А результаты можно измерить и четко донести до клиентов. Существуют сотни историй успеха A/B-тестирования, например, стратегия электронной коммерции, которая позволила увеличить количество закрытых корзин на 36%, или маркетинговый тест в сфере здравоохранения, который увеличил количество лидов на 638%.
Но добиться такого уровня результатов нелегко. Работая с компаниями над оптимизацией конверсии с помощью A/B-тестирования, мы заметили некоторые общие черты в проблемах, с которыми сталкиваются компании, независимо от того, большие они или маленькие, B2B или B2C, электронная коммерция или генерация лидов.
Задача 1: понять, что тестировать
Нельзя выпустить две версии одного и того же коммуникационного материала и просто ожидать повышения показателей вовлеченности. Маркетологи быстро понимают, что некоторые небольшие изменения, которые привлекательны тем, что их легко внедрить, недостаточно эффективны, чтобы побудить к переменам. Они также знают, что кардинальные изменения могут привести к потерям.
Чтобы знать, что тестировать, нужно сначала знать, где тестировать. Здесь решающую роль могут сыграть данные о ваших клиентах. Проведите анализ показателей в рамках жизненного цикла, воронки продаж или типа коммуникаций, которые вы осуществляете, чтобы перевести их из одного состояния в другое и определить, где они отсеиваются. Куда попадают потенциальные клиенты?
Задача 2: Выполнение корректных тестов
Здесь можно допустить ошибку, полагая, что была найдена формула для повышения конверсии, но это не так. Другая возможная ошибка - не замечать увеличения конверсии.
A/B-тестирование - успешная тактика благодаря своей предсказательной силе. Чтобы результаты тестирования действительно играли прогностическую роль, вы должны убедиться, что они отражают поведение покупателя и что именно изменения, внесенные в ходе тестирования, вызвали новые результаты.
Для этого эксперимент должен быть поставлен и контролироваться научным образом, а угрозы достоверности должны быть исключены:
- Влияние на достижимость: Например, 10 000 сообщений не были доставлены из-за сбоя в работе сервера.
- Влияние истории: Например, неожиданная реклама продукта именно в то время, когда проводится тест, маркетинговая кампания, которая временно смещает спрос в одну сторону, проведение теста в течение всего 20 часов во вторник, когда трафик в выходные дни ведет себя совсем иначе, или проведение теста на вашем сайте электронной коммерции с высокомотивированным декабрьским праздничным трафиком и ожидание получить те же результаты в январе.
- Эффекты отбора: Например, другое подразделение запускает рекламу с оплатой за клик, которая ведет трафик на целевую страницу в их кампании в то же время, когда вы проводите тест, или клиенты автоматически выбирают, какое лечение они видят.
- Сэмплирование эффектов искажения: Это неспособность собрать выборку достаточного размера, чтобы преодолеть вероятность случайности. Например, определение валидности теста на основе 100 ответов.
Задача 3: Интерпретация результатов тестирования
Предположим, что вы успешно выполнили пункты 1 и 2 и получили отличный результат. Остается ответить на один фундаментальный вопрос: "Почему? Почему клиенты ведут себя так, как они ведут? Что вы узнали о клиентах и как вы можете использовать эти знания?
Интерпретация результатов теста не должна ограничиваться временем сразу после его проведения. На самом деле, ключ к интерпретации результатов лежит непосредственно перед проведением теста. Речь идет об установлении гипотезы с целью глубокого понимания мыслительных процессов клиента в критических точках воронки доставки, чтобы повысить воспринимаемую ценность и снизить воспринимаемую стоимость.
Понимая, о чем думают потенциальные покупатели на каждом этапе процесса покупки, вы сможете лучше соответствовать их мотивации и быстрее продвигать их по воронке продаж.
Целью должно быть не просто увеличение KPI (ключевого показателя эффективности), а понимание того, как вы можете лучше обслуживать клиентов с помощью своих маркетинговых сообщений, процесса продаж и даже продуктов. И благодаря этому пониманию вы улучшите результаты.
Так что даже если в результате вашего тестирования конверсий окажется меньше, это не будет потерей, потому что вы получили информацию о клиенте. Если данные - это валюта эпохи Интернета, то понимание клиента - это золотой стандарт: центральная часть данных, с которой должен быть напрямую связан весь маркетинг.
И, в конечном счете, именно так достигается долгосрочная выгода от A/B-тестирования.
