Liste de contrôle pour mettre en signet

Lorsque des spécialistes du marketing comme Google créent des pages de destination, font des copies d'e-mails ou conçoivent des boutons click-to-action, ils peuvent utiliser l'intuition pour prédire les éléments sur lesquels les utilisateurs peuvent cliquer et basculer.

Cependant, les décisions de marketing basées sur la «sensation» peuvent nuire aux résultats. Il est préférable d'exécuter un test A / B (également appelé test fractionné) au lieu de s'appuyer sur des suppositions ou des hypothèses pour prendre ces décisions.

Téléchargement gratuit: guide et kit de test A / B

Les tests A / B peuvent être utiles car différents objets se comportent différemment. Travailler dans une entreprise ne fonctionne pas nécessairement dans une autre. En fait, les experts en optimisation du taux de conversion (CRO) détestent le terme «meilleure pratique». Vous.

Cependant, les tests A / B peuvent également être complexes. Si vous ne faites pas attention, vous pouvez faire des hypothèses erronées sur ce que les gens aiment et ce qui vous fait cliquer, c'est-à-dire une décision de déformer facilement d'autres parties de votre stratégie.

Continuez à lire pour apprendre à faire des tests A / B avant, pendant et après la collecte des données. Vous pouvez prendre la meilleure décision à partir des résultats.

Pour exécuter un test A / B, vous devez écrire deux versions différentes de contenu avec un seul contenu. Mobile. Ensuite, je montre ces deux versions à deux sujets de taille similaire et j'analyse quels résultats sont meilleurs pour une certaine période de temps (un temps suffisamment long pour tirer une conclusion précise sur les résultats).

Description du test A / B

Source

Les tests A / B permettent aux spécialistes du marketing d'observer le fonctionnement d'une version du contenu marketing avec une autre. Il existe deux types de tests A / B que vous pouvez effectuer pour augmenter les taux de conversion de sites Web:

Exemple 1: Test d'expérience utilisateur

Vous souhaiterez peut-être voir si le bouton de texte de clic (CTA) se déplace vers le haut de la page d'accueil, plutôt que de le conserver dans la barre latérale, pour améliorer votre taux de clics.

Pour tester A / B cette théorie, créez une autre page Web alternative qui reflète le changement de déploiement CTA. Conception originale ou "Contrôle"- Version A. La version B est un" défi ". Nous testons ensuite chacune de ces deux versions en les affichant à un pourcentage prédéterminé de visiteurs du site. Idéalement, le pourcentage de visiteurs consultant les deux versions est le même.

Apprenez à tester facilement les composants A / B d'un site Web à l'aide du Hub marketing de HubSpot.

Exemple 2: test de conception

Vous voudrez peut-être savoir si vous pouvez augmenter le taux de clics en modifiant la couleur du bouton Appel à l'action (CTA).

Pour tester cette théorie A / B, nous concevons des boutons CTA alternatifs avec différentes couleurs de boutons. Idem Utilisez la page de destination comme contrôle. Si vous utilisez normalement un bouton d'appel à l'action rouge dans votre contenu marketing et que davantage de clics se produisent sur la page alternative verte après un test A / B, vous devez désormais changer la couleur par défaut du bouton d'appel à l'action en vert. Ci-dessus.

Pour en savoir plus sur les tests A / B, téléchargez notre guide d'introduction gratuit ici..

Avantages des tests A / B

Les tests A / B présentent de nombreux avantages pour l'équipe marketing en fonction de ce que vous décidez de tester. Mais surtout, ces tests sont peu coûteux, mais ils sont précieux pour l'entreprise en raison de leurs récompenses élevées.

Disons que vous embauchez un créateur de contenu avec un salaire de 50 000 $ / an. Ce créateur de contenu publie 5 articles par semaine pour le blog de l'entreprise et publie un total de 260 articles. Si la publication moyenne de votre blog d'entreprise génère 10 prospects, vous pouvez être facturé plus de 192 $ pour la génération de 10 prospects pour votre entreprise (50 000 $ par an = 260 articles = 192 $ par article). C'est un changement solide.

Si vous demandez à ce créateur de contenu de développer un test A / B pendant 2 jours Un Articles au lieu d'articles Deux Si vous publiez un article au cours de cette période, vous pouvez graver 192 $ car vous publiez un article de moins. Cependant, si vous pouviez augmenter le taux de conversion de chaque article de 10 à 20 dans ce test A / B, vous avez dépensé 192 $ sur votre blog pour doubler vos clients commerciaux.

Bien sûr, j'ai perdu 192 $ si le test échouait, mais maintenant Suivant Test A / B plus instruit. Dans le deuxième test, le doublement du taux de conversion des blogs a finalement coûté 284 $ pour doubler les revenus de l'entreprise. Même si le test A / B échoue plusieurs fois, le succès final l'emporte presque toujours sur le coût du test.

Il existe plusieurs types de tests fractionnés que vous pouvez exécuter pour augmenter la valeur de votre expérience. Les objectifs suivants sont communs aux spécialistes du marketing pour leur entreprise lors des tests A / B.

  • Augmentez le trafic du site Web: Tester le titre d'un autre article de blog ou d'une page Web peut modifier le nombre de personnes visitant votre site Web en cliquant sur le titre du lien hypertexte. En conséquence, le trafic sur le site Web peut augmenter.
  • Taux de conversion plus élevé: Tester différents emplacements, couleurs ou texte d'ancrage dans le CTA peut modifier le nombre de personnes qui cliquent sur le CTA pour accéder à la page de destination. Cela peut augmenter le nombre de personnes qui remplissent des formulaires sur votre site Web, soumettent des informations de contact et se "convertissent" en prospects.
  • Taux de rebond: Si un visiteur de site Web quitte (ou "rebondit") rapidement un site Web après l'avoir visité, le test d'autres introductions, polices ou images de fonction de blog peut réduire le taux de rebond et retenir plus de visiteurs.
  • Abandon de panier faible: Selon MightyCall, une entreprise de commerce électronique laisse 40% à 75% de ses clients quitter un site Web avec des articles dans leur panier. Cela s'appelle "Abandon du panier". Les tests sur d'autres photos de produits, les conceptions de pages de paiement et les emplacements où les frais d'expédition sont affichés peuvent réduire ce taux d'abandon.

Jetons maintenant un coup d'œil à la liste de contrôle pour la configuration, l'exécution et la mesure des tests A / B.

Comment effectuer un test A / B

kissmetrics_Abtestkit_headerimage Avec le kit de test A / B gratuit, il comprend tout ce dont vous avez besoin pour exécuter un test A / B, y compris un modèle de suivi de test, des instructions pour l'inspiration et l'inspiration, et un calculateur de signification statistique. Ou ce n'est pas décisif.

Avant le test A / B

1. Sélectionnez une variable à tester.

Lors de l'optimisation des pages Web et des e-mails, vous pouvez tester de nombreuses variables. Cependant, pour évaluer l'efficacité du changement, vous devez isoler une "variable indépendante" et mesurer ses performances. Sinon, je ne sais pas lequel était responsable du changement de performance.

Vous pouvez tester plusieurs variables pour une seule page Web ou un seul e-mail. Assurez-vous de tester un à la fois.

Explorez les divers éléments des ressources marketing et les alternatives possibles à la conception, à la papeterie et à la mise en page. Vous pouvez tester différentes façons de personnaliser la ligne d'objet de l'e-mail, le nom de l'expéditeur et l'e-mail.

Même des modifications simples, telles que la modification de l'image d'un e-mail ou la modification du mot d'un bouton d'appel à l'action, peuvent être considérablement améliorées. En fait, ce type de changement est généralement plus facile à mesurer qu'un changement important.

Remarques: Parfois, il est plus approprié de tester plusieurs variables plutôt qu'une seule variable. C'est ce qu'on appelle le test multivarié. Si vous vous demandez si vous devez exécuter des tests A / B ou des tests multivariés, consultez l'article utile d'Optimizely.

2. Identifiez vos objectifs.

Mesurez plusieurs mesures par test, mais choisissez la mesure par défaut sur laquelle vous concentrer. Avant Vous exécutez le test. Effectuez-le en fait avant de définir la deuxième variante. Il s'agit de la "variable dépendante".

Pensez à l'emplacement de cette variable à la fin du test de fractionnement. Est-ce que les fonctionnaires peuvent Hypothèse Passez en revue les résultats basés sur cette prédiction.

Plus tard, si vous attendez de réfléchir aux mesures importantes, à vos objectifs et à la manière dont les modifications proposées affecteront votre comportement, vous ne pourrez peut-être pas configurer vos tests de la manière la plus efficace.

3. Créez des & # 39; Contrôle & # 39; et & # 39; Challenge & # 39 ;.

Vous avez maintenant la variable indépendante, la variable dépendante et le résultat souhaité. Utilisez ces informations pour définir la version inchangée du "contrôle" sous test. Lors du test d'une page Web, il s'agit d'une page Web qui n'a pas changé car elle existe déjà. Si vous testez votre page de destination, il s'agit d'une conception et d'une copie de la page de destination que vous utilisez normalement.

Créez une variante ou un "défi" qui est un e-mail à tester sur votre site Web, votre page de destination ou votre contrôle ici. Par exemple, si vous êtes curieux de savoir si l'inclusion d'une évaluation de membre sur votre page de destination fait une différence, configurez une page de contrôle sans évaluation de membre. Utilisez ensuite l'évaluation pour créer une variante.

4. Divisez les groupes d'échantillons de manière égale et aléatoire.

Pour les tests qui vous donnent plus de contrôle sur la cible, comme les e-mails, vous devez tester les deux mêmes cibles ou plus pour obtenir des résultats décisifs.

La procédure à suivre dépend de l'outil de test A / B que vous utilisez. Par exemple, si vous êtes un client HubSpot Enterprise effectuant des tests A / B par e-mail, HubSpot répartit automatiquement le trafic en variations, où chaque variation échantillonne au hasard les visiteurs.

5. Déterminez la taille de l'échantillon (le cas échéant).

La façon dont vous déterminez la taille de l'échantillon dépend de l'outil de test A / B et du type de test A / B que vous exécutez.

Si vous testez A / B pour les e-mails, envoyez le test A / B à une petite partie de la liste pour obtenir des résultats statistiquement significatifs. Finalement, vous choisissez le gagnant et envoyez la variante gagnante au reste de la liste. (Pour en savoir plus sur le calcul de la taille de l'échantillon, consultez l'ebook "Split Testing Science" à la fin de cet article.)

Si vous êtes un client HubSpot Enterprise, utilisez le curseur pour déterminer la taille de votre groupe d'échantillons. Tous les autres fractionnements d'échantillon nécessitent une liste de plus de 1 000 destinataires, mais vous pouvez effectuer des tests A / B 50/50 sur n'importe quelle taille d'échantillon.

curseur de taille d'échantillon de test a / b

Si vous testez quelque chose Ne le fais pas Si votre audience est limitée, comme une page Web, la durée du test affecte directement la taille de l'échantillon.

Vous devez exécuter les tests suffisamment longtemps pour obtenir un nombre important de vues. Sinon, il est difficile de déterminer s'il existe une différence statistiquement significative entre les deux variantes.

6. Décidez de l'importance des résultats.

Après avoir choisi une métrique cible, réfléchissez à l'importance de choisir une alternative et une autre. La signification statistique est une partie très importante du processus de test A / B souvent mal compris. Si vous avez besoin d'informations sur l'importance statistique d'un point de vue marketing, je vous recommande de lire cet article de blog.

Plus le pourcentage de confiance est élevé, plus la confiance dans le résultat est élevée. Dans la plupart des cas, vous souhaiterez un niveau de confiance d'au moins 95% (au moins 98%), surtout si vous avez configuré une expérience longue. Cependant, il existe des cas où la fiabilité est faible si vous n'avez pas besoin de faire des tests rigoureux.

Matt Rheault, ingénieur logiciel senior chez HubSpot, réfléchit à l'importance statistique des paris. Quelle est la façon la plus simple de parier? Dire «Je pense que c'est la bonne conception et sûr à 80%» revient à exécuter un test A / B avec une importance de 80% et à déclarer ensuite un gagnant.

De plus, Rheault dit qu'il voudra un seuil de confiance plus élevé lors du test d'une légère amélioration de la vitesse de conversation. Pourquoi? En effet, la variance aléatoire est susceptible de jouer un rôle plus important.

"Un exemple, je pense qu'il est plus sûr d'abaisser le seuil de confiance est une expérience qui pourrait améliorer les taux de conversion de 10% ou plus, comme la section des héros repensée."

"Ici, plus le changement est radical, moins il doit être scientifique. Plus le changement est spécifique (couleur du bouton, microcopie, etc.), plus il doit être scientifique car il y a moins de changements. Il semble avoir un impact important sur les taux de conversion."

7. Exécutez un seul test à la fois dans la campagne.

Tester plusieurs campagnes dans une même campagne (même si vous n'êtes pas sur le même élément) peut compliquer vos résultats. Par exemple, si vous testez A / B une campagne d'e-mails qui mène à une page de destination et en même temps mène à une page de destination, comment savez-vous le changement qui a provoqué l'augmentation de la piste?

A / B sous test

8. Utilisez des outils de test A / B.

Pour effectuer des tests A / B sur votre site Web ou par e-mail, vous devez utiliser des outils de test A / B. Si vous êtes un client HubSpot Enterprise, le logiciel HubSpot a la possibilité d'utiliser des e-mails de test A / B (savoir comment), des incitations à l'action (savoir comment) et des pages de destination (savoir comment).

Si vous n'êtes pas un client HubSpot Enterprise, d'autres options incluent des expériences Google Analytics, qui vous permettent de tester A / B jusqu'à 10 versions complètes d'une seule page Web et de comparer les performances à l'aide d'échantillons d'utilisateurs aléatoires. Il y en a.

9. Testez les deux souches simultanément.

Le temps joue un rôle important dans les résultats des campagnes marketing, quel que soit le jour de la semaine, le jour de la semaine ou l'année. Si vous exécutez la version A pendant un mois et la version B après un mois, comment savoir si le changement de performances a été provoqué par une conception différente ou un mois différent?

Lors de l'exécution de tests A / B, vous devez exécuter les deux variantes simultanément. Sinon, vous pouvez deviner le résultat en second.

La seule exception ici est lors du test du calendrier lui-même, comme la recherche du meilleur moment pour envoyer un e-mail. C'est génial de tester, car en fonction de ce que propose l'entreprise et de qui sont les abonnés, le moment optimal pour l'engagement des abonnés peut varier considérablement en fonction de l'industrie et du marché cible.

10. Prévoyez suffisamment de temps pour générer des données utiles pour les tests A / B.

Encore une fois, vous devez exécuter le test suffisamment longtemps pour obtenir la taille réelle de l'échantillon. Sinon, il est difficile de savoir s'il existe une différence statistiquement significative entre les deux variantes.

Combien de temps cela prend-il? Selon la manière dont votre entreprise et les tests A / B sont exécutés, l'obtention de résultats statistiquement significatifs peut prendre des heures, des jours ou des semaines. Une grande partie du temps qu'il faut pour obtenir des résultats statistiquement significatifs est la quantité de trafic. Donc, si votre entreprise n'a pas beaucoup de trafic vers votre site Web, l'exécution des tests A / B prendra plus de temps.

Théoriquement, vous ne devriez pas limiter le temps de collecte des résultats. (Voir cet article de blog pour plus d'informations sur la taille et le calendrier de l'échantillon.)

11. Demandez des commentaires à de vrais utilisateurs.

Les tests A / B ont beaucoup à voir avec les données quantitatives, mais cela n'aide pas nécessairement à comprendre Pourquoi Les gens prennent certaines mesures que d'autres. Pourquoi ne pas collecter des commentaires qualitatifs d'utilisateurs réels lors de l'exécution de tests A / B?

L'un des meilleurs moyens de demander aux gens leur avis est de procéder à un sondage ou à une enquête. Vous pouvez ajouter une enquête de sortie demandant pourquoi le visiteur n'a pas cliqué sur un CTA spécifique, ou ajouter une page de remerciement demandant pourquoi le visiteur a cliqué sur un bouton ou rempli un formulaire.

Par exemple, vous pouvez voir que de nombreuses personnes ont cliqué sur l'appel à l'action pour créer un lien vers l'eBook, mais après avoir vu le prix, elles n'ont pas changé. Ce type d'informations permet de mieux comprendre pourquoi les utilisateurs se comportent de certaines manières.

Après test A / B

12. Focus sur les indicateurs cibles.

Mesurez plusieurs mesures, mais concentrez-vous sur ces mesures cibles de base lorsque vous effectuez votre analyse.

Par exemple, si vous avez testé les e-mails dans deux variantes et que vous avez choisi le prospect comme indicateur principal, ne faites pas attention à la publicité ou au taux de clics. Si vous avez un taux de clics élevé et un faible taux de conversion, vous pouvez choisir des variantes avec un taux de clics final inférieur.

13.Utilisez la calculatrice de test A / B pour mesurer l'importance des résultats.

Maintenant que nous avons décidé des variations les plus performantes, nous devons décider si les résultats sont statistiquement significatifs. En d'autres termes, est-ce suffisant pour justifier le changement?

Pour confirmer, vous devez effectuer un test de signification statistique. Vous pouvez le faire manuellement ou lier les résultats de votre expérience à une calculatrice de test A / B gratuite.

Pour chaque variante testée, vous serez invité à saisir le nombre total de tentatives, comme le nombre d'e-mails ou d'impressions envoyées. Saisissez ensuite le nombre d'objectifs atteints. En général, vous pouvez vérifier le nombre de clics, mais il peut également s'agir d'un autre type de conversion.

hubspot-a-b-testing-calculator.png

La calculatrice émet le niveau de confiance que les données génèrent pour les variantes gagnantes. Mesurez ensuite ce nombre par rapport à la valeur sélectionnée pour déterminer la signification statistique.

14. Agissez en fonction des résultats.

Si une variante est statistiquement meilleure que l'autre, il y a un gagnant. Terminez le test en désactivant les variantes perdues dans l'outil de test A / B.

Si aucun de ces éléments n'est statistiquement meilleur, vous savez que la variable que vous avez testée n'a aucun effet sur les résultats, vous devez donc marquer le test comme non confirmé. Dans ce cas, utilisez la variante d'origine ou exécutez un autre test. Vous pouvez utiliser les données ayant échoué pour identifier de nouvelles itérations dans le nouveau test.

Les tests A / B affectent les résultats au cas par cas, mais vous pouvez également appliquer les enseignements tirés de chaque test pour les appliquer aux efforts futurs.

Par exemple, si vous avez effectué à plusieurs reprises des tests A / B dans le marketing par e-mail et utilisé des numéros dans la ligne d'objet de l'e-mail, vous feriez mieux d'utiliser cette tactique dans plus d'e-mails.

15. Planifiez votre prochain test A / B.

Les tests A / B que vous venez de terminer ont permis de découvrir de nouvelles façons de rendre votre contenu marketing plus efficace, mais ne vous arrêtez pas là. Il y a toujours place pour plus d'optimisation.

Vous pouvez également effectuer un test A / B sur la même page Web que vous venez de tester, ou une autre fonction dans l'e-mail. Par exemple, si vous venez de tester les titres sur la page de destination, pourquoi ne pas tester à nouveau le corps? Ou un jeu de couleurs? Ou une image? Surveillez toujours les opportunités d'augmentation des taux de conversion et des prospects.

Apprenez à effectuer certaines des étapes ci-dessus en utilisant l'ebook gratuit ci-dessous.

Meilleur kit de test A / B

Découvrez comment exécuter une expérience A / B efficace en 2018.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *