#35 A/B testiranje

1. Naziv metode

A/B testiranje

2. Alternativni nazivi

Split testiranje, Bucket testiranje

3. Kratak opis

A/B testiranje je metoda u kojoj se uspoređuju dvije verzije nečega (npr. web-stranice, e-pošte, oglasa) kako bi se utvrdilo koja postiže bolje rezultate. Posjetitelji (ili korisnici) nasumično su podijeljeni u dvije skupine: skupina A vidi verziju A (kontrolnu verziju), a skupina B vidi verziju B (varijantu). Zatim se provodi statistička analiza kako bi se utvrdilo koja verzija postiže bolje rezultate u pogledu zadanog cilja (npr. stope konverzije).

4. Svrha / Kada koristiti

Uglavnom se koristi u online marketingu, dizajnu proizvoda i UX/UI-ju za optimizaciju i poboljšanje na temelju stvarnih podataka o ponašanju korisnika. Idealno je za testiranje promjena u dizajnu, copywritingu, cijenama ili funkcionalnosti.

5. Postupak / Kako ga primijeniti

1. Definirajte cilj i hipotezu: Što želite poboljšati (npr. povećati broj klikova na gumb 'Kupi')? Formulirajte hipotezu (npr. 'Promjena boje gumba s plave u zelenu povećat će stopu konverzije').
2. Izradite varijantu (verzija B): Izradite drugu verziju koja se od originala (verzija A) razlikuje samo po jednom testiranom elementu.
3. Pokrenite test: Koristeći alat za A/B testiranje (npr. Google Optimise, Optimizely), podijelite promet 50/50 između dviju verzija.
4. Prikupite podatke: Neka test traje dovoljno dugo da prikupi statistički značajnu količinu podataka.
5. Analizirajte rezultate: Procijenite koja je verzija bolje funkcionirala i je li razlika statistički značajna (tj. nije samo slučajnost).
6. Implementirajte pobjednika: Ako je varijanta B dokazano pobijedila, implementirajte je za sve korisnike. Ako ne, ostanite pri verziji A. Učite iz rezultata i isplanirajte svoj sljedeći test.

6. Praktičan primjer

Internetska trgovina testirala je naslov na svojoj početnoj stranici. Verzija A (kontrolna) imala je naslov: "Visokokvalitetna obuća za sve." Verzija B (varijanta) imala je naslov: "Besplatna dostava na sve cipele." Nakon tjedan dana testiranja ispostavilo se da je verzija B imala 30 % veću stopu konverzije. Internetska trgovina je verziju B uvela svim posjetiteljima.

7. Prednosti

- Donosjenje odluka temeljeno na podacima: Zamjenjuje nagađanje i osobna mišljenja ("sviđa mi se plava") čvrstim podacima o ponašanju korisnika.
- Niskorizično: Testiranje na malom uzorku smanjuje rizik da neuspješna promjena ima negativan utjecaj.
- Postupno i kontinuirano poboljšanje: Omogućuje vam iterativno optimiziranje i poboljšavanje performansi.
- Bolje razumijevanje kupaca: Svaki test otkriva nešto novo o preferencijama i ponašanju vaših kupaca.

8. Rizici / Ograničenja

- Potreba za dovoljnim prometom: Potreban je dovoljan broj korisnika za postizanje statistički značajnih rezultata. Za web stranice s malim prometom to može potrajati vrlo dugo.
- Testiranje više varijabli odjednom: Ako istovremeno mijenjate nekoliko stvari, nećete znati koja je promjena uzrokovala rezultat.
- Prerani prekid testa: Završetak testa prije nego što rezultati postanu statistički značajni može dovesti do pogrešnih zaključaka.
- Vanjski čimbenici: Na rezultate mogu utjecati sezonski uvjeti ili marketinške kampanje koje se provode tijekom testa.

9. Praktični savjeti

- Testirajte samo jednu stvar odjednom: Ako želite odrediti utjecaj određene promjene, uvijek mijenjajte samo jedan element.
- Koristite A/A test: Prije pokretanja A/B testa ponekad provedite A/A test (gdje obje grupe vide istu stvar) kako biste bili sigurni da vaš alat za testiranje ispravno radi i nasumično raspodjeljuje promet.
- Multivarijatno testiranje: Ako želite istovremeno testirati nekoliko promjena i njihove kombinacije, upotrijebite napredniju metodu – multivarijatno testiranje.