Hva er A/B testing? - fordeler, bruksområde og eksempel
Artikkelen beskriver alt du trenger å vite om A/B testing: fordelene det gir deg og hvorfor du bør bruke det på ditt nettsted. Vi går gjennom hva som bør testes, hvordan en test utføres og gir et eksempel på en A/B test.
A/B testing er et verktøy for Konverteringsoptimalisering
A/B testing er et verktøy som benyttes innenfor fagfeltet konverteringsoptimalisering også kjent som CRO (Conversion Rate Optimization). Målet med CRO er å øke andelen av brukere som gjennomfører en ønsket handling gjerne omtalt som konvertering på et nettstedet.
Vanlige eksempler på konverteringer:
- Salg i nettbutikk
- Innsendelse av skjema
- Telefonsamtale (klikk på tlf link på en nettside)
- Tid en bruker er på nettstedet
Les mer om Konverteringsoptimalisering her
Hva er A/B testing?
Har du lurt på hvorfor brukerne forlater nettstedet ditt uten å konvertere?
Gjennom A/B testing kan du basert på statistisk signifikante data ta de riktige valgene for nettsiden din. Forandringer på sidene blir drevet av data i stedet for gjetting og synsing.
A/B testing enkelt forklart:
- A/B testing er eksperimenter på nettstedet der man designer en eller flere variasjoner av en eksisterende nettside.
- Deretter fordeler man trafikken inn til denne nettsiden likt mellom orginalsiden og variasjonene man har laget slik at alle sidene får lik mengde trafikk fra brukerne.
- Så analyserer man resultatet for å se hvilken variasjon som gjør det best i forhold til ønsket handling (konverteringsmål).
- Dersom en variant gjør det signifinat bedre enn orginalsiden i forhold til konverteringsmål bør denne forandringen implementeres for den aktuelle siden.
Hvorfor burde man A/B teste?
De fleste bedrifter er ikke fornøyd med antall konverteringer de får fra sine nettsider.
B2B bedrifter ønsker å oppnå flere leads og B2C bedrifter som nettbutikker ønsker seg mindre flukt i forhold til handlekurv og utsjekk for å oppnå flere salg.
Gode argumenter for å benytte A/B testing:
- Fjerner friksjonspunkter for brukerne
Dette er alt som står i veien for at brukerne skal kunne gjennomføre ønsket handling på nettsidene.
- Få bedre avkastning på all trafikk (ROI)
Ved å optimalisere sider mot konverteringsmål vil man få bedre avkastning på all trafikk (både organisk og betalt).
- Reduser flukt og utgangsfrekvens
Ved å identifisere sider som sliter med bruker-flukt og kjøre A/B tester på disse kan man komme frem til bedre løsninger som engasjerer brukerne og reduserer flukt og utgangsfrekvens.
- Gjør små forandringer med liten risiko
I steden for å redesigne hele sider (høy risiko) gjør man små forandringer i variasjonene og tester.
- Signifikante forbedringer
Ved å gjøre flere tester over tid og implementere det som er signifikant best vil nettsidene bli gradvis bedre over tid.
Hva kan eller bør man A/B teste?
I utgangspunktet kan man A/B teste alle designelementer og alt innhold på nettsiden.
A/B testing har hovedfokus på viktige elementer som har stort potensiale for å påvirke brukerne til å gjennomføre konverterings-handlinger.
Vanlige ting å teste :
Navigasjon
God navigasjon er essensielt for en god brukeropplevelse og for at viktige sider er lett tilgjengelig (produkter / tjenester ..) . Best praksis bør følges slik at menyer har plassering og utforming som brukerne er vant til slik at de lett kan finne frem .
Skjemaer
Skjemaer er ofte forbundet med viktige konverteringshandlinger som kontakt oss (leads) og ved registrering eller kjøp i nettbutikk. Det er derfor viktig at disse er så friksjonsfrie som mulig for brukerne.
Hendelsesoppfordringer (CTAer)
Hendelsesoppfordringer eller call to actions er klare oppfordringer til brukerne hva du ønsker at de skal gjøre på en side (F.eks trykk Kjøp på en produktside). CTAene er viktig å optimalisere både med tanke på plassering og budskap.
Design og nettsidens layout
Godt intuitivt design er spesielt viktige på sider med høy verdi (f.eks produktsider). Via tester kan elementer lett fjernes eller flyttes for å teste hva som fungerer best. Test også ut nye elementer for å se hvordan brukerne responderer.
Innhold på siden
Lengde og presentasjon av innholdet på siden kan ha innvirkning på konverteringsraten. Test ut forskjellig formateringer og lenge på tekstene.
Brukerne responderer ofte bedre til innhold som er skannbart (f.eks lister).
Hva slags typer A/B tester har man?
A/B test
Her designer man en eller flere varianter med små forandringer og sammenligner disse med orginal siden for å finne den beste variasjonen. Dette er den mest brukte formen for A/B testing. Ved å teste originalen mot varianter med små forandringer blir det tydelig å se hvilke forandringer som har hatt effekt.
Split test
I motsetning til A/B hvor man tester små forandringer har man her 2 separate og gjerne veldig forskjellige sider. Man deler trafikken på samme måte og tester hvilken versjon som gjør det best. Dersom man har planer om større designforandringer er dette et passende test-format.
Multivariant testing
Dette en mer avansert utgave av A/B testing der man setter opp mange små varianter og det automatisk lages kombinasjoner av disse for å finne den beste sammensatte variasjonen. Dette gjør at man kan teste ut veldig mange kombinasjoner på en gang men krever mye trafikk for å få nok relevant data for variasjonene.
Multiside testing
Her tester man et sett med relaterte sider opp mot et annet.
Det er to ulike måter å teste på:
- Lager et sett med helt forskjellige sider , gjerne i forbindelse med kjøpstrakten (handlekurv , Kassen , betalingssiden)
- Fjerner eller legger til et element i forbindelse med et sett relaterte sider. F.eks legger til sikker netthandel på handlekurv , kassen , og på betalingssid
Hvordan utfører man en A/B test?
Steg 1: Analyse for å identifisere problem
Benytt et analyseverktøy som Google Analytics (GA) og et heatmap verktøy som f.eks Hotjar for å avdekke problemer på nettsiden. GA kan gi innblikk i blant annet sider brukerne flykter fra. Hotjar gir innsikt i hvordan brukerne navigerer på sidene - hvor de klikker hvor langt de scroller på sidene.
Steg 2: Hypotese for å løse problemet
Basert på funnene i analysefasen må man se på de aktuelle problem-sidene og komme opp med hypoteser for å løse problemet.
Eksempel
Problem: Funn i analysefasen at hovedside har høy fluktfrekvens det vil si at mange av brukerne forsvinner uten å gjøre noe på siden..
Funn: Ved sjekk av forsiden ser vi at banner dekker hele skjermen som gjør at brukerne må scrolle for å se produktene.
Hypotese: Ved å fjerne banner eller gjøre den mindre vil man se flere komponenter på siden da disse blir skjøvet opp og vi tror flere brukere vil klikke seg videre inn på siden.
Steg3: Lag variasjonene og sett mål for testen
Design variasjonene for testen i et testverktøy slik som Google Optimize. I eksempelet over vil man lage en variant der man fjerner banneret helt og en annen variasjon der man gjør banneret mindre. Man setter relevante mål for testen som f.eks flere besøk til produktsidene og flere salg.
Steg 4: Analyser resultatet og behold vinneren
Testen bør kjøre lenge nok for å samle inn nok data. Dette vi variere i forhold til mengde trafikk man har på nettside. Valider resultatet i forhold til målene du satt opp for testen. Dersom en av variantene er signifikant bedre enn orginalen burde man implementere denne.
A/B test eksempel
Jeg benytter vår egen nettside hensikt.no som utgangspunkt for å vise et enkelt eksempel på en A/B test.
Googles Analytics er benytter for analyse og Google Optimize er benytter for å utføre selve A/B testen på nettsiden.
Steg 1: Analyse for å identifisere problem
I analytics finner jeg ut at andelen brukere som fyller ut kontaktskjema kunne vært høyere. Utfylling av kontaktskjema er en av våre hovedmål.
Steg 2: Hypotese for å løse problemet
Etter å ha studert nettsidene er min hypotese er at det kan være vanskelig å finne lenke til kontaktskjema fra enkelte sider (spessielt på mobil). Jeg ønsker derfor å gjøre denne lett synlig og tilgjengelig fra alle sider.
Steg 3: Lag variasjonene og sett mål for testen
Jeg designer en variasjon (B) med sticky kontakt oss knapp i Google Optimize. Knappen ligger nede i høyre hjørne og følger brukeren ved scroll slik at den alltid er tilgjengelig for brukerene.
| A: Originalsiden (uforandret): | B: Variasjon med sticky knapp: |
 |  |
Jeg velger antall innsendte kontaktskjemaer som målsetting i Google Optimize slik at jeg kan måle dette for originalen opp mot variasjonen jeg satt opp.
Steg 4: Analyser resultatet og behold vinneren
Etter at nok data er hentet inn vil Google Optimize kåre en vinner. Sannsynlighet for å være best bør være over 95% for å være statistisk signifikant så man burde ikke oppdatere dersom dette kravet ikke er innfridd.
Vi kan hjelpe deg med A/B testing !
Hensikt Alpha har et eget CRO team som kan hjelpe din bedrift med å oppnå flere konverteringer og leads.
Vi jobber i dag fast hos Meny der vi utfører både CRO (A/B tester) og SEO arbeid (synlighet i søkemotorer) .
