fbpx

A/B Testing是什麼?

在過去設計網頁時,只能猜測使用者的體驗來設計介面,但會因為每個人的價值觀的不同,而沒有準確的依據,「猜測」佔了大部分的時間,A認為更改設計才能帶來更大效益,B卻覺得使用原有設計才正確;網站設計與功能配置常因個人主觀不同,便產生許多意見難以定案。

A/B Testing則透過「測量」來量化指標,透過實際測試A/B 兩種版本變動後的結果,用數據來說明,省去猜測的時間提供更有效率、實際的決策。


最新活動: Meetup#8

#Martech #行銷科技知多少#A/Btest輕鬆上手
你知道MarTech是什麼嗎?利用「技術」、「資料」怎麼做行銷策略的安排
這次活動中將帶你理解關於A/B Testing的六大關鍵指標!!

活動內容:
📜『產品標籤化,重新定義你的商品轉換率!』

查看更多活動細節👉🏻http://user72190.psee.io/QTN2A


使用A/B Testing有什麼優勢

現在越來越多公司強調使用者體驗(User Experience),再加上網路購物蓬勃發展,電商公司越來越多的緣故,如何提供最友善的使用者介面,最簡單的購買流程等等,都可以透過A/B Testing來掌握使用者的喜好,為公司帶來實際的效益。

A/B Testing的基本應用

一般來說,A/B Testing會設計兩種測試介面,一個為對照組(未經修改的版本),一個為實驗組(經過修改的版本),兩者可能在按鈕顏色、排版設計、圖案等等方面有所不同,使用者會進入不同的介面,他們在網頁的各種動作都會被記錄下來,實際測試兩種版本的網站的流量與轉換率,查看何種介面設計較為符合使用者的喜好。

假設今天有一間在網路上販賣衣服的公司,他們想要提高衣服的銷售量,增加收入,優化購物流程是首要的目標,那麼這時該如何將使用者引導至購買頁面就顯得相當重要,他們在每個產品的旁邊都增加了購買的按鈕,並設計了兩種不同顏色的按鈕(假設是藍色及紅色按鈕),想試試看何種方式比較能夠吸引消費者,透過網路工具進行A/B Testing,使用者將平均導向至兩種不同的介面,透過網路上提供A/B Testing的工具,可以了解到哪種按鈕有較多的使用者點擊,多少人到達了購物完成的確認頁面。

假設透過網路提供的A/B Testing工具,得到的結果是紅色的按鈕有較多人點擊,效果較佳,提升了轉換率,公司便可以更改按鈕的顏色,使用點擊率較高的按鈕。而A/B Testing也可以用於網站的排版或是網頁圖像的選用,透過實際測試與數據佐證,讓公司不會浪費資源在錯誤的方向上,減少不必要的成本。

網路上知名的 A/B Testing 工具有 Optimize、VWO、Unbounce 等等。另外針對 A/B Testing 只能比較兩個變量的狀況,市面上也有多變量測試 (Multivariate Testing) 機制,可以一次比較超過三個以上的介面設計。

Google Optimize

在這邊我們選用一種網路上進行A/B Testing的工具來進行教學,2017年Google推出了 Google Optimize 這項功能,主要是協助進行網站頁面的實驗測試工作,它提供了相當多樣化的測試工具,而且可以直接在網頁上直覺的針對對照組進行修改,也大幅減低要做對照組修改的麻煩。

  • 進行網站的優化時建議從顯而易見的目標開始進行:
  • 行動呼籲元素CTA (文案、尺寸、顏色、醒目性)
  • 行動承諾要素 (免運費、安全性)
  • 標記 (新品、特價、限量、促銷)
  • 標題、說明、產品描述 (用語、文風、字數)
  • 表單 (字段類型、長度、佈局、錯誤處理)
  • 佈局與設計 (內容的位置與分類、排版)
  • 圖片與視頻
  • 再來進行六個步驟來執行A/B Testing

建立假設:

首先,你需要一個假設,也就是對於某項改變,你認為會帶來什麼效果。舉例來說,你認為改變「購買」按鈕的顏色,可以增加訂單量。

建立實驗:

進入Google Optimize帳戶並點選容器->點選“建立實驗”->為實驗命名(255字內)->輸入要測試的網頁網址->選擇A/B版本測試後點選“建立”。

建立版本變化:

在實驗的草稿處點選建立變化版本並建立變化版本

設定實驗目標:

為實驗選擇一個GA的資料檢視->選擇一個主要的實驗目標,實驗目標共有三種

系統目標:工作階段時間長度、瀏覽量、跳出、交易次數、收益。

Google Analytics目標:你所連結的GA資料檢視,其中的目標可在Optimize當中作為實驗目標。

自訂目標(又分為兩種類型):事件目標:透過事件類別、事件動作、事件標籤、事件值等變量設定目標。瀏覽量目標:特定網頁的瀏覽次數。

指定目標:

所要指定的訪客人數比重,也就是要將多少比例的網站訪客列入實驗。

指定訪客權重,你可以自行調整各變化版本與原始版本的流量分配比例。

利用指定條件決定顯示實驗的時機。

開始實驗:

當以上設定都完成後,便可以開始實驗。一般來說,1~2周就足夠得出實驗結果,並且也將網頁流量的週期納入考慮,判斷原版及變化版是否存在顯著差異,能夠驗證假設或重新設定假設。而實驗最多可以持續90天,之後便會終止實驗,在這之間你可以隨意中止實驗。


最新活動: Meetup#8

#Martech #行銷科技知多少#A/Btest輕鬆上手
你知道MarTech是什麼嗎?利用「技術」、「資料」怎麼做行銷策略的安排
這次活動中將帶你理解關於A/B Testing的六大關鍵指標!!

活動內容:
📜『產品標籤化,重新定義你的商品轉換率!』

查看更多活動細節👉🏻http://user72190.psee.io/QTN2A


結語

經過以上的介紹,相信大家對於A/B Testing有更多認識,一個網站只要一個小小的改變,或許會有大大的不同,希望你也可以自己動手試試,或許會有不一樣的發現喔!


想學習更多有關Google Ads , GTM , Google Optimize 的內容?

那就訂閱粉專、加入社團吧、資訊不漏接!

社團內還有更多活動、好文喔!

加入粉專:https://pse.is/M8QTS

加入社團:https://pse.is/LJHXY

CodeForMarketing — 小編群。

Facebook Comments
Code For Marketing

Code For Marketing

鼓勵行銷人學習「工程思維」培養數據敏銳度,推廣善用工具的知識教育組織,透過數據與工程的掌握與應用讓行銷人提升價值,有效運用行銷工程。