كيفية تحليل نتائج اختبار A / B مع تحليل اختبار A / B

آخر شيء يريده أي شخص هو نتيجة إيجابية خاطئة - بغض النظر عن الاختبار! مع تحسين معدل التحويل (CRO) ، يمكن أن تؤدي النتائج الإيجابية الخاطئة إلى طريق مسدود.

عندما تجري اختبار A / B ، فأنت تريد معرفة ما إذا كانت صفحتك الاختبارية (B) قد تفوقت حقًا على صفحة التحكم (A) قبل قضاء الوقت في تعديل النماذج أو الصفحات أو الجوانب الأخرى لموقعك.

ستساعد تقنية تحليل اختبار A / B في تحديد ما إذا كان اختبارك ذا دلالة إحصائية وما إذا كان لديك مجموعة فائزة من البيانات بين يديك.

كيف تعرف ما إذا كان اختبار أ / ب الخاص بك ذو دلالة إحصائية؟

تعني الدلالة الإحصائية أنه يمكنك تكرار الاختبار والحصول على نفس النتائج باستمرار - أو نتائج مماثلة.

على سبيل المثال ، لنفترض أنك قمت بتغيير موضع زر الحث على اتخاذ إجراء (CTA). كان الزر موجودًا أسفل محتوى صفحتك المقصودة ، لكنك افترضت أنك ستتلقى المزيد من العملاء المحتملين إذا وضعت الزر في الأمام والوسط. لذلك ، قمت بتعديل الصفحة ووضعت الزر فوق العنوان الرئيسي.

بعد ذلك ، اختبرت الصفحة المقصودة السابقة - صفحة التحكم - على 1000 زائر. من هناك ، اختبرت الصفحة المعدلة على 1000 زائر آخر. بعد أن قمت بقياس نتائجك باستخدام حاسبة اختبار A / B ، فقد أظهرت زيادة بنسبة 25٪ في النقرات على زر CTA بعد رفعه لأعلى في الصفحة.

إذا كررت الاختبار أكثر من مرة واستمرت في تلقي زيادة بنسبة 25٪ في النقرات ، فيمكنك افتراض أن نتائجك ذات دلالة إحصائية بشكل معقول. يمكنك أيضًا افتراض أن الموضع الذي تم تغييره لزر الحث على الشراء كان سبب التغيير.

كيف تحلل اختبار A / B الخاص بك؟

على الرغم من أن حاسبات A / B ليست نهاية كل تحليل اختبار A / B ، إلا أنها تساعدك على فهم البيانات التي تجمعها.

لنفترض أنك تمتلك شركة صغيرة. يتراوح متوسط ​​عدد زوار الموقع من 100 إلى 500 مستخدم في الأسبوع. لقد أجريت اختبار أ / ب مشابهًا على زر الحث على اتخاذ إجراء في صفحتك المقصودة - ولكن على عينة بحجم 100 شخص بدلاً من 1000.

وجدت نتائجك أن 50 شخصًا من أصل 100 قاموا بالنقر فوق الزر CTA الخاص بك للوصول إلى الصفحة الأصلية. في صفحة الاختبار ، قام 58 شخصًا بالنقر فوق الزر. في حين أن هذه الزيادة قد تبدو كبيرة بالنسبة لحجم العينة ، وفقًا لآلة حاسبة أ / ب ، فهي مجرد تغيير بنسبة 16٪.

ما الذي يجب عليك فعله قبل إجراء اختبار A / B؟

قبل أن نبدأ مع السيناريو الخاص بنا ، إليك ملخص لما يجب عليك فعله قبل جمع أي بيانات.

1. تعرف على أهدافك

ما هي مؤشرات الأداء الرئيسية الخاصة بك (KPIs)؟ بمعنى آخر ، ما المحادثات التي تؤدي إلى أهم النتائج لعملك؟ يمكن أن تكون هذه المؤشرات أي شيء من حجم المبيعات إلى الاحتفاظ بالعملاء. سيؤدي التركيز على التغييرات الموجهة نحو مؤشرات الأداء الرئيسية الخاصة بك إلى تحقيق أفضل النتائج.

2. تعرف على مكانك - وإلى أين تريد أن تذهب

بمجرد أن تعرف ما تريد قياسه ، اكتشف مكانك الحالي. قد يكون لديك بالفعل فكرة عامة إذا كنت قد قمت بقياس نقرات الإعلان ، أو عدد رسائل البريد الإلكتروني المفتوحة ، أو عدد العملاء المتوقعين الذين يملئون نموذج الاتصال الخاص بك كل شهر.

ألق نظرة على CRM و Google Analytics لقياس البيانات كما هي. يجب أن تعطيك البيانات الحالية فكرة عن التحسينات الضرورية والواقعية.

كيف تعرف ما إذا كان اختبارك ذا دلالة إحصائية (بدون استخدام حاسبة A / B)

الآن إلى الجزء الممتع - تحليل اختبار A / B. بعد اتباع الخطوات المذكورة أعلاه ، بالإضافة إلى تشغيل التجارب الخاصة بك وجمع بياناتك ، يمكنك تحديد ما إذا كانت نتائجك مهمة بما يكفي لإحداث التغيير.

الخبر السار هو أنه لا يزال بإمكانك استخدام حاسبة A / B كنقطة بداية. من بين 100 زائر لموقع الويب للأعمال الصغيرة التي تحدثنا عنها سابقًا ، كانت هناك زيادة بنسبة 16٪ في النقرات بسبب نقل موضع زر CTA - من المفترض. الآن ، كيف نعرف ما إذا كان هذا صحيحًا؟

1. أعد الاختبار

عندما تقوم بإجراء اختبار A / B ، إذا لم يكن التغيير كبيرًا ، فستحتاج إلى إعادة الاختبار - على سبيل المثال ، إذا كانت النتائج أقل من 36٪ فرق في النتيجة.

بشكل عام ، من الأفضل إعادة إجراء اختبارات A / B حتى يكون لديك بيانات كافية لاستنتاج أن النتيجة كانت النتيجة المباشرة للتغيير الذي أجريته.

2. تحليل البيانات مرة أخرى

لنفترض أنه بعد إعادة التشغيل هذه ، كانت النتيجة أن 60 شخصًا من أصل 100 نقروا على زر CTA لصفحة الاختبار ، و 52 نقروا على الصفحة الأصلية. وهذا يمثل زيادة بنسبة 15.38٪ ، وفقًا للحاسبة.

3. قم بإجراء اختبارك مرة أخرى (وحلل النتائج)

هذه النتيجة مشابهة لتغير 15-16٪ في المرة الثالثة . ومع ذلك ، قبل الانتقال سريعًا لتنفيذ التغييرات ، اختبر نتائجك مرة أخرى.

عندما تعمل مع حجم عينة أصغر ، من الصعب معرفة ما إذا كان التغيير المتسق مصادفة أم لا. عادة ، كلما زاد حجم العينة ، زادت القوة الإحصائية لديك.

4. قم بإجراء اختبار A / B آخر - اختبر صفحة التحكم الخاصة بك مقابل نفسها

من الناحية الفنية ، يعتبر أي تقييم كهذا بمثابة اختبار أ / أ. اختبر صفحة التحكم الخاصة بك على مجموعة واحدة من 100 زائر واختبر نفس الصفحة على مجموعة مختلفة من 100 زائر. يمكنك القيام بذلك قبل اختبار التغيير أو بعده.

يجب ألا يتجاوز التباين الطبيعي في النقرات على CTA الخاص بك دون تنفيذ أي تغييرات فرقًا بنسبة 2٪. يفسر هذا النطاق التقلب الطبيعي في النقرات التي تتلقاها صفحتك. يمكن افتراض أي تغييرات تتجاوز هذا النطاق بشكل معقول على أنها كبيرة.

الآن بعد أن أصبح لديك بيانات كافية ، حان الوقت لمعرفة ما إذا كانت تحدد ثلاثة مربعات. حدد ما إذا كانت البيانات:

• كاف: نعم أجرينا الاختبار ثلاث مرات.
• متسقة: نعم ، تلقينا نتيجة مماثلة ثلاث مرات.
• متمايزة: نعم ، لقد اختبرنا صفحة التحكم الخاصة بنا مقابل نفسها ولاحظنا أن التغييرات الطبيعية انخفضت بين -2 و 2٪ - مما يعني أن الزيادة المتسقة بنسبة 15٪ في النقرات لصفحتنا الاختبارية كانت كبيرة.

بناءً على هذه النتائج ، يمكننا تحديد أن البيانات ذات دلالة إحصائية. يمكننا أيضًا أن نفترض بشكل معقول أن التغيير في موضع زر CTA كان سبب الزيادة في النقرات.

WebFX هي شركة شريكة تثق بها.

استمع إلى HydroWorx ، الذي شهد زيادة بنسبة 236٪ في الجلسات العضوية مع خدمات WebFX.

شاهد شهادة الفيديو

شريك مع WebFX لتحليل اختبار A / B

كما ترى ، يمكن أن يكون تحليل اختبار A / B مهمة شاقة ، خاصة إذا لم تكن متأكدًا من التغييرات التي ستحقق أفضل النتائج. يستخدم فريقنا المكون من أكثر من 500 خبير متخصص في WebFX استراتيجيات تحسين محركات البحث المبنية على البيانات لإنشاء صفحات مقصودة مؤثرة من خلال خدمات اختبار A / B الخاصة بنا. لقد حققنا أكثر من 3 مليارات دولار من العائدات لعملائنا ، ونحن على استعداد للارتقاء بصفحتك المقصودة إلى المستوى التالي.

اتصل بنا عبر الإنترنت أو اتصل بنا على 888-601-5359 للتحدث مع خبير استراتيجي اليوم!