A / B 테스트-퀵 가이드
A / B 테스트 (또는 Split testing)는 두 버전의 응용 프로그램 또는 웹 페이지를 비교하는 방법을 정의하여 어떤 버전이 더 나은지 결정할 수 있습니다. 새 버전을 만들기 위해 응용 프로그램이나 웹 페이지를 분석하는 가장 쉬운 방법 중 하나입니다. 그런 다음이 두 버전을 비교하여conversion rate,이 둘 중 더 나은 성능을 찾는 데 도움이됩니다.
예
웹 페이지가 있고 모든 트래픽이이 페이지로 이동한다고 가정 해 보겠습니다. 이제 A / B 테스트의 일환으로 동일한 페이지에서 헤드 라인, 번호 매기기 등과 같은 사소한 변경을 수행했으며 트래픽의 절반이이 웹 페이지의 수정 된 버전으로 전달됩니다. 이제 동일한 웹 페이지의 버전 A와 버전 B가 있으며 통계 및 분석을 사용하여 방문자의 행동을 모니터링하여 더 높은 전환율을 생성하는 버전을 확인할 수 있습니다.
전환율은 웹 사이트 방문자가 원하는 작업을 수행 할 때 인스턴스로 정의됩니다. A / B 테스트를 통해 최상의online marketing strategy귀하의 비즈니스를 위해. 다음 그림을 살펴보십시오. 버전 A는 15 %의 전환율을 산출하고 버전 B는 22 %의 전환율을 산출합니다.
통계 및 분석을 사용하여 방문자의 행동을 모니터링하여 전환율이 더 높은 버전을 확인할 수 있습니다. A / B 테스트 결과는 일반적으로 공상적으로 제공됩니다.mathematical and statistical terms하지만 숫자의 의미는 실제로 매우 간단합니다. A / B 테스트를 사용하여 전환율을 확인할 수있는 두 가지 중요한 방법이 있습니다.
- 데이터 샘플링
- 신뢰 구간
이 두 가지 방법에 대해 자세히 설명하겠습니다.
데이터 샘플링
샘플 수는 수행 된 테스트 수에 따라 다릅니다. 전환율의 수를 샘플이라고하고 이러한 샘플을 수집하는 과정을 샘플링이라고합니다.
예
두 제품 A와 B가 있고 시장 수요에 따라 샘플 데이터를 수집하려고한다고 가정 해 보겠습니다. 몇 사람에게 제품 A와 B를 선택하도록 요청한 다음 설문 조사에 참여하도록 요청할 수 있습니다. 참가자 수가 증가함에 따라realistic conversion rate.
정확한 샘플 크기 수를 결정하는 데 사용할 수있는 다양한 도구가 있습니다. 사용 가능한 무료 도구 중 하나는 다음과 같습니다.
http://www.evanmiller.org
A / B 테스트의 신뢰 구간
신뢰 구간은 여러 샘플에서 평균과의 편차를 측정 한 것입니다. 위의 예에서 22 %의 사람들이 신뢰 구간이 ± 2 % 인 제품 A를 선호한다고 가정 해 보겠습니다. 이 간격은 제품 A를 선택한 사람들의 상한 및 하한을 나타내며 오류 한계라고도합니다. 이 평균 설문 조사에서 최상의 결과를 얻으려면the margin of error should be as small as possible.
예
제품 B에서 약간의 변경 사항을 추가 한 다음이 두 제품에 대해 A / B 테스트를 수행했다고 가정 해 보겠습니다. 신뢰 구간 곱 A와 B는 각각 ± 1 %로 10 %, ± 2 %로 20 %입니다. 그래서 이것은 사소한 변화가 전환율을 증가 시켰음을 보여줍니다. 오차 한계를 무시하면 테스트 변형 A의 전환율은 10 %이고 테스트 변형 B의 전환율은 20 %입니다. 즉, 테스트 변형이 10 % 증가합니다.
이제 차이를 제어 변동률 10 % ÷ 10 % = 1.0 = 100 %로 나누면 100 %의 개선을 보여줍니다. 따라서 A / B 테스트는 수학적 방법과 분석에 기반한 기술이라고 말할 수 있습니다. A / B 중요도를 계산하는 데 사용할 수있는 다양한 온라인 도구가 있습니다.
http://getdatadriven.com
A / B 테스트는 business decisions단순히 예측하는 대신 데이터에서 파생 된 결과를 기반으로합니다. 웹 사이트 또는 앱의 변형을 만든 다음 변경 결정을 확인하거나 취소하는 데 도움이됩니다.
이 테스트를 통해 전환율을 높이는 방식으로 사이트 또는 앱을 최적화 할 수 있습니다. 전환율이 높을수록 트래픽 획득에 더 많은 비용을 지불하는 대신 기존 사용자로부터 더 많은 가치를 얻을 수 있습니다. A / B 테스트는 업무 문화 변화 등과 같은 비즈니스의 다른 요소를 변경하는데도 도움이됩니다. 수학적 데이터 및 통계를 사용하여 제품 변형의 방향을 결정하는 데 도움이됩니다.
디자이너, 비즈니스 분석가 또는 개발자 모두 A / B Testing은 데이터 및 통계의 힘을 사용하여 위험을 줄이고 결과를 개선하며 작업에서 데이터 중심이되는 간단한 방법을 제공합니다.
A / B 테스트를 실행하려면 다음 사항을 고려해야합니다.
원래 대안 페이지를 5 % 초과 할 가능성이있는 경우 항상 A / B 테스트를 수행하십시오.
상당한 시간 동안 테스트를 실행해야 통계 및 분석을 수행하기에 충분한 샘플 데이터가 있어야합니다.
A / B 테스트를 통해 웹 페이지의 기존 트래픽을 최대한 활용할 수도 있습니다. 전환을 늘리는 비용은 웹 사이트에서 트래픽을 설정하는 비용에 비해 최소화됩니다. 그만큼ROI (return on investment) on A / B Testing은 웹 사이트에서 약간의 사소한 변경으로 인해 전환율이 크게 증가 할 수 있기 때문에 엄청납니다.
A / B 테스트는 애플리케이션 또는 웹 사이트의 여러 변형을 만든 다음 샘플을 사용하여 이러한 모든 버전을 비교하여 최대 전환율을 가진 최상의 변형을 결정하는 것입니다. 웹 페이지 또는 애플리케이션에 적용 할 수있는 다양한 유형의 변형이 있습니다. A / B 테스트는 응용 프로그램이나 웹 페이지에만 국한되지 않으며 다른 제품에 대한 변형도 만들 수 있습니다. 사이트를 탐색하는 동안 방문자의 행동에 영향을 미칠 수있는 웹 페이지의 모든 내용은 A / B 테스트를 사용하여 테스트 할 수 있습니다.
다음은 웹 페이지에 적용 할 수있는 A / B 테스트 변형 목록입니다.
- Headlines
- 부제목
- Images
- Texts
- CTA 텍스트 및 버튼
- Links
- Badges
- 미디어 언급
- 사회적 언급
- 판매 프로모션 및 제안
- 가격 구조
- 배송 옵션
- 지불 옵션
- 사이트 탐색 및 사용자 인터페이스
사용할 수있는 다양한 도구가 있습니다. create variations 이 자습서의 뒷부분에서 자세히 읽을 것입니다.
A / B 테스트는 A / B 테스트에 도달하기 위해 순차적으로 따라야하는 일련의 프로세스로 구성됩니다. realistic conclusion. 이 장에서는 모든 웹 페이지에서 테스트를 실행하는 데 사용할 수있는 A / B 테스트 프로세스의 단계를 자세히 설명합니다.
배경 조사
배경 조사는 A / B 테스트에서 중요한 역할을합니다. 첫 번째 단계는 웹 사이트의 이탈률을 확인하는 것입니다. Google Analytics 및 기타 여러 가지 배경 조사 도구를 사용하여이를 수행 할 수 있습니다.
데이터 수집
Google Analytics의 데이터는 웹 사이트에서 방문자 행동을 찾는 데 도움이 될 수 있습니다. 항상 사이트에서 충분한 데이터를 수집하는 것이 좋습니다. 더 개선 할 수있는 낮은 전환율 또는 높은 감소율을 가진 페이지를 찾으십시오. 또한 웹 사이트에서이 테스트를 실행하는 데 필요한 일일 방문자 수를 계산하십시오.
비즈니스 목표 설정
다음 단계는 비즈니스 또는 전환 목표를 설정하는 것입니다. 이는 목표가 무엇인지 이해하는 데 도움이됩니다. 완료되면 새 버전이 원래 버전보다 더 성공적인지 여부를 결정하는 메트릭을 찾을 수 있습니다.
가설 구성
A / B 테스트에 대한 목표와 측정 항목이 설정되면 다음 단계는 원본 버전을 개선하는 방법과 현재 버전보다 개선하는 방법에 대한 아이디어를 찾는 것입니다. 아이디어 목록이 있으면 예상되는 영향과 구현의 어려움에 따라 우선 순위를 지정하십시오.
예를 들어 가장 효과적인 방법 중 하나는 사이트에 이미지를 추가하는 것입니다. 이렇게하면 이탈률을 어느 정도 줄이는 데 도움이됩니다.
변형 / 가설 생성
이러한 변경을 효과적으로 수행 할 수있는 시각적 편집기가있는 시장에는 많은 A / B 테스트 도구가 있습니다. A / B 테스트를 성공적으로 수행하기위한 주요 결정은 올바른 도구를 선택하는 것입니다. 가장 일반적으로 사용 가능한 도구는 다음과 같습니다.
- VWO (Visual Website Optimizer)
- Google 콘텐츠 실험
- Optimizely
글 머리 기호 사용, 키 요소 번호 변경, 글꼴 및 색상 변경 등과 같이 개체에 적용 할 수있는 다양한 유형의 변형이 있습니다.
변형 실행
방문자에게 웹 사이트 또는 앱의 모든 변형을 제공합니다. 그들의 행동은 각각의 모든 변형에 대해 모니터링됩니다. 또한 각 유사 콘텐츠에 대한 방문자 상호 작용을 측정하고 비교하여 특정 유사 콘텐츠의 실적을 결정합니다.
데이터 분석
이 실험이 완료되면 다음 단계는 결과를 분석하는 것입니다. A / B 테스트 도구는 실험 데이터를 표시하고 웹 페이지 버전별로 성능과 효율성의 차이를 알려줍니다. 또한 수학적 방법과 통계의 도움으로 변형 사이에 중요한 차이가 있는지도 보여줍니다.
예를 들어 웹 페이지의 이미지가 이탈률을 줄인 경우 더 많은 이미지를 추가하여 전환을 늘릴 수 있습니다. 이로 인해 이탈률에 변화가없는 경우 이전 단계로 돌아가 새 가설 / 변이를 만들어 새 테스트를 수행합니다.
Google Analytics의 데이터는 방문자 행동을 찾는 데 도움이 될 수 있습니다. 항상 사이트에서 충분한 데이터를 수집하는 것이 좋습니다. 전환율이 낮거나 개선 할 수있는 이탈률이 높은 페이지를 찾으십시오. 이 장에서는 A / B 테스트를 위해 데이터를 수집하는 데 사용할 수있는 몇 가지 도구에 대해 설명합니다.
Google Analytics / 믹스 패널 (Analytics 도구)
대부분의 웹 사이트에는 방문자가 사이트와 상호 작용하는 방식에 대한 아이디어를 얻기 위해 Google Analytics가 설치되어 있습니다. 트래픽을 모니터링하기 위해 Google Analytics를 설치하지 않은 경우 인터넷에서 설치할 수 있습니다. Google Analytics는 무료로 제공되는 최고의 분석 도구 중 하나입니다.
웹 사이트에 Google Analytics를 설치하려면 코드를 복사하여 사이트에 배포하기 만하면 작업 할 수있는 많은 양의 데이터를 얻을 수 있습니다. 비즈니스 목표를 충족하기 위해 도구의 사용자 정의를 적용 할 수도 있습니다.
Mouse Flow / Crazy Egg (리플레이 도구)
재생 도구는 웹 사이트에서 사용자 작업에 대한 더 나은 통찰력을 얻는 데 사용됩니다. 또한지도를 클릭하고 사용자 클릭의 히트 맵을 클릭하여 사용자가 웹 사이트에서 얼마나 멀리 탐색하는지 확인할 수 있습니다.
Mouse Flow와 같은 재생 도구를 사용하면 마치 방문자와 함께있는 것처럼 방문자의 세션을 볼 수 있습니다. 비디오 재생 도구는 방문자가 웹 사이트의 다양한 페이지를 탐색하는 것이 어떤 것인지에 대한 심층적 인 통찰력을 제공합니다.
WebEngage (설문 조사 도구)
설문 조사 도구는 웹 사이트에서 질적 피드백을 수집하는 데 사용됩니다. 여기에는 재 방문자에게 몇 가지 설문 조사 질문이 포함됩니다. 이 설문 조사는 그들에게 일반적인 질문을하고 또한 그들이 그들의 견해를 입력하거나 미리 제공된 선택에서 선택할 수 있도록합니다.
기타 도구 – 채팅, 이메일
라이브 채팅 기능을 통해 방문자는 고객 서비스 팀의 빠른 답변을 얻고 상황을 더 빨리 해결할 수 있습니다. 이것은 또한 방문자로부터 일반적인 질문을 얻고 테스트를위한 데이터를 수집하는 데 도움이됩니다.
다음 단계는 전환 목표를 설정하는 것입니다. 변형이 원래 버전보다 더 성공적인지 여부를 결정하는 측정 항목을 찾습니다. 목표는 비즈니스 목표에서 비롯됩니다. 예를 들어 목표 측면에서 의류 판매를 늘려야하는 경우 다음과 같이 될 수 있습니다.
- 명확한 제품 이미지.
- 사이트 방문률을 높입니다.
- 장바구니 드롭률을 줄입니다.
다음은 비즈니스 목표를 충족하는 메트릭을 정의하는 것입니다. 메트릭은KPI (Key Performance Indicator) 목표와 관련된 무언가를 측정 할 때만.
예 1
옷 가게의 비즈니스 목표는 옷을 판매하는 것이므로이 비즈니스 목표의 KPI는 온라인으로 판매되는 옷의 수일 수 있습니다. 비즈니스 목표를 명확하게 정의해야합니다. 그렇지 않으면 KPI를 식별 할 수 없습니다. KPI를 올바르게 설정하고 주기적으로 측정하면 전략을 추적하여 변형을 만들고 A / B 테스트를 수행 할 수 있습니다. 다음은 비즈니스 목표에 대한 목표 지표를 찾는 것입니다.
예 2
당신의 옷가게는 지난주에 100 개의 제품을 판매했습니다. 괜찮습니까, 나쁜가요? KPI가 의미를 갖기 위해서는 목표 지표가 필요합니다. 중요한 모든 KPI에 대한 목표를 정의하십시오. 일단 비즈니스 목표와 목표 지표를 정의하고 나면 수행 할 작업이 비즈니스 목표와 관련이 있는지 여부를 결정하는 데 도움이되는 프레임 워크를 갖게됩니다.
A / B 테스트 – 가설 생성
비즈니스 목표를 확인한 후 다음 단계는 A / B 테스트 아이디어와 현재 버전보다 더 나은 이유에 대한 가설을 생성하는 것입니다. 만들 수 있다고 생각하는 모든 가설 목록을 만들고 예상되는 영향과 다양한 도구를 사용하여 구현하는 방법과 관련하여 모든 변형의 우선 순위를 지정합니다.
예
하단에 더 많은 이미지를 추가하여 이탈률을 줄일 수 있습니다. 다양한 소셜 사이트의 링크를 추가하여 전환율을 높일 수도 있습니다.
A / B 테스트는 새로운 버전의 애플리케이션 또는 웹 페이지를 만든 다음 모든 버전을 비교하여 전환율을 확인하는 것입니다. 통계를 분석하여 새로운 유사 콘텐츠를 확인하여 전환율을 높일 수 있습니다.
글 머리 기호 사용, 주요 요소의 번호 변경, 글꼴 및 색상 변경 등과 같이 개체에 적용 할 수있는 다양한 유형의 변형이 있습니다. 시장에는 시각적 편집기가있는 많은 A / B 테스트 도구가 있습니다. 이러한 변화는 효과적으로 이루어집니다. A / B 테스트를 성공적으로 수행하기위한 주요 결정은 올바른 도구를 선택하는 것입니다. 가장 일반적으로 사용 가능한 도구는 다음과 같습니다.
- VWO (Visual Website Optimizer)
- Google 콘텐츠 실험
- Optimizely
비주얼 웹 사이트 최적화 도구 (VWO)
시각적 웹 사이트 최적화 도구를 사용하면 동일한 페이지의 여러 버전을 테스트 할 수 있습니다. 또한 페이지의 HTML 코드를 변경하지 않고도 변경을 수행하고 테스트를 실행할 수있는 'What you see is what you get'(WYSIWYG) 편집기가 포함되어 있습니다. IT 리소스를 변경하지 않고도 헤드 라인, 요소 번호를 업데이트하고 테스트를 실행할 수 있습니다.
A / B 테스트를 위해 VWO에서 변형을 만들려면 WYSIWYG 편집기에서 웹 페이지를 열고 다음 변경 사항을 웹 페이지에 적용 할 수 있습니다.
- 텍스트 변경
- URL 변경
- HTML 편집 / 편집
- Rearrange
- Move
- Resize
- Hide
- Remove
- CSS 변경
Google 콘텐츠 실험
이를 통해 웹 페이지의 변형을 최대 5 개까지 만든 다음 모든 페이지를 Google Analytics에로드하여 A / B 테스트를 수행 할 수 있습니다. Google 콘텐츠 실험은 모든 변형의 결과를 측정하고 최대 전환율로 변형을 결정하는 데 사용됩니다. Google 콘텐츠 실험을 사용하는 가장 큰 장점은 Google의 프리웨어이지만 테스트를 수행하려면 변형을 Google Analytics에로드해야한다는 것입니다.
최적화
Optimizely는 웹 페이지 또는 모바일 앱에서 A / B 테스트, 다 변수 테스트를 수행하는 데 사용되는 도구이며 웹 페이지 또는 애플리케이션의 여러 버전을 비교하여 비즈니스에 더 나은 전환율을 제공하는 변형을 결정할 수 있습니다. .
이 소프트웨어는 한 줄 JavaScript 스 니펫을 실행하여 웹 페이지에서 실행할 수 있습니다. 스 니펫은 사이트에 Optimizely를로드하고 웹 사이트의 방문자 경험을 변경하는 한 줄 코드로 정의됩니다.
Optimizely를 사용하여 모바일 애플리케이션을 테스트하려면 iOS 및 / 또는 Android 용 소프트웨어 개발 키트를 통해 실행됩니다. 웹 페이지에서 Optimizely 실행은 사이트 방문자 및 전환율 데이터를 수집하고이를 Stats Engine에서 실행하여 어떤 변형이 승자인지 패자인지 결정합니다. 이러한 통계를 대상 목표와 비교하고 측정 항목을 설정하면 웹 사이트에 적용 할 변형에 대한 결정을 내리는 데 도움이됩니다.
최적화를 통해 이러한 테스트를 수행 할 수 있습니다.
- 다른 URL을 비교하는 A / B 테스트.
- 여러 페이지, 흐름 등에서 실행되는 A / B 테스트
- 다양한 잠재 고객에 대해 다양한 변형을 실행합니다.
- 모든 방문자를 위해 웹 페이지에 핫픽스를 적용합니다.
웹 사이트 또는 애플리케이션의 모든 변형을 방문자에게 제시하고 각 변형에 대해 방문자의 행동을 모니터링합니다. 각 변형에 대한 방문자 상호 작용을 측정하고 비교하여이 변형의 실적을 결정합니다.
이전 장에서 논의했듯이 가설을 생성하고 변형을 실행하는 데 사용할 수있는 다양한 도구가 있습니다.
- VWO (Visual Website Optimizer)
- Google 콘텐츠 실험
- Optimizely
비주얼 웹 사이트 최적화 도구
마케팅 전문가가 포인트 앤 클릭 편집기를 사용하여 웹 페이지의 여러 변형을 만들 수있는 다양한 A / B 테스트 도구가 있습니다. HTML 지식이 필요하지 않으며 어떤 버전이 최대 전환율 또는 판매를 생성하는지 확인할 수 있습니다.
VWO 분할 테스트 소프트웨어를 실행하는 것은 웹 사이트에 코드 조각을 복사하여 붙여 넣기 만하면되고 방문자가 쉽게 사용할 수 있도록하기 때문에 매우 간단합니다. 또한 Visual Website Optimizer는 다 변수 테스트 옵션을 제공하며 행동 타겟팅, 히트 맵, 사용성 테스트 등을 수행하기위한 기타 여러 도구를 포함합니다.
VWO에는 모든 전환율 최적화 활동이이 도구에 포함되도록 보장하는 여러 기능이 있습니다. 많은 기업과 소규모 온라인 상점에서 랜딩 페이지 최적화와 웹 사이트 매출 증대 및 전환율 향상을 위해 A / B Testing VWO 소프트웨어를 사용하고 있습니다.
회사는 또한 다음 사이트에서 무료로 다운로드 할 수있는 30 일 평가판을 제공합니다. https://vwo.com/.
VWO의 주요 기능 중 일부는 다음과 같습니다.
- 테스트 및 실험
- 비주얼 에디터
- 분석 및보고
- 히트 맵 및 클릭 맵
- 플랫폼 및 통합
어떻게 작동합니까?
웹 페이지에서 Optimizely 실행은 사이트 방문자, 전환율의 데이터를 수집하고 Stats Engine에서 실행하여 어떤 변형이 승자인지, 어떤 변형이 패자인지 결정합니다. 이러한 통계를 대상 목표와 비교하고 측정 항목을 설정하면 웹 사이트에 적용 할 변형에 대한 결정을 내리는 데 도움이됩니다.
Google 콘텐츠 실험
최대 5 개의 웹 페이지 변형을 만든 다음이 모든 페이지를 Google Analytics에로드하여 A / B 테스트를 수행 할 수 있습니다.
Google Analytics를 시작하려면 Google Analytics account웹 사이트에 설치할 추적 코드가 있습니다. 계정이없는 경우 다음 도구를 사용하여 가입 할 수 있습니다.http://www.google.com/analytics/
Adding tracking code directly to a website
이 과정을 완료하려면 웹 사이트 소스 코드에 대한 액세스 권한이 있어야하며 HTML 수정에 익숙해야합니다 (또는이 작업을 도와 줄 웹 마스터 / 개발자가 있어야 함). 또한 Google 웹 로그 분석 계정과 속성이 이미 설정되어 있어야합니다. 쪽으로.
To set up tracking code into your webpage
추적 코드 스 니펫을 찾아 Google 웹 로그 분석 계정에 로그인 한 다음 상단에서 관리 탭을 선택합니다.
계정 및 속성 탭으로 이동하여 작업중인 속성을 선택합니다. 추적 정보 → 추적 코드를 클릭합니다. Analytics 계정에서 추적 코드를 찾을 수있는 위치 이미지 → 클릭하여이 이미지를 확장하고 인터페이스에서 이러한 옵션이 표시되는 위치를 확인하십시오.
추적 코드 스 니펫을 찾습니다. 여러 줄의 JavaScript가 들어있는 상자 안에 있습니다. 이 상자에있는 모든 것이 추적 코드 스 니펫입니다. <script>로 시작하고 </ script>로 끝납니다.
추적 코드에는 각 Google 애널리틱스 속성에 해당하는 고유 ID가 포함되어 있습니다. 다른 속성의 추적 코드 스 니펫을 혼동하지 말고 여러 도메인에서 동일한 추적 코드 스 니펫을 재사용하지 마십시오.
스 니펫을 복사하여 추적하려는 모든 웹 페이지에 붙여 넣습니다. 닫는 </ head> 태그 바로 앞에 붙여 넣으십시오.
템플릿을 사용하여 사이트에 대한 페이지를 동적으로 생성하는 경우 추적 코드를 자체 파일에 붙여 넣은 다음 페이지 헤더에 포함 할 수 있습니다.
Verify if the tracking code is working
추적 코드가 작동하는지 확인하고, 실시간 보고서를 확인하고, 사용자 활동이 발생하면 모니터링 할 수도 있습니다. 이 보고서에 데이터가 표시되면 추적 코드가 현재 데이터를 수집하고 있음을 의미합니다.
콘텐츠 실험
콘텐츠 실험은 quickest method웹 페이지 (랜딩 페이지, 홈페이지, 카테고리 페이지)를 테스트하기 위해 더 적은 코드 구현이 필요합니다. Google Analytics 내에서 A / B 테스트를 생성하는 데 사용할 수 있습니다.
콘텐츠 실험의 가장 일반적인 기능 중 일부는 다음과 같습니다.
테스트를 실행하려면 원본 페이지 스크립트를 사용해야합니다. 표준 Google 웹 로그 분석 추적 코드를 사용하여 목표와 유사 콘텐츠를 측정합니다.
애드 센스 수익을 포함하여 Google Analytics에 정의 된 타겟 목표를 실험 목표로 사용할 수 있습니다.
Google Analytics 세그먼트 작성 도구를 사용하여 모든 세분화 기준에 따라 결과를 세분화 할 수 있습니다.
통계적으로 유의미한 승자가 없을 것 같으면 3 개월 후에 자동으로 만료되는 테스트를 설정하여 테스트 실행을 중단하지 않도록 할 수 있습니다.
How to use Content Experiments to create A/B Tests?
행동 섹션으로 이동하여 실험 링크를 클릭합니다. 또한 기존의 모든 실험이 포함 된 표도 표시됩니다. 이 표 상단의 '실험 만들기'옵션을 클릭합니다.
입력 → 실험 이름, 실험 목적, 참여할 사이트 트래픽 비율, 중요한 변경 사항에 대한 메일 알림, 모든 변형에 트래픽 분배, 실험 실행 시간 및 임계 값 설정.
원본 페이지의 URL과 만들려는 모든 변형을 추가하고 다음 버튼을 클릭 할 수 있습니다. 구현 방법을 선택하고 다음 버튼을 클릭합니다. → 유효성 검사를 클릭합니다 (하나의 코드가 구현되어 있으면 유효성을 검사합니다. 코드가 없으면 오류 메시지가 표시됨) → 실험 시작.
이 실험이 실행되면 다음 옵션이 표시됩니다.
전환율
실험 중지
Re-validate
변형 비활성화
세분화-웹 페이지 방문자의 각 세그먼트에 대해 각 유사 콘텐츠가 어떻게 수행되었는지 볼 수 있습니다.
실험이 완료되면 다음 단계는 결과를 분석하는 것입니다. A / B 테스트 도구는 실험 데이터를 제공하고 수학적 방법 및 통계를 사용하여 웹 페이지의 다양한 유사 콘텐츠의 실적과 유사 콘텐츠간에 큰 차이가 있는지 여부를 알려줍니다.
예
웹 페이지의 이미지로 인해 이탈률이 감소한 경우 웹 페이지에 더 많은 이미지를 업로드하면 전환율이 좋은지 여부를 결정할 수 있습니다. 이로 인해 이탈률에 변화가없는 경우 이전 단계로 돌아가 새로운 가설 / 변이를 만들어 새 테스트를 수행합니다.
VWO 및 Optimizely와 같은 도구는 테스트를 실행하는 데 사용되지만 Google Analytics는 테스트 후 분석을 실행하는 데 가장 적합합니다. 이 분석은 앞으로 나아갈 길을 결정하는 데 사용됩니다. A / B 테스트 도구는 테스트 결과의 결과를 알려 주지만 사후 분석도 수행해야합니다. 사후 분석을 수행하려면 각 테스트를 Google Analytics와 통합해야합니다.
VWO와 Optimizely는 모두 내장 된 Google Analytics 통합 기능을 제공합니다. 이 두 도구의 각 테스트에 대한 데이터는 Google Analytics로 전송되어야합니다. 이를 통해 분석 기능이 향상되고 테스트 데이터가 보장됩니다. 테스트 도구가 데이터를 잘못 기록 할 가능성이 있으며, 테스트 데이터에 대한 다른 소스가없는 경우이를 신뢰할지 여부를 확신 할 수 없습니다.
가설을 생성하고 변형을 실행하는 데 사용할 수있는 다양한 도구가 있습니다.
- VWO (Visual Website Optimizer)
- Google 콘텐츠 실험
- Optimizely
이러한 모든 도구는 A / B 테스트를 실행하고 승자를 찾을 수 있지만 사후 분석을 수행하려면 이러한 도구를 Google Analytics와 통합해야합니다.
A / B 테스트 – Google Analytics
Google Analytics에는 데이터 분석을위한 두 가지 옵션이 있습니다.
- 유니버설 애널리틱스
- 기본 Google Analytics
새로운 유니버설 애널리틱스 기능을 사용하면 Google 애널리틱스로 데이터를 전송하는 20 개의 동시 A / B 테스트를 사용할 수 있지만 기본 버전에서는 최대 5 개만 허용됩니다.
Optimizely와 Google Universal Analytics 통합
Optimizely를 유니버설 Google 애널리틱스에 통합하려면 먼저 측면 패널에서 사용 버튼을 선택하세요. 그런 다음 Optimizely 실험 데이터로 채우기 위해 사용 가능한 사용자 정의가 있어야합니다. 그런 다음 페이지의 <head> 섹션 하단에 추적 코드를 삽입해야합니다. Optimizely 스 니펫이이 웹 로그 분석 스 니펫 위에 있지 않으면 Google 웹 로그 분석 통합이 제대로 작동하지 않습니다.
구성 단계
Optimizely는 범용 Google 웹 로그 분석의 '맞춤 측정 기준'을 사용하여 방문자가 추가 된 실험 및 유사 콘텐츠로 방문자를 태그합니다. 이 정보를 유니버설 애널리틱스로 전송하기 위해 Optimizely를 구성하려면 4 단계가 필요합니다.
Step 1
ga ( 'create'...) 함수가 실행 된 후 유니버설 애널리틱스 ga ( 'send', 'pageview') 함수가 실행되고 추적 호출이 발생하기 전에 유니버설 애널리틱스 코드가있는 사이트에 다음 자바 스크립트 코드를 추가하세요. (자세한 내용은 다음 섹션 참조) −
// Optimizely Universal Analytics Integration
window.optimizely = window.optimizely || [];
window.optimizely.push("activateUniversalAnalytics");
Step 2
Optimizely 편집기에서 옵션 → 통합으로 이동 한 다음 유니버설 애널리틱스 확인란을 클릭하여 통합을 활성화합니다.
Step 3
Optimizely에서 사용할 맞춤 측정 기준을 선택하세요. 사이트의 다른 부분이나 현재 실행중인 다른 Optimizely 실험에서 맞춤 측정 기준을 이미 사용하고 있지 않은지 확인해야합니다.
Step 4
기본값이 아닌 사용자 정의 이벤트 추적기를 사용하는 경우 사용자 정의 추적기를 선택하십시오. 이렇게하면 Optimizely의 통합 호출이 기본값이 아닌 사용자 지정 추적기를 사용하도록 변경됩니다.
Example
귀하의 웹 사이트가 다음 호출을 사용하고 있다고 가정 해 보겠습니다.
ga('tracker3.send', 'pageview');
이 경우 사용자 정의 추적기 필드를 지정할 때 tracker3을 입력하고 Optimizely는 기본 추적기 대신 tracker3와 통합됩니다.
Google Analytics를 사용하여 사용자 정의 보고서 만들기
첫 번째 단계는 유니버설 애널리틱스 계정에 로그인하고 상단의 맞춤 설정 탭을 클릭하는 것입니다. 사용자 정의 보고서 목록이 표시되어야합니다.
다음은 유니버설 애널리틱스를 통합 한 각 실험에 대해 맞춤 보고서를 설정하는 것입니다.
새 사용자 정의 보고서를 클릭하고 → 보고서 제목을 입력하고 보고서에서 보려는 메트릭 그룹을 추가합니다.
Optimizely 실험에 대해서만이 보고서를 필터링하려면 이전에 측정 기준 드릴 다운 중 하나로 설정 한 맞춤 측정 기준을 선택하세요.
필터 섹션에이 측정 기준을 추가하고 필터링하려는 실험의 실험 ID에 정규식 일치를 사용하세요.
저장을 클릭하십시오.
A / B 테스트와 마찬가지로 다 변수 테스트는 동일한 메커니즘을 기반으로하지만 더 많은 수의 변수를 비교하고 이러한 변수의 작동 방식에 대한 자세한 정보를 제공합니다. A / B 테스트에서는 페이지의 트래픽을 여러 버전의 디자인간에 분할합니다. 다 변수 테스트는 각 디자인의 효과를 측정하는 데 사용됩니다.
예
테스트를 실행하기에 충분한 트래픽을 수신 한 웹 페이지가 있다고 가정 해 보겠습니다. 이제 각 유사 콘텐츠의 데이터를 비교하여 가장 성공적인 유사 콘텐츠를 확인하지만 방문자의 상호 작용에 최대 긍정적 또는 부정적 영향을 미치는 요소도 포함합니다.
다 변수 사용의 장점
다 변수 테스트는 페이지의 요소를 타겟팅하고 재 설계하고 가장 영향력이 큰 영역을 표시하는 데 도움이되는 효과적인 도구입니다. 다 변수 방법은 방문 페이지 캠페인을 만드는 데 유용합니다.
예
특정 요소의 디자인이 미치는 영향에 대한 데이터는 요소의 컨텍스트가 변경된 경우에도 향후 캠페인에 적용될 수 있습니다.
한계
다 변수 테스트의 한계는 테스트를 완료하는 데 필요한 트래픽입니다. 모든 실험이 완전히 계승 적이므로 한 번에 너무 많은 변경 요소가 빠르게 추가되어 테스트해야하는 가능한 조합이 매우 많아 질 수 있습니다. 트래픽이 상당히 많은 사이트라도 가능한 시간 내에 25 개 이상의 조합으로 테스트를 완료하는 데 문제가있을 수 있습니다.
다 변수 테스트와 A / B 테스트의 차이점
분할 테스트라고도하는 A / B 테스트는 웹 사이트 최적화 방법으로, 두 버전의 페이지, 즉 A와 B의 전환율을 비교합니다. 모든 방문자는 한 버전 또는 다른 버전으로 나뉩니다. 방문자가 이러한 버전 (A 또는 B) 중 하나를 방문하면 다양한 버튼을 클릭하거나 뉴스 레터에 가입합니다. 이를 통해 더 효과적인 페이지 버전을 결정할 수 있습니다.
SEO는 관련 항목을 검색 할 때 페이지 상단에 웹 사이트를 표시하는 방법입니다. 여기에는 귀하의 웹 사이트가 방문자에게 제공하는 정보와 웹 페이지 콘텐츠가 검색 결과의 상단에 올 때 관련성이있는 이유가 포함됩니다. 많은 잠재 고객은 A / B 테스트 또는 다 변수 테스트가 검색 엔진 순위에 영향을 미칠 것이라고 생각합니다.
잠재적 인 SEO 가치를 잃을 염려없이 A / B 테스트를 실행할 수있는 네 가지 방법이 있습니다.
은폐하지 마십시오
클로킹은 웹 페이지의 한 버전을 Googlebot 에이전트에 표시하고 다른 버전을 웹 사이트 방문자에게 표시 할 때 호출됩니다. 구글은 당신이 은폐해서는 안된다고 말하며 이것에 대해 매우 엄격합니다. 웹 사이트가 검색 결과에서 제외되거나 SEO 순위에서 강등 될 수도 있습니다. 사용자 에이전트를 기반으로 한 A / B 테스트의 여러 버전으로 방문자를 나누지 않도록해야합니다. Google은 봇이 어떤 버전을 보는지 신경 쓰지 않고, 봇이 임의의 방문자와 동일한 사용자 경험을 가지고 있는지 만 신경을 씁니다.
'rel = canonical'사용
여러 URL이 포함 된 A / B 테스트가있는 경우 웹 페이지에 'rel = canonical'을 추가하여 색인을 생성하려는 URL을 Google에 표시 할 수 있습니다. Google은 표준 요소를 사용할 것을 제안하며 의도에 더 부합하는 NOINDEX 태그입니다. 어떤 콘텐츠가 원본인지 표시하는 것뿐입니다. 이러한 방식으로 Google은 그에 따라 페이지를 그룹화하고 색인을 생성 할 수 있습니다.
Note − 표준을 사용할 수없는 경우 HTML 또는 HTTP 헤더에 noindex 태그가 있는지 확인해야합니다. 그렇지 않은 경우 최소한 robots.txt가 있는지 확인해야합니다.
301이 아닌 302 리디렉션 사용
영구적 인 301 리디렉션보다 302 인 임시 방향 방법을 사용하는 것이 좋습니다. 다른 A / B 테스트와 마찬가지로 영구적 인 재배치가 아니라 임시 재배치입니다. 임시 리디렉션에 대한 알림이므로 항상 302 리디렉션을 사용하는 것이 좋습니다. 따라서 A / B 테스트에 리디렉션을 사용하는 경우 302 헤더를 사용해야합니다.
SEO에 대해 고려해야 할 가장 중요한 점은 검색 엔진이 색인에서 원래 URL을 제거해서는 안되며 일시적으로 보류해야한다는 점을 분명히해야한다는 것입니다. 스파이더가 다음 색인 생성을 위해 돌아올 때 리디렉션이 여전히 적용 가능한지 다시 확인하고 그렇지 않은 경우 이전 URL이 다시 복원됩니다.
장기간 실험을 실행하지 마십시오.
A / B 테스트가 완료되면 가능한 한 빨리 유사 콘텐츠를 제거하고 웹 페이지를 변경 한 다음 성공적인 전환을 사용하기 시작해야합니다. 대체 URL 및 테스트 스크립트와 같은 테스트의 모든 요소를 제거했는지 확인해야합니다.
장기간 테스트를 실행하면 Google은이를 검색 엔진을 속이는 방법으로 사용합니다. 오랜 기간 동안 많은 방문자에게 테스트 변형을 표시 할 때 발생할 수 있습니다.
A / B 테스트 (분할 테스트라고도 함)는 compare two versions어떤 것이 더 나은지 결정할 수있는 응용 프로그램 또는 웹 페이지의. A / B 테스트는 응용 프로그램이나 웹 페이지를 수정하여 새 버전을 만든 다음 두 버전을 비교하여 전환율을 찾을 수있는 가장 쉬운 방법 중 하나입니다. 이것은 또한 우리에게 알려줍니다.better performer 둘 중.
샘플 수는 수행 된 테스트 수에 따라 다릅니다. 그만큼count of conversion rate 이를 샘플이라고하며 이러한 샘플을 수집하는 과정을 샘플링이라고합니다.
신뢰 구간은 measurement of deviation여러 샘플의 평균에서. 22 %의 사람들이 신뢰 구간의 +/- 2 %로 제품 A를 선호한다고 가정 해 보겠습니다. 이 간격은upper and lower limit 제품 A를 선택하고 margin of error. 이 평균 설문 조사에서 최상의 결과를 얻으려면 오차 범위가 가능한 한 작아야합니다.
가능성이있는 경우 항상 A / B 테스트를 수행하십시오. beat the original variation by> 5 %. 테스트는 상당한 시간 동안 실행되어야하므로 충분한 샘플 데이터가 있어야합니다.perform statistics and analysis. A / B 테스트를 통해 웹 페이지의 기존 트래픽을 최대한 활용할 수도 있습니다.
전환을 늘리는 비용은 웹 사이트에서 트래픽을 설정하는 비용에 비해 최소화됩니다. 그만큼ROI (return on investment) on A / B Testing은 웹 사이트에서 약간의 사소한 변경으로 인해 전환율이 크게 증가 할 수 있기 때문에 엄청납니다.
A / B 테스트와 마찬가지로 다 변수 테스트는 동일한 메커니즘을 기반으로하지만 compares higher number of variables, 이러한 변수의 작동 방식에 대한 자세한 정보를 제공합니다. A / B 테스트에서는 페이지의 트래픽을 여러 버전의 디자인간에 분할합니다. 다 변수 테스트는effectiveness of each design.
한 번에 여러 변수를 테스트 할 때의 문제는 tough to accurately determine이 변수 중 어떤 것이 차이를 만들 었는지. 한 페이지가 다른 페이지보다 더 잘 수행되었다고 말할 수 있지만, 각각에 3 개 또는 4 개의 변수가있는 경우 해당 변수 중 하나가 실제로 페이지에 해를 끼치는 이유를 확신 할 수 없으며good elements 다른 페이지에서.
다음은 웹 페이지에 적용 할 수있는 몇 가지 A / B 테스트 변형입니다. 목록에는 다음이 포함됩니다.-헤드 라인, 하위 헤드 라인, 이미지, 텍스트, CTA 텍스트 및 버튼, 링크, 배지, 미디어 언급, 소셜 언급, 판매 프로모션 및 제안, 가격 구조, 배송 옵션, 지불 옵션, 사이트 탐색 및 사용자 인터페이스.
Background Research − A / B 테스트의 첫 번째 단계는 bounce rate귀하의 웹 사이트에서. 이는 Google Analytics와 같은 도구를 사용하여 수행 할 수 있습니다.
Collect Data − Google Analytics의 데이터는 visitor behaviors. 항상 사이트에서 충분한 데이터를 수집하는 것이 좋습니다. 개선 할 수있는 전환율이 낮거나 이탈률이 높은 페이지를 찾으십시오.
Set Business Goals− 다음 단계는 전환 목표를 설정하는 것입니다. 찾기metrics that determines 변형이 원래 버전보다 더 성공적인지 여부.
Construct Hypothesis− A / B 테스트에 대한 목표와 메트릭이 설정되면 다음은 원래 버전을 개선하기위한 아이디어와 현재 버전보다 더 나은 방법을 찾는 것입니다. 일단 당신이list of ideas, prioritize them 예상되는 영향과 구현의 어려움 측면에서.
Create Variations/Hypothesis − 시장에는 A / B 테스트 도구가 많이 있습니다. visual editor이러한 변경을 효과적으로 수행 할 수 있습니다. A / B 테스트를 성공적으로 수행하기위한 주요 결정은correct tool.
Running the Variations − 웹 사이트 또는 앱의 모든 변형을 방문자에게 제시하고 각 변형에 대해 방문자의 행동을 모니터링합니다. Visitor interaction 각 변동에 대해 측정 및 비교하여 해당 변동의 성능을 결정합니다.
Analyze Data − 실험이 완료되면 다음은 analyze the results. A / B 테스트 도구는 실험 데이터를 표시하고 웹 페이지의 다양한 변형이 수행되는 방식의 차이를 알려줍니다. 또한 수학적 방법과 통계의 도움으로 변형 사이에 중요한 차이가있는 경우.
가장 일반적인 유형의 데이터 수집 도구에는 분석 도구, 재생 도구, 설문 조사 도구, 채팅 및 이메일 도구가 포함됩니다.
재생 도구는 웹 사이트에서 사용자 작업을 더 잘 파악하는 데 사용됩니다. 또한 다음을 수행 할 수 있습니다.click maps and heat maps of user click사용자가 웹 사이트에서 얼마나 멀리 브라우징하는지 확인합니다. Mouse Flow와 같은 재생 도구를 사용하면view a visitor's session 방문자와 함께있는 방식으로.
비디오 재생 도구는 방문자가 웹 사이트의 다양한 페이지를 탐색하는 것이 어떤 것인지에 대한 심층적 인 통찰력을 제공합니다. 가장 일반적으로 사용되는 도구는 다음과 같습니다.Mouse Flow and Crazyegg.
설문 조사 도구는 collect qualitative feedback웹 사이트에서. 여기에는 재 방문자에게 몇 가지 설문 조사 질문이 포함됩니다. 설문 조사에서는 일반적인 질문을하고 자신의 견해를 입력하거나 미리 제공된 선택 사항 중에서 선택할 수 있습니다.
이탈률을 다음과 같이 줄일 수 있습니다. adding more images하단에. 전환율을 더욱 높이기 위해 소셜 사이트의 링크를 추가 할 수 있습니다.
글 머리 기호 사용, 주요 요소의 번호 변경, 글꼴 및 색상 변경 등과 같이 개체에 적용 할 수있는 다양한 유형의 변형이 있습니다. 시장에는 시각적 편집기가있는 많은 A / B 테스트 도구가 있습니다. 이러한 변화는 효과적으로 이루어집니다. A / B 테스트를 성공적으로 수행하기위한 주요 결정은 다음과 같습니다.selecting the correct tool.
가장 일반적으로 사용되는 도구는 Visual Website Optimizer, Google Content Experiments 및 Optimizely입니다.
Visual Website Optimizer 또는 VWO를 사용하면 test multiple versions같은 페이지의. 또한 'What you see is what you get'(WYSIWYG) 편집기를 사용하여make the changes and run tests페이지의 HTML 코드를 변경하지 않고 IT 리소스를 변경하지 않고도 헤드 라인, 요소 번호를 업데이트하고 테스트를 실행할 수 있습니다.
A / B 테스트를 위해 VWO에서 변형을 만들려면 WYSIWYG 편집기에서 웹 페이지를 열고 모든 웹 페이지에 많은 변경 사항을 적용 할 수 있습니다. 여기에는 텍스트 변경, URL 변경, HTML 편집 / 편집, 재 배열 및 이동이 포함됩니다.
또한 Visual Website Optimizer는 다 변수 테스트 옵션을 제공하며 행동 타겟팅, 히트 맵, 사용성 테스트 등을 수행하기위한 기타 여러 도구를 포함합니다.
이러한 테스트는 이메일, 모바일 앱, PPC 및 CTA와 같은 여러 다른 위치에서도 적용 할 수 있습니다.
실험이 완료되면 next is to analyze the results. A / B 테스트 도구는 실험 데이터를 표시하고 해당 웹 페이지의 다양한 변형이 수행되는 방식의 차이를 알려줍니다. 또한 수학적 방법과 통계를 사용한 변형 사이에 중요한 차이가 있는지도 보여줍니다.
Optimizely를 유니버설 Google 애널리틱스에 통합하려면 먼저 측면 패널에서 사용 버튼을 선택하세요. 그렇다면 당신은available Custom to populate with Optimizely experiment data.
유니버설 Google 웹 로그 분석 추적 코드는 페이지의 <head> 섹션 하단에 삽입해야합니다. Optimizely 스 니펫이 Analytics 스 니펫 위에 있지 않으면 Google 웹 로그 분석 통합이 제대로 작동하지 않습니다.
Google 애널리틱스에는 데이터 분석을위한 두 가지 옵션, 즉 유니버설 애널리틱스와 기본 Google 애널리틱스가 있습니다. 새로운 유니버설 애널리틱스 기능을 사용하면 Google 애널리틱스로 데이터를 전송하는 20 개의 동시 A / B 테스트를 사용할 수 있지만 기본 버전에서는 최대 5 개만 허용됩니다.
이것은 A / B 테스팅이 중복 콘텐츠로 분류 될 수 있기 때문에 검색 엔진 순위를 떨어 뜨린다는 신화입니다. A / B 테스트를 실행하는 동안 잠재적 인 SEO 가치를 잃지 않도록 다음 네 가지 방법을 적용 할 수 있습니다.
Don’t Cloak − 클로킹은 웹 페이지의 한 버전을 Googlebot 에이전트에 표시하고 다른 버전을 웹 사이트 방문자에게 표시하는 것입니다.
Use ‘rel=canonical’− 여러 URL이 포함 된 A / B 테스트가있는 경우 웹 페이지에 'rel = canonical'을 추가하여 색인을 생성하려는 URL을 Google에 표시 할 수 있습니다. Google은 의도에 더 부합하므로 NOINDEX 태그가 아닌 표준 요소를 사용할 것을 제안합니다.
Use 302 redirects and not 301’s − Google은 영구 301 리디렉션에 대한 302 임시 방향 방법을 사용하는 것이 좋습니다.
Don’t run experiments for a longer period of time − A / B 테스트가 완료되면 가능한 한 빨리 변형을 제거하고 웹 페이지를 변경 한 후 성공적인 전환을 사용하기 시작해야합니다.