Ne tippelj: az A/B tesztelés tényeket ad a kezedbe

A weboldalak, szolgáltatások fejlesztése közben rendszeresen merülnek fel olyan ötletek, amelyek egy-egy funkció, szövegrész vagy vizuális elem megváltoztatásáról szólnak.

Mi lenne ha a “Kosár” helyett azt írnánk a gombra, hogy “Beteszem a kosárba”…?

Legtöbbször a megérzéseink vagy tapasztalataink alapján tippeljük meg, hogy mi lesz a hatás, azonban tudatosan fejleszteni csak mérések és eredmények alapján lehet. Ilyen esetekben lehet hasznos eszköz az A/B tesztelés (vagy split tesztelés), amelynek alkalmazásával tényekre alapozva hozhatunk döntéseket.

Mi az az A/B teszt (split teszt)?

Az A/B teszt során két változatot készítünk egy oldalból (A és B) és a látogatóinkat is két csoportba soroljuk. Az egyik csoportnak az A, míg a másik csoportnak a B variációt jelenítjük meg, közben naplózzuk azokat az adatokat, amelyek alapján a sikerességet szeretnénk kiértékelni (konverzió, oldalelhagyási arány, stb.)

Az összegyűjtött adatok vizsgálatával tényszerűen elemezhetjük az egyes változatokat. A kiértékelésnek három eredménye lehet:

  • az A változat a hatékonyabb
  • a B változat a hatékonyabb
  • a két változat hatékonysága között nincs szignifikáns különbség (ez az eset a gyakorlatban többször fordul elő, mint azt gondolnánk)

Split tesztelés

Egy oldal átalakításakor a meglévő „A” változatot (a kontroll verziót) hasonlítjuk össze az új, módosított „B” változattal. Amennyiben a „B” megoldás mutatói jobbak, mint az eredeti oldalé, az átalakítás sikeresnek bizonyult, ellenkező esetben érdemes újabb terveket tesztelni.

Ha egy új oldal létrehozásakor split teszteléssel kívánjuk meghatározni a helyes irányt, akkor az oldalból eleve két változatot készítünk, és ezeket futtatjuk párhuzamosan. Ebben az esetben nincs kontroll oldal, a teszt eredménye azt a helyes irányt adja meg, amelyet érdemes teljes körűen alkalmazni.

Mit érdemes tesztelni?

Split teszteléssel egy weboldal szinte bármely elemét tesztelhetjük, pl.:

  • az oldal címét, a címsor szövegét
  • az első bekezdés hatékonyságát
  • szövegek hosszát, felépítését, nyelvezetét
  • egyes elemek elhelyezkedését
  • call-to-action elemek hatékonyságát
  • gombok formáját, színét, feliratát
  • űrlapok hosszát, felépítését
  • képek hatását
  • termék árakat, díjcsomagokat, promóciós ajánlatokat

Az, hogy a fenti elemekből – vagy akár ezeken kívül másokból – mit választunk ki egy adott tesztre, az az oldal sajátosságaitól függ. Egy regisztrációs űrlap átalakításakor a például a következők vizsgálata javasolt:

  • a regisztrációra való felhívás szövege
  • az űrlap hossza
  • az űrlapot alkotó mezők típusa
  • a mezőket jelölő címkék elhelyezkedése
  • az adatvédelmi nyilatkozat megjelenítési módja, elérhetősége
  • az űrlapot elküldő gomb elhelyezkedése, szövege, színe

Hogyan tervezzünk meg egy A/B tesztet?

Első lépésként válasszuk ki a weboldal azon részét, amelyen a tesztet végre szeretnénk hajtani, és határozzuk meg azt a mérhető mutatót, amely alapján a sikerességet elbíráljuk (pl. sikeres regisztrációk száma).

Válasszuk ki az oldalon azt az elemet, amelyből alternatív változatot hozunk majd létre, és tervezzük meg a változtatást. Egy teszt alkalmával mindig csak egy módosítást hajtsunk végre, hogy a hatás egyértelműen értékelhető legyen (pl. módosítsunk a címsor feliratán). Ha egyszerre több változón is módosítunk, az egyes módosítások hatása önállóan nem lesz értékelhető, csak az összesített eredményt tudjuk mérni.

Ha elkészült az oldal két konkurens verziója, határozzuk meg az A/B csoportba sorolás kritériumát. A klasszikus A/B tesztelés esetén célszerű a látogatókat 50-50%-os arányban szétválasztani, és az egyik csoportnak az „A”, a másik csoportnak a „B” változatot megjeleníteni.

Ha mindezekkel elkészültünk, gondoskodjunk a tesztelés technikai megvalósításáról, ügyelve arra, hogy a csoportba sorolás, a variánsok megjelenítése és a kiértékeléshez szükséges mutatók naplózása is megfelelően történjen.

A/B teszt eszközök

Az A/B tesztek lebonyolítására technikai oldalról több lehetőség is kínálkozik. Ezek közül néhány, a teljesség igénye nélkül:

Google Website Optimizer (Google Analytics): a Google Website Optimizer JavaScript kódok beágyazásával teszi lehetővé a tesztelés, így az implementálása egyszerűen kivitelezhető. A szolgáltatást 2012. augusztus 1-i határidővel a Google Analytics rendszerébe integrálják, ahol Content Experiments néven érhető majd el.

Bővebb információ az Analytics blogban olvasható:  Helping to Create Better Websites: Introducing Content Experiments

phpA/B: szabadon felhasználható PHP osztály, amely a tesztek eredményét a Google Analytics fiókba továbbítja. A használata egy kevés egyedi fejlesztést igényel.

Részletek: phpA/B

Visual Website Optimizer (fizetős szolgáltatás): funkciókban gazdag eszköz, több elterjedt rendszerhez pluginként illeszthető (Joomla, Drupal, WordPress, Magento)

Részletek: Visual Website Optimizer

Gyakorlati példák A/B tesztekre

Az alábbi oldalakon konkrét, való életből vett A/B teszteket, és azok eredményeit láthatjuk. Ezeket felhasználhatjuk ötletként, gondolatébresztőként,  illetve saját megérzéseinket is próbára tehetjük rajtuk.

Guess the Outcome of 15 A/B Tests (SlideShare)

ABtests.com

Which Test Won?

Hogyan tovább?

Gyakorlati tanácsok A/B teszteléshez – hogyan teszteljünk és hogyan nem érdemes?

Schmidi

Webfejlesztő, termékmenedzser, használhatósági hittérítő. Korábban a DoclerHoldingnál tevékenykedett, jelenleg az Extreme Digital csapatának tagja. A könnyen használható weboldalak, a usability és az információmegosztás lelkes híve.

2 thoughts on “Ne tippelj: az A/B tesztelés tényeket ad a kezedbe

  1. Drága Szerző!

    Ha esetleg tudnál olyan szabad poziciót, ahol ezt a fajta szarpofozást megfizetik/időt adnak rá, ne sajnálj dobni egy mailt.
    Ellenkező esetben a post törölhető, és mehet a web süllyesztőjébe, a többi észosztás mellé.

    1. Kedves Hozzászóló!

      Szabad pozíciót nem tudok, de olyan helyeket, ahol ilyen teszteket gyakorlatban használnak, igen.

      A Doclernél rendszeresen futtattunk A/B teszteket, az Extreme Digitalnál pont a napokban indítjuk az elsőt. Nem csak hagyják, hogy csináljuk, hanem kifejezett vezetői igény van rá.

      Kolboid reagált egy bejegyzésében (A/B tesztelés még) erre az írásra, az ő megfogalmazásából is úgy érzem, hogy gyakorlati tapasztalata van, tehát használja a módszert.

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöljük.