Kas yra A/B testas ir kada verta daryti
A/B testas — tai metodas, kai tuo pačiu metu rodote dvi skirtingas puslapio versijas (A ir B) savo lankytojams ir matuojate, kuri konvertuoja geriau. Pusė lankytojų mato versiją A, pusė — versiją B. Skaičiai, o ne intuicija, nusprendžia, kuri lieka.
Kada A/B testas prasminga: — Turite bent 3 000–5 000 lankytojų per numatytą testo laikotarpį (paprastai 7–14 dienų). — Esamoji konversija žemiau jūsų sektoriaus vidurkio (B2B paslaugos: 2–5%, e-komercija: 1–3%, lead generation: 3–8%). — Turite konkrečią hipotezę: „Jei pakeisiu X į Y, konversija padidės, nes Z."
Jei lankytojų mažiau nei 1 000 per savaitę — A/B testas duos patikimų rezultatų per per ilgą laiką arba iš viso neduos. Šiuo atveju geriau pradėkite nuo kokybinio tyrimo: 5 vartotojų sesijų su Maze ar Lookback. Nielsen teigimu, 5 vartotojai atskleidžia apie 80% pagrindinių naudojamų problemų — be jokio statistinio aparato.
5 elementai, kuriuos verta testuoti pirma
Ne visi puslapio elementai turi vienodą įtaką konversijai. Dažnai verslas pradeda testuoti spalvas ar fono nuotraukas, kai problema yra antraštėje ar formos ilgyje. Pradėkite nuo tų, kurie statistiškai duoda didžiausią ROI:
- 1. Antraštė (H1) — tai pirmas dalykas, kurį lankytojas perskaito. Net nedidelis antraštės pakeitimas gali padidinti konversiją 15–40%. Bandykite: nauda vs. bruožas, skausmo taškas vs. svajonė, konkretus skaičius vs. bendras teiginys.
- 2. CTA tekstas ir spalva — „Užsisakyti" vs. „Pamatyti demo", „Pradėti nemokamai" vs. „Gauti pasiūlymą". Veiksmo žodis ir spalvos kontrastas su fonu daro reikšmingą skirtumą — net 10–25% konversijų pokyčiai.
- 3. Hero vaizdas — produkto ekrano kopija vs. žmogus, kuris naudojasi produktu, vs. abstrakti grafika. Emocinis vaizdas su žmogumi dažnai lenkia produkto vaizdą B2C segmente, o ekrano kopija — B2B.
- 4. Formos ilgis — 3 laukai vs. 6 laukai. Paprastai mažiau laukų = daugiau pateikimų, bet žemesnė lead'ų kokybė. Suraskite savo optimalią pusiausvyrą pagal pardavimų komandos galimybes kvalifikuoti užklausas.
- 5. Socialinio įrodymo pozicija — ar klientų atsiliepimai matomi be slinkimo (above the fold), ar puslapio apačioje? Perkelkite juos aukščiau ir dažnai gausite 5–20% konversijų augimą — ypač jei atsiliepimų turinys tiesiogiai atspindi lankytojo pagrindinį prieštaravimą.
Nemokamas demo
Pamatykite savo svetainę prieš mokant.
Demo per 3 d. · Tik jei patinka.
Įrankiai be programuotojo
Google Optimize buvo uždarytas 2023 m. spalį — dabar rinkoje yra šios alternatyvos:
PostHog — geriausias nemokamas pasirinkimas mažoms ir vidutinėms įmonėms. Open source, turi natyvią Next.js integraciją, feature flag pagrindu veikiančius A/B testus ir sesijų įrašymą. Nemokamas planas iki 1 mln. įvykių per mėnesį — pakanka 95% SMB projektų.
VWO ir Optimizely — premium įrankiai nuo €500/mėn. Skirti didelėms komandoms su sudėtingais funnel'ais ir keliais vienalaikiais testais. Mažam verslui pertekliniai.
Convert.com — vidurinis variantas nuo ~€100/mėn. Gerai dokumentuotas, GDPR atitinkantis, tinka, jei jau išaugote iš PostHog nemokamo plano ir reikia pažangesnės segmentacijos.
Vercel A/B Testing (Middleware pagrindu) — jei svetainė veikia ant Vercel platformos, galite naudoti natyvų Edge Middleware sprendimą su Edge Config. Visiškai be papildomų išlaidų, bet reikalauja šiek tiek Next.js žinių konfigūracijai.
Google Optimize buvo uždarytas 2023 m.
Kaip planuoti testą — žingsnis po žingsnio
Tinkamas planas padvigubina tikimybę gauti veiksmingą rezultatą. Dažna klaida — paleisti testą be aiškios hipotezės ir tada bandyti aiškinti, ką skaičiai reiškia.
1. Identifikuokite silpną vietą. Naudokite GA4 konversijų piltuvo ataskaitą arba Hotjar scroll depth žemėlapį. Kur lankytojai sustoja? Kuriame žingsnyje prarandate daugiausiai?
2. Suformuluokite hipotezę struktūruotai: „Pakeitus [elementą] iš [dabartinės versijos] į [naują versiją], konversija padidės nuo [X%] iki [Y%], nes [priežastis, pagrįsta duomenimis ar kokybine grįžtamojo ryšio analize]." Be aiškios priežasties — testas bus tik spėjimas.
3. Apskaičiuokite minimalų imties dydį. Naudokite nemokamą Optimizely Sample Size Calculator — įveskite dabartinį konversijų rodiklį, norimą minimalų aptinkamą efektą (MDE) ir norimą statistinę galią (paprastai 80%). Gausite, kiek lankytojų per variantą reikia.
4. Nustatykite testo trukmę. Minimumas — 7 dienos, net jei statistinis reikšmingumas pasiekiamas greičiau. Savaitės ciklas išlygina dienos ir savaitgalio elgsenos skirtumą, kuris sektoriuje gali siekti 30–50%.
5. Priimkite sprendimą tik pasiekus 95% statistinį pasitikėjimą (p < 0,05). Ne 80%, ne 90% — 95%.
5 dažniausios A/B testavimo klaidos
- 1. Per mažas imties dydis — klaidingas teigiamas rezultatas (false positive). B variantas puikiai atrodo po 200 lankytojų, bet statistiškai tai triukšmas, ne signalas. Sprendimas: visada paskaičiuokite imties dydį prieš pradedant.
- 2. Kelių elementų keitimas vienu metu — nežinote, kuris pakeitimas lėmė rezultatą. Galbūt headline'as blogino, o CTA gerino — ir matote neutralų rezultatą. Testuokite vieną kintamąjį vienu metu.
- 3. Testo sustabdymas per anksti — „žiūriu kas valandą ir jau matau nugalėtoją." Testai pirmomis dienomis svyruoja stipriai dėl srauto ir dienos variacijos. Statistinis pasitikėjimas stabilizuojasi tik po 7+ dienų.
- 4. 80% confidence kaip sprendimo kriterijus — industrinis standartas yra 95% (p < 0,05). 80% pasitikėjimas reiškia 20% tikimybę, kad rezultatas atsitiktinis. Priimti verslo sprendimus su tokia klaidos marža — brangu.
- 5. Segmentų ignoravimas — mobiliojo ir kompiuterio lankytojai dažnai reaguoja visiškai skirtingai į tą patį pakeitimą. Visada segmentuokite rezultatus pagal įrenginį ir prireikus vykdykite atskirus testus kiekvienam segmentui.
Realus atvejis: landing page nuo 1,2% iki 2,8%
Vienas iš mūsų klientų — B2B SaaS produktas Lietuvos rinkai — turėjo 1,2% konversijų rodiklį su €3 000/mėn. Google Ads biudžetu. Analizė parodė pagrindinę problemą: antraštė „AI-augmented landing pages for modern businesses" buvo abstrakti, anglų kalba ir neatspindėjo kliento pagrindinės baimės — nemokėti už ką nors, kas neveiks.
Pirmas testas: A variantas — originali antraštė, B variantas — „Mokate tik po to, kai patinka rezultatas."
Imtis: 4 500 lankytojų per 9 dienas (po ~2 250 kiekvienam variantui). Rezultatas: B variantas konvertavo 2,8% (p = 0,02 — statistiškai reikšmingas). A variantas — 1,2%.
Skaičiuojant 3 mėnesių laikotarpį su tuo pačiu reklamos biudžetu, pokytis reiškė apie €8 400 papildomų lead'ų verte. Tas pats biudžetas — 2,3 karto daugiau potencialių klientų. Tai ir yra konversijų optimizavimo esmė: ne daugiau išleisti reklamai, o geriau panaudoti esamą srautą.
Daugiau apie tai, kokie puslapio elementai labiausiai lemia konversijų augimą, skaitykite straipsnyje apie konversijų gradientą.
Vienas iš mūsų klientų — B2B SaaS produktas Lietuvos rinkai — turėjo 1,2% konversijų rodiklį su €3 000/mėn.
Kokybinis tyrimas — alternatyva mažam srautui
Jei turite mažiau nei 3 000 lankytojų per mėnesį — A/B testas neduos statistiškai patikimų rezultatų per priimtiną laiką. Geriausia alternatyva: kokybinis vartotojų tyrimas.
5 sesijų metodas: pasikvieskite 5 tikslinių klientų atstovų, prašykite jų garsiai mąstyti naudojantis jūsų puslapiu ir stebėkite. Nielsen norma: 5 vartotojai atskleidžia apie 80% pagrindinių naudojamų problemų. Įrankiai: Maze (moduliniai testai ir klikų žemėlapiai, nuo €60/mėn) arba Lookback.io (gyvų sesijų įrašymas ir analizė, nuo €99/mėn).
Sesijos trukmė: 30–45 min. Fokusas: kur jie sustoja? Kas neaišku? Ko ieško, bet neranda? Kokie žodžiai jiems patinka ir kokie ne? Šis metodas kainuoja €100–300 (respondentų paskata + įrankis) ir dažnai duoda konkrečių įžvalgų, kurias galima iš karto įgyvendinti — net be jokio A/B testo.
Kai mėnesinis srautas išaugs iki 3 000+, kokybinio tyrimo hipotezes galėsite patikrinti kiekybiniu A/B testu ir gauti statistiškai patikimą atsakymą.