A/B тестирование: вносим изменения на сайт и проверяем реакцию пользователей без долгой разработки

В этой статье мы расскажем о том, как работает A/B тестирование, что можно проверить с его помощью и почему это особенно важный инструмент для e-commerce проектов.

Увеличить продажи на сайте помогает привлечение трафика и повышение конверсии. В идеале нужно работать в обоих направлениях, однако контекстная реклама требует постоянных затрат и может быть попросту бессмысленной, если сайт недостаточно хорош с точки зрения клиента. Поэтому в долгосрочной перспективе гораздо эффективнее сосредоточиться на повышении конверсии, которая поможет зарабатывать больше.

Чтобы развивать сайт, нужно постоянно генерировать идеи по его улучшению: совершенствовать дизайн, подгонять юзабилити под нынешние стандарты пользовательского опыта, чтобы повышать конверсию.

Для проверки гипотез по улучшению web-проектов существует A/B тестирование. Оно помогает узнать мнение клиентов на практике и получить конкретную статистику сделать правильные выводы и не нагородить лишнего.

A/B-тестирование — это инструмент для проверки гипотез и улучшения показателей сайта: конверсии, глубины просмотра и т.д.

Иногда на сайте видны очевидные улучшения: по «жирным» контактам на видном месте будут звонить чаще, чем по мелкому номеру в нижнем углу, информация о доставке должна быть в отдельном разделе, а не спрятана в конце оформления заказа и т.д. Так вот A/B-тестирование проводится, когда улучшено всё, что лежало на поверхности и остались только неочевидные гипотезы: если мы передвинем этот блок, продажи улучшатся? А если сделать кнопку «Купить» больше и зелёной?

Такие гипотезы может формировать маркетолог на стороне клиента, команда подрядчика или даже сам клиент.

Пример: маркетолог считает, что для улучшения продаж кнопка «В корзину» должна быть круглее и другого цвета. Чтобы проверить эту гипотезу, нам нужно внести эти изменения на страницу, собрать статистику от посетителей сайта и понять, есть ли от этого нужный эффект.

Конечно, мы можем дать разработчикам такую задачу сразу, но есть ряд проблем:

1) предположение основано на примере более успешного сайта конкурентов, а значит мы не уверены, что это даст весомый результат;

2) разработчики потратят на апгрейд кнопки рабочие часы, которые нужно будет оплатить;

3) если после внедрения эффекта не будет, придётся вернуть кнопку к прошлой версии, а значит снова тратить бюджет на разработку.

В некоторых случаях A/B-тестирование помогает избежать лишних трат. Можно спокойно отследить динамику и не портить сайт пустыми действиями по типу внедрить-вернуть как было. Но самое главное — оно даёт чёткое понимание, верна ли наша гипотеза и помогает почти гарантированно повысить конверсию и улучшить сайт.

Вносить изменения сходу конечно можно, но лучше делать это с очевидно плохими частями сайта. А в идеале нужно сначала проверить, понравится ли это пользователям и принесёт ли ожидаемый эффект.

Мы создаём две версии страницы — с изменением и без. Половина пользователей попадает на одну версию, половина — на вторую. На основе их реакции (больше или меньше кликают) мы делаем вывод, приносит ли изменённый вариант нужные результаты или лучше оставить как есть, хотя бы до следующей гипотезы.

То есть мы не просто предполагаем и бежим внедрять, а экспериментально оцениваем предпочтения посетителей.

A/B тесты помогают повысить продажи, подобрать идеальные заголовки, упростить пользование сайтом и т.д.

Для начала работы с A/B тестами нужно понимать, какие конкретно показатели мы хотим улучшить, т.е. иметь чёткие метрики: клики по кнопке оплаты, количество заказов, величина среднего чека, заполнение формы, добавление в корзину, глубина просмотра и т.д.

Но каким образом можно внести изменения на сайт при этом ничего на нём не меняя?

Для проведения A/B тестирования существуют специальные инструменты. Мы расскажем об одном из них — Google Optimize.

Мы не дадим подробной инструкции к работе с Google Optimize, а только расскажем о его возможностях.

Принцип создания страниц для A/B теста довольно прост: в специальную строку вводится url нужной страницы, которая открывается во внутреннем редакторе — теперь на ней можно:

• поменять местами блоки;

• поменять расположение элементов;

• поменять цвета элементов;

• переименовать кнопки;

• добавить-удалить блок;

• изменить заголовки и не только.

Простые изменения может внести даже новичок. Например, чтобы переименовать кнопку, не нужно особых навыков. Но для некоторых гипотез понадобятся разработчики. Например, если мы хотим протестировать новую кнопку, к которой нужно подключить функционал (добавление в корзину, переход по ссылке и т.д.).

Также на сайте может быть некачественный код, который исказит результат проверки гипотезы. Плохо свёрстанная страница будет ехать, ломаться и выглядеть небрежно, что наверняка скажется на мнении посетителей.

Привлечение разработчиков в этом случае тоже влечёт затраты, но:

1) не такие большие, как в случае «а давайте внедрим — ой, нет, верните как было»;

2) исправить некачественный код в принципе нужное дело, поэтому хорошие разработчики сделают это в любом случае, только здесь это может быть сопряжено с работой по оптимизации, сразу заточенной на улучшения.

Когда мы сделали «страницу мечты» с нужными изменениями, нам нужно правильно отследить реакцию пользователей.

Чтобы Google понимал, какие именно параметры мы хотим измерить, нужно задать цель в другом сервисе — Google Analytics. Он работает в связке с Google Optimize и отвечает за то, по каким параметрам мы будем судить об успехе нашей гипотезы.

Google Analytics — это сервис для анализа поведения пользователей на сайте. Здесь можно отслеживать поведение посетителей и важные события (цели), считать конверсию, анализировать эффект от рекламы и т.д.

Цель в Google Analytics – это любое действие посетителей сайта, которое для нас важно: покупка, клик по кнопке или ссылке, оплата покупки, подписка на рассылку и т.д.

Если до этого у вас не были настроены цели Google Analytics, например, под рекламные кампании, то у Google Optimize нет исходных данных, нет результата «до», с которым можно сравнивать наше «после».

Однако переживать не стоит: проверка гипотезы — отличный повод завести эти самые цели. Плюс тестирование частично перекроет проблему, т.к. половина людей попадёт на старый вариант, половина на новый, а значит данные поступят в любом случае. Просто сравнение будет не совсем идеальным, т.к. срез по результатам за полгода показал бы нам более полную картину.

Мы настраиваем или выбираем одну-две цели из Google Analytic, то есть задаем важные для нас параметры: посещение нужной страницы, продолжительность сеанса, количество страниц за сеанс, отказы. Для e-commerce можно измерять более конкретные показатели (если они наша цель, разумеется): добавление в корзину, оформление заказа, увеличение среднего чека, количество товаров в заказе и т.д.

Затем мы распределяем трафик. В классическом A/B тестировании посетителей делят 50/50 — половина видит старую версию страницы, половина новую. Если посещаемость у сайта высокая, соотношение может быть любым — хоть 10/90, главное понимать, получим ли мы полное представление с таким распределением трафика. Важно иметь на руках значимые показатели — 2 человека в день не дадут нужного результата, либо будут формировать полную картину очень долго.

Чтобы ускорить процесс, при любых показателях можно запустить контекстную рекламу на целевую страницу.

Мы немного погрузили вас в то, как устроена система A/B тестирования и теперь покажем на своём примере, какие гипотезы мы проверяли и что у нас получилось.

Изначально в блоке «Команда» на странице «Поддержка сайтов» было размещено только руководство компании и менеджеры — это довольно популярная тактика, не подумайте, что мы тщеславные.

Наша гипотеза состояла в том, чтобы добавить в начало списка наших самых опытных разработчиков, указать их профессиональный стаж и сколько лет они работают с Drupal.

Тестируемый вариант оказался успешнее исходного: длительность сеанса увеличилась, дополнительная метрика — отказы — уменьшилась.

Изначально на странице «Портфолио» были размещены логотипы всех наших клиентов, а после них — список клиентов с кратким описанием каждого проекта и решённых задач. Это помогало потенциальным клиентам найти похожий кейс и понять, справимся ли мы с их задачами. По нашему опыту, это был один из основных факторов принятия решения.

Но после анализа пользовательского поведения мы выяснили, что многие клиенты не долистывают до списка работ из-за большого количества логотипов, поэтому у нас родились две гипотезы:

• разместить логотипы крупных клиентов + список проектов под ними;

• разместить только логотипы крупных клиентов чтобы проверить, на самом ли деле список работ помогает заказчикам в принятии решения.

Оригинал проиграл из-за большого количества наших клиентов: людям надоедало скроллить страницу, и они не доходили до списка работ.

Короткий пул логотипов не перекрывает список и позволяет увидеть его начало, что мотивирует человека листать дальше и знакомиться с остальными кейсами. Этот вариант помог увеличить длительность сеанса на странице с клиентами.

О Drupal-разработчиках многое говорит их участие в жизни Drupal-комьюнити. Мы проверяли гипотезу демонстрации экспертности: добавили блок текста с информацией о нашем взаимодействии с Drupal-сообществом.

Как выяснилось, эта гипотеза была ошибочной: глубина просмотра уменьшилась, а количество отказов увеличилось. Краткой информации о команде и наших преимуществах оказалось достаточно.

Как вы заметили, в наших гипотезах фактически нет продаж и чётких конверсий, ведь в случае со сложными услугами ничего не происходит в один клик. Мы ведём многоступенчатый процесс, где основная задача — дать максимум информации о себе.

У интернет-магазинов всё более конкретно — результат за короткий срок можно измерить в деньгах: клики по оплате, заполнение корзины, количество заказов, величина среднего чека и т.д.

Технически в нашем случае счёт тоже идёт на деньги, но на e-commerce проектах можно довести всё до автоматизма, до конкретных заказов. А в нашем бизнесе любое взаимодействие можно считать только очередным шагом к переговорам.

A/B тестирование — это отличный инструмент для e-commerce. Вместо сложной разработки можно легко изменить большинство конверсионных точек и посмотреть на результат.

Здесь самая сложная и важная часть работы — гипотезы. В идеале они должны опираться на опыт, знания или исследования, а не браться «из космоса». Выше мы писали, что гипотезы может генерировать заказчик, его маркетолог, команда, которая работает над сайтом или все они сообща. Мы считаем, что улучшение сайта — общая задача, поэтому всегда готовы предложить свой опыт и экспертность в этом вопросе.

Что будет, если показать похожие товары на странице оформления заказа? Какой эффект даст продажа комплектом со скидкой? Если поместить непопулярные категории выше в меню, они будут лучше продаваться?

Главное подобрать гипотезу, которая даст понятный результат, а в идеале повысит конверсию на сайте.

Мы помогли сформулировать гипотезу для одного из лучших интернет-магазинов Беларуси PNEVMOTEH Приведём её в качестве примера, чтобы показать, насколько неочевидные вещи могут оказать влияние на конверсию и потребовать подробного анализа.

На сайте клиента под блоком с товаром есть две вкладки: «Расходные материалы» (комплектующие) и «Наборы» — этот же товар в комплекте с тем, что к нему необходимо.

Наша гипотеза: активная вкладка (то есть открытая изначально, стоящая на первом месте) более заметна, следовательно, товар в ней более востребован и увеличивает сумму чека.

Сейчас активная вкладка, т.е. первая — «Расходные материалы». Для проверки гипотезы нужно поставить на её место «Наборы».

Это поможет нам понять, что нужнее людям и что эффективнее увеличит средний чек: активная продажа комплектующих или наборов.

Чтобы проверить эффективность этой гипотезы, нам нужны метрики:

Мы добавим в Google Analytics целевое действие «Купить набор», если его там ещё нет, затем измерим эффективность по этой цели + поставим дополнительную цель — «Сумма покупки», чтобы проверить, действительно ли товар в комплекте с расходными материалами покупают лучше и стоит это дороже.

После этого мы запустим A/B тестирование, получим результаты и сделаем выводы. Вот такое гипотетическое A/B-тестирование у нас получилось.

Мы считаем, что нет таких сайтов, которым вообще не нужно проверять гипотезы. Стандарты пользовательского опыта, актуальный дизайн, качество конверсионных точек — всегда есть, что улучшить.

Не обязательно превращать A/B тестирование в конвейер и бесконечно проверять, на сколько мм вправо сдвинуть кнопку, чтобы случилось чудо. Нужно определиться с приоритетами, собрать по ним статистику и работать над их улучшением. И никакой магии.