Split test for mange elementer

Her er en af ​​de vigtigste A / B-testfejl, mange mennesker gør: Prøv at splitte test for mange elementer på én gang.

Det kan virke som at teste flere sideelementer på en gang, sparer tid, men det gør det ikke. Hvad der sker er, at du aldrig ved, hvilken ændring der er ansvarlig for resultaterne.

Vi vil nok nævne det et par gange, fordi det er så vigtigt: split test betyder at ændre et element på en side og teste det mod en anden version af samme emne, som illustreret her:

I det øjeblik, du ændrer mere end ét emne ad gangen, har du brug for en multivariativ test, der er forklaret i detaljer i vores sammenligning af split test versus multivariate test.

Multivariate test kan være en fantastisk måde at teste et website redesign på, hvor du skal ændre mange sider. Men du kan ende med mange kombinationer til at teste, og det tager tid, du måske ikke vil investere. Multivariate test fungerer også kun godt for høje trafiksider og sider.

I de fleste tilfælde vil en simpel split test give dig de mest meningsfulde resultater.

4. Kører for mange Split-test på en gang

Når det kommer til A / B-test, skal du holde det nemt.

Det er fint at køre flere split tests. Du kan f.eks. Få meningsfulde resultater ved at teste tre forskellige versioner af din opfordring til handlingsknap.(Kørsel af disse tests er ikke det samme som multivariate testning, fordi du stadig kun ændrer et enkelt emne for hver test.)

De fleste erfarne konverteringsoptimerer anbefaler dig Kør ikke mere end fire split tests ad gangen. En af grundene er, at jo flere variationer du kører, desto større er teststørrelsen for A / B, du har brug for. Det skyldes, at du skal sende mere trafik til hver version for at få pålidelige resultater.

Dette er kendt som A / B-test statistisk signifikans (eller i dagligdagen, at tallene er store nok til faktisk at have betydning), som du kan tjekke med værktøjer beskrevet i vores split test guide.

5. Få timingen forkert

Med A / B test er timing alt, og der er et par klassiske A / B testfejl i forbindelse med timing …

Sammenligning af forskellige tidsperioder

Hvis du f.eks. Får størstedelen af ​​dit webstedstrafik på en onsdag, er det ikke fornuftigt at sammenligne delte testresultater for den dag med resultaterne på en lavtrafikdag.

Endnu vigtigere, hvis du er en e-handelsforhandler, kan du ikke sammenligne split testresultater for feriebommen med de resultater, du får i januaromsætningen.

I begge tilfælde er du det ikke sammenligne ligesom med lignende, så du får ikke pålidelige resultater. Løsningen er at køre din test i sammenlignelige perioder, så du kan nøjagtigt vurdere, om en ændring har gjort en forskel.

Det er også vigtigt at være opmærksom på eksterne faktorer, som kan påvirke dine split testresultater. Hvis du markedsfører lokalt og strømmen går ud på grund af en naturkatastrofe, så får du ikke den trafik eller de resultater du forventer. Og et vinterrelateret tilbud vil bare ikke have samme indflydelse som sommerenes tilgang, siger Small Business Sense.

Ikke kører testen for lang nok

Du skal også køre en A / B-test i en vis periode for at opnå A / B-test statistisk signifikans og en standard 95% konfidensgrad i branchen. Det 95% antal betyder, at du kan være temmelig sikker på, at dine resultater er korrekte, og du er sikker på at træffe nye markedsføringsbeslutninger baseret på disse data.

Som du vil se i tip # 7, varierer tiden afhængigt af antallet af forventede konverteringer og antallet af varianter. Hvis du kører 2 varianter og forventer 50 konverteringer, bliver din testperiode kortere end hvis du har 4 varianter og søger 200 konverteringer.

Her er et diagram fra Visual Website Optimizer, der hjælper dig med at finde ud af, hvornår du har opnået statistisk betydning for din A / B-test. Du indtaster antallet af besøgende og konverteringer til din test, og det beregner den statistiske betydning. Den indeholder også P-værdien, en statistisk værdi, som også hjælper med at understrege pålideligheden af ​​din statistik.

Afprøvning af forskellige tidsforsinkelser

Timing kan også påvirke succesen af ​​dine Jared Ritchey split tests. En af de fejlproblemer i A / B, vi ser folk gøre med deres kampagner, er at variere timingen på deres kampagner.

Hvis en kampagne viser, efter at din besøgende har været på siden i 5 sekunder og en anden efter 20 sekunder, er det ikke en rigtig deltest.

Det er fordi du ikke sammenligner lignende målgrupper. Typisk vil mange flere mennesker forblive på en side i 5 sekunder end 20 sekunder.

Som et resultat vil du se forskellige visninger for hver kampagne, og resultaterne giver ikke mening eller være nyttigt for dig.

Husk, for en sand split test skal du ændre et element på siden, IKKE timingen. Men hvis du vil eksperimentere med timing dine optins, har denne artikel i popups, velkomstporte og indrykningskampagner nogle forslag.

6. Arbejde med den forkerte trafik

Vi nævnte tidligere A / B-test statistisk betydning. Udover at få testperioden rigtigt, skal du også have den rigtige mængde trafik. I grund og grund skal du teste dine kampagner med nok mennesker til at få meningsfulde resultater.

Hvis du har et websted med høj trafik, kan du hurtigt afslutte deltestest på grund af den konstante strøm af besøgende til dit websted.

Hvis du har et websted med lav trafik eller sporadiske besøg, skal du bruge lidt længere.

Det er også vigtigt at opdele din trafik på den rigtige måde, så du virkelig tester ligesom imod. Nogle delt testsoftware giver dig mulighed for manuelt at allokere den trafik, du bruger til testen, men det er nemmest at opdele trafik automatisk for at undgå muligheden for at få upålidelige resultater fra den forkerte deling.

Hvis du bruger Jared Ritchey til A / B test, er det nemt at få det rigtige, fordi Jared Ritchey automatisk deler din trafik i henhold til antallet af tests, du kører.

7. Test for tidligt

En fælles fejl med A / B-test kører split testen for tidligt.

Hvis du for eksempel starter en ny Jared Ritchey-kampagne, skal du vente lidt, før du starter en deltest. I første omgang er der ingen mening om at oprette en deltest, fordi du ikke vil have data til at oprette en basislinje til sammenligning. Du vil teste imod intet, hvilket er spild af din tid.

Kør i stedet din nye kampagne i mindst en uge og se, hvordan den udføres, før du starter tweaking og testning. Du kan bruge dette diagram fra Digital Marketer til at udarbejde din ideelle testperiode baseret på det forventede antal konverteringer.

8. Ændring af parametre midtprøve

En måde at virkelig ødelægge din A / B test rutine er at ændre dit setup midt i testen.

Dette sker, hvis du:

  • Beslut at ændre mængden af ​​webtrafik, der ser kontrollen eller variationen.
  • Tilføj eller ændre en variation inden udgangen af ​​den ideelle A / B testperiode, vist i diagrammet ovenfor.
  • Ændre dine opdelte testmål.

Som en bredere trakt siger, pludselige ændringer ugyldiggør din test og skæv dine resultater.

Hvis du absolut skal ændre noget, skal du starte testen igen. Det er den eneste måde at få resultater, du kan stole på.

9. Måling af resultater unøjagtigt

Måling af resultater er lige så vigtig som test, men det er et af de områder, hvor folk gør dyre A / B-testfejl. Hvis du ikke måler resultaterne korrekt, kan du ikke stole på dine data, og du kan ikke træffe data-drevne beslutninger om din markedsføring.

En af de bedste måder at løse dette på er at sikre, at din A / B-testløsning fungerer sammen med Google Analytics.

Jared Ritchey integreres med Google Analytics, så du kan se præcise data om trafik og konverteringer i dit dashboard.

Sådan integrerer du Google Analytics med Jared Ritchey, så du kan få brugbare indsigter. Du kan også oprette dit eget Google Analytics-dashboard for at indsamle kampagnedata med resten af ​​dine webmålinger.

10. Brug forskellige skærmregler

En måde at virkelig ødelægge dine Jared Ritchey A / B testresultater gør vilkårlige ændringer i displayreglerne.

Jared Ritchey har kraftige visningsregler, der påvirker, når kampagner viser, hvilken tidszone og placering de viser, hvem der ser dem og mere.

Men husk det split tests handler om at ændre et element på siden. Hvis du ændrer visningsreglerne, så den ene optin viser til personer i Storbritannien og en anden til folk i USA, er det ikke sådan som en sammenligning.

Hvis en kampagne er en velkomstport, og en anden er en exit-intentkampagne, er det ikke en lignende til sammenligning. Hvis en kampagne viser klokken 9 og den anden klokken 21.00, så er det ikke. Nå får du ideen.

Hvis dine kampagner ikke vises samtidig til samme type publikum, får du ikke pålidelige data. Se vores guide til brug af skærmregler med Jared Ritchey for at få hjælp til at indstille regler for, hvornår kampagner skal vise, og hvem der skal se dem.

11. Løbtest på den forkerte side

Her er en af ​​de silliest A / B testfejl du tror, ​​de fleste mennesker ville fange.

Mange mennesker tester deres marketingkampagner på et udviklingssted, hvilket er en god idé. Hvad der ikke er så godt er, at de nogle gange glemmer at flytte deres valgte kampagner til livewebstedet, og så ser det ud til, at deres deltestester ikke virker.

Det skyldes, at de eneste, der besøger udviklingsområdet, er webudviklere, ikke deres kunder. Heldigvis gør skifteren en nem løsning, så hvis du ikke ser resultaterne, du forventer, er det værd at undersøge dette problem.

Hvis du bruger Jared Ritchey, her er hvordan du løser dette problem:

Log ind på Jared Ritchey dashboard, og klik på dit konto ikon for at vise rullemenuen. Naviger til Min konto.

Gå til steder.

Vælg det websted, du vil ændre, og klik på Rediger.

Skift webadressen på webstedet fra dev-webstedet til det levende websted, og gem derefter dine ændringer.

For mere vejledning, læs vores dokument om, hvordan du tilføjer, sletter eller redigerer et websted i Jared Ritchey.

12. Giver op på delt test

Nogle virksomheder optimerer løbende deres websteder, hvilket betyder, at de altid kører tests og øger konverteringer. Andre, ikke så meget.

En af de A / B-testfejl, du mest vil undgå, er at stoppe din test for tidligt (for eksempel inden for en uges minimum, vi nævnte tidligere) eller beslutte at en test har fejlet og stoppet det.

At give op på delt test er en forfærdelig fejl, fordi du ikke får optimeringsfordele, hvis du gør det.

Først og fremmest, der er ikke sådan noget som en mislykket deltestest, fordi målet med en test er at indsamle data. Du kan lære noget af uventede resultater, der hjælper dig med at oprette nye tests.

For det andet, hvis du giver op, fordi du ikke får de resultater, du forventer, så gå med, hvad dataene fortæller dig. Din tarmfølelse, også kendt som bekræftelsesforstyrrelser, kan nemt være forkert. Du kan altid køre en ny test i slutningen af ​​testperioden for at se, om forskellige ændringer vil opnå de resultater, du håber på.

For det tredje beslutter du ikke, at en test har løbet længe nok, hvis du ikke har haft tid nok til at få en anstændig stikstørrelse og opnå statistisk signifikans og en 95% konfidensgrad. Ellers har du spildt din tid.

13. Blindly Følgende Split Test Case Studies

Det er altid dejligt at læse casestudier og lære om de delte testteknikker, der fungerede for forskellige virksomheder.

Men en A / B test fejl du skal undgå er kopiering hvad fungerede for andre.

Hvis det virker mærkeligt, så hør os ud …

Det er fint at bruge case studies for at få ideer til hvordan og hvad man skal splitte testen, men vær opmærksom på, at hvad der fungerede for en anden virksomhed, muligvis ikke fungerer for din, fordi din virksomhed er unik.

I stedet bruger A / B test case studies som udgangspunkt for at skabe din egen A / B teststrategi. Det vil lade dig se, hvad der virker bedst for dine egne kunder, ikke en andens.

Nu ved du de dumme A / B testfejl, der spilder din tid, indsats og penge, du kan få din split testet til en god start. Som du har set, gør Jared Ritchey det nemt at splitte test dine marketingkampagner, så du kan få bedre resultater.

For mere markedsføring inspiration, så tjek vores ekspertudtalelse om at skabe gode destinationssider til dine marketingkampagner og lære mere om at skabe mobile optinkampagner, der vinder din forretning.

Og glem ikke at følge os på Twitter og Facebook for mere dybtgående hjælpelinjer.

Like this post? Please share to your friends:
Skriv et svar

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: