Og resultaterne kan måles og kommunikeres tydeligt til kunderne. Der er hundredvis af succeshistorier med A/B-testning, f.eks. en e-handelsstrategi, der genererede 36% flere lukninger af indkøbskurve, eller en test af sundhedsmarkedsføring, der øgede antallet af leads med 638%.
Men det niveau af resultater er ikke let at opnå. I vores samarbejde med virksomheder om at optimere konverteringen ved hjælp af A/B-test har vi observeret nogle fællestræk i de udfordringer, som virksomhederne står over for, uanset om de er store eller små, B2B eller B2C, e-handel eller leadgenerering.
Udfordring 1: At vide, hvad man skal teste
Man kan ikke udsende to versioner af den samme kommunikation og blot forvente et løft i engagementsmålingerne. Markedsførere lærer hurtigt, at nogle små ændringer, som er attraktive, fordi de er nemme at implementere, ikke er effektive nok til at skabe forandring. De ved også, at dramatiske ændringer kan resultere i tab.
For at vide, hvad man skal teste, må man først vide, hvor man skal teste. Det er her, dine kundedata kan være meget afgørende. Kør en analyse af metrics inden for livscyklus, salgstragt eller den type kommunikation, du laver, for at flytte dem fra en tilstand til en anden og identificere, hvor de filtreres fra. Hvor falder potentielle kunder?
Udfordring 2: At køre valide tests
Her kan man begå den fejl at tro, at man har fundet en formel til at øge konverteringen, når det ikke er tilfældet. En anden mulig fejl er at overse en stigning i konverteringen.
A/B-test er en succesfuld taktik på grund af dens forudsigelseskraft. For at testresultaterne kan spille en virkelig forudsigende rolle, skal du sikre dig, at de afspejler kundens adfærd, og at det var den ændring, der blev foretaget i testen, som udløste de nye resultater.
For at opnå dette skal eksperimentet opstilles og overvåges på en videnskabelig måde og undgå trusler mod validiteten som f.eks:
- Effekter på leveringsevnen: F.eks. blev 10.000 beskeder ikke leveret på grund af en serverfejl.
- Effekter af historien: for eksempel uventet annoncering omkring produktet på det nøjagtige tidspunkt, hvor testen køres, en marketingkampagne, der midlertidigt skævvrider efterspørgslen i én retning, at køre en test i kun 20 timer på en tirsdag, hvor weekendtrafikken opfører sig meget anderledes, eller at køre en test på din e-handelsside med meget motiveret juletrafik i december og forvente at få de samme resultater i januar.
- Selektionseffekter: For eksempel kører en anden afdeling en pay-per-click-annonce, der fører trafik til en landingsside i deres kampagne, samtidig med at du kører din test, eller kunderne vælger automatisk, hvilken behandling de vil se.
- Sampling af forvrængningseffekter: Dette er en manglende indsamling af en tilstrækkelig stor stikprøve til at overvinde den tilfældige mulighed. For eksempel at afgøre, at en test er gyldig baseret på 100 svar.
Udfordring 3: Fortolkning af testresultater
Lad os antage, at du har opfyldt punkt 1 og 2 og fået et godt resultat. Der er stadig et grundlæggende spørgsmål, der skal besvares: Hvorfor? Hvorfor opfører kunderne sig, som de gør? Hvad har du lært om kunden, og hvordan kan du bruge denne viden?
Fortolkningen af testresultaterne bør ikke begrænses til tiden umiddelbart efter, at testen er blevet udført. Faktisk ligger nøglen til at fortolke resultaterne lige før udførelsen. Det handler om at opstille en hypotese med det mål at få en grundig forståelse af kundens tankeprocesser på afgørende leveringspunkter i din tragt, så du kan øge den opfattede værdi og mindske de opfattede omkostninger.
Ved at forstå, hvad potentielle kunder tænker på hvert trin i købsprocessen, bliver du bedre i stand til at matche deres motivation og få dem hurtigere gennem salgstragten.
Målet bør ikke blot være at øge en KPI (key performance indicator), men at forstå, hvordan du bedre kan betjene kunden med dine marketingbudskaber, din salgsproces og endda dine produkter. Og gennem den forståelse vil du forbedre resultaterne.
Så selv om din testbehandling ender med at give færre konverteringer, er det ikke et tab, for du har fået kundeindsigt. Hvis data er valutaen i internetalderen, er kundeindsigt guldstandarden: det centrale stykke data, som al markedsføring skal være direkte knyttet til.
Og i sidste ende er det sådan, man opnår langsigtede gevinster med A/B-test.
