Skip to main content

Γιατί η δοκιμή A/B και η εξατομίκευση είναι πιο ισχυρές μαζί

Αν και αντικατοπτρίζουν δύο διαφορετικές προσεγγίσεις για τη βελτίωση της εμπειρίας του χρήστη, ο συνδυασμός τους μπορεί να προσφέρει εκθετικά οφέλη που οι επιχειρήσεις δεν θέλουν να χάσουν.

 

Yaniv Navot

 

CMO, Δυναμική απόδοση

Να τι πρέπει να ξέρετε:

  • Η δοκιμή A/B και η εξατομίκευση, όταν συνδυάζονται, μπορούν να βελτιώσουν σημαντικά την εμπειρία του χρήστη παρέχοντας την πιο σχετική εμπειρία σε κάθε άτομο.
  • Οι δοκιμές A/B βοηθούν στον εντοπισμό των παραλλαγών των δημιουργικών στοιχείων με τις καλύτερες επιδόσεις, ενώ η εξατομίκευση προσαρμόζει την εμπειρία στους μεμονωμένους πελάτες.
  • Ο συνδυασμός αυτών των προσεγγίσεων εξορθολογίζει τις διαδικασίες, ενισχύει τα αποτελέσματα και αυξάνει την ικανοποίηση των πελατών.
  • Οι έμποροι μπορούν να αξιοποιήσουν αυτή τη δύναμη τμηματοποιώντας τα κοινά για δοκιμές A/B, δοκιμάζοντας στρατηγικές εξατομίκευσης και χρησιμοποιώντας δεδομένα σε πραγματικό χρόνο για συνεχή βελτιστοποίηση.

Η δοκιμή A/B και η εξατομίκευση αποτελούν δύο διαφορετικές μεθοδολογίες. Ενώ η δοκιμή Α/Β επικεντρώνεται στον πειραματισμό με διαφορετικά δημιουργικά στοιχεία, αντίγραφα, διατάξεις, ακόμη και αλγόριθμους για τη βελτίωση των βασικών επιχειρηματικών μετρήσεων καθώς και της συνολικής εμπειρίας του χρήστη, η εξατομίκευση στοχεύει στο να ταιριάζει η πιο σχετική εμπειρία σε έναν μεμονωμένο πελάτη τη σωστή στιγμή.

Αν και θεμελιωδώς διαφορετική προσέγγιση, ο συνδυασμός αυτών των δύο στρατηγικών μπορεί στην πραγματικότητα να προσφέρει εκθετικά οφέλη. Σε αυτή τη δημοσίευση, θα διερευνήσουμε γιατί συμβαίνει αυτό, καθώς και πώς οι ομάδες μπορούν να το κάνουν.

Οι περιορισμοί των δοκιμών A/B

Η προϋπόθεση των δοκιμών A/B είναι απλή:

Συγκρίνετε δύο (ή περισσότερες) διαφορετικές εκδόσεις κάποιου προϊόντος για να δείτε ποια αποδίδει καλύτερα και, στη συνέχεια, αναπτύξτε τη νικήτρια σε όλους τους χρήστες για τη βέλτιστη συνολική εμπειρία.

Η πρακτική των ομάδων δοκιμών A/B και CRO ήταν λοιπόν να επενδύουν σημαντικά στην έναρξη όλων των ειδών των πειραμάτων για τη βελτίωση διαφορετικών περιοχών και εμπειριών σε ολόκληρο τον ιστότοπο, την εγγενή εφαρμογή, το ηλεκτρονικό ταχυδρομείο ή οποιοδήποτε άλλο ψηφιακό κανάλι και στη συνέχεια να τα βελτιστοποιούν συνεχώς για να οδηγούν σε σταδιακή αύξηση των μετατροπών και των συγκεκριμένων KPIs με την πάροδο του χρόνου.

Ωστόσο, αν μια εταιρεία δεν παράγει τόνους επισκεψιμότητας και δεν διαθέτει ένα τεράστιο ψηφιακό τοπίο από το οποίο μπορεί να πειραματιστεί, μπορεί να έρθει ένα σημείο μειωμένων αποδόσεων, όπου η απόδοση του πειραματισμού (ανεξάρτητα από το πόσες δοκιμές ή πόσο μεγάλο και εξελιγμένο μπορεί να είναι ένα πείραμα) φτάνει σε μια μέγιστη απόδοση όσον αφορά την εισροή από αυτές τις ομάδες.

Αυτό έχει να κάνει σε μεγάλο βαθμό με το γεγονός ότι η κλασική προσέγγιση των δοκιμών Α/Β προσφέρει μια δυαδική άποψη των προτιμήσεων των επισκεπτών και συχνά αποτυγχάνει να καταγράψει το πλήρες φάσμα των παραγόντων και της συμπεριφοράς που καθορίζουν ποιοι είναι οι επισκέπτες ως άτομα.

Επιπλέον, οι δοκιμές Α/Β αποδίδουν γενικευμένα αποτελέσματα με βάση τις προτιμήσεις της πλειοψηφίας ενός τμήματος. Και ενώ μια μάρκα μπορεί να διαπιστώσει ότι μια συγκεκριμένη εμπειρία αποφέρει περισσότερα έσοδα κατά μέσο όρο, η εφαρμογή της σε όλους τους χρήστες θα ήταν κακή υπηρεσία για ένα σημαντικό μέρος των καταναλωτών με διαφορετικές προτιμήσεις.

Επιτρέψτε μου να σας το δείξω με μερικά παραδείγματα:

Αν η καθαρή αξία τόσο του εαυτού μου όσο και του Warren Buffet ήταν κατά μέσο όρο 117,3 δισεκατομμύρια δολάρια, θα είχε νόημα να μας προτείνουμε τα ίδια προϊόντα;

Μάλλον όχι.

Ή τι θα λέγατε αν ένας έμπορος λιανικής πώλησης που διαθέτει τόσο ανδρικά όσο και γυναικεία προϊόντα αποφασίσει να εκτελέσει μια κλασική δοκιμή Α/Β στην αρχική σελίδα του για να προσδιορίσει την παραλλαγή του πανό-ήρωα με τις καλύτερες επιδόσεις, αλλά δεδομένου ότι το 70% του κοινού του είναι γυναίκες, η γυναικεία παραλλαγή υπερτερεί της ανδρικής.

Αυτό το τεστ θα υποδείκνυε ότι το έμβλημα του γυναικείου ήρωα θα εφαρμοζόταν σε ολόκληρο τον πληθυσμό, αλλά σίγουρα δεν θα ήταν η σωστή απόφαση.

Για να το θέσω απλά:

  • Οι μέσοι όροι είναι συχνά παραπλανητικοί όταν χρησιμοποιούνται για τη σύγκριση διαφορετικών ομάδων χρηστών.
  • Η παραλλαγή με τις καλύτερες επιδόσεις αλλάζει για κάθε τμήμα πελάτη και χρήστη
  • Τα αποτελέσματα μπορούν επίσης να επηρεαστούν από παράγοντες που σχετίζονται με το πλαίσιο, όπως γεωγραφικοί, καιρικές συνθήκες και άλλα.

Αυτό δεν σημαίνει, φυσικά, ότι δεν υπάρχει χρόνος και χώρος για την αξιοποίηση πιο γενικευμένων αποτελεσμάτων. Για παράδειγμα, αν δοκιμάζατε έναν νέο ιστότοπο ή ένα νέο σχεδιασμό εφαρμογών, θα ήταν λογικό να στοχεύατε σε ένα συνεπές περιβάλλον εργασίας που θα λειτουργούσε καλύτερα κατά μέσο όρο έναντι δεκάδων, εκατοντάδων ή ακόμη και χιλιάδων παραλλαγών του περιβάλλοντος εργασίας για διαφορετικούς χρήστες.

Ωστόσο, οι μέρες που ακολουθούσαμε πιστά την προσέγγιση "ο νικητής τα παίρνει όλα" όσον αφορά τη διάταξη μιας σελίδας, τα μηνύματα, το περιεχόμενο, τις συστάσεις, τις προσφορές και άλλα δημιουργικά στοιχεία έχουν τελειώσει - και αυτό δεν πειράζει, γιατί σημαίνει ότι δεν θα αφήνονται πλέον χρήματα στο τραπέζι από τις χαμένες ευκαιρίες εξατομίκευσης που σχετίζονται με τη μη παροχή της καλύτερης παραλλαγής σε κάθε χρήστη.

Ξεκλειδώνοντας μεγαλύτερη συνάφεια με εξατομίκευση

Η εξατομίκευση αφορά την ανταπόκριση και την προσαρμογή της εμπειρίας του ιστότοπου στους καταναλωτές ανάλογα με τη μοναδική συμπεριφορά, τις προτιμήσεις και την πρόθεσή τους, η οποία έχει γίνει προσδοκία στο σημερινό ψηφιακό τοπίο. Αυτό και μόνο έχει αποδειχθεί ότι αυξάνει την ικανοποίηση και την αφοσίωση των πελατών.

Και παρόλο που δεν εξαρτάται απαραίτητα από τις δοκιμές Α/Β, μπορεί να σας εκπλήξει το γεγονός ότι οι βέλτιστες πρακτικές εξατομίκευσης βασίζονται στα θεμέλια των δοκιμών Α/Β - με τη μόνη διαφορά ότι ο προσδιορισμός της καλύτερης εκδοχής μιας συγκεκριμένης εμπειρίας γίνεται σε επίπεδο κοινού έναντι του μέσου όρου.

Ας αναλύσουμε τη βασική δομή του πώς θα μπορούσε να μοιάζει αυτό στο πλαίσιο μιας καμπάνιας εξατομίκευσης. Αντί να συμπεριλάβουμε μία εμπειρία με πολλαπλές παραλλαγές για να συγκρίνουμε με μια ομάδα ελέγχου, όπως σε μια παραδοσιακή δοκιμή Α/Β, προχωράμε ένα βήμα παραπέρα με τη δημιουργία πολλαπλών εμπειριών που απευθύνονται σε διαφορετικά κοινά και πολλαπλές παραλλαγές σε κάθε μία, οι οποίες μπορούν να δοκιμαστούν Α/Β για να προσδιοριστεί η καλύτερη απόδοση.

Αυτό μπορεί να γίνει μέσω απλής στόχευσης βάσει κανόνων, η οποία χρησιμοποιεί τη λογική IF/Then για να προσαρμόσει το ταξίδι του πελάτη σύμφωνα με ένα σύνολο χειροκίνητα προγραμματισμένων κανόνων, με τις ομάδες να μπορούν να δοκιμάζουν αυτές τις εμπειρίες A/B, να επικυρώνουν τα αποτελέσματά τους όταν φτάνουν σε στατιστική σημαντικότητα και στη συνέχεια να επαναλαμβάνουν ανάλογα.

Ωστόσο, η τεχνητή νοημοσύνη και η μηχανική μάθηση έχουν γίνει επιτραπέζιο στοίχημα όταν πρόκειται για την κλιμάκωση της λήψης αποφάσεων εξατομίκευσης, καθώς το παραπάνω σενάριο μπορεί να γίνει μια βαριά διαδικασία δεδομένων που περιλαμβάνει πολυάριθμες δοκιμές με λεπτομερείς μετρήσεις κάθε δοκιμασμένης παραλλαγής σε κάθε τμήμα κοινού για τον προσδιορισμό των βέλτιστων κανόνων προγραμματικής στόχευσης. Είναι επίσης χρήσιμο για τη μετατροπή των δοκιμών που "χάνουν" σε ευκαιρίες εξατομίκευσης για συγκεκριμένες παραλλαγές που έχουν εντοπιστεί να αποδίδουν καλύτερα για ένα συγκεκριμένο κοινό.

Αυτές οι προηγμένες τεχνολογίες αναλύουν τις επιδόσεις κάθε παραλλαγής σε κάθε τμήμα κυκλοφορίας σε πραγματικό χρόνο, ώστε να προσφέρουν το πιο σχετικό περιεχόμενο σε επιλεγμένες ομάδες κοινού. Περαιτέρω, η εξατομίκευση 1:1 μπορεί να επιτευχθεί με δυνατότητες εξατομίκευσης βάσει συγγένειας, οι οποίες αξιοποιούν τη διαδικασία δημιουργίας προφίλ συγγένειας για την αλγοριθμική αντιστοίχιση κάθε ατόμου με εξατομικευμένες συστάσεις, προσφορές προϊόντων και περιεχόμενο.

Αυτό το επίπεδο εξατομίκευσης επιτρέπει στις εταιρείες να είναι πιο αποτελεσματικές και στοχευμένες με τη στρατηγική μάρκετινγκ τους, ενώ παράλληλα εμπλέκουν τους καταναλωτές με έναν πιο διαφοροποιημένο, ουσιαστικό και σχετικό τρόπο.

Σύζευξη δοκιμών A/B με εξατομίκευση

Αν ρωτούσατε μια ομάδα δοκιμών A/B ή CRO και εκείνες που ασχολούνται με την εξατομίκευση σχετικά με τις ιδιαιτερότητες της δουλειάς τους, θα βρίσκατε τις απαντήσεις τους να είναι τρομακτικά παρόμοιες.

Πάρτε το παρακάτω διάγραμμα που ανοίγει τα μάτια, το οποίο απεικονίστηκε κατά τη διάρκεια μιας κεντρικής ομιλίας από την JD Sports | Finish Line κατά τη διάρκεια μιας εκδήλωσης Personalization Pioneers (πλήρης ανακεφαλαίωση εδώ):

Είναι ένα συναίσθημα που μοιράζονται πολλοί άλλοι, οι οποίοι αρχίζουν να συνειδητοποιούν ότι τόσο οι δοκιμές A/B όσο και η εξατομίκευση:

  • Μοιραστείτε την εστίαση στη δημιουργία θετικής εμπειρίας του πελάτη
  • Επιδιώκουν να επηρεάσουν και να βελτιώσουν τους ίδιους KPIs
  • Μπορεί να επωφεληθεί από τις ίδιες συλλεγμένες γνώσεις

Επιπλέον, συχνά, οι ομάδες αυτές απαιτούν τους ίδιους εσωτερικούς πόρους, ακόμη και εργαλεία! Γι' αυτό είναι τόσο σημαντικό οι δοκιμές A/B και η εξατομίκευση να μην ζουν στο κενό, αλλά να αποτελούν μέρος ενός κοινού χάρτη πορείας με ευθυγραμμισμένους KPIs.

Ο συνδυασμός των δύο μπορεί όχι μόνο να εξορθολογήσει τις διαδικασίες και τις λειτουργίες, αλλά και να δημιουργήσει εκθετικά αποτελέσματα, επειδή επιτρέπει τόσο ευρείες όσο και λεπτομερείς γνώσεις σχετικά με τη συμπεριφορά των καταναλωτών.

Δείτε πώς μπορείτε να ενσωματώσετε τη συνδυασμένη δύναμή τους στη στρατηγική μάρκετινγκ σας για καλύτερα αποτελέσματα:

1. Δοκιμές A/B με βάση το τμήμα

Αντί να εκτελείτε δοκιμές Α/Β σε ολόκληρο το κοινό σας, χωρίστε το κοινό σας σε σημαντικά τμήματα με βάση κοινά χαρακτηριστικά (δοκιμάστε την προσέγγιση Primary Audiences, η οποία προορίζεται για κλιμάκωση από τα μακροσκοπικά στα μικροσκοπικά). Στη συνέχεια, πραγματοποιήστε δοκιμές A/B σε αυτά τα τμήματα. Αυτή η τμηματοποιημένη προσέγγιση πειραματισμού μπορεί να προσφέρει μια πιο λεπτομερή κατανόηση των διαφορετικών συμπεριφορών των καταναλωτών και να βοηθήσει στην προσαρμογή των εμπειριών σε συγκεκριμένες ομάδες.

Για παράδειγμα, η Synchrony αύξησε το ποσοστό υποβολής αιτήσεων κατά 4,5% μεταξύ των χρηστών με υψηλό ενδιαφέρον, εκτελώντας ένα πείραμα για το τμήμα αυτό, το οποίο εξέτασε την αφαίρεση των περιττών κουμπιών κλήσης προς δράση από το banner.

Κατά την ανάλυση, η εταιρεία παρατήρησε ότι μια συγκεκριμένη αλλαγή UX - η αφαίρεση του κουμπιού CTA "Play Video" από το banner της - σταμάτησε τους χρήστες με υψηλή πρόθεση από το να αποσπάται η προσοχή τους, επιτρέποντάς τους να μάθουν πραγματικά περισσότερα για τις πολυάριθμες υπηρεσίες της Synchrony.

2. Στρατηγικές εξατομίκευσης A/B Test

Χρησιμοποιήστε δοκιμές A/B για να καθορίσετε ποιες στρατηγικές εξατομίκευσης λειτουργούν καλύτερα. Για παράδειγμα, θα μπορούσατε να δοκιμάσετε αλγόριθμους σύστασης προϊόντων και να ελέγξετε αν οι αλγόριθμοι που απευθύνονται σε συγκεκριμένα κοινά οδηγούν σε καλύτερα ποσοστά κλικ ή προσθήκης στο καλάθι από άλλα.

3. Προσαρμογή στρατηγικής σε πραγματικό χρόνο

Καθώς συλλέγετε δεδομένα από τις δοκιμές A/B, χρησιμοποιήστε αυτές τις πληροφορίες για τη συνεχή βελτιστοποίηση και βελτίωση της στρατηγικής εξατομίκευσης. Αυτή η προσαρμογή σε πραγματικό χρόνο επιτρέπει μια πιο δυναμική και αποτελεσματική στρατηγική μάρκετινγκ που εξελίσσεται συνεχώς για να ανταποκρίνεται στις ανάγκες των καταναλωτών.

Για παράδειγμα, η Build with Ferguson δημιούργησε μια αύξηση 89% στις αγορές από συστάσεις με αυτό τον τρόπο, ο οποίος ξεκίνησε πρώτα με την εφαρμογή μιας στρατηγικής με πρώτο το κοινό (βασισμένης στο πλαίσιο Rooted Personalization ).

Η ομάδα δοκίμασε διάφορες στρατηγικές σύστασης και τελικά διαπίστωσε ότι το τμήμα του κοινού της "Καταναλωτές" είχε την τάση να ασχολείται με συνιστώμενα αντικείμενα με τα οποία είχαν αλληλεπιδράσει άλλοι χρήστες με παρόμοια συμπεριφορά και ενδιαφέροντα.

Χρησιμοποιώντας αυτά τα ευρήματα, η Build with Ferguson βελτιστοποίησε την απόδοση των συστάσεών της σε ολόκληρο τον ιστότοπο και ανακάλυψε επίσης ότι οι χρήστες που αλληλεπιδρούν με τις συστάσεις ξοδεύουν 13% περισσότερο και αγοράζουν 2,4 περισσότερα προϊόντα κατά μέσο όρο.

Δοκιμές A/B και εξατομίκευση - φυσικές προεκτάσεις η μία της άλλης

Οι δοκιμές A/B ιστορικά αφορούσαν τον προσδιορισμό της καλύτερης εμπειρίας συνολικά, ενώ η εξατομίκευση στοχεύει στην παροχή της καλύτερης εμπειρίας σε επίπεδο κοινού ή ατόμου. Και ενώ υπάρχει χρόνος και χώρος και για τα δύο, ο συνδυασμός των δύο μπορεί να μεταφραστεί σε αυξημένη ικανοποίηση και αφοσίωση των πελατών για τις επιχειρήσεις - με τις βασικές εμπειρίες να γίνονται πιο σχετικές μέσω της εξατομίκευσης και τα μέγιστα αποτελέσματα που αποδίδονται ανά στρατηγική μέσω των δοκιμών Α/Β.

Υ.Γ. Για περισσότερες πληροφορίες σχετικά με το πώς αυτές οι δύο πρακτικές συνδυάζονται, σας προτείνω να ελέγξετε αυτό το μάθημα A/B Testing & Optimization, το οποίο αναφέρεται στο πώς να ρυθμίσετε τις σωστές διαμορφώσεις απόδοσης, να επιλέξετε το σωστό στόχο, να αναλύσετε τα αποτελέσματα των δοκιμών εξατομίκευσης και να διασφαλίσετε ότι κάθε μία από αυτές θα αποφέρει ουσιαστικά αποτελέσματα .