Delte test med Google Analytics-eksperimenter

I dagens veiledning skal vi se på en av Google Analytics 'nyeste tillegg til funksjonssettet; eksperimenter. Ved hjelp av dette verktøyet vil jeg vise deg hvordan du serverer forskjellige variasjoner på en side for å finne ut hvilken som er mest vellykket når du konverterer besøkende til nettstedet.

innledning

Hvis du noen gang har opprettet et nettsted, vil du nesten sikkert være kjent med Google Analytics. Med en gratis Google-konto og en kodebit, kan du spore besøkende på nettstedene dine og bor ned på dataene med spennende fokus.

Fra små personlige prosjekter til bedriftsnivåer har Google Analytics etablert seg som markedsleder av meget gode grunner; Det er gratis, enkelt å implementere og passer for den uformelle brukeren eller til og med den mest kampharde markedsføreren.

Klar til å komme i gang? La oss begynne!

En kort introduksjon til deltesting

Vi har dekket deltest testing før som en del av Ian's grundige utbygging av konvertering og online markedsføring, men la oss se nærmere på delt testing i online arenaen.

Ved å betjene forskjellige versjoner av en side til samtidige besøkende, gjør vi effektivt hva folk i markedsføringskretser refererer til som deltesting. Det endelige målet med denne tilnærmingen er å avgjøre hvilken av en gruppe nettsider (eller brosjyrer, bannerannonser, tekstannonser, etc.) konverterer besøkende mest effektivt. Selv om en "konvertering" kan være omtrent alt, er nettstedseierne vanligvis interessert i kjøp, registrering, kontoregistrering eller til og med få besøkende til å følge dem på sosiale kanaler.

Variasjoner må kjøres på samme tid.

Det viktigste konseptet for å forstå splittetesting er at variasjonene må kjøre alt på samme tid. Med andre ord, det ville ikke bli vurdert som en effektiv deltesting for å laste opp en side i en måned, samle inn dataene og deretter laste opp en annen side for å samle inn og sammenligne dataene igjen. En sentral del av deltest testing er å sikre at så mange faktorer som mulig som kan påvirke et nettsted, blir besøkende fjernet.

Frem til ganske nylig var A / B Split testing (dvs. testing mellom to variasjoner) standardmetoden for testing av online konverteringer. Ideen med A / B delt testing er å komme til en vinner og deretter skyll og gjenta flere ganger, hver gang komme nærmere siden som konverterer maksimalt antall besøkende. Selv om det er ganske effektivt, har A / B Split Testing noen kritiske begrensninger som vi diskuterer om et øyeblikk.

Spørsmålet er, er dette en robust måte å egentlig komme til den beste konverteringssiden? Det er en rekke problemer med prosessen som er avbildet i bildet ovenfor:

For det første, hvis vi antar at hver test tar en uke å gjennomføre, vil prosessen for å komme fram til en vinnende side ta smertefylt fem uker til å gjennomføre. Ikke bare er dette lenge når nettstedet ditt er avhengig av vellykkede konverteringer, kan det hende mye om fem uker på Internett. Selv en endring i måten Google indekserer siden din, kan levere et drastisk annet sett med brukere (akkurat som vi så i den nyeste Google-Penguin-oppdateringen). Dette betyr at vi i hovedsak kan sammenligne epler med appelsiner mellom den første deltestesten og den endelige testen nesten en og en halv time senere.
For det andre, selv om vi vet at Side One overgikk Side To i den første testen, kan vi ikke være sikre på at Side To ikke ville overgå Side tre, siden vi ikke har sammenlignet dem side om side.

Et bedre alternativ til denne metoden er å sammenligne alle sidevariasjoner mot hverandre og samtidig, som vist her:

I dette eksemplet kan vi være sikre på at side 4 er den beste siden siden alle sidene testes mot hverandre i samme tidsperiode, med (vi kan anta) en konsistent brukerbase.

Hva vi skal gjøre i dag, er å bruke Google Analytics 'Eksperimenter til å kjøre tre sidevariasjoner side om side, i stedet for flere iterasjoner av de to standardvarianter i tradisjonell A / B delt testing. Mens jeg bruker tre variasjoner, kan du kjøre seks sidevariasjoner i et enkelt eksperiment.

Scenarioet

I dagens prosjekt har vi fått ansvaret for å øke mengden vellykkede kontoopplysninger for et fiktivt selskap. De har lagt merke til at en betydelig mengde besøkende til nettstedet ankommer til kontoopplysningssiden, men slipp av før du faktisk sender skjemaet.

Her er et skjermbilde (endret for opplæringen) på den nåværende registreringssiden, eller du kan se siden på nettet.

Merk: denne opplæringen skal ikke se på utformingen av siden og dens variasjoner. Hvis du er interessert i å se på koden, kan du laste ned alle filene fra ressursdelen av denne opplæringen.

Også for enkelhets skyld og korthet er disse sidene ganske nakne bein og og inkluderer ikke noen server-side skript for å samle skjemadataene og er ikke eksempler på arbeidsproduksjonsskjemaer.

På dette stadiet kan vi bare spekulere på som hva årsaken til frafallet faktisk kan være, men et godt sted å starte er å adressere lengden på skjemaet. Foreløpig krever påloggingssiden at brukeren skal fullføre en rekke fjorten separate handlinger for å opprette en konto.

Forutsatt at brukeren er i stand til å returnere og legge til sine personlige opplysninger (for eksempel land og foretrukket valuta) etter at kontoen er opprettet, er en logisk sidevariasjon for å betjene besøkende til nettstedet en trimmet form som krever færre handlinger for å fullføre.

Med den angrepsplanen i tankene, her er den andre sidevarianten som vi skal bruke i vårt eksperiment:

Se siden på nettet.

For vår siste sidevariasjon, la oss trimme skjemaet en gang til for bare å inkludere de absolutte nødvendigheter for å opprette en konto, nemlig brukernavn, passordfelter, e-postadresse og bekreftelse av vilkårene for bruk.

Her er et bilde av variasjonen på den tredje siden:

Se siden på nettet.

Endelig har vi en bekreftelsesside som vil bli vist til den besøkende når skjemaet er fullført.

Se siden på nettet.

Nå som vi har våre tre sidevariasjoner, la oss sette opp de nødvendige elementene i Google Analytics og teste dem ved siden av.

Trinn 1: Opprett en Google Analytics-konto

Jeg er sikker på at mange av dere allerede vil være kjent med Google Analytics, men for fullstendig skyld skal vi gå gjennom hvert trinn som kreves for å aktivere analyse på nettstedet, definere et mål og aktivere eksperimentet selv.

Gå videre til Google Analytics og logg inn med Google-kontoen din (eller sett opp en ny konto). Forutsatt at du ikke allerede har lagt til en Analytics-konto i profilen din, blir du presentert med følgende skjerm. Klikk på "Registrer" -knappen for å komme i gang.

På den neste siden fyller du ut skjemafeltene som de relaterer til prosjektet ditt:

Trinn 2: Legg til Google Analytics-kodebiten

Sporingsevnen til Google Analytics drives av en JavaScript-kode, og på den neste siden får du den nødvendige koden og instruksjoner om hvordan du legger til den på nettstedet ditt. Bare kopier koden til utklippstavlen, og lim den inn på hver side du vil spore med Google Analytics.

På nettstedet foreslår hjelpeteksten at du legger til denne utdrag umiddelbart før avslutningen tag, som sørger for at en sidevisning er registrert, selv om hele siden ikke er lastet før brukeren går videre. Imidlertid er det vanligvis vurdert beste praksis for å legge til skriptene dine på bunnen av en HTML-side, før avslutningen stikkord.

Selv om begge tilnærmingene vil fungere bra, vil vi i denne situasjonen sørge for at våre påloggingssider lastes helt før Analytics-skriptet er sparket.

For dette prosjektet har jeg lagt til dette skriptet på de tre registreringssidene (signup1.html, signup2.html & signup3.html) og confirmation.html siden, slik som:

Når du har lagt til koden, laster du opp sidene til en webserver via FTP. Det er også viktig å merke seg at Google Analytics ofte tar 24 - 48 timer for å begynne å samle data, så vær tålmodig de første dagene før du ser dine besøksdata.

Trinn 3: Lag et mål

Før vi setter opp og aktiverer eksperimentet selv, må vi opprette et mål for måling.

Google Analytics kan konfigureres til å opprette og overvåke svært sofistikerte mål, inkludert flerkanalsmåltunneler og sporing av e-handel. I dagens eksempel holder vi det enkelt ved å definere en vellykket konvertering (dvs. vårt mål) som /confirmation.html URL-destinasjonen. Med andre ord ønsker vi å spore alle forekomster av en bruker som fullfører noen av de tre skjemavariasjonene, klikker på "Send" -knappen og kommer til siden "Takk for registrering med oss".

Fra hovedmenyen til venstre i Google Analytics-grensesnittet, velg "Oversikt" -objektet fra overskriften "Konverteringer":

Hvis dette er det første målet du har satt opp, bør du bli tatt automatisk til siden "Opprett et nytt mål". Hvis ikke, klikk på "Admin" menyelementet øverst til høyre på skjermen, og kontroller at du ser på fanen "Mål".

Gi ditt nye mål et navn, velg måltypen som en URL-destinasjon og skriv inn banen, i dette tilfellet /confirmation.html.

Hvis målet ditt har en virkelig dollarverdi tilknyttet den (for eksempel et betalt medlemskap til et nettsted), kan du legge til dette beløpet i tekstfeltet "Målverdi". Vi skal ikke bruke en måltratt i dag, så vi kan bare redde vårt nye mål.

Trinn 4: Gå til eksperimentfunksjonen

Med vårt måloppsett kan vi nå starte et eksperiment for å avgjøre hvilke av våre sider som skal utføres best når det gjelder vellykket kontoregistrering.

Under delen "Innhold" i hovedmenyen til venstre velger du "Eksperimenter".

Merk: Som med mange Google-produkter, blir eksperimentfunksjonen levert som en del av en iscenesatt utrulling. Hvis du for øyeblikket ikke har tilgang til eksperimenter, må du utøve tålmodighet og vente på at Google-kontoen din skal oppdateres med denne funksjonen.

For å komme i gang legger du til nettadressen til siden som vi vil teste, i dette tilfellet signup1.html. Dette er ikke en direkte nettadresse - den brukes bare til veiledningens formål.

Trinn 5: Opprett et eksperiment

Når du har tilgang til eksperimentfunksjonen, presenteres du med en fire trinns eksperimentopprettelsesveiviser.

Begynn med å bekrefte kontrollsiden (dvs. /signup1.html), og legg deretter til nettadressene for hver av sidevariasjonene. Pass på at du gir hver variant et beskrivende navn og ikke bare en generisk variant en / variant to / variant tre-tittel - det vil gjøre analysen av eksperimentet langt lettere i de senere stadiene.

På neste side av eksperimentregistreringsveiviseren refererer vi målet som vi opprettet i Trinn tre som målbar metrisk.

I dette eksperimentet ønsker vi å vise sidevariasjoner til 100% av de besøkende. Hvis du gjorde omfattende endringer på et etablert nettsted, kan du velge å begrense antall besøkende som deltar i eksperimentet for å minimere potensiell innvirkning.

På den tredje siden får du en annen kodeblokk som blir lagt til i kontroll side (i dette tilfellet /signup1.html). Legg til denne koden øverst på kontrollsiden, like etter åpningen stikkord. Merk, for dette skriptet - i motsetning til sporingskoden - vil vi definitivt ha denne koden helt opp på siden siden dette er hvordan sidevariasjonene skal bli servert til besøkende.

Den endelige koden for kontrollsiden (dvs. /signup1.html) vil se slik ut:

        Registreringsskjema 1

Last opp den nye kontrollsiden med eksperimentskriptet til serveren din.

I fjerde fase kan du kontrollere at alt fungerer som det skal, og at Google Analytics registrerer alle sidene og er klar til å begynne å utføre eksperimentet.

Trinn 6: Test ditt eksperiment

Flott arbeid! Du har opprettet ditt første Google Analytics-eksperiment, og du er ett skritt nærmere forbedringen av konverteringsfrekvensen.

Siden det tar 24-48 timer for eksperimentpanelet å begynne å vise data, la oss bare sørge for at vårt eksperiment faktisk serverer forskjellige sidevariasjoner.

Åpne nettleseren din og naviger til kontrollsiden (dvs. /signup1.html). Hvis eksperimentet fungerer riktig, blir du omdirigert automatisk til en av de tre sidevariasjonene. Din adresselinje vil vise variasjonen med en vedlagt ID, som indikerer at eksperimentet har vist en av variasjonene i nettleseren din.

Bak kulissene har Google Analytics lagt til en informasjonskapsel i nettlesersesjonen din som "husker" hvilken sidevariasjon du ble servert. Du vil merke seg at hvis du oppdaterer siden, eller går tilbake til siden senere, vil du alltid bli vist den opprinnelige sidevarianten - en viktig del av at du skal gi dine besøkende en konsistent brukeropplevelse.

Du kan slette nettleserens informasjonskapsler, nettsted og plugin-data som skal vises på en annen variant av siden.

Trinn 7: Analysere eksperimentdataene

Når du har opprettet, forsøker eksperimentet seg selv, samler inn data til en klar vinner kan bestemmes av Google Analytics. Hvor lang tid eksperimentet ditt trenger å kjøre, avhenger av en rekke faktorer, inkludert generelle besøkende og hvor nøye variasjonene utfører for hverandre.

La oss ta en titt på dette eksperimentet mens det er i gang, og velg noen poeng som er verdt å diskutere.

Standardgrafdataene plotter konverteringsfrekvensen for hver av sidevariasjonene mot tiden eksperimentet har kjørt, noe som trolig er den viktigste metriske som skal vurderes for vårt formål i dag. I rullegardinmenyen kan du også plotte dataene knyttet til en rekke andre beregninger, inkludert bruk av nettstedet, vellykket måltall og et utvalg av standard Analytics-beregninger, for eksempel sider per besøk, avkastningsfrekvens, prosentandel av nye besøk og så videre.
Til høyre for siden oppsummeres eksperimentet som er i gang, teller de samlede besøkene til eksperimentsidene, tiden som er gått bort og eksperimentstatusen. I dette tilfellet har Analytics ikke opprettet en klar vinner.
Et interessant poeng å merke seg er at Analytics ikke nødvendigvis distribuerer sidene en-for-en. Mens du i starten av forsøket forventer en sammenlignende mengde besøk for hver sidevariant. Når eksperimentet utvikler seg og en eller flere av sidene begynner å overgå de andre, vil Analytics begynne å favorisere de bedre resultatene. I dette tilfellet er vår tredje variant (kortformularen) distribuert til rundt 36% av besøkende, sammenlignet med at den lange formen (variant en) blir vist til rundt 31% av de besøkende.
I datatabellen nederst på siden sammenligner Analytics konverteringsfrekvensen for hver variasjon mot kontrollen, og beregner sannsynligheten for at variasjonen overpresterer originalen. Så i dette eksempelet, mens vi ikke har en klar vinner, kunne vi allerede være sikre på at begge variantene ville være bedre alternativer til den lange formen, med en bedre enn 93% sjanse for at de konverterte besøkende bedre.

Trinn 8: Ankommer til en vinner

Som nevnt vil tiden for å komme frem til en vinner avhenge av ytelsen til sidevariasjonene i forhold til kontrollsiden. Enten det tar tre dager eller tre uker å komme frem til en konklusjon, kan du være trygg overfor rimelig tvil om at vinneren av eksperimentet faktisk vil være den beste utøveren når det gjelder målet som måles.

Etter åtte dager med data og 1240 besøk, har Analytics kommet fram til at den klare vinneren er (du gjettet det), vår korte formside.

Trinn 9: Vi har en vinner, hva nå?

Nå som vårt eksperiment har konkludert, må vi iverksette tiltak. Siden kortformen har vært så bra med en konverteringsfrekvens på rundt 91,5%, er det mest opplagte å erstatte kontrollsiden (det vil si den lange form) med den vinnende varianten.

Herfra må vi utføre noen ekstra analyser og ta en viktig beslutning. Selv om vi har opprettet vårt mål som besøk på bekreftelsessiden, er det ikke vår ekte mål. Selve målet for suksess er selvfølgelig folk som bruker tjenesten (hva den tjenesten egentlig er). Forutsatt at all tilleggsinformasjon er nødvendig (landet, den foretrukne valutaen etc.) er nødvendig, vil det bli nødvendig med ytterligere analyser for å sikre at vellykkede registranter faktisk fyller ut denne informasjonen når kontoen er etablert (en øvelse for en annen eksperiment).

Endelig er den neste avgjørelsen å gjøre om du skal investere tid eller ikke, for å skape flere variasjoner for vårt skjema, for å prøve å forbedre på 91,5% konverteringsfrekvensen. For eksempel kan en annen design eller kopi variasjoner øke konverteringsfrekvensen. Egentlig kan eksperimenter fortsette å bli utført til en 100% konverteringsfrekvens oppnås. Med det sagt, hva vi trenger å vurdere er frekvensen av sviktende avkastning. Det vil være et punkt der tiden og innsatsen som kreves for å forbedre konverteringsfrekvensen ikke gir en tilstrekkelig avkastning på investeringen, og vår tid ville bli bedre servert testing og optimalisering av andre sider på nettstedet vårt.

Konklusjon

I denne opplæringen har vi bare skrapt overflaten av eksperimenter fra Google Analytics, og vi kunne fortsette å diskutere de vanskelighetsgrader av tilgjengelige data ad infinitum. Med det sagt, i bare noen få enkle trinn har vi etablert et program som er langt mer effektivt enn tradisjonell A / B delt testing, og vi har kommet til et uopprettelig resultat som langt overgår kontrollsiden.

Selv om vi har opprettet et eksperiment som tjener helt forskjellige sider med hensyn til innhold, kan samme tilnærming bli tatt for å teste langt mer subtile sideelementer. For eksempel kan en annerledes farget knapp, en litt annerledes layout eller mindre kopiendringer føre til markant forbedrede konverteringsfrekvenser - som alle kan testes ved hjelp av denne delte testmetoden.

Viktig er at denne tilnærmingen til testing av våre design tar gjetningen ut av effektiv design. Som designere arbeider med klientinteressenter (og ofte tar beslutninger av fryktede komiteen), er det lett å miste skogen for trærne og ta designbeslutninger basert på antakelse snarere enn harde data. Etableringen av et delt testprogram som dette, er den sikreste måten å forbedre konverteringene på, uansett hva målet ditt kan være.

Hvordan vil du bruke Google eksperimenter? Legg igjen en kommentar nedenfor - vi vil gjerne høre dine tanker!

Webdesign