Výsledky lze měřit a jasně je sdělit zákazníkům. Existují stovky úspěšných příkladů A/B testování, například strategie elektronického obchodu, která přinesla o 36% více zavřených košíků, nebo test marketingu ve zdravotnictví, který zvýšil počet potenciálních zákazníků o 638%.
Takové úrovně výsledků však není snadné dosáhnout. Při spolupráci s firmami na optimalizaci konverzí pomocí A/B testování jsme vypozorovali některé společné rysy problémů, kterým čelí firmy, ať už jsou velké nebo malé, B2B nebo B2C, e-commerce nebo lead generation.
Úkol 1: Vědět, co testovat
Nemůžete vydat dvě verze stejného komunikačního materiálu a jednoduše očekávat zvýšení míry zapojení. Marketéři rychle zjistí, že některé malé změny, které jsou atraktivní, protože se snadno implementují, nejsou dostatečně účinné, aby vedly ke změně. Vědí také, že dramatické úpravy mohou vést ke ztrátám.
Abyste věděli, co testovat, musíte nejprve vědět, kde testovat. Zde mohou být velmi rozhodující údaje o vašich zákaznících. Proveďte analýzu metrik v rámci životního cyklu, prodejního trychtýře nebo typu komunikace, kterou provádíte, abyste je přesunuli z jednoho stavu do druhého a zjistili, kde se filtrují. Kam spadají potenciální zákazníci?
Výzva 2: Provádění platných testů
Zde by se někdo mohl dopustit chyby, když by se domníval, že byl objeven vzorec pro zvýšení konverze, ačkoli tomu tak není. Další možnou chybou je přehlédnutí zvýšení konverze.
A/B testování je úspěšnou taktikou díky své prediktivní síle. Aby výsledky testů hrály skutečně prediktivní roli, musíte zajistit, aby odrážely chování zákazníka a aby to byla právě změna provedená v testu, která vyvolala nové výsledky.
Aby toho bylo dosaženo, musí být experiment sestaven a monitorován vědeckým způsobem a musí se vyhnout hrozbám pro jeho platnost, jako jsou:
- Účinky na doručitelnost: např. 10 000 zpráv nebylo doručeno kvůli poruše serveru.
- Důsledky historie: například neočekávaná reklama kolem produktu přesně v době, kdy je test prováděn, marketingová kampaň, která dočasně vychýlí poptávku jedním směrem, provedení testu pouze na 20 hodin v úterý, kdy se víkendová návštěvnost chová velmi odlišně, nebo provedení testu na vašem e-shopu s vysoce motivovanou prosincovou sváteční návštěvností a očekávání stejných výsledků v lednu.
- Výběrové efekty: například jiná divize spustí reklamu placenou za kliknutí, která přivede návštěvníky na cílovou stránku v jejich kampani ve stejnou dobu, kdy spustíte svůj test, nebo si zákazníci automaticky vyberou, které ošetření se jim zobrazí.
- Vzorkování efektů zkreslení: Jedná se o neschopnost shromáždit dostatečně velký vzorek, který by překonal možnost náhodného výběru. Například určení, že test je platný na základě 100 odpovědí.
Výzva 3: Interpretace výsledků testů
Předpokládejme, že úspěšně splníte body 1 a 2 a dosáhnete skvělého výsledku. Stále je třeba zodpovědět základní otázku: Proč? Proč se zákazníci chovají tak, jak se chovají? Co jste se o zákazníkovi dozvěděli a jak můžete tyto znalosti využít?
Interpretace výsledků testů by se neměla omezovat pouze na dobu bezprostředně po provedení testu. Klíč k interpretaci výsledků ve skutečnosti leží těsně před provedením. Jde o stanovení hypotézy s cílem důkladně pochopit myšlenkové procesy zákazníka v klíčových bodech dodacího trychtýře, abyste mohli zvýšit vnímanou hodnotu a snížit vnímané náklady.
Když pochopíte, co si potenciální zákazníci myslí v jednotlivých fázích nákupního procesu, budete moci lépe přizpůsobit jejich motivaci a rychleji je posunout prodejním trychtýřem.
Cílem by nemělo být pouhé zvýšení KPI (klíčového ukazatele výkonnosti), ale pochopení toho, jak můžete lépe sloužit zákazníkovi pomocí marketingových sdělení, prodejního procesu a dokonce i produktů. A díky tomuto pochopení zlepšíte výsledky.
Takže i když vaše testování nakonec přinese méně konverzí, není to ve skutečnosti ztráta, protože jste získali informace o zákaznících. Pokud jsou data měnou internetového věku, pak je zákaznický vhled zlatým standardem: ústředním údajem, na který musí být veškerý marketing přímo navázán.
A nakonec právě takto se dosahuje dlouhodobých zisků pomocí A/B testování.
