Ja savu darbu uztverat nopietni un esat orientēts uz rezultātiem, nevēlaties palaist garām A/B testēšanas milzīgo potenciālu.

Tie var palīdzēt jums atklāt ļoti iedarbīgas izmaiņas tēmā, dizainā, sākuma lapās un citur, kā aprakstīts mūsu rakstā. "5 e-pasta mārketinga aspekti, kurus vajadzētu pārbaudīt A/B testos"..

Lai veiktu A/B testēšanu, jums ir tikai jāiesniedz divas versijas divām nelielām abonentu grupām un pēc tam. klausīties. Metrikas jums parādīs viņu preferences, un, pamatojoties uz tām, jūs varat rīkoties īstermiņā, nosūtot visefektīvāko versiju pārējai auditorijai, vai ilgtermiņā, atkārtojot šīs preferences turpmākajās kampaņās.

Tas izklausās vienkārši, un MasterBase® tas ir vēl vienkāršāk, pateicoties mūsu automatizētajam visefektīvākās detaļas izvēles procesam un tās nosūtīšanai uz kopējo bāzi. Tomēr, veicot A/B testēšanu, ir arī diezgan viegli kļūdīties un nonākt pie nepareiziem secinājumiem, tādējādi pilnībā izjaucot rezultātus.

Sāpīgi ir veikt daudz A/B testu, lai secinātu, ka sliktas izpildes dēļ neesat ieguvis nekādus noderīgus rezultātus. Lai izvairītos no šādas vilšanās, iesakām ievērot šos 6 padomus, lai no A/B testiem gūtu maksimālu labumu.

1. Koncentrējiet A/B testēšanas centienus uz tiem kampaņas aspektiem, kas visvairāk ietekmēs jūsu rezultātus.

Dažkārt nelielas korekcijas maznozīmīgos elementos var ietekmēt jūsu barometra rādītāju, tāpēc koncentrējieties uz ziņojuma galvenajiem elementiem, piemēram, priekšmeta līniju, aicinājumiem veikt darbību, attēliem un virsrakstiem.

Taču ir arī citi elementi, kurus ir vērts izmēģināt:

• Atšķirīga automātisko ziņojumu aktivizēšanas loģika
• Cik drīz nosūtīt ziņojumu pēc tā aktivizēšanas
• Sūtīt vai nesūtīt automātisko ziņojumu sēriju.
• Kādos apstākļos automātiskais ziņojums sērijā netiek iekļauts?

2. A/B testēšanu attieciniet tikai uz vienu vienlaicīgi.

Ja vien neesat pilnībā iesaistījies novērtēšanas procesā, A/B testēšana nedrīkst pārsniegt vienu izmaiņu. Piemēram:

• Zaļā poga pret zilo pogu
• Ziņa ar sociālo pierādījumu un ziņa bez sociālā pierādījuma
• Dzīvesveida tēls pretstatā produkta tēlam
• Procentuālā atlaide salīdzinājumā ar atlaidi skaitļos.

Mainot vairāk nekā vienu faktoru starp A un B versiju, būtu ļoti grūti noteikt, kurš elements ir atbildīgs par veiktspējas atšķirībām.

3. Tas sākas ar skaidru hipotēzi

Neveiciet nejaušas izmaiņas tikai tāpēc, lai redzētu, kas varētu darboties. Koncentrējieties uz to, ko meklējat, un izmantojiet to kā pamatu testēšanai.

Piemēram, ja cenšaties palielināt reklāmguvumus, varat izveidot ziņojuma versiju, kurā aicinājums veikt darbību ir virs displeja vai priekšskatījuma (ATL), lai tas būtu labāk redzams, un citu versiju, kurā saturs ir pirms aicinājuma veikt darbību (CTA).

Arī tad, ja mēģināt izlemt, vai ir lietderīgi apsveikuma ziņojuma temata rindiņā jauno abonentu uzrunāt ar vārdu, izmēģiniet vienu temata rindiņu ar personalizāciju un vienu bez tās.

4. Izvēlieties veiksmīgu testa metriku, kas atbilst jūsu kampaņas mērķim.

Lielākā daļa kampaņu ir vērstas uz reklāmguvumiem, tāpēc arī A/B testēšanai jābūt vērstai uz šo rādītāju uzlabošanu.

Bieži izplatīts maldīgs priekšstats ir tāds, ka temata līnija var ietekmēt tikai atvēršanas rādītāju, ka ziņa var ietekmēt tikai klikšķus un ka mērķlapas saturs var ietekmēt tikai konversijas.

Tā nav taisnība! Dažādas instances nedarbojas izolēti. Katrs faktors ietekmē kopumu, jo abonenti e-pasta mārketinga kampaņas uztver kā veselumu.

Tātad temata līnijas mērķis nav radīt atvēršanas iespējas, bet gan cilvēkus, kas veic konversiju. Tāpat arī satura mērķis nav radīt klikšķus, bet gan cilvēkus, kas konvertējas.

5. Izstrādājiet regulāru testēšanas programmu un reģistrējiet rezultātus.

Izstrādātie A/B testi ad hoc ir neefektīvas, jo tās ir neregulāras un vērstas uz dažādiem mērķiem. Lai gūtu maksimālu labumu no A/B testēšanas, jums ir nepieciešams plāns. Izstrādājiet testēšanas grafiku, kas atspoguļo:

• Teorijas, kuras jūs mēģināt apstiprināt
• Kuras e-pasta adreses izmantojat, lai pārbaudītu katru teoriju?
• Katra testa rezultāti un to, kā tie ietekmē jūsu turpmāko testu plānus.
• Mēģiniet iekļaut A/B testu vismaz 50% izplatīšanas daļā.

6. Testa rezultātu apstiprināšana

Atsevišķs A/B tests nav pārliecinošs uz visiem laikiem. Īstermiņā jebkurš novērotais pieaugums var būt jaunuma efekta rezultāts. Abonentus piesaista jaunums, tāpēc viņi var pārvērtēt jebkuras jūsu veiktās izmaiņas.

Jaunuma efekts diezgan ātri izzūd. Tāpēc, ja vienu un to pašu testu veiksiet divas vai trīs reizes noteiktā laika periodā, jaunuma efekts vairs neparādīsies, un jūs varēsiet novērtēt izmaiņu patieso ietekmi.

Ilgtermiņā patērētāju uzvedība un attieksme mainās. Jūsu kontaktu saraksta sastāvs var mainīties arī atkarībā no abonentu piesaistīšanas prakses, jūsu produktu vai pakalpojumu piedāvājuma izmaiņām, paplašināšanās jaunās teritorijās vai ārpus tām un citiem faktoriem.

Jo pārliecinošāka ir testa veiksme, jo ilgāk varat gaidīt, lai to vēlreiz apstiprinātu. Taču laika gaitā jūs periodiski vēlēsieties apstiprināt katru testu vismaz vienu vai divas reizes, kas vēlreiz pierāda, ka A/B testēšanas plāns ir ļoti svarīgs.