Как не провалить A/B тест используя анализ данных?

Процесс анализа данных при проведении A/B теста, является не только важнейшим элементом, но и на мой взгляд основным элементом. Большинство проведённых A/B тестирований без даже поверхностного анализа не дадут сильный эффект в повышении конверсии и продаж. 

Мы уже рассмотрели стратегию Как создать мощную A/B стратегию и заставить её работать на результат? А сейчас давайте рассмотрим как работать с теми данными, которые мы получили в процессе A/B теста и как вести аналитику этих данных.

Разрозненная информация или тщательное исследование только одного пользовательского сегмента, при полном игнорировании остальных – одна из причин периодических громких «провалов» А/В тестов.

Анализируйте работу страницы, с которой пользователь чаще всего покидает ресурс. По сути, последняя страница ничуть не менее значима, чем первая. Ведь это последнее, что видит пользователь на вашем ресурсе. В метрике Google Analytics эта графа обозначается как «% Exit». Эти данные должны служить основой для будущих изменений. Скорее всего, именно эта часть сайта будет нуждаться в доработке, поскольку именно она, косвенно мотивирует человека покинуть ресурс.

Сама по себе конверсия условно состоит из двух частей: «верхняя часть воронки продаж» — то, ради чего пользователь и оказывается на сайте и «нижняя часть», которая в идеале должна «продавать» юзеру то, в чём он нуждается. Собственно, последняя страница сайта, с которой уходит пользователь, обязательно должна мотивировать его сделать нужное действие: подписаться, купить или произвести какое-либо ещё действие, если этого не происходит чаще, чем происходит – есть серьёзный повод задуматься над внесением качественных изменений в структуру сайта. И самой первой в очереди на улучшение конверсии должна стоять именно та страница, с которой юзер покидает ресурс.

 Условно, процесс нахождения человека на сайте можно представить так:

Если структура сайта предполагает, что пользователь сделает несколько шагов, для достижения основной цели, важно внимательно анализировать каждый этап поведения юзера. Так, нередко данные Google Analytics или Яндекс Метрики и прочих аналогичных сервисов могут сообщить владельцу ресурса о том, что всего лишь около 20% пользователей переходят от шага 2 к шагу 3 – то есть, «проблемная» часть сайта выявляется сразу. Чтобы предпринять обдуманные изменения в структуре сайта, важно ответить себе на ряд вопросов:

1. Какую информацию ищет пользователь;
2. Что может мешать принять решение?
3. Оправдались ли ожидания пользователя от того, что он увидел на странице?
4. Где находится основная «точка входа», возможно, это не будет далеко не первая страница и почему так происходит?
5. Хватает ли пользователю мотивации на условном «шаге 2»?

Опытные специалисты рекомендуют начинать А/В тестирования с наиболее простых и дешёвых тестов. Это позволит потратить минимум бюджета на реформирование ресурса и на реальном примере оценить эффективность таких тестов.

Оценивайте также приоритеты в «реформировании» тех или иных страниц:

1. Каков потенциал увеличения конверсии отдельной страницы;
2. Насколько важна будет эта страница для пользователей, сколько стоит «трафик», который проходит через эту часть сайта, насколько качественный трафик? Что влияет на рентабельность?
3. Легкость использования ресурса. Насколько легкая и понятная страница для пользователя?

Всё это будет иметь значение, если вы решили всерьёз взяться за улучшение конверсионных показателей и добиться от пользователей максимально желаемых от Вас действий.

Понравиласть статья? Жми «Мне Нравится«
Оставьте комментарий к этой статье ниже

Источник.