Test A / B: come funziona
È possibile monitorare le azioni del visitatore utilizzando statistiche e analisi per determinare la versione che produce un tasso di conversione più elevato. I risultati dei test A / B sono generalmente forniti con fantasiamathematical and statistical terms, ma il significato dietro i numeri è in realtà abbastanza semplice. Esistono due metodi significativi attraverso i quali è possibile controllare i tassi di conversione utilizzando il test A / B:
- Campionamento dei dati
- Intervalli di confidenza
Parliamo in dettaglio di questi due metodi.
Campionamento dei dati
Il numero di campioni dipende dal numero di test eseguiti. Il conteggio del tasso di conversione è chiamato campione e il processo di raccolta di questi campioni è chiamato campionamento.
Esempio
Supponiamo che tu abbia due prodotti A e B, vuoi raccogliere dati di esempio secondo la sua richiesta nel mercato. Puoi chiedere ad alcune persone di scegliere tra i prodotti A e B e quindi richiedere loro di partecipare a un sondaggio. Man mano che il numero di partecipanti aumenta, inizierà a mostrare un filerealistic conversion rate.
Esistono vari strumenti che possono essere utilizzati per determinare il numero corretto di dimensioni del campione. Uno di questi strumenti gratuiti disponibili è:
http://www.evanmiller.org
Intervalli di confidenza nei test A / B
L'intervallo di confidenza è la misura della deviazione dalla media sul numero multiplo di campioni. Supponiamo che il 22% delle persone preferisca il prodotto A nell'esempio precedente, con ± 2% dell'intervallo di confidenza. Questo intervallo indica il limite superiore e inferiore delle persone che optano per il Prodotto A ed è chiamato anche margine di errore. Per ottenere i migliori risultati in questo sondaggio medio,the margin of error should be as small as possible.
Esempio
Supponiamo che nel prodotto B abbiamo aggiunto una piccola modifica e quindi eseguito il test A / B su questi due prodotti. I prodotti dell'intervallo di confidenza A e B sono rispettivamente del 10% con ± 1% e del 20% con ± 2%. Quindi questo mostra che una piccola modifica ha aumentato il tasso di conversione. Se ignoriamo il margine di errore, il tasso di conversione per la variazione del test A è del 10% e il tasso di conversione per la variazione del test B è del 20%, ovvero un aumento del 10% nella variazione del test.
Ora, se dividiamo la differenza per il tasso di variazione del controllo 10% ÷ 10% = 1.0 = 100%, mostra un miglioramento del 100%. Quindi, possiamo dire che l'A / B Testing è una tecnica basata su metodi e analisi matematici. Esistono vari strumenti online che possono essere utilizzati per calcolare la significatività A / B.
http://getdatadriven.com
