gratis A / B Split test med Google Analytics Tutorial
når en besøgende surfer på din hjemmeside, Hvad påvirker deres vilje til at starte et forhold til din organisation? De beslutninger, du har foretaget omkring dit site design, messaging, indhold og layout. Hvor sikker er du på disse beslutninger? Når du opdaterer din hjemmeside, Hvordan kan du være sikker på, at ændringerne forbedrer dine besøgendes oplevelse?
A/B Split Tests er et værktøj til at øge tilliden til de beslutninger, du træffer om din hjemmeside. De giver dig mulighed for videnskabeligt at teste og validere hypoteser omkring dine mål. Google Analytics’ “eksperimenter” værktøj gør det nemt at opsætte A/B Split Tests på enhver hjemmeside ved hjælp af Google Analytics (GA). I dette indlæg går vi gennem hvert af de følgende trin.
- Definer dit mål
- danner dine hypoteser
- opsætning af dit eksperiment
- erklærer en vinder
1. Definer dit mål
det første trin i opsætningen af et Google-eksperiment er at definere, hvilken metric der skal bruges til at bestemme succes. Formålet med eksperimentet kan være:
- reduktion hjemmeside bounces
- stigende hjemmeside sidevisninger
- øge den tid besøgende bruger på sitet
- et mål, der er blevet defineret i GA
i vores erfaring, som regel formålet med eksperimentet er et specifikt mål, der er blevet skabt i GA. Mål er et stort emne på egen hånd. Hvis dette er din første gang, du opretter en, skal du tjekke denne vejledning om opsætning af mål i Google Analytics. Et par eksempler på de typer mål, du kan spore, er:
- Tracking supporter engagement og fundraising for almennyttige organisationer
- sporing af donationer og frivillige registreringer for politiske organisationer
- sporing af kundeemner For advokatfirmaer
2. Form dine A / B-Testhypoteser
med dit mål om at øge engagement eller kundeemner eller etablerede donationer er det tid til at danne dine hypoteser: hvilke design -, messaging -, indholds-eller layoutbeslutninger tror du kunne nå dette mål mere effektivt?
med Google Analytics-eksperimenter er du ikke begrænset til kun to, a og B, hypoteser. Du kan opsætte så mange, som du gerne vil. Den algoritme, Google bruger, kaldes et flerarmet banditeksperiment. Statistikken bag det er kompleks, men ideen er ikke. Kernen er, som tiden går og hypoteser begynder at vise løfte Google vil sende flere besøgende til lederne. Det har to store fordele i forhold til en traditionel A/B-test, der fordeler trafikken jævnt indtil færdiggørelsen. Først ved at sende mere trafik til vindende variationer, mens eksperimentet kører, begynder du at drage fordel af lederne tidligere. Færre besøgende sendes til dårlige kunstnere, før eksperimentet slutter. En bivirkning af dette er den anden vigtige fordel: at beslutte det bedste af flere gode valg sker hurtigere.
hver hypotese skal opsættes som sin egen side med en unik URL på din hjemmeside. Hvordan dette gøres vil afhænge af content management system (CMS) din hjemmeside bruger. Du vil dog sikre dig, at det eneste, du ændrer på de forskellige sider i dit eksperiment, er det, du tester for. Du vil undgå at ændre flere aspekter af siden og derefter ikke være sikker på, hvilken ændring der førte til den øgede konverteringsfrekvens.
lad os for eksempel sige, at du vil teste, om reduktion af antallet af felter på din kontaktformular fører til en stigning i formularindsendelser. Du bør ikke også ændre bannerbilledet på de to formularsider, da det kan forvirre resultaterne.
i ovenstående eksempel ville de to sider være nøjagtigt de samme undtagen på en kontaktformular, du beder om:
- fornavn
- efternavn
- Hvordan kan vi hjælpe dig?
på den anden kontaktformular beder du kun om:
- Hvordan kan vi hjælpe dig?
når du er færdig med at køre din første oplevelse af, om antallet af formularfelter påvirker indsendelseshastigheder, kan du derefter oprette et nyt eksperiment for at se, om bannerbilledet påvirker indsendelseshastigheder.
3. Opsæt dit Google Analytics A/B Split Test eksperiment
med et mål og hypoteser på plads er det tid til at opsætte dit eksperiment i GA. Dette er den nemme del!
3a. Opret eksperiment
du kan nå dine eksperimenter i GA fra rapporteringssidebjælken. Vælg adfærd, derefter eksperimenter. Sådan kommer du til dine eksperimenter, når du har oprettet dem. Vælg Opret Eksperiment.
eksperimenter kræver kun et navn og det mål, du vurderer succes med. Der er også andre muligheder, som hvor meget af din trafik der skal eksperimenteres med, hvor længe eksperimentet skal køre, det konfidensniveau, som en vinder bestemmes med, og så videre. Til dine første eksperimenter kan du sikkert bruge standardindstillingerne.
3b. Drop-in Original URL og hypotese Variation URL ‘ er
det næste trin er at tilføje alle dine hypoteser til eksperimentet. Dette er bare et spørgsmål om at kopiere og indsætte de URL ‘ er, du opsætter i. Hvis du tester ændringer på en side, der allerede findes, skal du bruge den som Original. For helt nyt indhold skal du vælge den URL, du til sidst vil bruge til vinderen. Den oprindelige side er, hvor kodestykket vil blive installeret i trin 3c.
3c. Indsæt eksperimenttestkoden
når dine hypoteser-URL ‘ er er konfigureret, er det næste trin at vælge “indsæt koden manuelt” og installere eksperimentkodestykket lige inden for< hoved > tag på din oprindelige side.
når du har gemt skabelonen, skal du klikke på næste trin, og GA vil kontrollere, at din eksperimentkode er korrekt på plads.
alt, hvad der er tilbage nu, er at starte eksperiment, og GA vil tage sig af at dirigere besøgende til dine hypoteser og registrere deres effektivitet.
beslutning af vinderen
den vindende hypotese afgøres algoritmisk over en periode, normalt i størrelsesordenen 2 til 4 uger. Denne periode vil variere i længde afhængigt af mængden af trafik til din hjemmeside, den relative ydeevne af hypoteser, den hastighed, hvormed de førende hypoteser konverterer, og så videre.
for eksperimenter, der slutter med en klar vinder, hvis det ikke er originalen, er der kun et par skridt til at tage. Først skal du erstatte originalens indhold eller skabelon med den vindende variation. for det andet skal du fjerne eksperimentkoden fra skabelonen.
for nogle eksperimenter kan du muligvis beslutte at gå videre med en hypotese, før Googles algoritme statistisk kan. Et eksempel på dette er en ønskelig ændring af din hjemmeside, der udfører det samme som den oprindelige side, den har til hensigt at erstatte og har en lav sandsynlighed for at overgå originalen. I disse tilfælde kan du manuelt vælge Stop eksperiment for at afslutte det, erstatte originalens indhold med hypotesen’ og fjerne eksperimentkoden.
Google Analytics eksperimenter er et gratis A/B Split testværktøj, som du nemt kan opsætte for at hjælpe dig med at træffe tillidsfulde beslutninger om din hjemmesides design, messaging, indhold og layout. Det er et kraftfuldt værktøj, du kan bruge til at gøre din hjemmeside bedre til at nå din organisations mål.