Hvis du tar arbeidet ditt på alvor og er resultatorientert, vil du ikke gå glipp av det enorme potensialet som ligger i A/B-testing.
De kan hjelpe deg med å avdekke endringer med stor gjennomslagskraft i fagstoff, design, hjemmesider og mer, som beskrevet i artikkelen vår "5 aspekter ved e-postmarkedsføringen din som bør A/B-testes"..
For å A/B-teste meldingene dine trenger du bare å presentere to versjoner for to små grupper av abonnentene dine, og deretter lytte. Målingene vil fortelle deg hvilke preferanser de har, og ut fra disse kan du handle på kort sikt ved å sende den mest effektive versjonen til resten av målgruppen din, eller på lang sikt ved å gjenskape denne preferansen i fremtidige kampanjer.
Det høres enkelt ut, og det er enda enklere hos MasterBase®, takket være vår automatisering av prosessen med å velge den mest effektive delen og sende den til den totale basen. Det er imidlertid også ganske lett å gjøre feil med A/B-testing og komme til feil konklusjon, noe som undergraver resultatene fullstendig.
Det er smertefullt å kjøre mange A/B-tester bare for å konkludere med at du ikke har lært noe nyttig på grunn av dårlig gjennomføring. For å unngå denne frustrasjonen foreslår vi at du følger disse seks tipsene for å få mest mulig ut av A/B-testene dine.
-
Fokuser A/B-testingen på de delene av kampanjen som vil ha størst innvirkning på resultatene.
Noen ganger kan små justeringer av mindre elementer gi utslag på barometeret, så fokuser testingen på de viktigste elementene i et budskap, for eksempel emnelinjen, oppfordringer til handling, bilder og overskrifter.
Men det finnes også andre elementer som er verdt å prøve:
- Annen utløserlogikk for automatiserte meldinger
- Hvor raskt meldingen skal sendes etter at den er aktivert
- Sende eller ikke sende en serie automatiske meldinger
- Under hvilke betingelser utelates en automatisk melding i en serie?
-
Begrens A/B-testing til én ting om gangen.
Med mindre du er i full gang med en evalueringsprosess, bør du begrense A/B-testing til én endring om gangen. For eksempel
- Grønn knapp versus blå knapp
- Budskap med sosiale bevis vs. budskap uten sosiale bevis
- Et livsstilsimage kontra et produktimage
- Prosentvis rabatt kontra rabatt i kroner og øre.
Hvis man endrer mer enn én faktor mellom versjon A og B, blir det svært vanskelig å avgjøre hvilket element som er ansvarlig for forskjellen i ytelse.
-
Den tar utgangspunkt i en klar hypotese
Ikke gjør tilfeldige endringer bare for å se hva som kan fungere. Fokuser på hva du er ute etter, og bruk det som grunnlag for testingen.
Hvis du for eksempel prøver å øke konverteringen, kan du lage en versjon av budskapet der oppfordringen til handling står over visningen eller forhåndsvisningen (ATL), slik at den blir mer synlig, og en annen versjon der innholdet kommer før oppfordringen til handling (CTA).
Hvis du prøver å avgjøre om det er lurt å tiltale en ny abonnent med navn i emnelinjen i velkomstmeldingen, bør du prøve én emnelinje med personalisering og én uten.
-
Velg et vinnende testmål som stemmer overens med kampanjemålet ditt.
De fleste kampanjer har som mål å oppnå konverteringer, så A/B-testing bør også være rettet mot å forbedre disse måltallene.
En vanlig misoppfatning er at emnelinjen bare kan påvirke åpningsraten, at budskapet bare kan påvirke klikk, og at innholdet på landingssiden bare kan påvirke konverteringen.
Dette er ikke sant! De ulike instansene opererer ikke isolert. Hver faktor påvirker helheten, fordi abonnentene opplever e-postmarkedsføringskampanjer som en helhet.
Målet med en emnelinje er altså ikke å generere åpninger, men folk som konverterer. Og på samme måte er ikke målet med innhold å generere klikk, men å få folk til å konvertere.
-
Utarbeid et regelmessig testprogram, og registrer resultatene.
A/B-testene som ble utviklet ad hoc er ineffektive fordi de er sporadiske og fokuserer på ulike mål. For å få mest mulig ut av A/B-testing trenger du en plan. Utvikle en testplan som holder oversikt:
- Teoriene du prøver å bekrefte
- Hvilke e-postadresser bruker du for å teste hver teori?
- Resultatene av hver test og hvordan de påvirker dine fremtidige testplaner
- Prøv å inkludere en A/B-test i minst 50% i formidlingen din.
-
Bekreft testresultatene
En individuell A/B-test er ikke avgjørende for alltid. På kort sikt kan et eventuelt løft være et resultat av nyhetseffekten. Abonnenter tiltrekkes av det nye, noe som kan føre til at de overvurderer eventuelle endringer du gjør.
Nyhetseffekten avtar ganske raskt. Hvis du kjører den samme testen to eller tre ganger over en periode, vil nyhetseffekten ikke være til stede, og du vil kunne måle den reelle effekten av endringen.
På lang sikt varierer forbrukernes atferd og holdninger. Sammensetningen av kontaktlisten din kan også endre seg avhengig av hvordan du skaffer deg nye abonnenter, endringer i produkt- eller tjenestetilbudet, ekspansjon inn i eller ut av nye områder og andre faktorer.
Jo mer definitiv suksessen til en test er, jo lenger kan du vente med å bekrefte den på nytt. Men over tid vil du ønske å bekrefte hver test med jevne mellomrom, minst én eller to ganger, noe som nok en gang viser at en plan for A/B-testing er avgjørende.
