Usein verkkopalveluita suunnitellaan hyviksi havaittujen käytäntöjen ja oletusten pohjalta. Samat ratkaisut eivät kuitenkaan aina toimi yhtä hyvin, kun kyseessä on erilaisia toimialoja, kohderyhmiä tai laitteita.
Kaikki varmasti haluavat yritykselleen verkkopalvelun, joka saa käyttäjät tekemään palvelussa toivottuja asioita mahdollisimman paljon. Tässä avainasemassa on konversio-optimointi, joka pohjautuu paljolti testaamiseen. Aina ei kuitenkaan ole helppoa ymmärtää mitä pitäisi testata, saatikka miten ja milloin. Seuraavassa lyhyesti avattuna mistä A/B-testauksessa on kyse, mitä hyötyä siitä on, ja yhdeksän käytännön vinkkiä A/B-testaamiseen.
Miten A/B-testaus toimii?
A/B-testauksella tarkoitetaan vaihtoehdon A testaamista vaihtoehtoa B vastaan. A/B-testauksen tarkoitus on selvittää, kummalla vaihtoehdoista saavutetaan paremmin haluttu tavoite sivustolla. Toisiaan vasten testattavia versioita voi olla myös enemmän kuin kaksi.
A/B-testauksessa variantti A toimii kontrollina, eli testin alussa A on alkuperäinen versio. Seuraavissa varianteissa on tehty aina yksi muutos varianttiin A verraten. Sivuston liikenne jaetaan näiden varianttien välille tasan, jolloin esim. kahden variantin testissä 50 % näkee alkuperäisen version ja toiset 50 % uuden, muunnellun version, ja testissä verrataan tuloksia näiden kahden variantin välillä.
A/B-testissä testattavat muutokset voivat liittyä esim. väreihin, kontrasteihin, kuviin, asetteluun (esim. CTA-napin paikat), sisällön määrään, järjestykseen tai sanamuotoihin.
Mitä hyötyä A/B-testaamisesta on?
A/B-testauksella on tärkeä rooli verkkopalvelun konversio-optimoinnissa. Testauksesta saadun datan avulla päätösten tekeminen on helpompaa, kun toimivinta ratkaisua ei tarvitse olettaa tai arvata.
Jos olet kehittämässä verkkopalveluasi ja testaat heti alussa mikä vaihtoehto toimii parhaiten, on dataan perustetun päätöksen avulla helppo saada haluttu asia toimimaan oikein alusta saakka. Näin palvelu saavuttaa sille asetettuja KPI-tavoitteita paremmin ja samalla säästetään todennäköisesti myös energian kulutusta, kun polku on käyttäjälle selkeämpi, virheklikkejä on mahdollisesti vähemmän ja käyttäjä toimii sivustolla nopeammin.
Mihin tilanteisiin A/B-testaaminen sopii?
A/B testaamista voi käyttää hyödyksi monissa tilanteissa sivuston kehityksessä. Esimerkiksi voidaan testata toimivampia sisältöjä ja ohjauksia asiakkaan ostopolulla, tai sivuston lomakkeita voidaan kehittää tehokkaammiksi muuttamalla tai järjestämällä lomakkeen kenttiä. Yksi mahdollinen testikohde voi olla esimerkiksi evästebanneri, jossa voidaan pyrkiä lisäämään kaikkien evästeiden hyväksyneiden määrää.
Yleisesti suosittelemme lähtemään testaamisessa liikkeelle niiltä sivuilta tai sivuston osioista, joilla on eniten kävijöitä, tai niistä osioista, jotka tuottavat tai haluttaisiin tuottavan eniten konversioita, eli esimerkiksi liidien keräämiseen tarkoitetut sivut.
Mitä testaamisessa kannattaa ottaa huomioon?
1. Tee suunnitelma
Luo testaamiselle selkeä suunnitelma ennen kuin aloitat testaamisen, jotta on helpompi pysyä kartalla siitä, mitä ollaan tekemässä.
2. Aseta tavoite
Aseta testille selkeä tavoite. Tavoitteen asettamisessa auttaa hypoteesin tekeminen ennen testiä. Hypoteesissa kirjoitetaan auki seuraavia asioita: mitä testataan, miksi testataan ja mitä parannuksia odotetaan saatavan. Kun nämä asiat on käyty läpi, voidaan näiden pohjalta testille asettaa tavoite, jonka toteutumista seurataan testin datasta. Tavoite voi olla esimerkiksi uutiskirjeen tilausmäärän kasvattaminen.
3. Varianttien määrä yhdessä testissä
Suositus olisi käyttää 2-4 varianttia per testi. Jos variantteja on enemmän, tarvitaan testille myös enemmän aikaa. Jotta testidataa voidaan tulkita luotettavasti, kävijöitä ja heidän tekemiään toimintoja tarvitaan riittävästi, ja tähän voi mennä usean variantin kanssa pitkänkin aikaa.
4. Testaa aina vain yhtä muutosta
Tämä on yksi tärkeimmistä testauksen A/B -testauksen periaatteista. Tee siis aina yhteen varianttiin vain yksi muutos (esim. värin vaihto CTA-napissa). Jos muuttuneita asioita on yhdessä variantissa useita, on vaikea todentaa mikä muutos on vaikuttanut.
On myös olemassa erikseen nk. monimuuttujatestaus, jossa testataan useita muutosten kombinaatioita samalla kertaa. Tämä testimuoto vaatii selkeästi enemmän aikaa mitä normaali A/B-testaus, joten tätä menetelmää kannattaa harkita vain sellaisilla sivustoilla, joilla on suuret kuukausittaiset kävijämäärät.
5. Pidä testin olosuhteet aina samoina
Jotta testitulokset ovat vertailtavissa keskenään, suosittelemme pitämään testien ajankohdan, keston ja konversioiden määrät samoina. Luotettavien tulosten saamiseksi ajankohdan olisi hyvä olla mahdollisimman vertailukelpoinen eri testien välillä. Ota siis huomioon sesonkiajat ja sivustosi ruuhkapiikit – testiä ei kannata ajaa ensin Black Fridayna, ja verrata siitä saatuja tuloksia testiin, joka on tehty normaalina arkipäivänä.
Testin keston määrittelee pitkälti kävijäliikenteen määrä ja toivotut tavoitteet. Testin suunnittelussa kannattaakin jo ottaa huomioon nykyinen kävijäliikenne testisivustolla. Mitä useampia variantteja on, sitä kauemmin testi tulee kestämään. Luotettavat tulokset syntyvät, kun kävijäliikennettä saadaan tarpeeksi ja tasaisesti eri varianttien välillä. Ota tarvittaessa jo suunnitteluvaiheessa huomioon, miten voisit tuoda lisää liikennettä testisivuille - vaikka markkinoinnin keinoin.
6. Älä tee muutoksia testiin sen aikana
Jos teet testiin muutoksia kesken testaamisen, et voi olla varma mikä muutoksista vaikutti testistä saatuihin tuloksiin, ja on mahdollisesti ollut se tekijä mikä on saanut luvuissa aikaan parannuksen. Anna testin kerryttää dataa rauhassa ja tee päätökset ja muutokset vasta testin päätyttyä.
7. Tilastollinen merkitsevyys
Testauksessa on hyvä huomioida tilastollinen merkitsevyys. Kyse on siitä, että tulosten eroavaisuus tulee olla selkeästi validoitavissa. A/B-testauksessa saattaa houkutuksena olla lähteä tekemään olettamuksia muutamasta konversiosta ja siksi on hyvä tarkistaa myös tilastollinen merkittävyys. Käytännössä tämä tarkoittaa sitä, että tuloksessa tulee olla tarpeeksi eroa, jotta se on tilastollisesti merkittävä.
Esimerkiksi skenaariossa, jossa:
A/ 1000 kävijää ja 10 konversiota ja
B/ 1000 kävijää ja 15 konversiota
Alustavasti voidaan sanoa, että B on parempi, mutta se ei ole vielä tilastollisesti merkittävä, ja vielä tulisi testata, jos halutaan täysi varmuus. Jos A/B-työkalu ei suoraan kerro tilastollista merkittävyyttä, niin laskureita tähän löytyy, esimerkiksi täältä.
8. Testaustyökalun toimiminen evästetyökalun kanssa
Tarkista, että sivustosi evästeratkaisu on yhteensopiva käytettävän testaustyökalun kanssa. Joillain työkaluilla testausta voidaan tehdä myös evästeettömässä tilassa.
9. Muista tarkistaa testin toimivuus
Kun testi on laitettu päälle, muista tarkistaa, että data kertyy oikein. Jos huomaat testissä ongelmia, tai joudut säätämään jotain testauksen asetuksia, aja sen jälkeen oma uusi testi.
Millä työkaluilla A/B-testaamista voi tehdä?
Monet käyttävät A/B-testaamiseen Googlen Optimize-työkalua, joka on kuitenkin poistumassa 30.9.2023. Google suositteleekin käyttäjiään lataamaan historiatietonsa työkalusta ennen sitä. Tästä linkistä pääset suoraan historiatietojen lataamista koskeviin ohjeisiin.
Muutamia työkaluja, joita suosittelemme A/B-testaamiseen:
Optimizelyn Web Experimentation. Lue lisää täältä. Työkalua voi käyttää, vaikka et käyttäisi Optimizelyn alustaa muuten.
Matomon A/B-testaustyökalu. Tämä sisältyy Cloud-version pakettiin. Lue lisää täältä.
Tarvitsetko apua A/B-testaamisessa alkuun pääsemiseen, tai jossain muussa verkkopalveluasi koskevassa kehitysasiassa? Ota yhteyttä alla olevalla lomakkeella ja katsotaan, miten voisimme olla avuksi.
