Cara Mendapatkan Data yang Berguna Dari Pengujian A/B yang Hilang dan Tidak Konklusif

Pengujian A/B sangat penting untuk mengembangkan strategi pemasaran digital yang kuat. Namun, tidak semua tes menghasilkan data yang berharga.

Apa yang Anda lakukan jika variasi yang Anda pikir akan rock ternyata gagal? Atau bagaimana jika hasil tes Anda tidak meyakinkan?

Jangan menyerah dulu!

Ada banyak hal yang dapat Anda lakukan dengan data pengujian A/B yang tidak meyakinkan atau hilang. Kita akan membahas bagaimana memanfaatkan informasi itu dengan baik—tetapi pertama-tama, mari kita bahas mengapa pengujian A/B penting dalam pemasaran digital.

Mengapa Pengujian A/B Sangat Penting untuk Kesuksesan Pemasaran Digital

Pengujian A/B membantu pemasar memahami dampak metode pengoptimalan. Misalnya, ini dapat menunjukkan bagaimana mengubah judul iklan memengaruhi konversi atau apakah menggunakan pertanyaan dalam judul mendorong lebih banyak lalu lintas.

konversi XL mendapatkan data yang berguna dari kehilangan dan Tes A/B yang tidak meyakinkan

Pengujian A/B menyediakan data keras untuk mencadangkan teknik pengoptimalan Anda. Hal ini memungkinkan pemasar untuk membuat keputusan bisnis yang lebih baik karena mereka tidak hanya menebak apa yang mendorong ROI. Sebaliknya, mereka membuat keputusan berdasarkan bagaimana perubahan spesifik memengaruhi lalu lintas, penjualan, dan ROI.

Bagaimana Saya Tahu Jika Saya Mengalami Tes A/B yang Kalah atau Tidak Konklusif?

Setelah menjalankan pengujian A/B, Anda akan melihat hasilnya di dasbor data Anda sendiri (seperti Google Analytics) atau di alat pengujian yang Anda gunakan.

Optimizely, platform pengujian A/B yang populer, menyediakan data di halaman hasil eksperimen, yang melacak setiap variasi, jumlah pengunjung, berapa banyak orang yang menyelesaikan tindakan tertentu, pendapatan, dan metrik lainnya.

Bagaimana Saya Mengetahui Jika Saya Mengalami Tes A/B yang Kalah atau Tidak Konklusif

Contoh di atas menunjukkan variasi nomor satu memiliki lebih sedikit pengunjung tetapi mendorong pendapatan 5 persen lebih banyak, menjadikannya pemenang yang jelas.

Di lain waktu, jumlahnya mungkin jauh lebih dekat. Tes yang tidak meyakinkan mungkin berarti angkanya kurang dari satu persen, atau tidak ada variasi yang mendapatkan lalu lintas sama sekali.

Ketika pengujian Anda tidak memiliki cukup data atau jika angkanya terlalu dekat, mereka dianggap tidak meyakinkan atau tidak signifikan secara statistik.

Kemudian, gunakan tips ini untuk memaksimalkan data Anda.

6 Cara Memanfaatkan Data Dari Kehilangan atau Pengujian A/B yang Tidak Konklusif

Anda telah menjalankan pengujian A/B dan bersemangat untuk mendapatkan hasilnya. Kemudian, sesuatu yang tidak terduga terjadi: Variasi yang Anda harapkan untuk menang berkinerja lebih buruk! Atau Anda menemukan bahwa variasi tidak benar-benar memengaruhi metrik yang Anda lacak sama sekali.

Sekarang apa? Jangan menganggap tes Anda gagal. Ada banyak langkah yang dapat Anda ambil untuk memanfaatkan data itu.

Cobalah Sesuatu yang Sangat Berbeda

Hasil pengujian yang tidak meyakinkan dapat berarti variasi Anda terlalu dekat. Pengujian A/B dapat membantu Anda melihat apakah perubahan kecil (seperti menggunakan tombol merah versus hijau) memengaruhi konversi, tetapi terkadang penyesuaian kecil tersebut tidak berdampak sama sekali.

Ingatlah bahwa Anda mungkin perlu menjalankan pengujian dengan beberapa variasi serupa untuk melihat apa yang menyebabkan perubahan tersebut.

Daripada berkecil hati, anggap ini sebagai kesempatan untuk mencoba sesuatu yang sama sekali berbeda. Misalnya, ubah tata letak halaman, tambahkan gambar lain atau hapus satu gambar, atau ubah sepenuhnya iklan, aset, atau CTA Anda.

Analisis Segmen Lalu Lintas yang Berbeda

Jadi, pengujian A/B Anda kembali dengan hasil yang hampir sama. Apakah itu berarti tidak ada yang berubah? Mungkin tidak. Daripada melihat semua data, cobalah mengelompokkan audiens untuk melihat apakah orang yang berbeda merespons secara berbeda.

Misalnya, Anda dapat membandingkan data untuk:

  • pelanggan baru versus pelanggan yang kembali
  • pembeli versus prospek
  • halaman tertentu yang dikunjungi
  • perangkat yang digunakan
  • variasi demografis
  • lokasi atau bahasa

Secara keseluruhan, tes Anda mungkin tidak meyakinkan. Namun, Anda mungkin menemukan segmen tertentu dari audiens Anda merespons lebih baik format, warna, atau kata-kata tertentu.

Anda dapat menggunakan informasi tersebut untuk menyegmentasikan iklan dengan lebih tepat atau membuat iklan atau konten yang lebih dipersonalisasi.

Lihat Melampaui Metrik Inti Anda

Konversi itu penting, tetapi itu bukan segalanya. Anda mungkin memiliki data tersembunyi dalam hasil tes Anda yang hilang.

Misalnya, Anda mungkin menemukan konversi rendah, tetapi pengunjung mengeklik untuk melihat blog Anda atau tetap berada di laman lebih lama.

Tentu, Anda mungkin lebih suka memiliki penjualan. Namun, jika pengunjung akan membaca blog Anda, itu berarti Anda telah terhubung dengan mereka. Bagaimana Anda dapat menggunakan informasi tersebut untuk meningkatkan proses pembelian?

Katakanlah Anda menjalankan dua variasi iklan. Jika satu variasi mendorong lalu lintas besar, dan 30 persen pengunjung dari variasi itu berkonversi, ini bisa berarti lebih banyak pendapatan. Jelas pemenangnya bukan?

Belum tentu. Lihat sekilas iklan Anda yang “kalah” untuk melihat apakah iklan tersebut mendorong lebih sedikit lalu lintas tetapi memiliki konversi yang lebih tinggi, misalnya. Jika Anda hanya melihat lalu lintas dan pendapatan langsung, Anda mungkin tidak menyadari bahwa iklan kedua bekerja lebih baik secara statistik, jika tidak dalam jumlah kasar.

Sekarang, Anda dapat menggali data untuk mencari tahu mengapa hal itu mendorong lebih sedikit lalu lintas dan menggunakannya untuk meningkatkan kumpulan iklan Anda berikutnya.

Hapus Data Sampah

Terkadang pengujian tidak meyakinkan bukan karena variasi Anda buruk atau pengujian Anda cacat, tetapi karena ada banyak data sampah yang mengacaukan hasil Anda. Menyingkirkan data sampah dapat membantu Anda melihat tren dengan lebih jelas dan menelusuri untuk menemukan tren penting.

Berikut adalah beberapa cara untuk membersihkan data sampah sehingga Anda bisa mendapatkan pemahaman yang lebih jelas tentang hasil Anda:

  • Singkirkan lalu lintas bot.
  • Jika Anda memiliki akses ke alamat IP, hapus salah satu dari alamat IP perusahaan Anda.
  • Hapus lalu lintas pesaing, jika memungkinkan.

Selain itu, pastikan untuk memeriksa ulang alat pelacakan yang Anda gunakan, seperti parameter URL, berfungsi dengan benar. Kegagalan untuk melacak pengujian dengan benar dapat mengubah hasil. Kemudian, verifikasi bahwa formulir pendaftaran, tautan, dan apa pun yang dapat memengaruhi data Anda berfungsi dengan baik.

Cari Bias dan Singkirkan Mereka

Bias adalah faktor eksternal yang memengaruhi hasil tes Anda.

Misalnya, Anda ingin mensurvei audiens Anda, tetapi tautannya hanya berfungsi di komputer desktop. Dalam hal ini, Anda akan memiliki bias sampel, karena hanya orang dengan desktop yang akan merespons. Tidak ada pengguna seluler yang diizinkan.

Bias yang sama dapat memengaruhi pengujian A/B. Meskipun Anda tidak dapat menghilangkannya sepenuhnya, Anda dapat menganalisis data untuk meminimalkan dampaknya.

Mulailah dengan mencari faktor-faktor yang dapat memengaruhi pengujian Anda. Sebagai contoh:

  • Apakah Anda menjalankan promosi?
  • Apakah selama musim sibuk atau lambat di industri Anda?
  • Apakah peluncuran pesaing memengaruhi pengujian Anda?

Kemudian, cari cara untuk memisahkan hasil Anda dari dampak tersebut. Jika Anda tidak dapat mengetahui apa yang salah, coba jalankan kembali tes.

Juga, lihat bagaimana pengujian Anda dijalankan. Misalnya, apakah Anda mengacak siapa yang melihat versi mana? Apakah satu versi dioptimalkan untuk seluler sementara versi lainnya tidak? Meskipun Anda tidak dapat memperbaiki masalah ini dengan kumpulan data saat ini, Anda dapat meningkatkan pengujian A/B berikutnya.

Jalankan Pengujian A/B Anda Lagi

Pengujian A/B bukanlah pengujian satu kali. Tujuan pengujian A/B adalah untuk terus meningkatkan kinerja, iklan, atau konten situs Anda. Satu-satunya cara untuk terus meningkatkan adalah dengan terus menguji.

Setelah Anda menyelesaikan satu tes dan menentukan pemenang (atau menentukan tidak ada pemenang!), saatnya untuk menguji lagi. Cobalah untuk menghindari pengujian beberapa perubahan secara bersamaan (disebut pengujian multivarian), karena hal ini membuat sulit untuk melihat perubahan mana yang memengaruhi hasil Anda.

Sebaliknya, jalankan perubahan satu per satu. Misalnya, Anda dapat menjalankan satu pengujian A/B untuk menemukan judul terbaik, pengujian lainnya untuk menemukan gambar terbaik, dan pengujian ketiga untuk menemukan penawaran terbaik.

Pengujian A/B yang Kalah dan Tidak Konklusif: Pertanyaan yang Sering Diajukan

Kami telah membahas apa yang harus dilakukan ketika Anda kehilangan atau hasil pengujian A/B yang tidak meyakinkan, tetapi Anda mungkin masih memiliki pertanyaan. Berikut adalah jawaban atas pertanyaan umum tentang pengujian A/B.

Apa itu pengujian A/B?

Pengujian A/B menunjukkan kepada pengunjung yang berbeda versi yang berbeda dari aset online yang sama, seperti iklan, pos media sosial, spanduk situs web, gambar pahlawan, laman landas, atau tombol CTA. Tujuannya adalah untuk lebih memahami versi mana yang menghasilkan lebih banyak konversi, ROI, penjualan, atau metrik lain yang penting bagi bisnis Anda.

Apa yang dimaksud dengan pengujian A/B yang tidak meyakinkan?

Ini bisa berarti beberapa hal. Misalnya, ini mungkin berarti Anda tidak memiliki cukup data, pengujian Anda tidak berjalan cukup lama, variasi Anda terlalu mirip, atau Anda perlu melihat data lebih dekat.

Apa tujuan dari pengujian A/B?

Tujuan pengujian A/B adalah untuk melihat versi iklan, situs web, konten, laman landas, atau aset digital lainnya yang berkinerja lebih baik daripada yang lain. Pemasar digital menggunakan pengujian A/B untuk mengoptimalkan strategi pemasaran digital mereka.

Apakah pengujian A/B lebih baik daripada pengujian multivarian?

Yang satu tidak lebih baik dari yang lain karena pengujian A/B dan multivarian memiliki tujuan yang berbeda. Pengujian A/B digunakan untuk menguji perubahan kecil, seperti warna tombol CTA atau subjudul. Sementara itu, tes multivariat membandingkan beberapa variabel dan memberikan informasi tentang bagaimana perubahan berinteraksi satu sama lain.

Misalnya, Anda dapat menggunakan pengujian multivarian untuk melihat apakah mengubah seluruh tata letak laman landas memengaruhi konversi dan perubahan mana yang paling memengaruhi konversi.

Apa alat pengujian A/B terbaik?

Ada berbagai macam alat pengujian berdasarkan kebutuhan Anda dan platform yang Anda gunakan. Google menawarkan alat pengujian A/B gratis yang disebut Google Optimize. Alat A/B berbayar termasuk Optimizely, VWO, Adobe Target, dan AB Tasty.

Anda mungkin juga dapat menjalankan pengujian A/B menggunakan plugin WordPress, platform situs web Anda, atau alat pemasaran seperti HubSpot.

Kesimpulan: Manfaatkan Pengujian A/B yang Hilang atau Tidak Konklusif

Pengujian A/B sangat penting untuk keberhasilan strategi pemasaran online Anda. Baik Anda berfokus pada SEO, media sosial, pemasaran konten, atau iklan berbayar, Anda memerlukan pengujian A/B untuk memahami strategi mana yang mendorong hasil.

Setiap pengujian A/B berharga—apakah variasi baru Anda menang, kalah, atau tidak meyakinkan, ada data penting di setiap hasil pengujian. Langkah-langkah di atas akan membantu Anda lebih memahami hasil pengujian A/B sehingga Anda dapat membuat perubahan dengan percaya diri.

Pernahkah Anda menggunakan pengujian A/B yang hilang atau tidak meyakinkan sebelumnya? Wawasan apa yang telah Anda kumpulkan?

Konsultasi dengan Neil Patel

Lihat Bagaimana Agensi Saya Dapat Mengemudi Besar sekali Jumlah Lalu Lintas ke Situs Web Anda

  • SEO – membuka sejumlah besar lalu lintas SEO. Lihat hasil nyata.
  • Pemasaran Konten – tim kami membuat konten epik yang akan dibagikan, mendapatkan tautan, dan menarik lalu lintas.
  • Media Berbayar – strategi berbayar yang efektif dengan ROI yang jelas.

Pesan Panggilan

Daftar link 88dewa
Daftar link 99dewa
Daftar link abgqq
Daftar link ahliqq
Daftar link ajoqq

Leave a Reply

Your email address will not be published.