Skip to main content

De ce testarea A/B și personalizarea sunt mai eficiente împreună

Deși reflectă două abordări distincte pentru îmbunătățirea experienței utilizatorului, combinația lor poate oferi beneficii exponențiale pe care companiile nu vor să le piardă.

 

Yaniv Navot

 

CMO, Dynamic Yield

Iată ce trebuie să știți:

  • Testarea A/B și personalizarea, atunci când sunt combinate, pot îmbunătăți semnificativ experiența utilizatorului prin livrarea celei mai relevante experiențe fiecărui individ.
  • Testarea A/B ajută la identificarea celor mai performante variante ale elementelor creative, în timp ce personalizarea adaptează experiența pentru clienții individuali.
  • Combinarea acestor abordări eficientizează procesele, amplifică rezultatele și îmbunătățește satisfacția clienților.
  • Marketerii pot valorifica această putere prin segmentarea audiențelor pentru testarea A/B, testarea strategiilor de personalizare și utilizarea datelor în timp real pentru optimizare continuă.

Testarea A/B și personalizarea reprezintă două metodologii distincte. În timp ce testarea A/B se concentrează pe experimentarea cu diferite elemente creative, texte, machete și chiar algoritmi pentru a îmbunătăți indicatorii cheie de afaceri, precum și experiența generală a utilizatorului, personalizarea are ca scop potrivirea celei mai relevante experiențe pentru un client individual la momentul potrivit.

Deși sunt fundamental diferite ca abordare, combinarea acestor două strategii poate oferi beneficii exponențiale. În această postare, vom explora de ce este așa și cum pot echipele să procedeze pentru a face acest lucru.

Limitările testării A/B

Premisa testării A/B este simplă:

Comparați două (sau mai multe) versiuni diferite ale unui element pentru a vedea care performează mai bine și apoi implementați versiunea câștigătoare pentru toți utilizatorii, asigurând cea mai bună experiență generală.

Practica echipelor de testare A/B și CRO a fost să investească semnificativ în lansarea diverselor experimente pentru a îmbunătăți diferite domenii și experiențe pe site, aplicația nativă, e-mail sau orice alt canal digital și apoi să le optimizeze continuu pentru a stimula creșterea incrementală a conversiilor și a KPI-urilor specifice pe măsură ce trece timpul.

Cu toate acestea, dacă o companie nu generează un volum mare de trafic și nu dispune de un peisaj digital vast pentru a experimenta, poate ajunge la un punct de randament descrescător, unde rezultatul experimentării (indiferent de câte teste sau cât de mari și sofisticate ar fi experimentele) atinge un randament maxim în raport cu contribuția acestor echipe.

Acest lucru are legătură în mare măsură cu faptul că abordarea clasică a testării A/B oferă o perspectivă binară asupra preferințelor vizitatorilor și adesea nu reușește să surprindă întreaga gamă de factori și comportamente care definesc cine sunt ei ca indivizi.

În plus, testele A/B oferă rezultate generalizate bazate pe preferințele majoritare ale unui segment. Și, deși un brand poate constata că o anumită experiență generează mai multe venituri în medie, implementarea acesteia pentru toți utilizatorii ar fi un deserviciu pentru o parte semnificativă a consumatorilor cu preferințe diferite.

Permiteți-mi să ilustrez cu câteva exemple:

Dacă valoarea netă a mea și a lui Warren Buffet ar fi, în medie, de 117,3 miliarde USD, ar avea sens să ni se recomande aceleași produse?

Probabil că nu.

Sau ce-ar fi dacă un retailer care oferă produse atât pentru bărbați, cât și pentru femei ar decide să efectueze un test A/B clasic pe pagina lor principală pentru a identifica cea mai performantă variantă de banner principal, dar, având în vedere că 70% din publicul lor este format din femei, varianta pentru femei o depășește pe cea pentru bărbați.

Acest test ar sugera că bannerul principal pentru femei să fie aplicat întregii populații, dar cu siguranță nu ar fi decizia corectă.

Pe scurt:

  • Mediile sunt adesea înșelătoare atunci când sunt folosite pentru a compara diferite grupuri de utilizatori
  • Cea mai performantă variație se schimbă pentru fiecare segment de client și utilizator
  • Rezultatele pot fi influențate și de factori contextuali precum locația geografică, condițiile meteorologice și alți factori.

Desigur, asta nu înseamnă că nu există un moment și un loc pentru a valorifica rezultate mai generalizate. De exemplu, dacă testați un nou design de site web sau aplicație, ar fi logic să vizați o interfață de utilizare unitară care să funcționeze cel mai bine în medie, în loc de zeci, sute sau chiar mii de variații UI pentru utilizatori diferiți.

Cu toate acestea, zilele în care se adopta o abordare de tipul „câștigătorul ia totul” pentru aspectul unei pagini, mesaje, conținut, recomandări, oferte și alte elemente creative au luat sfârșit – și acest lucru este în regulă, deoarece înseamnă că nu vor mai fi pierdute oportunități de personalizare din cauza faptului că nu se oferă cea mai bună variantă fiecărui utilizator individual.

Deblocarea unei relevanțe mai mari prin personalizare

Personalizarea înseamnă să răspunzi și să ajustezi experiența site-ului pentru consumatori în funcție de comportamentul, preferințele și intențiile lor unice, ceea ce a devenit o așteptare în peisajul digital actual. Acest lucru singur este dovedit că îmbunătățește satisfacția și loialitatea clienților.

Și, deși nu depinde neapărat de testarea A/B, ar putea fi surprinzător faptul că cele mai bune practici în personalizare se bazează pe fundamentele testării A/B – singura diferență fiind că determinarea versiunii unei anumite experiențe care funcționează cel mai bine se face la nivel de public, spre deosebire de medie.

Să analizăm structura de bază a modului în care ar arăta acest lucru într-o campanie de personalizare. În loc să includem o singură experiență cu mai multe variante pentru a le compara cu un grup de control, ca în cazul unui test A/B tradițional, facem un pas înainte prin crearea mai multor experiențe destinate diferitelor audiențe și a mai multor variații în cadrul fiecăreia, care pot fi testate A/B pentru a determina cea mai performantă.

Acest lucru se poate realiza prin direcționare simplă bazată pe reguli, care utilizează logica IF/Then pentru a personaliza călătoria clientului conform unui set de reguli programate manual, echipele având posibilitatea de a testa A/B aceste experiențe, de a valida rezultatele la atingerea semnificației statistice și apoi de a itera în consecință.

Cu toate acestea, AI și învățarea automată au devenit esențiale atunci când vine vorba de scalarea deciziilor de personalizare, deoarece scenariul de mai sus poate deveni un proces complex de date care implică numeroase implementări de testare cu măsurători detaliate ale fiecărei variații testate pentru fiecare segment de public, pentru a determina regulile optime de direcționare programatică. Este, de asemenea, util în transformarea testelor „pierzătoare” în oportunități de personalizare pentru anumite variante identificate ca având performanțe mai bune pentru un anumit public.

Aceste tehnologii avansate analizează performanța fiecărei variații pe fiecare segment de trafic în timp real pentru a oferi cel mai relevant conținut grupurilor de public selectate. În plus, personalizarea 1:1 poate fi realizată cu capabilități de personalizare bazate pe afinitate, care folosesc procesul de profilare a afinității pentru a potrivi algoritmic fiecare persoană cu recomandări personalizate, oferte de produse și conținut.

Acest nivel de personalizare permite companiilor să fie mai eficiente și mai bine direcționate cu strategia lor de marketing, implicând în același timp consumatorii într-un mod mai nuanțat, semnificativ și relevant.

Cuplarea testării A/B cu personalizarea

Dacă ați întreba o echipă de testare A/B sau CRO și cei dedicați personalizării mai multe despre specificul muncii lor, ați găsi răspunsurile lor ciudat de similare.

Luați în considerare diagrama revelatoare de mai jos, care a fost prezentată în timpul unui discurs principal de la JD Sports | Finish Line în cadrul unui eveniment Personalization Pioneers (recapitulare completă aici):

Este un sentiment împărtășit de mulți alții care încep să realizeze că atât testarea A/B, cât și personalizarea:

  • Concentrați-vă pe crearea unei experiențe pozitive pentru clienți
  • Caută să influențeze și să îmbunătățească aceiași indicatori de performanță cheie (KPI)
  • Pot profita de aceleași cunoștințe acumulate

În plus, adesea, aceste echipe necesită aceleași resurse interne și chiar instrumente! Acesta este motivul pentru care este esențial ca testarea A/B și personalizarea să nu fie izolate, ci să become parte integrantă a unei foi de parcurs comune cu KPI-uri aliniate.

Combinația celor două nu doar că poate eficientiza procesele și operațiunile, ci și genera rezultate exponențiale, deoarece permite atât perspective ample, cât și detaliate asupra comportamentului consumatorilor.

Iată cum puteți integra puterea lor combinată în strategia dumneavoastră de marketing pentru a obține rezultate mai bune:

1. Testare A/B pe bază de segmente

În loc să efectuați teste A/B pe întregul public, împărțiți publicul în segmente semnificative pe baza caracteristicilor comune (încercați abordarea Audiențelor Primare, care este menită să se scaleze de la macro la micro). Apoi, efectuați teste A/B pe aceste segmente. Această abordare segmentată de experimentare poate oferi o înțelegere mai detaliată a diferitelor comportamente ale consumatorilor și poate ajuta la personalizarea experiențelor pentru grupuri specifice.

De exemplu, Synchrony și-a mărit rata de trimitere a aplicațiilor cu 4,5% în rândul utilizatorilor cu intenție ridicată, prin rularea unui experiment pentru acest segment care a testat eliminarea butoanelor de îndemn suplimentare din banner.

În urma analizei, compania a observat că o schimbare specifică a experienței utilizatorului (UX) – eliminarea butonului CTA „Play Video” de pe banner – a împiedicat utilizatorii cu intenție ridicată să se distragă, permițându-le să afle mai multe despre numeroasele servicii oferite de Synchrony.

2. Testați strategiile de personalizare A/B

Utilizați testarea A/B pentru a determina care strategii de personalizare funcționează cel mai bine. De exemplu, ați putea testa algoritmii de recomandare a produselor și să verificați dacă cei care sunt vizați către anumite audiențe duc la rate mai bune de clic sau de adăugare în coș decât alții.

3. Adaptarea strategiei în timp real

Pe măsură ce colectați date din testele A/B, folosiți aceste informații pentru optimizarea continuă și rafinarea strategiei dvs. de personalizare. Această adaptare în timp real permite o strategie de marketing mai dinamică și eficientă, care evoluează constant pentru a răspunde nevoilor consumatorilor.

De exemplu, Build with Ferguson a generat o creștere de 89% a achizițiilor din recomandări făcând acest lucru, care a început cu implementarea unei strategii orientate către public (bazată pe cadrul Rooted Personalization).

Echipa a testat diverse strategii de recomandare și, în cele din urmă, a descoperit că segmentul său de public „Consumator” tinde să interacționeze cu articolele recomandate cu care au interacționat și alți utilizatori cu comportamente și interese similare.

Folosind aceste descoperiri, Build with Ferguson a optimizat performanța recomandărilor sale pe întregul site și a descoperit, de asemenea, că utilizatorii care interacționează cu recomandările cheltuiesc cu 13% mai mult și cumpără, în medie, cu 2,4 articole mai mult.

Testarea A/B și personalizarea – extensii naturale una pentru cealaltă

Testarea A/B a fost istoric despre determinarea celei mai bune experiențe generale, în timp ce personalizarea urmărește să ofere cea mai bună experiență la nivel de public sau individual. Și deși există un moment și un loc potrivit pentru ambele, combinarea celor două poate duce la o satisfacție și loialitate sporită a clienților pentru companii – cu experiențe cheie făcute mai relevante prin personalizare și rezultate maxime obținute pe strategie prin testarea A/B.

P.S. Pentru mai multe informații despre cum se îmbină aceste două practici, vă sugerez să consultați acest curs de testare și optimizare A/B, care explică cum să configurați corect atribuirea, să selectați obiectivul adecvat, să analizați rezultatele testelor de personalizare și să vă asigurați că fiecare dintre ele oferă rezultate semnificative.