Om du tar ditt arbete på allvar och är resultatinriktad vill du inte missa den enorma potential som A/B-testning innebär.
De kan hjälpa dig att upptäcka förändringar med stor genomslagskraft i ämne, design, hemsidor och mer, vilket beskrivs i vår artikel "5 aspekter av din e-postmarknadsföring som du bör A/B-testa"..
För att A/B-testa dina meddelanden behöver du bara presentera två versioner för två små grupper av dina prenumeranter och sedan lyssna. Mätvärdena kommer att ge dig information om deras preferenser, och utifrån dessa kan du agera på kort sikt genom att skicka den mest effektiva versionen till resten av din publik, eller på lång sikt genom att upprepa dessa preferenser i framtida kampanjer.
Det låter enkelt och det är ännu enklare på MasterBase®, tack vare vår automatisering av processen med att välja den mest effektiva delen och skicka den till den totala basen. Men det är också ganska lätt att göra misstag med A/B-testning och dra fel slutsatser, vilket helt undergräver resultaten.
Det är smärtsamt att köra många A/B-tester bara för att dra slutsatsen att du inte lärde dig något på grund av dåligt utförande. För att undvika den frustrationen föreslår vi att du följer dessa 6 tips för att få ut mesta möjliga av dina A/B-tester.
-
Fokusera dina A/B-test på de aspekter av kampanjen som kommer att ha störst inverkan på dina resultat.
Ibland kan små justeringar av mindre element ge utslag på din barometer, så fokusera dina tester på de viktigaste elementen i ett meddelande, t.ex. ämnesraden, uppmaningar till handling, bilder och rubriker.
Men det finns också andra element som är värda att prova:
- Olika triggerlogik för automatiserade meddelanden
- Hur snart ska meddelandet skickas efter att det har aktiverats?
- Att skicka eller inte skicka en serie automatiska meddelanden
- Under vilka förutsättningar kan ett automatiskt meddelande utelämnas i en serie?
-
Begränsa dina A/B-tester till en sak i taget.
Om du inte är helt engagerad i en utvärderingsprocess bör du begränsa dina A/B-tester till en förändring åt gången. Ett exempel:
- Grön knapp kontra blå knapp
- Meddelande med sociala bevis inkluderade jämfört med meddelande utan sociala bevis
- En livsstilsimage kontra en produktimage
- En procentuell rabatt jämfört med en rabatt i siffror.
Om man ändrar mer än en faktor mellan version A och B blir det mycket svårt att avgöra vilken faktor som är ansvarig för skillnaden i prestanda.
-
Det börjar med en tydlig hypotes
Gör inte slumpmässiga ändringar bara för att se vad som kan fungera. Fokusera på vad du letar efter och använd det som grund för dina tester.
Om du till exempel försöker öka konverteringen kan du skapa en version av ditt meddelande där uppmaningen till handling ligger ovanför displayen eller förhandsgranskningen (ATL), för att göra den mer synlig, och en annan version där innehållet föregår uppmaningen till handling (CTA).
Om du försöker avgöra om det är bra att tilltala en ny prenumerant med namn i ämnesraden i ditt välkomstmeddelande, bör du prova en ämnesrad med personalisering och en utan.
-
Välj ett vinnande testmått som stämmer överens med ditt kampanjmål.
De flesta kampanjer syftar till att uppnå konverteringar, så dina A/B-tester bör också vara inriktade på att förbättra dessa mätvärden.
En vanlig missuppfattning är att ämnesraden bara kan påverka öppningsfrekvensen, att budskapet bara kan påverka klick och att innehållet på landningssidan bara kan påverka konverteringarna.
Detta är inte sant! De olika instanserna fungerar inte isolerat. Varje faktor påverkar helheten, eftersom prenumeranterna upplever e-postmarknadsföringskampanjer som en helhet.
Så målet med en ämnesrad är inte att generera öppningar, utan människor som konverterar. Och på samma sätt är målet med innehåll inte att generera klick, utan människor som konverterar.
-
Utarbeta ett regelbundet testprogram och registrera resultaten.
De A/B-tester som utformats ad hoc är ineffektiva eftersom de är sporadiska och fokuserar på olika mål. För att få ut mesta möjliga av dina A/B-tester behöver du en plan. Ta fram ett testschema som håller:
- De teorier som du försöker bekräfta
- Vilka e-postadresser använder du för att testa varje teori?
- Resultaten av varje test och hur de påverkar dina framtida testplaner
- Försök att inkludera ett A / B-test i åtminstone 50% i din spridning.
-
Bekräfta testresultaten
Ett enskilt A/B-test är inte avgörande för alltid. På kort sikt kan alla förbättringar du ser vara resultatet av nyhetseffekten. Prenumeranter attraheras av det nya, vilket kan leda till att de övervärderar alla förändringar du gör.
Nyhetseffekten avtar ganska snabbt. Om du kör samma test två eller tre gånger under en tidsperiod kommer nyhetseffekten därför inte att finnas kvar och du kommer att kunna mäta förändringens verkliga effekt.
På lång sikt varierar konsumenternas beteenden och attityder. Sammansättningen av din kontaktlista kan också ändras beroende på hur du skaffar abonnenter, ändrar ditt produkt- eller tjänsteutbud, expanderar till eller från nya territorier och andra faktorer.
Ju mer definitiv framgången med ett test är, desto längre kan du vänta med att bekräfta det. Men med tiden kommer du att vilja bekräfta varje test med jämna mellanrum, åtminstone en eller två gånger, vilket återigen visar att en A/B-testplan är nödvändig.
