En datadreven tilgang til A/B og multivariant splittesting
Som e-handelsvirksomhed er man hele tiden på udkig efter nye måder at vækste sin forretning på. Mere trafik til sit website, større omsætning, øget konverteringsrate, flere signups til nyhedsbrev mv.
Arbejder I seriøst med digital marketing, så bør splittesting stå højt på jeres to-do liste.
Takket være værktøjer som Google Optimize og Visual Website Optimizer, som ikke kræver en årelang softwareuddannelse at forstå, er splittesting ikke længere forbeholdt garvede it-troldmænd.
Men én ting er at mestre kunsten at opsætte og køre splittests. Noget andet er at have styr på hvordan man sikrer, at man får indsamlet tilstrækkeligt data, får det analyseret korrekt og får truffet den rette beslutning på baggrund af resultatet.
Her får du 5 gode råd til hvordan du sikrer succes med dine splittests.
1. Opsæt tracking på alle relevante målepunkter på websitet
Alt efter hvilken type splittest man kører, kan der være stor forskel på hvilke metrics der er vigtige at måle på, og inddrage i den endelige analyse af testen. Fælles for de fleste tests er dog, at der ofte er mere end bare ét parameter, der er relevant at måle på.
Har testen f.eks. til formål at øge den gennemsnitlige ordreværdi? Så sørg for at I ikke kun måler på antallet af konverteringer, men også på omsætning.
Har testen fokus på mindre ændringer på en konkret side? Så vær sikker på, at I rent faktisk kan måle at det netop er denne ændring, som har haft en indflydelse.
- Eksempel: Du tester to forskellige farver på en call-to-action (f.eks. en “Book møde” knap), og kan se at den ene variant har en højere konverteringsrate end den anden. Men har du husket, at opsætte klik tracking på selve knappen, så du kan sige med sikkerhed, at det er netop dén ændring, der har haft en betydning? Ofte er der jo mere end bare én vej til konvertering på et website.
2. Indsaml tilstrækkelig data – og over en længere periode
De fleste der har stiftet bekendtskab med splittesting ved, at der kræves en vis mængde data, før man kan konkludere på resultatet af en test.
I forhold til dataindsamling er tålmodighed en dyd. Det er ikke usædvanlig, at en splittest indledningsvis stikker i enten den ene eller den anden retning, og man kan være fristet til hurtigt at udpege en vinder, fordi den ene variant på rekordtid har sat sig i førersædet.
Her er det vigtigt, at man væbner sig med tålmodighed og fastholder den lettere kritiske, datadrevne tilgang. De fleste værktøjer til splittesting giver selv et estimat på hvor meget data en given test bør have indsamlet før resultatet er signifikant. Dette estimat bør betragtes som et minimum. Men det er ikke kun mængden af data, som er afgørende. Tidsperiode spiller også en rolle.
Hvis man som webshop dykker ned i data fra f.eks. Google Analytics for eksempelvis en hel måned, vil man typisk se udsving på bestemte ugedage. Weekender er måske mere travle. I mange brancher kaster de første par dage efter folk har fået løn typisk også mere trafik og flere konverteringer af sig.
Hvis I vil sikre så høj validitet af jeres splittests som muligt, så sørg derfor altid for at:
- Lade splittesten indsamle data fra så stort et antal sessioner, at der ikke kan herske nogen tvivl om testens outcome og eventuel testvinder.
- Vente med at afslutte og analysere på testen før den har kørt over en længere tidsperiode (min. én måned), uanset hvor meget data I end måtte have indsamlet efter de første par dage.
3. Test forskellige varianter samtidig fremfor i særskilte perioder
Hvis man ikke har arbejdet med splittests før, kan det være fristende at snige sig let og elegant udenom diverse værktøjer, og i stedet bare foretage en rettelse direkte på websitet. Så i stedet for at køre med flere forskellige testvarianter på websitet, så kører man bare med Variant A i hele marts og Variant B i hele april.
Nogle virksomheder har måske endda en mindre fobi for at vise forskellige varianter af deres website til forskellige besøgende, fordi de føler det virker utroværdigt ikke at vise alle besøgende f.eks. de samme tilbud, produkter eller lignende.
Udfordringen ved at køre forskellige testvarianter på særskilte tidspunkter er, at du skal sammenligne data fra to forskellige perioder, hvilket ikke er et validt grundlag. Der er alt for mange faktorer, såsom dato, ugedage og andre online og offline indsatser, som pludselig kan skævvride dine data.
Hvis du vil være sikker på, at dine testresultater er så valide som muligt, så sørg for at teste de forskellige varianter på samme tid.
4. Kør ikke splittests midt i særlige kampagner og højtider
Det kan være fristende, at udnytte den ofte markante stigning i besøgende, som mange webshops oplever i forbindelse med f.eks. Black Friday eller julen, til at få det meste ud af den øgede trafik. Eksempelvis ved at teste nogle nye idéer af på websitet.
Men selvom du ofte vil kunne indsamle en stor mængde data om trafik og konverteringer på relativt kort tid, så er det dog ikke sikkert, at den data er repræsentativ for hvordan den normale trafik ser ud.
Du risikerer altså at konkludere på data, som giver et upræcist øjebliksbillede af trafik og konverteringer på jeres website. Det er stadig brugbart data, men det kan sjældent stå alene.
Undtagelsen her er selvfølgelig tests, som har en direkte relation til den givne kampagneperiode. Det kunne eksempelvis være en A/B splittests med to forskellige juletilbud, som næppe giver mening at teste midt i august. Sørg dog stadig for at forholde dig ekstra kritisk til det indsamlede data, hvis det er indsamlet inden for en så specifik (og ofte kort) periode.
5. Udvælg testvindere på baggrund af konverteringer
Splittesting handler som udgangspunkt om enten konverteringsoptimering eller forbedring af brugeroplevelsen. Måske endda begge dele. Så helt overordnet set er fokus på:
A) Hvordan kan vi give besøgende en optimal brugeroplevelse på vores website?
B) Hvordan kan vi øge konverteringsraten og/eller den gennemsnitlige ordreværdi?
Hvis jeres mål med splittesten er konverteringsoptimering, så sørg for at have fokus på netop konverteringer. Det betyder ikke at andre metrics, som øget time on site, lavere bounce rate mv. ikke er værd at måle og analysere på, men hvis målet med testen er konverteringer, så træf først og fremmest en beslutning på baggrund af hvilken variant, der konverterer.
