Så kan A/B-tester bidra till att öka webbplatsens värde

Att samla feedback från riktiga användare är en förutsättning för att skapa möjligheter till en webbplats som presterar som man tänkt sig. Denna bloggpost fokuserar på hur experimentell testning, dvs. A/B-test, kan hjälpa oss att nå insikter som kraftigt kan bidra till våra möjligheter att nå målen med vår webbinvestering.

Vad innebär A/B-testning?

Sammanfattningsvis innebär A/B-testning att man har en eller flera element på sin webbplats som inte presterar tillfredställande. För att öka prestationen har man en eller flera idéer kring vad som är ”boven i dramat”, dvs vilken variabel eller länk i kedjan det brister i. Identifiera vart det brister kan vi  göra med hjälp av analys av beteendemönster via t.ex. webbanalys (Google Analytics), användartester eller Heatmaps.

Därefter handlar det om att utforma så välgrundade tankar eller hypoteser som möjligt för att förstärka länken och öka konverteringen. Här handlar det till stor del om att utnyttja erfarenheten man själv har och erfarenheter som ens digitala partner besitter. Att omvärldsbevaka sina konkurrenter och ledande aktörer inom branschen kan också vara en bra källa till matnyttig inspiration som får igång tankeverksamheten.

Med hypoteserna framtagna är det dags att ta fram en eller flera olika testversioner av en funktion eller ett flöde som återspeglar essensen i hypotesen (t.ex. ”vi tror att färre steg i flödet för att bli medlem kommer att leda till att fler slutför medlemsansökan”). Nu är det dags att låta er webbleverantör glänsa och komma med kreativa förslag på ett sådant flöde.

Därefter handlar det om att sätta upp och implementera själva testerna i valt optimeringsverktyg (tips på optimeringsverktyg finns längre ner). Via javascript implementeras testerna på vald webbsida utan att någon kod behöver skrivas eller att någon driftsättning behövs. I implementationen väljer man hur länge testet ska köras och hur stor andel av besökarna som ska få se originalversionen kontra testversionen(erna). Hur länge man bör låta testet köra beror på vilket krav man har på signifikansen. Signifikansen kan lite förenklat sammanfattas som hur mycket ett observerat värde avviker från ett förväntat värde. För att avgöra vilket krav man bör ha på signifikansen måste man ställa sig frågan hur starkt stöd man anser sig behöva för att förkasta nollhypotesen (nuvarande läge). Blir konsekvenserna av att felaktigt förkasta nollhypotesen allvarligare än att felaktigt behålla den? För att avgöra detta kan man titta på hur verksamhetskritiskt det som testas är.

Slutligen handlar det om att följa upp och utvärdera de testade hypoteserna. Här bör man försöka skaffa sig en så heltäckande bild som möjligt och t.ex. titta både på utfallet i testverktyget och på data i Google Analytics. Givetvis ska man också i möjligaste mån titta på riktiga siffror i verksamheten som t.ex. försäljning eller inkomna kundserviceärenden som härstammar från A/B-testad funktion, flöde eller innehåll på webbplatsen.     

Varför ska jag A/B-testa?

Den största anledningen att man ska A/B-testa är att man får bort beslutsfattande som baseras på smak och tycke och istället kan luta sig emot objektiv data som uppstår i mötet mellan användaren och den digitala tjänsten. I utvecklingen av en ny digital tjänst finns ofta inget att A/B-testa emot, varför man då får luta sig emot mer eller mindre välgrundade antaganden (att genomföra användartester på prototyper ger t.ex. ett mer välgrundat antagande för det som byggs inom projektet än att inte blanda in slutanvändaren alls). Men likväl kommer det vara just antaganden som ligger till grund för hur en ny tjänst utformas. Dessa antaganden behöver vi utmana och verifiera i en ”skarp” användarkontext så snart vi lanserar.

I slutändan handlar det om att maximera värdet för den egna organisationen

När och vad kan jag A/B-testa?

Principiellt kan allt innehåll, alla funktioner och flöden i en digital tjänst A/B-testas (så länge det finns tekniska möjligheter sett till hur funktionen eller flödet är implementerat). Givetvis behövs en viss trafikvolym för att ha möjlighet att dra några slutsatser. Utöver trafikvolym spelar följande faktorer in vad gäller vad som är möjligt att testa på ett ändamålsenligt sätt (samt hur länge testet bör köras):

  • Hur konkreta målen du vill mäta emot är och hur tätt kopplade målen är med funktionen eller flödet som testas
  • Din förväntade konverteringsökning
  • Din nuvarande konverteringsgrad
  • Hur många variationer som ingår i testet

Företaget Conversionista har tagit fram ett stödverktyg, Experiment Feasibility Calculator, som hjälper dig att visualisera var på din sajt du har förutsättningar att A/B-testa. Det du behöver är tillgång till webbstatistik för din webbplats, t.ex. från Google Analytics, verktyget gör resten.

Vad ska jag tänka på när jag A/B-testar?

Utforma så väl underbyggda hypoteser som möjligt. Se i möjligaste mån till att hypoteserna är uppbyggda på data – det ökar sannolikheten för att det finns någon bäring i hypotesen.

Ett vanligt misstag som görs är också att man exekverar ett test där man laborerar med flera variabler samtidigt, t.ex. att man testar flera komponenter i ett flöde samtidigt. Detta är inte bra eftersom det då är svårt att avgöra vilken av variablerna som bidrog med förändringen. Så för ett och samma test, laborera med en variabel åt gången.

Kom ihåg – vi rör oss fortfarande med mer eller mindre välgrundade antaganden när vi utformar våra variationer/experiment för att testa en hypotes. Testa därför gärna flera variationer inom en och samma hypotes.

Bestäm i förväg också vilket krav på signifikans testet ska ha och håll er till den signifikans ni bestämt när ni utvärderar testet.

Länkar och resurser

https://www.optimizely.com/

https://www.google.com/analytics/optimize/

https://conversionista.se/access-experiment-feasibility-kalkylator/

Fredrik Därth

Vill du veta mer om A/B-testning och få hjälp att komma igång? Jag hjälper gärna till!

Guide: Så kommer du igång

10 konkreta steg du behöver ta för att komma igång med A/B-testning.

(Så hanterar vi personuppgifter)