A/B-testning är ett av de mest direkta verktygen inom konverteringsoptimering för e-handel. Det ger verkliga bevis för vad som fungerar i just din butik med just dina kunder. En fullständig introduktion till konverteringsoptimering och varför en bättre konverteringsgrad spelar lika stor roll som mer trafik hittar du i vad konverteringsoptimering är och varför det spelar roll.
Vad är A/B-testning för en webbutik?
Ett A/B-test delar dina besökare i två grupper och visar varje grupp en olika version av en sida eller ett sidelement. Den ena gruppen ser originalversionen, som kallas kontrollen. Den andra ser den ändrade versionen, som kallas varianten. Ändringen gäller ett enda element. Det kan vara formuleringen på en knapp, layouten på en produktsida eller placeringen av en förtroendesymbol. Allt annat är oförändrat.
Besökarna går igenom butiken som vanligt. De vet inte att de ingår i ett test. När testperioden är slut jämför du konverteringsgraden mellan grupperna och avgör vilken version som presterade bäst. Eftersom båda versionerna körs samtidigt med jämförbar trafik påverkar yttre faktorer som säsong eller en ändring i din annonsering båda grupperna lika. Skillnaden du ser kommer från din ändring, inte från tidpunkten.
Varför spelar A/B-testning roll för konverteringen i e-handel?
Varje ändring du gör i din butik är ett vad. Du satsar på att den nya produktbeskrivningen konverterar bättre, att den förenklade kassan minskar avhoppen och att den flyttade knappen får fler klick. Utan testning har du inget sätt att veta om satsningen lönade sig. Försäljningen kan stiga av skäl som inte alls har med din ändring att göra. Eller sjunka av samma skäl.
A/B-testning gör vad till beslut. Du har data som visar, inom en mätbar marginal, om ändringen gav en verklig effekt. Det skyddar dig från två vanliga och dyra misstag. Det första är att anta att en ändring hjälpte när den inte gjorde det. Det andra är att överge en ändring som fungerade eftersom du inte kopplade förbättringen till den.
Det ekonomiska argumentet är enkelt. En butik som konverterar en procent av sina besökare och förbättrar sig till två procent har fördubblat sina intäkter från samma trafik, utan ökade annonskostnader. Systematisk A/B-testning är den säkraste vägen till sådana vinster.
Vad kan du A/B-testa i din webbutik?
Nästan allt en besökare ser går att testa. Vissa delar av din butik påverkar konverteringen mer än andra, och det är dem dina första tester ska fokusera på.
Produktsidor
Produktsidan är där de flesta köpbeslut fattas. Testkandidater med stor effekt är huvudbilden, produktrubriken, formuleringen och placeringen av köpknappen, produktbeskrivningens längd och struktur, kundrecensionernas position och om priset visas med stödjande sammanhang som ett jämförpris eller ett meddelande om fraktgräns. En detaljerad genomgång av vad som gör en produktsida effektiv hittar du i så utformar du produktsidor som får folk att köpa.
Kassan
Kassan är där butiker tappar kunder som redan bestämt sig för att köpa. Användbara tester är kassa på en sida jämfört med flera steg, krav på att skapa konto jämfört med att erbjuda gästkassa, antal och ordning på formulärfälten och var orderöversikten visas i flödet. Ändringar i kassan ger ofta snabbare och tydligare resultat än ändringar på produktsidan eftersom besökarens avsikt redan är fastställd där. En genomgång av valen i kassans design hittar du i hur du utformar en kassasida som minskar avhoppen.
Startsida och navigering
Din startsida och navigering formar det första intryck besökarna får och vägen de tar till dina produktsidor. Testa rubriken på startsidan, vilka produkter eller kollektioner du lyfter fram högst upp, placeringen av kampanjbanners och om kategorinavigeringen fungerar bättre som en fast meny eller som en synlig uppsättning rutor. Ändringar här påverkar all trafik som passerar genom din butik, så även små förbättringar får stor räckvidd.
Uppmaningar till handling
Knapptext, färg, storlek och placering påverkar alla om besökarna tar nästa steg. ”Lägg i varukorg” och ”Köp nu” är de vanligaste knappparen att testa. Du kan också testa om språk som skapar brådska nära en knapp (”Bara 3 kvar”) eller socialt bevis (”Över 200 ordrar den här veckan”) ändrar klickfrekvensen.
Prisvisning och erbjudanden
Hur du presenterar priset påverkar köpbesluten utöver själva priset. Testa om det ökar konverteringen att visa ett överstruket ordinarie pris bredvid reapriset jämfört med att bara visa reapriset. Testa om ett meddelande om fri frakt vid beställning över ett visst belopp nära varukorgen ger större ordrar. Testa om en pengarna-tillbaka-garanti på produktsidan i stället för bara i sidfoten ändrar hur många som slutför kassan.
Hur kör du ett A/B-test?
Formulera en hypotes
Varje test börjar med en fråga som har ett svar du kan mäta. ”Om jag byter produktbilden till ett livsstilsfoto som visar produkten i användning, kommer fler besökare att lägga i varukorgen?” Den frågan definierar vad du ändrar, vad du väntar dig och hur du vet om det fungerade. Skriv hypotesen innan du börjar. Ett test utan hypotes är bara en ändring utan uppföljning.
Välj ditt framgångsmått
Bestäm vilket mått du mäter innan testet börjar. För de flesta e-handelstester är det konverteringsgraden i ett visst steg. Det kan vara andelen som lägger i varukorgen, andelen som startar kassan eller andelen som slutför köpet. Välj det mått som direkt motsvarar elementet du testar. Testar du ett element på produktsidan mäter du hur det påverkar andelen som lägger i varukorgen. Testar du ett element i kassan mäter du hur många som slutför kassan. Att använda butikens totala intäkter som mått ger för mycket brus från andra delar av tratten.
Ställ in testet
Använd ett verktyg för A/B-testning för att skapa din variant och dela trafiken mellan de två versionerna. En 50/50-fördelning är standard. Låt butiken fungera som vanligt under testperioden. Undvik stora kampanjer eller större ändringar i din annonsering medan ett test pågår, eftersom de förskjuter besökarnas beteende på ett sätt som påverkar grupperna olika och gör resultaten svåra att tolka.
Låt testet pågå hela vägen
Avbryt inte testet i förtid för att en version verkar vinna. Tidiga resultat är ofta missvisande. Besökarnas beteende varierar med veckodag, och mönster som syns de första dagarna håller ofta inte efter en hel vecka eller två. Att avbryta tidigt när en version ser lovande ut ökar risken rejält att du agerar på ett falskt positivt resultat. Kör testet tills du nått ditt målurval.
Analysera och använd resultatet
När du har tillräckligt med data jämför du konverteringsgraden mellan kontrollen och varianten. Om varianten presterar bättre än kontrollen på statistiskt signifikant nivå inför du ändringen. Om resultaten är otydliga gjorde ändringen ingen mätbar skillnad, och du behåller originalet och väljer ett annat element att testa. Om varianten presterade sämre stannar du med originalet och går tillbaka till din hypotes. Varje utfall lär dig något användbart.
Hur länge ska du köra ett A/B-test?
Två faktorer avgör hur länge ett test ska pågå. Den ena är din trafikvolym. Den andra är storleken på den förbättring du försöker upptäcka.
Mindre förbättringar kräver mer trafik för att upptäckas pålitligt. Om din butik konverterar två procent och du vill upptäcka en relativ förbättring på 20 procent behöver du betydligt fler besökare än om du försökte upptäcka en förbättring på 50 procent. För de flesta butiker med måttlig trafik är två till fyra veckor den rekommenderade miniminivån. Butiker med mycket trafik kan nå signifikans snabbare. Butiker med lite trafik kan behöva längre tid.
Som praktisk utgångspunkt bör du sikta på minst 100 konverteringar per variant innan du drar slutsatser. Vid två procents konverteringsgrad betyder det minst 5 000 besökare per variant. Om din butik inte genererar så mycket trafik inom rimlig tid blir en före-och-efter-jämförelse ett mer praktiskt alternativ: ändra en sak, mät i tre till fyra veckor och jämför med samma period månaden innan.
Den viktigaste regeln är att bestämma ditt målurval innan testet startar och inte kolla resultaten förrän du nått det. Om du kollar var några dagar och avbryter när en version ligger före pressas andelen falska positiva resultat långt över vad statistisk signifikans ensam antyder.
Hur vet du om resultaten av ditt A/B-test är pålitliga?
Statistisk signifikans är måttet som säger om skillnaden mellan dina två versioner sannolikt speglar en verklig effekt och inte slumpmässig variation. Testverktyg redovisar det oftast som en konfidensnivå. En konfidensnivå på 95 procent betyder att det finns fem procents risk att resultatet beror på slumpen. För de flesta e-handelsbeslut är 95 procents konfidens tillräckligt pålitligt för att agera på.
Kontrollera också externa faktorer som kan ha snedvridit testet. Ett test som pågick under ett stort realisationstillfälle, en period då din annonsering ändrades kraftigt eller en vecka då din huvudsakliga trafikkälla skiftade kan ge resultat som inte representerar butikens normala prestanda. Om något stort hände under testperioden bör du notera det innan du agerar på resultatet.
En extra kontroll som är värd att göra är att titta på sekundära mått vid sidan av det primära. Om din variant har högre andel som lägger i varukorgen men lägre andel som slutför kassan kan något i varianten locka mindre beslutsamma besökare i stället för att göra fler av dem till köpare. En vinnande variant ska visa förbättring i målsteget utan märkbar försämring någon annanstans i tratten.
Vilka misstag gör A/B-tester opålitliga?
Att testa flera element samtidigt är det vanligaste misstaget. Om du ändrar produktbild, rubrik och knappfärg i samma test kan du inte koppla resultatet till någon enskild ändring. Kör ett test per element och håll allt annat konstant.
Att avbryta för tidigt är det näst vanligaste problemet. En variant som verkar vinna de första tre dagarna kan visa ingen skillnad eller till och med vända efter två hela veckor. Bestäm testets längd i förväg och håll dig till den.
Att testa sidor med lite trafik för tidigt är ett tredje problem. Om din produktsida får 50 besökare i veckan skulle det ta många månader att nå 100 konverteringar per variant vid två procents konverteringsgrad. Prioritera sidorna med mest trafik först och gå vidare till sidor med mindre trafik först när du har hämtat de vinster som finns högst upp.
Att bortse från det du redan vet är också ett problem. A/B-testning fungerar bäst när den styrs av data om var besökarna redan hoppar av, inte av att testa saker på måfå. Använd din analytics för att hitta sidorna och stegen där flest besökare lämnar utan att konvertera. Det är de rätta ställena att rikta testerna mot. En praktisk guide till att förstå besökarnas avhopp i din butik hittar du i varför kunder överger sin varukorg och vad du kan göra åt det.
Vad ska du testa först?
Börja där flest besökare tappar intresset. För de flesta butiker är det antingen produktsidan eller kassan. Kassan är ofta högsta prioritet eftersom besökare som når dit redan visat tydlig avsikt. En ändring som förbättrar andelen som slutför kassan med bara några få procent påverkar varje besökare som kommer så långt.
Efter kassan fokuserar du på dina produktsidor med mest trafik. En ändring på en produktsida som får 3 000 visningar i månaden har större potentiell effekt än samma ändring på en sida som får 100. Prioritera efter potentiell räckvidd, inte efter vilka sidor som känns roligast att jobba med.
Förtroende är ett annat område som ofta lönar sig att testa. Många butiker tappar konverteringar inte på grund av ett visst sidelement, utan för att besökarna inte känner sig trygga nog med butiken för att slutföra köpet. Att testa var förtroendesignaler visas och hur de presenteras kan ge tydliga resultat. En översikt över vilka förtroendesignaler som betyder mest i e-handel hittar du i så använder du förtroendesignaler i din webbutik.
Så stöttar WEMASY din konverteringstestning
Effektiv A/B-testning börjar med korrekta utgångsdata. Du behöver veta din nuvarande konverteringsgrad, var besökarna hoppar av och vilka sidor som underpresterar innan du kan formulera en användbar hypotes och mäta om ett test gjorde skillnad. WEMASY:s Analytics en inzichten följer besök, sidprestanda och konverteringsbeteende i din butik och ger dig de utgångssiffror som testning bygger på. E-handelssystemet ger orderdata du kan använda för att mäta slutförda köp under testperioderna. Se hela funktionsuppsättningen bland planerna och priserna.
Vanliga frågor
Kan jag köra ett A/B-test om min butik har lite trafik?
Lite trafik gör det svårare att nå statistisk signifikans inom rimlig tid. Om din butik får färre än 1 000 sessioner i veckan kan tester ta månader att nå de urvalsstorlekar som krävs för pålitliga resultat vid en typisk konverteringsgrad i e-handel. Då kan före-och-efter-jämförelser över en jämn period vara ett praktiskt alternativ. Ändra en sak, mät i tre till fyra veckor och jämför resultatet med samma period månaden innan. Det är mindre exakt än ett kontrollerat A/B-test, men mer informativt än att göra ändringar helt utan mätning. Med WEMASY:s webbplatsbyggare kan du ställa in detta direkt i din butik.
Kan jag köra fler än ett A/B-test åt gången?
Ja, men bara på olika sidor eller tydligt åtskilda element som inte påverkar varandra. Att testa en rubrik på produktsidan och en formulärlayout i kassan samtidigt är oftast säkert, eftersom de två testerna rör olika sidor och olika beslutspunkter i tratten. Att testa två olika element på samma sida samtidigt skapar samma problem som att testa flera element i ett test: du kan inte avgöra vilken ändring som gav vilket resultat.
Vad är skillnaden mellan A/B-testning och multivariat testning?
Ett A/B-test jämför två versioner av ett element: originalet och en variant. Multivariat testning jämför flera element som ändras samtidigt och kör alla möjliga kombinationer för att hitta vilken uppsättning ändringar som ger bäst resultat. Multivariat testning kräver betydligt mer trafik för att ge pålitliga slutsatser eftersom besökarna delas upp på fler varianter. För de flesta butiker är A/B-testning det mer praktiska sättet. Multivariat testning passar bättre för butiker med mycket trafik som redan gjort de självklara förbättringarna med vanlig A/B-testning och vill undersöka samspelet mellan flera sidelement samtidigt.
Vad gör jag om jag behöver ändra annat i butiken medan ett test pågår?
Mindre ändringar som inte rör sidan som testas går oftast bra. Ändringar som påverkar sidorna eller elementen i ditt test är ett problem, eftersom de inför en andra variabel som kan påverka resultaten. Om du måste göra en större ändring på sidan som testas är det renaste att stoppa testet, göra ändringen, låta butiken stabiliseras några dagar och starta om testet. Det är också värt att undvika kampanjer eller stora annonssatsningar medan ett test pågår, eftersom de förskjuter besökarnas beteende på ett sätt som kanske inte påverkar båda grupperna lika.
Behöver jag ett särskilt verktyg för A/B-testning för att köra tester?
Ett särskilt testverktyg automatiserar uppdelningen av trafiken, följer konverteringsdata per variant, räknar ut statistisk signifikans och hindrar samma besökare från att se båda versionerna. Utan verktyg måste du göra allt detta manuellt, vilket ger fler fel och mindre pålitliga resultat. Om din butik eller ditt webbplatssystem inte har inbyggd A/B-testning kan externa testverktyg läggas till i de flesta butiker. Investeringen lönar sig om du tänker testa regelbundet, eftersom resultatens pålitlighet beror mycket på hur trafikuppdelningen och datainsamlingen hanteras.