A/B Testing הוא מושג שמתייחסים אליו בעיקר בהקשר של עמודי נחיתה ומודעות בקידום ממומן, אבל לפעמיים יש לו חשיבות גם בקידום אורגני.
אז מה זה בכלל A/B Testing?
בעיקרון מדובר בסוג של מבחן פיצול (Split) שמבצעים לעמוד באינטרנט או לאלמנט מסוים כמו טקסט של מודעה, צבע של כפתור, פונט וכו'.
במהלך המבחן יוצרים שינויים מסוימים ובודקים איך הם משפיעים על הביצועים מבחינת המרות או מדדים אחרים.
דוגמה להבדלים שאפשר לבדוק במסגרת AB Testing:
- שינוי של תמונה בכותרת העמוד או התמונה של מודעה בפייסבוק
- צבע של טקסט או צבע של רקע
- מיקום של הטופס, הגודל שלו או הפונט
- הצבע והגודל של כפתור השליחה
- שינוי של הקריאה לפעולה
- הוספת כותרת משנה וכו'
העיקרון הוא שכל פעם משנים רק אלמנט אחד כדי לבודד אותו.
אם משנים יותר מדי אלמנטים בבת אחת, אי אפשר לדעת לאיזה מהם יש השפעה על השינויים.
אם בכל זאת רוצים לבדוק כמה אלמנטים יחד, בדרך כלל עושים את זה בשלבים: לדוגמה, בשלב הראשון בודקים את הכותרת הכי טובה. את הגרסה עם הביצועים הטובים יותר מחלקים פעם נוספת, רק שעכשיו בודקים את הפונט של הכותרת.
יש אומנם מערכות שמסוגלות לבצע אינספור בדיקות במקביל. כלומר, לספק תוצאות עבור יותר משתי גרסאות או אפילו ליצור מבנה של עץ שמתפצל שוב ושוב מהגרסה הראשונה, אבל אם אתם רק מתחילים עם כל הנושא של A/B Testing, אני ממליץ להיצמד לשיטה הקלאסית.
איך מבצעים A/B Testing?
אם אתם משתמשים במערכת לפרסום ממומן, בדרך כלל יש לכם אופציה מובנית לבצע A/B Testing עבור המבנה הפנימי של המודעה. לדוגמה, ככה עושים את זה בפייסבוק.
אם אתם רוצים לבצע A/B Testing לדף הנחיתה עצמו ואין לכם יכולת מובנית כזו במערכת, אתם פשוט יוצרים שתי מודעות זהות שכל אחת מהן מפנה לדף אחר. החיסרון בשיטה הזו הוא שהמודעות האלו לא בהכרח יופיעו באותה תדירות ולכן החלוקה שלכם לקבוצות לא תהיה שווה. לכן אתם תצטרכו להגיע למספר גדול יחסית של לחיצות.
שיטה אחרת היא לבצע שינוי דינאמי, כלומר, הגולש עצמו אומנם מגיע לאותה הכתובת, אבל מוצגת לו גרסה אחרת של העמוד. יש המון כלים שמסוגלים לעשות זאת, אבל הכלי הכי בסיס הוא Google Analytics, או באופן מדויק יותר, Analytics Experiments.
אפשר לעשות את זה תוך פחות מ-10 דקות:
לבסוף, יש גם מבחני A/B Testing של רשימות דיוור.
על מנת לראות את הפוטנציאל האורגני ותוך כמה זמן נכפיל לך את ההכנסות
ניתן לחייג למספר 052-9095200 או למלא את הטופס:
זו אפשרות שיש בכל מערכת היום. לדוגמה, יכול שתרצו לשנות את הכותרת של המייל, את המיקום של הקישורים הפנימיים וכו'.
מעבר לזאת, היום רוב המיילים הם סוג של עמוד נחיתה, ולכן כל מה שהסברתי על המהות של A/B Testing תקף גם כאן.
כמה זמן צריך לבצע את הניסוי?
התשובה לשאלה הזו תלויה בנתונים הראשוניים שלכם ואת גודל השינוי שאתם רוצים לבדוק (לדוגמה, קפיצה של 30% במספר הלחיצות על הקישור לעמוד הבא). יש כלים שיכולים לעזור לכם בכך גם אם אין לכם הרבה מושג בסטטיסטיקה.
לדוגמה, במחשבון של אופטימיזלי תוכלו לראות את גודל הדגימה שתצטרכו. כדאי מאוד גם לקרוא את השאלות למטה כדי להבין יותר טוב את כל הנושא.
האם A/B Testing רלוונטי גם לקידום אורגני?
כן. אומנם אין לכם בדרך כלל עמוד נחיתה אחד (בניגוד לקידום ממומן), אבל כן יש לכם עמוד יצירת קשר או עמוד דומה שהמטרה העיקרית שלו היא להשלים המרות. זהו בדרך כלל העמוד שאותו תרצו לבדוק.
לעומת זאת, אם יש לכם טופס צדדי או אלמנט קבוע שאתם רוצים לשנות, הדרך הכי פשוטה לעשות A/B Testing לדעתי היא להריץ את הגרסה החדשה משהו כמו שבוע או שבועיים (תלוי במספר הכניסות היומיות לאתר) ולאחר מכן להשוות בין הביצועים באמצעות ההשוואה בין התאריכים של Analytics. זו אומנם שיטה "טיפשה", אבל היא הכי פשוטה וקלה ליישום. אפשר ליישם אותה גם על Popups במערכות ייעודיות כמו פופטין לדוגמא.
מה יש לגוגל להגיד על A/B Testing?
עד כאן הכול טוב ויפה, אבל נשאלת השאלה מה גוגל חושב על כל העניין? בסופו של דבר, אתם אמורים להציג לו תמיד את אותה הגרסה של העמוד אותה הגולש רואה.
גוגל התייחסה לעניין כבר מזמן, ב-2012 ליתר דיוק.
באופן עקרוני אין בעיה עם A/B Testing בתנאי שאתם שומרים על כמה כללים:
- אל תבצעו שום סוג של מיסוך דרך ה-User-Agent. כלומר, אל תגרמו לגוגל לראות רק גרסה אחת בכוונה תחילה.
- אם אתם משתמשים בשתי כתובות שונות, השתמשו ב-rel=”canonical” ולא ב-noindex. לדוגמה, יכול להיות יבחרו דווקא בכתובת שבחרתם לא לאנדקס בתור הכתובת הראשית.
- אם אתם מבצעים הפניה בתהליך, תמיד השתמשו בהפניה זמנית מסוג 302 ולא בהפניה קבועה מסוג 301. למידע נוסף על הפניות.
- אל תבצעו מבחנים לתקופות ארוכות שלא לצורך. זה כן עלול להציב אתכם בבעיה, במיוחד אם המבחן שלכם לא מאוזן.
באופן כללי, אם מדובר בשינוי של אלמנט קטן ולא שכתוב של טקסט עם המון מילות מפתח, ה-A/B גם לא אמור להשפיע על הדירוגים.
מה עוד חשוב לבדוק חוץ מהמרות?
בדרך כלל הדבר המרכזי שתרצו לבדוק במהלך המבחנים הוא אחוז ההמרות, שיעור הנטישה, זמן בעמוד וכו'.
אבל בפועל זה לא תמיד מספיק כדי להבין מהי הסיבה לשינוי. לכן כדאי גם לשלב בדיקה נוספת שתעבוד באמצעות מפות חום. הסיבה היא שרוב השינויים בתוך העמודים באתר שלכם (או בעמודי נחיתה) הם וויזואליים ולכן יהיה חשוב לכם מאוד לדעת כיצד הגולשים שלכם סורקים את הדף.
לדוגמה, יכול להיות שתגלו ששדות מסוימים בטופס מבלבלים את הגולשים כי הם משאירים את הסימן של העכבר לידם הרבה זמן (ב-Crazy Egg למשל יש מפות שיכולות לעשות את זה).
במקרה הזה יכול להיות שתרצו לפשט את השדות או להסיר חלק מהם. במקרים אחרים אתם יכולים לראות כיצד האורך של העמוד משפיע על אחוז הגולשים שגוללים את העמוד עד הסוף.
זכרו שככל שיהיו לכם יותר אינדיקציות, כך גם תוכלו לדעת באופן וודאי יותר עם איזו גרסה להישאר.
מה יכול לחבל לכם במבחני ה-A/B?
גם למבחני ה-A/B Testing יש כמה מגבלות שחשוב להיות מודע אליהן:
1. גורם מתווך – לפעמיים אנחנו מבצעים שינוי מסוים שגורם לשינוי אחר שיש לו השפעה על התוצאות.
לדוגמה, אם הוספנו שדה לטופס והארכנו אותו, יכול להיות שהוא גרם לגלילה ארוכה יותר במובייל. אי אפשר להימנע מזה לחלוטין, אבל כן אפשר לנסות ולמזער את התופעה הזו באמצעות בדיקה של השינויים על כמה שיותר מכשירים ובכמה שיותר רזולוציות.
2. חוסר הגדרה של המטרה המדויקת: חשוב מאוד שתדעו מראש מה אתם בדיוק רוצים לבדוק. לדוגמה, לבצע מבחן A/B לאתר שלם זה לא פרקטי וגם לא יעיל מבחינה סטטיסטית. חשוב לזכור ש-A/B Testing לא נועד להחליף שלבים כמו אפיון אתר או עיצוב אתר, אלא לטפל בכשלים נקודתיים.
3. כפועל יוצא מהסעיף הקודם: חשוב לזכור שלא תמיד יש קשר בין ההשערה שהעלנו לבין הסיבה האמיתית לשינוי בתוצאות. אם אנחנו רוצים לרדת לשורש העניין, עלינו לקבל פידבק אמיתי מן המשתמשים שלנו באמצעות סקר שעוסק באלמנט הספציפי שאנחנו רוצים לבדוק. לחילופין, אפשר לשלב את מבחן ה-A/B עם מבחן שמישות.
לדוגמה, לתת לקבוצה של כמה עשרות נבדקים לגשת אל שתי דוגמאות שונות של העמוד ולבדוק לאיזו קבוצה לקח פחות זמן לבצע מטלה מסוימת כמו למשל מציאת מוצר ספציפי בחנות. כל נבדק מתעד את תהליך קבלת ההחלטות שלו ומה הפריע לו בדרך, כך שהרבה יותר קל לכם למצוא את הקשר האמיתי שבין הסיבה לתוצאה.
4. תנועה לא אחידה ממקורות שונים: כאשר אתם מנתחים את התוצאות של העמודים, אתם צריכים לזכור שלא כל מקורות התנועה מייצגים את אותם הגולשים. לדוגמה, גולשים שהגיעו אליכם מגוגל הם בדרך כלל מכווני מטרה. לעומת זאת, גולשים שהגיעו מפייסבוק עשויים להיות בשלב מוקדם יותר של מסע הלקוח או אולי בכלל רק רוצים למצוא מידע.
לסיכום
A/B Testing הוא כלי מצוין שיכול לעזור לכם במציאת נקודות התורפה וחיזוק שלהן. הוא אומנם מעט מורכב, אבל כיום מרבית המערכות בשוק יודעות כיצד לבצע אותו בצורה אוטומטית, ולכן אין לכם תירוץ אמיתי מדוע לא להשתמש בו.
