Gratis A / B Split Testing med Google Analytics Tutorial

BY admin
|

när en besökare surfar på din webbplats, Vad påverkar deras vilja att starta en relation med din organisation? De beslut du har fattat kring webbplatsens design, meddelanden, innehåll och layout. Hur säker är du på dessa beslut? När du uppdaterar din webbplats, hur kan du vara säker på att ändringarna förbättrar dina besökares upplevelse?

A / B Split Tests är ett verktyg för att öka förtroendet för de beslut du fattar om din webbplats. De låter dig vetenskapligt testa och validera hypoteser kring dina mål. Google Analytics ”experiment” – verktyg gör det enkelt att installera A/B-delade tester på vilken webbplats som helst med Google Analytics (GA). I det här inlägget går vi igenom vart och ett av följande steg.

  • definiera ditt mål
  • forma dina hypoteser
  • ställa in ditt experiment
  • förklara en vinnare

1. Definiera ditt mål

det första steget i att konfigurera ett Google-Experiment är att definiera vilken metrisk som ska användas för att bestämma framgång. Syftet med experimentet kan vara:

  • minska webbplats studsar
  • öka webbplats sidvisningar
  • öka tiden besökare spenderar på webbplatsen
  • ett mål som har definierats i GA

enligt vår erfarenhet, vanligtvis syftet med experimentet är ett specifikt mål som har skapats i GA. Mål är ett stort ämne på egen hand. Om det här är första gången du ställer in en, kolla in den här guiden för att ställa in mål i Google Analytics. Några exempel på de typer av mål du kan spåra är:

  • spårning supporter engagemang och insamlingar för ideella organisationer
  • spårning donationer och volontär registreringar för politiska organisationer
  • spårning klient leder för advokatbyråer

2. Formulera dina A / B-Testhypoteser

med ditt mål att öka engagemang, eller leads eller donationer etablerade är det dags att bilda dina hypoteser: vilka design -, meddelande -, innehålls-eller layoutbeslut tror du skulle kunna uppnå detta mål mer effektivt?

med Google Analytics-experiment är du inte begränsad till bara två, A och B, hypoteser. Du kan ställa in så många du vill. Algoritmen som Google använder kallas ett multi-armed bandit experiment. Statistiken bakom den är komplex, men tanken är inte. Kontentan är, eftersom tiden går och hypoteser börjar visa löfte Google kommer att skicka fler besökare till ledarna. Det har två stora fördelar jämfört med ett traditionellt A / B-test som fördelar trafiken jämnt tills det är klart. Först, genom att skicka mer trafik till vinnande variationer medan experimentet körs, börjar du dra nytta av ledarna tidigare. Färre besökare skickas till fattiga artister innan experimentet slutar. En bieffekt av detta är den andra viktiga fördelen: att bestämma det bästa av flera bra val sker snabbare.

varje hypotes måste ställas in som sin egen sida, med en unik URL, på din webbplats. Hur detta görs beror på vilket innehållshanteringssystem (CMS) din webbplats använder. Du vill dock se till att det enda du ändrar på de olika sidorna i ditt experiment är vad du testar för. Du vill undvika att ändra flera aspekter av sidan och sedan inte vara säker på vilken förändring som ledde till den ökade omvandlingsfrekvensen.

låt oss till exempel säga att du vill testa om att minska antalet fält i ditt kontaktformulär leder till en ökning av formulärinlämningar. Du bör inte också ändra bannerbilden på de två formulärsidorna eftersom det kan förvirra resultaten.

i exemplet ovan skulle de två sidorna vara exakt samma utom på ett kontaktformulär, du ber om:

  • förnamn
  • efternamn
  • e-post
  • Hur kan vi hjälpa dig?

på det andra kontaktformuläret ber du bara om:

  • e-post
  • Hur kan vi hjälpa dig?

när du är klar med din första upplevelse om antalet formulärfält påverkar inlämningsgraden kan du sedan ställa in ett nytt experiment för att se om bannerbilden påverkar inlämningsgraden.

3. Ställ in ditt Google Analytics A/B Split Test Experiment

med ett mål och hypoteser på plats är det dags att ställa in ditt experiment i GA. Detta är den enkla delen!

3a.skapa Experiment

du kan nå dina experiment i GA från rapporteringsfältet. Välj beteende och sedan experiment. Så här kommer du till dina experiment efter att du har ställt in dem. Välj Skapa Experiment.

experiment kräver bara ett namn och det mål du utvärderar framgång med. Det finns också andra alternativ, som hur mycket av din trafik som ska experimenteras med, hur länge experimentet ska köras, konfidensnivån med vilken en vinnare bestäms och så vidare. För dina första experiment kan du säkert använda standardinställningarna.

3b. Drop-In ursprungliga URL och hypotes Variation webbadresser

nästa steg är att lägga till alla dina hypoteser till experimentet. Det här handlar bara om att kopiera och klistra in webbadresserna du ställer in. Om du testar ändringar på en sida som redan finns, använd den som originalet. För helt nytt innehåll, Välj den URL du så småningom vill använda för vinnaren. Den ursprungliga sidan är där kodavsnittet kommer att installeras i steg 3C.

3C. sätt i experimenttestkoden

när dina hypoteser webbadresser är inställda, är nästa steg att välja ”manuellt infoga koden” och installera experimentkodavsnittet precis inuti taggen <head> på din ursprungliga sida.

när du har sparat mallen klickar du på Nästa steg och GA kommer att verifiera att din experimentkod är korrekt på plats.

allt som återstår nu är att starta Experiment och GA kommer att ta hand om att dirigera besökare till dina hypoteser och registrera deras effektivitet.

bestämma vinnaren

den vinnande hypotesen kommer att beslutas algoritmiskt under en viss tidsperiod, vanligtvis i storleksordningen 2 till 4 veckor. Denna period varierar i längd beroende på trafikvolymen till din webbplats, hypotesernas relativa prestanda, den hastighet med vilken de ledande hypoteserna konverterar och så vidare.

för experiment som slutar med en klar vinnare, om det inte är originalet, finns det bara några steg att ta. För det andra, ta bort experimentkoden från mallen.

för vissa experiment kan du kanske bestämma dig för att gå vidare med en hypotes innan Googles algoritm statistiskt kan. Ett exempel på detta är en önskvärd ändring av din webbplats som utför samma som den ursprungliga sidan den avser att ersätta och har en låg sannolikhet att överträffa originalet. I dessa fall kan du manuellt välja stoppa Experiment för att avsluta det, ersätta originalets innehåll med hypotesen’ och ta bort experimentkoden.

Google Analytics Experiments är ett gratis A / B Split testverktyg som du enkelt kan konfigurera för att hjälpa dig att fatta säkra beslut om din webbplats design, meddelanden, innehåll och layout. Det är ett kraftfullt verktyg som du kan använda för att göra din webbplats bättre på att uppnå organisationens mål.