Och resultaten kan mätas och kommuniceras tydligt till kunderna. Det finns hundratals framgångshistorier med A/B-testning, till exempel en e-handelsstrategi som genererade 36% fler avslutade kundvagnar eller ett marknadsföringstest för hälso- och sjukvård som ökade antalet leads med 638%.
Men den resultatnivån är inte lätt att uppnå. När vi har arbetat med företag för att optimera konverteringen med hjälp av A/B-testning har vi sett vissa gemensamma drag i de utmaningar som företagen står inför, oavsett om de är stora eller små, B2B eller B2C, e-handel eller leadgenerering.
Utmaning 1: Att veta vad man ska testa
Det går inte att skicka ut två versioner av samma kommunikationsmaterial och förvänta sig att engagemangsmätningarna ska öka. Marknadsförare lär sig snabbt att vissa små förändringar som är attraktiva eftersom de är lätta att genomföra inte är tillräckligt effektiva för att driva förändring. De vet också att dramatiska förändringar kan leda till förluster.
För att veta vad du ska testa måste du först veta var du ska testa. Det är här som dina kunddata kan vara mycket avgörande. Gör en analys av mätvärden inom livscykeln, försäljningstratten eller den typ av kommunikation du gör, för att flytta dem från ett tillstånd till ett annat och identifiera var de filtreras bort. Var faller potentiella kunder?
Utmaning 2: Att köra giltiga tester
Här kan man göra misstaget att tro att man har hittat en formel för att öka konverteringen, när så inte är fallet. Ett annat möjligt misstag är att förbise en ökad konvertering.
A/B-testning är en framgångsrik taktik på grund av dess prediktiva kraft. För att testresultaten verkligen ska ha en prediktiv roll måste du se till att de återspeglar kundens beteende och att det var den förändring som gjordes i testet som utlöste de nya resultaten.
För att uppnå detta måste experimentet läggas upp och övervakas på ett vetenskapligt sätt och undvika hot mot validiteten, t.ex:
- Effekter på leveransförmågan: t.ex. 10.000 meddelanden levererades inte på grund av ett serverfel.
- Effekter av historien: till exempel oväntad reklam kring produkten vid exakt den tidpunkt då testet körs, en marknadsföringskampanj som tillfälligt förskjuter efterfrågan i en riktning, att köra ett test i endast 20 timmar på en tisdag när helgtrafiken beter sig helt annorlunda, eller att köra ett test på din e-handelssajt med högmotiverad julhelgstrafik i december och förvänta sig att få samma resultat i januari.
- Selektionseffekter: till exempel att en annan division kör en pay-per-click-annons som driver trafik till en landningssida i deras kampanj samtidigt som du kör ditt test, eller att kunderna automatiskt väljer vilken behandling de vill se.
- Sampling av distorsionseffekter: Detta är ett misslyckande med att samla in ett tillräckligt stort urval för att övervinna den slumpmässiga möjligheten. Till exempel att fastställa att ett test är giltigt baserat på 100 svar.
Utmaning 3: Tolkning av testresultat
Låt oss anta att du framgångsrikt uppfyller punkterna 1 och 2 och får ett fantastiskt resultat. Det finns fortfarande en grundläggande fråga som måste besvaras: Varför? Varför beter sig kunderna som de gör? Vad har du lärt dig om kunden och hur kan du använda denna kunskap?
Tolkningen av testresultaten bör inte begränsas till tiden omedelbart efter att testet har administrerats. Faktum är att nyckeln till att tolka resultaten ligger precis före genomförandet. Det handlar om att fastställa en hypotes med målet att grundligt förstå kundens tankeprocesser vid avgörande leveranspunkter i din försäljningstratt, så att du kan öka det upplevda värdet och minska den upplevda kostnaden.
Genom att förstå vad prospekten tänker i varje steg av köpprocessen kan du bättre matcha deras motivation och få dem att ta sig igenom försäljningstratten snabbare.
Målet bör inte bara vara att öka ett KPI (Key Performance Indicator), utan att förstå hur du bättre kan hjälpa kunden med dina marknadsföringsbudskap, försäljningsprocesser och till och med produkter. Och genom den förståelsen kommer du att förbättra resultaten.
Så även om din testbehandling i slutändan ger färre konverteringar är det egentligen inte en förlust, eftersom du har fått kundinsikt. Om data är internetålderns valuta, så är kundinsikt guldstandarden: den centrala dataposten som all marknadsföring måste vara direkt kopplad till.
Och i slutändan är det så här man uppnår långsiktiga vinster med A/B-testning.
