Google Optimer: Opsætning af eksperimenter

I min tidligere artikel "Google Optimer: Ingen undskyldning for ikke at teste, "Jeg forklarede, hvordan man kom i gang på den platform og forbered den til test. I denne artikel vil jeg oprette et ægte eksperiment til praktisk læring.

Opsætning af et eksperiment

Opret et eksperiment. For at oprette et eksperiment skal du åbne hovedskærmen for Google Optimer og se den store blå "Opret eksperiment" -knap i øverste højre hjørne. Hvis du klikker på det, åbnes dialogboksen, der gør det muligt at navngive dit eksperiment, vælge typen af ​​eksperiment og definere webadressen for en side, der skal eksperimentere med.

Klik på knappen "Opret eksperiment" fører til en skærm for at navngive dit eksperiment, vælge type af eksperiment og definere webadressen for en side, der skal eksperimentere med.

Klik på knappen "Opret eksperiment" fører til en skærm for at navngive dit eksperiment, vælge type af eksperiment og definere webadressen for en side, der skal eksperimentere med. Klik på billedet for at forstørre.

Lav en variation. Hvis du opretter et A / B / n eller en anden test, skal du definere variationer. Variationer kan oprettes ved enten at redigere kontrol siden ved hjælp af den interne editor eller importere koden direkte. Optimer vil tage den derfra og vise hver side til en tilfældig besøgende.

Brug af dit websteds interne editor er kun nyttigt, hvis du foretager småskala ændringer i grafiske layouter, såsom bevægelige elementer eller skiftende farver.

Interne redaktører hjælper hurtigt og nemt med små ændringer.

Interne redaktører hjælper hurtigt og nemt med små ændringer.

Definer mål. For at starte dit eksperiment skal du vælge et objekt. Formålet er, afhængigt af den type forbedring, du vil opnå ved at gennemføre dit eksperiment.

For de fleste e-handelswebsteder kan et passende mål være konverteringsbegivenheden - køb. Hvis du har en blog, kan du bruge sessionens varighed eller andet engagement, f.eks. Rullediameter. Hvis din hjemmeside primært tjener til at generere kundeemner, kan du bruge, sige, udfyldte kontaktformularer som et mål. Hvis dit websted har begivenheder og mål indstillet (i Google Analytics), kan du bruge disse som dine mål.

Du kan muligvis bruge flere mål og spore forbedringer, ikke kun i din makrokonvertering, men også se, hvordan eksperimentet påvirker dine mikrokonverteringsmål. Denne mulighed giver dig mulighed for at måle virkningen af ​​variationer på mere end bare dit primære mål, så du kan holde tabs på utilsigtede konsekvenser. Du ved aldrig, om en variation vil have en krusningseffekt på dine andre mål.

I den gratis version af Google Optimize kan du kun vælge mål, før du starter testen. Det er ikke muligt i den gratis version at tilføje mål, mens testen kører. Denne begrænsning løftes i den betalte version, som giver dig mulighed for at tilføje nye ad hoc-mål dynamisk.

Når du har valgt typen af ​​test, navngivet den, oprettet variationer og definerede mål, er det tid til at starte eksperimentet.

For at lave et eksperiment skal du trykke på knappen "Start eksperimentet".

For at lave et eksperiment skal du trykke på knappen 'Start eksperimentet' øverst til højre.

For at lave et eksperiment skal du trykke på knappen 'Start eksperimentet' øverst til højre.

Google Optimize angiver, hvornår eksperimentet er klar til at starte, og der vises de trin, der skal tages, før eksperimentet begynder. Hvis du svæver over udkastet, vil et værktøjstip fortælle dig hvilke trin der endnu ikke er gennemført.

Start eksperimentet. Når du har klikket på startknappen, vil dit eksperiment blive levende. For at bekræfte, at eksperimentet fungerer korrekt, skal du gå til din webside ved hjælp af forskellige enheder og inkognitobrowsing. Hvis du ser variationen, er alt godt. Hvis ikke, gå tilbage og tjek om du har glemt noget.

Spor resultater. De første rapporter bliver tilgængelige om få timer. Du kan spore dem gennem rapporteringsgrænsefladen for Optimer eller i Google Analytics på Adfærd> eksperimenter.

Spor resultaterne i Optimer eller i Google Analytics, vist ovenfor.

Spor resultaterne i Optimer eller i Google Analytics, vist ovenfor.

Hvor lang tid skal køre testen? Da dette er Bayesiske statistikker, behøver vi ikke at nå en eksplicit prøvestørrelse, hvilket i frekvensdatastatistikker, der trækker konklusioner baseret på antallet af tests, giver en indikation af, hvornår man skal stoppe. Så hvornår skal du stoppe testen uden nogen af ​​de indikatorer, du har været vant til?

Kør eksperimenter i mindst to konjunkturer - dvs. tiden mellem en forbruger bliver opmærksom på dit tilbud og det faktiske køb af det - så alle de kunder, der startede konverteringsprocessen, har mulighed for at gennemføre det i løbet af eksperimentets løb.

For at undgå prøveforurening - hvor den samme person registrerer flere forskellige testresultater - må testen ikke køre længere end fire fulde uger. Der er en fremragende artiklen på Conversion XL blog om dette.

Bayesian-baserede værktøjer rapporterer resultaterne af deres eksperimenter som chancen for variationen til at slå baseline. Hvis du ikke får en klar vinder på det tidspunkt, kan du sikkert gå ud fra, at testen er fejlagtig eller er ufuldstændig og gå tilbage til tegnebrættet.

Real-life Case Study

En af mine klienter sælger unikke børns kunst. Jeg brugte Google Optimize for at se, hvilken variant af klientens startside der ville producere flere konverteringer.

I min forskning fastslog jeg, at webstedets svageste punkt var layoutet og den overliggende kopi på hjemmesiden. Det manglede kopi, der ville medføre udsigter til at købe. Min forskning pegede også på nogle få muligheder for at øge konverteringer.

Det svageste punkt på denne hjemmeside var layoutet og den overordnede kopi på deres hjemmeside.

Det svageste punkt på denne hjemmeside var layoutet og den overordnede kopi på deres hjemmeside.

Efter grundig undersøgelse af klientens hjemmeside foreslog min firma følgende.

  • En omskrivning af klientens værdi proposition - de første par linjer på siden.
  • Tilføjelse af et bruger rating system og kommentarer sektion på produkt sider.
  • Tilføjelse af et link til klientens Instagram-konto til socialt bevis. Instagram genererede i øvrigt også det meste af kundens trafik.
  • Kobling af brugernes Instagram-billeder til tilsvarende produktbilleder, for at vise produkter, der bruges, for yderligere socialt bevis.
  • Forstørre produktbilleder på hjemmesiden, og få færre af dem.
  • Tilføjelse af flere detaljer under billederne på hjemmesiden.
  • Tilføje en køberrabat for første gang, rabatter for flere varer og sæsonbestemt rabat på rabat til temaer.
  • Fremme de mest populære produkter på hjemmesiden.

Redigering af startsiden. For at få de hurtigste resultater og bevise effektiviteten af ​​et testprogram, prøvede vi først ændringer på hjemmesiden.

For at redigere siden brugte vi en Balsamiq mockup at oversætte vores ideer til klientens front-end-udviklere. For store ændringer har dette en tendens til at være en bedre måde at gøre det på, snarere end at bruge en intern editor. Når front-end-udviklere har skabt vores variationer, har vi oprettet eksperimenter, der sammenligner hver enkelt med status quo.

Resultater. For at observere resultaterne anvendte vi primært Google Analytics-grænsefladen, som jeg foretrækker, fordi det reducerer fristelsen til at tinker med resultaterne eller stopper eksperimentet for tidligt. Vi kørte eksperimentet med mere end 2,000 besøgende i løbet af to uger.

Når vi har bestemt et vindende sæt af variationer, reducerede vi antallet af besøgende, der blev sendt til de tabende variationer for den følgende uge for at sikre, at vores vinder holdt fast.

Vores endelige resultater: Salget steg med mere end 80 procent, hoppet fra 1.5 procent af besøg til 2.4 procent.

Salget steg med mere end 80 procent, hoppet fra 1.5 procent af besøg til 2.4 procent.

Salget steg med mere end 80 procent, hoppet fra 1.5 procent af besøg til 2.4 procent.

Konklusion

Efter at have brugt Google Optimize, kom jeg til nogle få konklusioner.

  • Det er meget tilgængeligt. Hvis du bruger Google Analytics og Google Tag Manager, er det nemt at tilføje Google Optimize. (Jeg forklarede hvordan man gør dette i min forrige artikel.) Interfacet er kendt, integrationen er sømløs, og registrering og implementering kræver ingen teknisk ekspertise.
  • Som en del af Google Analytics-analysepakken (Google Analytics og Tag Manager) kan Optimize håndtere det meste af din kvantitative forskning.
  • Optimer bruger Bayesian statistikker, hvilket gør rapportering og tolkning af resultater lidt lettere for både pro og non-pro brugere.
  • Den gratis version er god. Det koster dig ikke en krone til at oprette et eksperiment eller et par eksperimenter og køre det så længe du har brug for det.
  • Google Optimize er langt fra perfekt. Det har ikke en bandit test algoritme - hvor målet er at finde den bedste eller mest rentable handling - og den gratis version tillader ikke fuld factorial multivariate test eller opsætning af mål, mens en test kører.
  • Med Google Optimize kan du oprette et funktionelt testprogram for at forbedre konverteringsmålene på dit websted. Det kan gøre det nemmere at retfærdiggøre at købe et mere effektivt værktøj.

Kort sagt, Google Optimize er en robust trin til at blive fortrolig med testningen. På grund af interfacets fortrolighed og sømløs integration med andre Google-værktøjer gør Optimize testen tilgængelig for dem, der endnu ikke er i stand til at købe mere avancerede A / B-testværktøjer, eller ved ikke, hvordan de skal bruges.

Det vigtigste er måske, at Optimize muliggør, at virksomhederne kan begynde at etablere en testkultur og realisere nogle alvorlige konverteringsforbedringer, gratis.

Kilde

Giv en kommentar