Como executar testes A/B: lista de verificação de testes divididos

O que é teste A/B?

Um teste A/B, também conhecido como teste de divisão, é um experimento para determinar qual das diferentes variações de uma experiência online tem melhor desempenho, apresentando cada versão aos usuários aleatoriamente e analisando os resultados. Ele é usado em sites, aplicativos móveis ou anúncios para testar possíveis melhorias em comparação com uma versão controlada. O teste A/B pode fazer muito mais do que provar como as mudanças podem afetar suas conversões no curto prazo.

Os testes eliminam as suposições da otimização de sites e permitem decisões informadas por dados que mudam as conversas de negócios de “nós pensamos” para “nós sabemos”. Ao medir o impacto que as mudanças têm em suas métricas, você pode garantir que cada mudança produza resultados positivos.

As melhores ferramentas de teste A/B, como VWO, otimizado, converter, omniconvert e AB saboroso, ajudam os profissionais de marketing a descobrir qual design de site, linha de cópia ou recurso de produto produzirá os melhores resultados para sua empresa. Existem diferentes tipos de teste AB, teste ab de site, teste ab de e-mail e teste ab de conteúdo, e existem diferentes métodos, como teste ab do Google Analytics e teste usando outro software de teste ab.

Benefícios do teste A/B

Aqui estão alguns benefícios significativos do teste de divisão AB:

Ajuda a reduzir as taxas de rejeição

Se seus clientes estão saindo do seu site, ou seja, deixando-o sem nenhum clique, o teste A/B do site pode ajudar. Seja alterando um título, reformulando uma frase de chamariz ou ajustando o layout do design, um teste A/B pode ajudar a identificar o que está causando as rejeições. Após a execução do teste, você poderá ver algumas estatísticas de testes ab e ver qual variação obteve mais interação dos clientes e a menor quantidade de devoluções.

Ajuda a aumentar as taxas de conversão

Um teste A/B mostra o que está convertendo clientes e o que não está. Ao apresentar duas versões do seu site, um teste A/B pode ajudar a filtrar o que não ressoa com seu público e mostrar o que ressoa e está gerando mais conversões.

Os resultados de um teste A/B são fáceis de entender

Os resultados de um teste A/B são simples e relativamente fáceis de entender. Examine os resultados e as estatísticas do teste AB para ver qual página, A ou B, obteve mais cliques e conversões de clientes.

é barato

O teste A/B é uma maneira bastante barata e fácil de continuar aprimorando seu marketing digital. Pense no marketing A/B como uma forma de continuar validando as decisões em seu site atual. A longo prazo, o ROI pode ser enorme porque o custo do teste é relativamente pequeno, mas pode resultar em aumentos significativos em leads, vendas e receita.

Como executar um teste A/B?

A ideia do teste A/B é apresentar conteúdo diferente para diferentes variantes (grupos de usuários), reunir suas reações e comportamento do usuário e usar os resultados para construir estratégias de produto ou marketing no futuro. O teste A/B agora está deixando de ser uma atividade autônoma que é realizada uma vez em uma lua azul para uma atividade mais estruturada e contínua, que deve sempre ser feita por meio de um processo de CRO bem definido. Em linhas gerais, inclui as seguintes etapas:

Escolha uma variável

À medida que você otimiza suas páginas da Web e e-mails, pode descobrir que há várias variáveis ​​que deseja testar. Mas para avaliar a eficácia de uma mudança, você deve isolar uma variável independente e medir seu desempenho, caso contrário, você não pode ter certeza de qual foi responsável pelas mudanças no desempenho.

Você pode testar mais de uma variável para uma única página da Web ou e-mail, apenas certifique-se de testá-las uma de cada vez. Observe os vários elementos em seus recursos de marketing e suas possíveis alternativas de design, redação e layout. Outras coisas que você pode testar incluem linhas de assunto de e-mail, nomes de remetentes e diferentes maneiras de personalizar seus e-mails.

Defina seu alvo

Embora você avalie várias métricas para o teste de todos, escolha uma métrica principal para focar antes de executar o teste. Na verdade, faça isso antes mesmo de configurar a segunda variação. Esta é a sua variável dependente. Pense em onde você deseja que essa variável esteja no final do teste A/B. Você pode declarar uma hipótese oficial e examinar seus resultados com base nessa previsão.

Configurar um controle

Agora você tem sua variável independente, sua variável dependente e seu resultado desejado. Use essas informações para configurar a versão inalterada do que você está testando como seu controle. Se você estiver testando uma página da Web, esta é a página da Web inalterada, pois já existe. Se você estiver testando uma página de destino, esse seria o design e a cópia da página de destino que você normalmente usaria.

Divida seu grupo de teste, portanto, A e B

Para testes em que você tem mais controle sobre o público, como com e-mails, você precisa testar com dois ou mais públicos iguais para ter resultados conclusivos.

Teste de corrida

Comece seu teste e espere os visitantes participarem! Nesse ponto, os visitantes do seu site ou aplicativo serão atribuídos aleatoriamente ao controle ou à variação de sua experiência. Sua interação com cada experiência é medida, contada e comparada para determinar o desempenho de cada uma.

Como analisar os resultados de um teste A/B

A maioria das plataformas de experimentação possui análises integradas para rastrear todas as métricas e KPIs relevantes. Mas antes de analisar um relatório de teste A/B, é importante que você entenda as duas métricas importantes a seguir.

• Uplift: A diferença entre o desempenho de uma variação e o desempenho de uma variação de linha de base (geralmente o grupo de controle). Por exemplo, se uma variação tiver uma receita por usuário de US$ 5 e o controle tiver uma receita por usuário de US$ 4, o aumento será de 25%.
• Probabilidade de ser a melhor: A chance de uma variação ter o melhor desempenho a longo prazo. Essa é a métrica mais acionável do relatório, usada para definir o vencedor dos testes A/B. Enquanto o aumento pode variar com base na chance de tamanhos de amostra pequenos, a probabilidade de ser melhor leva em consideração o tamanho da amostra. A probabilidade de ser o melhor não começa a ser calculada até que haja 30 conversões ou 1.000 amostras.

O teste A/B está morto?

Embora seja certamente poderoso, o teste A/B é fundamentalmente falho de duas maneiras específicas:

1. O processo de escolha de um vencedor é manual. Isso é demorado e intelectualmente desafiador.
2. Metade dos visitantes vê a pior variação até você escolher um vencedor.

Comece hoje mesmo com seu teste A/B

O marketing hoje em dia funciona com insights e os testes A/B podem ajudá-lo a obter esses insights. Embora seja um método analítico útil, pode ser um pouco complicado realizar um teste A/B. Nossos profissionais de marketing especializados podem ajudá-lo a realizar um teste A/B em seu site ou em qualquer outra plataforma de mídia para que você possa obter insights sobre como melhorar seus insights e desbloquear todo o seu potencial.