Google Analytics A/B testing

Google Analytics A/B testing

Odlična spletna stran, ki je prilagojena predvsem za mobilne naprave, NI ključnega pomena samo za spletne trgovine. Uporabniki/stranke poleg nakupa ali oddanega povpraševanja na spletnih straneh lahko: poiščejo informacije primerjajo cene, prebirajo vsebine, preverijo ponudbo …

Velika večina podjetij se zaveda pomembnosti urejene in pregledne spletne strani, tu pa je zadeva velikokrat končana. Kaj delajo narobe?

Ključna napaka vseh, ki postavijo novo spletno stran ali pa spreminjajo obstoječo, je ta, da spremembe na strani niso kontinuirane, premalo je testiranja in spremljanja rezultatov. Skoraj vsi postavijo spletno stran, ki je dizajnersko njim najbolj všeč in zadeva je tu končana. Spletna stran je tako nekaj let ali mesecev povsem ista, v ozadju pa ne vedo, da bi bili rezultati  lahko veliko boljši. Tukaj velja izpostaviti pravilo, da tisto, kar se nam zdi najboljše in mislimo, da bo prinašalo rezultate, velikokrat ni pravilno. Vzorec vsaj 1000-ih ljudi, ki so na strani dlje časa, nam šele prične podajati prave odgovore.

Že najmanjša sprememba na spletni strani, kot je na primer postavitev novega banerja, zamenjan vrstni red, povečan CTA gumb, spremenjena barva menija ipd., lahko ključno vpliva na uporabniško izkušnjo. Takšne spremembe lahko v veliki meri določajo, ali  bo nekdo pri nas pustil e-mail, prebiral vsebino, na strani preživel dlje časa ali pa na primer prebrskal po podstraneh. V daljšem časovnem obdobju vsak izgubljen uporabnik nekaj stane. Tako lahko na dolgi rok (še posebej, če veliko vlagamo v oglaševanje ali pa se ukvarjamo z optimizacijo spletne strani) izgubimo veliko denarja. Če s spremembo dosežemo, da je na spletno stran potrebno pripeljati samo 50 ljudi, da pride do neke aktivnosti, v nasprotju s predhodnimi 80, smo prav gotovo na pravi poti.

Kako najlažje izvajamo spremembe in spremljamo rezultate? Obstaja veliko plačljivih orodij, danes pa se bomo sprehodili skozi preprost postopek, ki je povsem brezplačen in je na voljo čisto vsem –  Google Analytics content experiment (A/B testing različnih spletnih mest). S pomočjo takšnega testa lahko ugotavljamo, kateri elementi na spletni strani so za nas najboljši in nam glede na našo ciljno skupino prinašajo najboljše rezultate.

Pred začetkom je izredno pomembno determinirati naš glavni cilj. Spremenjen naslovni baner in drugačna barva CTA gumba lahko pozitivno vplivata na čas, ki ga uporabnik preživi na naši strani. Pa je za nas relevantno samo to? Takšna sprememba lahko na drugi strani negativno vpliva na število pobranih e-mail naslovov. Preden izvajamo kakršnekoli spremembe je tako zelo pomembno vedeti, kaj želimo s spremembami doseči.

  • Prvi korak

Google je A/B testing in split testing združil pod enotno ime – content experiment. Zadevo najdemo v Google Analyticsu pod zavihkom “Behavior”, kjer čisto spodaj kliknemo “Experiments”. Ko se nam odpre novo okno, preprosto kliknemo “Create experiment”.

Google Analytics A/B testing slika 1

Preusmerjeni bomo na stran (slika spodaj), kjer lahko preprosto pričnemo nastavljati vse potrebne parametre. Najprej uredimo ime našega eksperimenta. Primer: če testiramo spremembo barve zgornje orodne vrstice, to poimenujemo tako, da v kasnejši fazi lahko takoj ločimo eksperime nte med seboj. Pod razdelkom “Objectives for this experiment” definiramo CILJ, ki bo naš glavni kazalec pri primerjavi rezultatov testa. Cilji, ki jih lahko izbiramo, so sledeči: transakcije, prihodki, povprečen čas na strani … Lahko pa preprosto nastavimo nov GOAL, ki je za nas najbolj relevanten.

Google Analytics A/B testing slika 2

  • Ločite vaš promet

Ko določimo, kaj je naš glavni cilj testiranja, izberemo, kakšen procent obiskovalcev bo preusmerjen na testirano podstran ali več testiranih podstrani. Tako lahko preprosto kontroliramo, kakšno število ljudi bo videlo našo originalno stran oziroma kakšno bo število ljudi, ki bodo preusmerjeni na naše testne strani.

Za hitre rezultate, lahko nastavimo višji procent. Vseeno pa je potrebno biti zelo pazljiv. Določeni testi so lahko zelo rizični, tako da se pogosteje izbere manjši procent.

Spodaj lahko upravljamo tudi “Advanced Options”. Tako lahko vključimo opcijo “Distribute traffic evenly across all variants”, kar pomeni, da bo na vsako izmed testiranih strani preusmerjeno enako število prometa v celotnem življenjskem obdobju. Če je ta opcija izključena, bo Google prerazporejal promet glede na uspešnost posameznih podstrani (uspešnost se meri s ciljem, ki ga sami predhodno določimo).

Naslednja zelo pomembna stvar je čas trajanja eksperimenta. Če imamo na spletni strani zelo malo obiska, mora biti čas daljši, v nasprotnem primeru pa je lahko tudi krajši. Pomembno je, da zajamemo čim večji vzorec ljudi, saj so tako rezultati eksperimenta najbolj merodajni. Pozor: tudi če imamo na strani zelo veliko obiska, je zaradi velikih nihanj (nihanja niso samo med meseci, ampak tudi med dnevi v tednu) zelo dobro pustiti test teči dalj časa.

Google omogoča tudi določanje praga zaupanja, kjer mora biti dosežena minimalna raven, da se lahko razglasi zmagovalec. Višji kot je prag zaupanja, bolj smo lahko prepričani, da je zmagovalna stran res tista prava. Višji prag zaupanja pa lahko vpliva tudi na to, da Analytics potrebuje dalj časa, da determinira zmagovalca.

  • Določanje strani in urejanje kode

V tem koraku dodamo našo originalno stran in testno stran (lahko tudi več testnih strani). Kot lahko vidimo, je zadeva čisto preprosta. Vse, kar moramo narediti, je da kopiramo URL glavne strani in testne strani. Ko to naredimo, lahko na desni vidimo predogled vseh strani in se na ta način prepričamo, da so to res tiste prave. Ko vse preverimo, kliknemo “Next Step” za preskok na naslednji korak.

*Če želimo dodajati več testnih strani, preprosto kliknemo + Add variant.

Google Analytics A/B testing slika 3

Sedaj bomo za naš eksperiment potrebovali kodo. Če je Google Analytics koda pravilno nameščena na glavni in vseh testnih straneh, bo koda eksperimenta takoj prikazana. Če imamo ustrezno znanje, lahko to kodo sami umestimo na GLAVNO stran, v nasprotnem primeru pa jo skupaj z navodili lahko pošljemo programerju. Ko je koda dodana, kliknemo “Next step” za prehod na zadnji korak.

Google Analytics A/B testing slika 4

  • Predogled in štart eksperimenta

Ko je koda eksperimenta dodana na glavni stran, jo bo Google Analytics zaznal in pokazal, če pride do kakršnekoli napake. Včasih Analytics ni sposoben takoj zaznati kode. V tem primeru, lahko preskočimo ta korak, v kolikor smo povsem prepričani, da je vse pravilno nameščeno. Google preskok tega koraka predlaga samo takrat, ko nimamo druge možnosti. Lahko pa se pojavi tudi kakšna druga napaka, ki je natančno obrazložena in jo je potrebno rešiti.

Ko imamo zeleno luč, lahko naš eksperiment aktiviramo. Kliknemo “Start experiment” in najkasneje v dveh dneh bomo že beležili prve statistične rezultate.

Google Analytics A/B testing slika 5

  • Pregledovanje rezultatov

Ko eksperiment pride do konca določenega časovnega obdobja testiranja, bo razglašen zmagovalec. Zmagovalec bo razglašen na podlagi prej določenega cilja in praga zaupanja.

Ko bomo pregledovali rezultate, lahko ugotavljamo, katera stran je boljša in zakaj. Po želji se lahko stran, ki se najbolje odziva, nastavi kot naša nova (ALI pa stara) glavna stran, ki jo bodo videli čisto vsi obiskovalci.

Google Analytics je super brezplačno orodje, preko katerega brez problema nastavljamo eksperimente in testiramo razne elemente. Google sam izvaja vsa preračunavanja, tako da nam ne ostane veliko dela.

Ima pa testiranje preko tega orodja tudi eno slabost. Analytics ne podpira multivariacijskega testiranja, preko katerega se lahko testira več multi variacij (kombinacije pri takšnem testiranju se v ozadju same posodabljajo v več različnih variantah), kot so različne barve, teksti, velikosti in CTA gumbi naenkrat. Sicer lahko sami ročno nastavimo vse takšne kombinacije, ampak nam to vse vzame zares veliko časa, prav tako pa takšen test traja tudi dalj časa (še posebej, če na strani ni veliko obiska). Prav tako Analyticsa ne moremo uporabljati za e-mail kampanje.

Povzetek: Nobena dobra stran ni povsem ista skozi daljše časovne obdobje. Za najbolj optimalne rezultate je potrebno veliko testiranja, spreminjanja, dodajanja … Vse to nam vzame nekaj časa, prišpara pa tudi veliko živcev, ker so rezultati neprimerno boljši. :)

Dejan Kojić, AdStar