Så får du aldrig slut på idéer för optimering av konverteringsgrad

När företag börjar A/B-testa sin webbplats, e-post och andra kanaler brukar det inte ta lång tid innan de ser stora resultat. Bara genom att ändra placering, storlek och färg på sina CTA-knappar kan man till exempel uppnå enorma förbättringar av konverteringsgraden. Det finns ett stort intresse för optimering av konverteringsgraden de första månaderna, men med tiden börjar drivkraften och entusiasmen bakom alla tester avta.

En av de vanligaste anledningarna till att A/B-testningsprogram tappar fart är att de personer som skapar testerna börjar få slut på idéer. Detta kan hända snabbt eftersom marknadsförare och analytiker tenderar att börja med de lägst hängande frukterna. När de mest uppenbara testidéerna är avklarade är det lite svårare att veta vilka typer av saker man bör testa härnäst.

Andra människor har också sina egna preferenser och fördomar när det gäller testprioriteringar. En viss analytiker eller marknadsförare kan till exempel vara mycket visuellt lagd och tendera att enbart tänka på tester som innefattar visuella element som färgvarianter eller layout. En annan person kanske fokuserar på webbplatsens eller e-postmeddelandets innehåll och A/B-testar alternativ text, rubriker eller erbjudanden på webbplatsen. Andra personer tänker i strukturella termer och fokuserar på element som vilka formulärkrav som genererar flest konverteringar.

Ingen av dessa är dåliga idéer för A/B-tester, men det finns bara ett visst antal varianter av varje slag som det är värt att utforska. Personer som håller fast vid samma testidéer kommer till slut till en punkt där de börjar se avtagande avkastning från sina tester. Vinsterna i konverteringar och andra mätvärden become mindre och mindre, vilket gör att det verkar som om A/B-testen inte ger några värdefulla resultat. För att generera nya och spännande resultat igen måste de prova nya typer av tester.

När din A/B-testningsrutin börjar kännas inaktuell är det dags att prova något nytt. Här är en process som kan hjälpa dig att få fram idéer och uppnå fantastiska resultat.

En av de mest till hjälp startpunkterna för att återuppliva din A/B-testningsstrategi är att skapa en lista över alla de olika breda kategorier som du har möjlighet att testa. Kombinera sedan den listan med alla de typer av tester som du kan köra. Den här testmatrisen gör att du snabbt kan påminna dig själv om vilka element som kan testas och vilka typer av tester du har tillgängliga för att testa dem.

För webbplatser kan dessa kategorier inkludera: 

• UX, layout och designelement
• Ändring av storlek, text och färg på uppmaningsknappar (CTA)
• Kampanjerbjudanden och incitament
• Webbplatskopia och meddelandehantering
• Social bekräftelse, aviseringar om produktefterfrågan och meddelanden om begränsad tillgång
• Sidfunktionalitet
• Rekommendationsalgoritmer och strategier
• Navigeringsmenyer

Detta gör att du enkelt kan skapa tester och snabbt identifiera testkategorier som du kan ha missat.

Om ert testteam är litet – det handlar ofta bara om en eller två personer – kan det snabbt become betungande att hitta på nya idéer för A/B-tester. Samtidigt kan det finnas andra personer inom marknadsföring, försäljning och ledning som har massor av idéer som de gärna vill pröva.

Få så många som möjligt av dessa personer engagerade i processen. Detta kan vara en informell konversation, till exempel ett e-postmeddelande till en grupp eller en dedikerad Slack-kanal, eller ett veckovis eller månatligt möte. Det här teamet kan sedan diskutera nya testidéer och granska resultaten av tidigare tester för att överväga framtida iterationer och förbättringar.

Och du kan alltid besöka Mastercard Dynamic Yields inspirationsbibliotek för att bläddra bland mer än hundra personaliseringsexempel från verkliga varumärken och få idéer att ta avstamp i.

Vissa A/B-testidéer är bättre än andra. Att bedöma vilka tester som bör prioriteras framför andra kan dock vara en svår utmaning när teamet består av personer från olika avdelningar, varav många har sina egna prioriteringar (eller högre rang). En lösning på detta problem kommer från ett stort amerikanskt modevarumärke:

Once a month, they would gather their digital marketing team together and hand out sticky pads to everyone. They would then spend five or ten minutes brainstorming ideas for tests, one idea per sticky note. This allowed them to quickly create ideas for as many different kinds of tests as possible.

En annan idé vore att använda vår matrisramverk för prioritering av effekt och ansträngning (läs mer om ramverket och hur du tar fram och prioriterar en CRO-strategi) för att identifiera kampanjidéer med hög effekt och låg ansträngning:

Varje A/B-test är ett experiment, och det experimentet bör besvara en specifik fråga. När du utformar det experimentet bör du dock alltid kunna besvara de fem grundläggande frågorna om vad du hoppas få reda på. Vi känner alla till dessa frågor: Vad, Vem, Var, När och Varför?

• Vilket specifikt koncept eller vilken specifik preferens testas?
• Vem är målgrupper? Testas alla besökare eller bara ett visst segment? Du bör använda olika tester för olika målgrupper.
• Var på webbplatsen testar du och under vilka omständigheter? Är det startsidan eller begränsar du den till anpassade landningssidor? Varför utförs det här testet på den här specifika platsen?
• När körs testet? Vissa tester är mer meningsfulla vid specifika tidpunkter. Vissa tester kan ge samma resultat oavsett när de utförs, medan andra endast ger meningsfulla insikter om de körs under webbplatsens mest intensiva timmar, på helgen eller under helgdagar.
• Varför utför du testet? Vad är hypotesen för testet? Vad kommer du att lära dig av testet? Vilka resultat hoppas du på? Vill du till exempel minska antalet övergivna kundvagnar? Hur införlivar du det du har lärt dig på webbplatsen och i nästa testomgång?

Det finns mer i dessa tester än att bara se vad som händer när du ändrar storleken på en rubrik eller byter ut standardproduktbilden. Ditt verkliga mål bör vara att använda datainsikterna från dina tester för att skapa en övergripande teori om hur dessa element samverkar för att generera de resultat du vill uppnå.

Jämfört med webbplatser har e-postmeddelanden bara ett fåtal testbara element. Därför har många börjat tro att A/B-testning av e-postmeddelanden inte är en bra resursanvändning. Det är fel.

E-post är faktiskt ett av de snabbaste och enklaste sätten att se verkliga resultat från A/B-testning. Det är en perfekt testmiljö för att pröva segmenteringsstrategier och till och med till synes galna idéer.

Även om det absolut kan vara värt att A/B-testa andra aspekter av dina e-postmeddelanden, bör fokuset till exempel ofta ligga på ämnesraderna. När folk väl öppnar e-postmeddelandena har du fler alternativ, men man kommer inte ifrån det faktum att det mesta av testerna bör fokusera på det där enda avgörande elementet, särskilt om du har en mindre e-postlista. Tyvärr finns det bara ett visst antal sätt att skriva en effektiv ämnesrad på. Detta gör A/B-testning av dessa ämnesrader till en väsentlig del av processen.

Det du egentligen gör med A/B-testning av e-post är att bygga upp en arsenal av idéer. Om öppningsfrekvensen börjar sjunka kan du använda de här idéerna för att väcka mottagarna ur deras slummer. Det handlar inte om att hitta den ”enda sanna e-postrubriken” som alltid ger högst öppningsfrekvens. Så fungerar det inte. Det kanske fungerar för några e-postmeddelanden, men till slut kommer mottagarna att vänja sig vid det nya formatet och förlora sin nyfikenhet. Öppningsfrekvensen för e-post återgår då till den nivå den låg på innan.

Låt oss säga att du har en arsenal med tre dussin tekniker som har visat sig fungera genom A/B-testning. Vissa kommer att vara mer effektiva än andra, men alla har en statistiskt relevant effekt på öppningsfrekvensen. Om du bara skickar ett e-postmeddelande varannan vecka har du idéer som räcker i mer än ett år att testa.

Kom ihåg att syftet med A/B-testning är att snabbt lära sig nya saker och samla in datainsikter som du kan omsätta i handling direkt. Med tiden bör dina A/B-tester Become laserfokuserade och alltmer avancerade. De bör gå vidare från grundläggande designelement till mer komplexa kategorier som webbplatsfunktionalitet. Innan du vet ordet av kommer du att kunna A/B-testa allt och samla in viktiga insikter om algoritmer för produktförslag, förbeställningar, användaranpassning, kundundersökningar och segmentspecifika ändringar. Detta kan till och med gälla din mobila webbplats; du kan till exempel köra tester med ”köp med ett klick” kontra ”svep för att köpa”.

Det finns ingen anledning att låta din A/B-testning Become inaktiv. Allt och lite till på din webbplats, i dina e-postmeddelanden och på sociala medier – till och med hur dina kunder interagerar online – kan testas. Ju mer du testar och lär dig, desto bättre blir resultaten.