Test diviso con esperimenti di Google Analytics

Nel tutorial di oggi, esamineremo una delle aggiunte più recenti di Google Analytics al suo set di funzionalità; esperimenti. Usando questo strumento, ti mostrerò come servire diverse varianti di una pagina per determinare qual è il più efficace nel convertire i visitatori del sito.

Preambolo

Se hai mai creato un sito web, quasi sicuramente avrai familiarità con Google Analytics. Con un account Google gratuito e uno snippet di codice, puoi monitorare i visitatori dei tuoi siti e approfondire i dati con un focus sorprendente.

Da piccoli progetti personali a siti di livello aziendale, Google Analytics si è affermata come leader di mercato per ottime ragioni; è gratuito, semplice da implementare ed è adatto per l'utente occasionale o anche il marketer più incallito.

Pronto per iniziare? Cominciamo!

Una breve introduzione al test diviso

Abbiamo già preso in considerazione i test divisi come parte dell'approfondimento di Ian sulla conversione e il marketing online, ma diamo una breve occhiata ai test divisi nell'arena online.

Offrendo diverse versioni di una pagina ai visitatori simultanei, stiamo facendo efficacemente ciò che le persone delle cerchie di marketing chiamano Test diviso. L'obiettivo finale di questo approccio è determinare quale di un gruppo di pagine Web (o opuscoli, banner pubblicitari, annunci di testo, ecc.) Converte i visitatori in modo più efficace. Mentre una "conversione" potrebbe essere qualsiasi cosa, in genere i proprietari dei siti web sono interessati agli acquisti, alle registrazioni, alle registrazioni dell'account o persino ai visitatori di seguirli sui canali social.

Le varianti devono essere eseguite tutte allo stesso tempo.

Il concetto più importante da comprendere sui test divisi è che le variazioni devono essere eseguite tutte contemporaneamente. In altre parole, non sarebbe considerato un test di divisione efficace per caricare una pagina per un mese, raccogliere i dati e quindi caricare una pagina diversa per raccogliere e confrontare nuovamente i dati. Una parte fondamentale del test diviso è quella di garantire che vengano rimossi quanti più fattori possibili che potrebbero influenzare un visitatore del sito.

Fino a poco tempo fa, il test split A / B (ovvero test tra due varianti) era l'approccio standard per testare le conversioni online. L'idea con il test split A / B è di arrivare a un vincitore e poi risciacquare e ripetere diverse volte, ogni volta avvicinandosi alla pagina che converte il numero massimo di visitatori. Sebbene sia abbastanza efficace, i test split A / B presentano alcuni limiti critici di cui discuteremo tra un momento.

La domanda è, è un modo robusto per veramente arrivare alla migliore pagina di conversione? Esistono numerosi problemi con il processo illustrato nell'immagine sopra:

In primo luogo, se assumiamo che ogni test richieda una settimana per condurre, il processo per arrivare a una pagina vincente richiederà cinque settimane dolorosamente lunghe da condurre. Non è solo da molto tempo che il tuo sito si basa su conversioni riuscite, molto può accadere in cinque settimane su Internet. Anche un cambiamento nel modo in cui Google indicizza la tua pagina potrebbe fornire un insieme drasticamente diverso di utenti (proprio come abbiamo visto nell'ultimo aggiornamento di Google "Penguin"). Ciò significa che in pratica potremmo confrontare le mele con le arance tra il primo test diviso e il test finale quasi un mese e mezzo dopo.
In secondo luogo, anche se sappiamo che Pagina 1 ha sovraperformato Pagina 2 nel primo test, non possiamo essere sicuri che Pagina 2 non supererebbe la Pagina Tre, dal momento che non li abbiamo confrontati fianco a fianco.

Un'alternativa migliore a questo metodo consiste nel confrontare tutte le varianti della pagina l'una contro l'altra e allo stesso tempo, come mostrato qui:

In questo esempio, possiamo essere sicuri (oltre ogni ragionevole dubbio) che Pagina 4 è effettivamente la pagina migliore dal momento che tutte le pagine sono testate l'una contro l'altra nello stesso periodo di tempo, con (possiamo supporre) una base di visitatori coerente.

Quello che faremo oggi è utilizzare gli esperimenti di Google Analytics per eseguire tre varianti di pagine affiancate, invece di più iterazioni delle due varianti standard nei tradizionali test split A / B. Mentre sto usando tre varianti, sei attualmente in grado di eseguire sei variazioni di pagina in un singolo "esperimento".

Lo scenario

Nel progetto di oggi, siamo stati incaricati di aumentare la quantità di registrazioni di account di successo per un'azienda fittizia. Hanno notato che una quantità significativa di visitatori del sito arriva alla pagina di registrazione dell'account ma si disconnette prima di inviare effettivamente il modulo.

Ecco uno screenshot (ridimensionato per il tutorial) della pagina di registrazione corrente o è possibile visualizzare la pagina online.

Nota: questo tutorial non guarderà il design della pagina e le sue varianti. Se sei interessato a consultare il codice, puoi scaricare tutti i file dalla sezione risorse di questo tutorial.

Inoltre, per semplicità e brevità, queste pagine sono piuttosto semplici e non includono alcun script sul lato server per raccogliere i dati del modulo e non sono esempi di moduli di produzione funzionanti.

In questa fase, possiamo solo speculare su quale possa essere la ragione del drop off, ma un buon punto di partenza è quello di affrontare la lunghezza del modulo. Attualmente la pagina di registrazione richiede all'utente di completare un enorme quattordici azioni separate per creare un account.

Supponendo che l'utente sia in grado di restituire e aggiungere i propri dati personali (ad esempio il loro paese e la valuta preferita) dopo che il loro account è stato creato, una variazione logica della pagina per servire i visitatori del sito è una forma ridotta che richiede meno azioni da completare.

Con questo piano di attacco in mente, ecco la variazione della seconda pagina che utilizzeremo nel nostro esperimento:

Visualizza la pagina online.

Per la nostra variazione finale della pagina, riduciamo il modulo ancora una volta in modo da includere solo le necessità assolutamente necessarie per creare un account, ovvero il nome utente, i campi password, l'indirizzo email e il riconoscimento dei termini di servizio.

Ecco un'immagine della variazione della terza pagina:

Visualizza la pagina online.

Infine, abbiamo una pagina di conferma che verrà visualizzata al visitatore una volta che il modulo è stato completato con successo.

Visualizza la pagina online.

Ora che abbiamo le nostre tre varianti di pagina, impostiamo gli elementi obbligatori in Google Analytics e li testiamo fianco a fianco.

Passaggio 1: crea un account Google Analytics

Sono sicuro che molti di voi avranno già familiarità con Google Analytics, ma per completezza, faremo ogni passo necessario per abilitare l'analisi sul sito, definire un obiettivo e abilitare l'esperimento stesso.

Vai su Google Analytics e accedi con il tuo account Google (o configura un nuovo account). Supponendo che tu non abbia già aggiunto un account analytics al tuo profilo, ti verrà presentata la seguente schermata. Fai clic sul pulsante "Registrati" per iniziare.

Nella pagina seguente, completa i campi del modulo in relazione al tuo progetto:

Passaggio 2: aggiungi lo snippet di Google Analytics

La capacità di tracciamento di Google Analytics è alimentata da uno snippet JavaScript e nella pagina seguente, riceverai il codice richiesto e le istruzioni su come aggiungerlo al tuo sito. Copia semplicemente il codice negli appunti e incollalo in ogni pagina che desideri monitorare con Google Analytics.

Sul sito, il testo della guida suggerisce di aggiungere questo snippet immediatamente prima della chiusura tag, che assicurerà la registrazione di una visualizzazione di pagina anche se l'intera pagina non viene caricata prima che l'utente si sposti. Tuttavia, è generalmente considerata la procedura migliore per aggiungere gli script alla parte inferiore di una pagina html, prima della chiusura etichetta.

Sebbene entrambi gli approcci funzioneranno correttamente, in questa situazione vogliamo essere sicuri che le nostre pagine di registrazione vengano caricate completamente prima dello script di Analytics.

Per questo progetto, ho aggiunto questo script alle tre pagine di registrazione (signup1.html, signup2.html & signup3.html) e alla pagina confirm.html, in questo modo:

Una volta aggiunto il codice, carica le pagine su un server Web tramite FTP. È anche importante notare che Google Analytics impiega spesso 24-48 ore per iniziare a raccogliere i dati, quindi sii paziente nei primi due giorni prima di vedere i dati dei tuoi visitatori.

Passaggio 3: creare un obiettivo

Prima di impostare e abilitare l'esperimento stesso, dobbiamo creare un obiettivo per la misurazione.

Google Analytics può essere configurato per creare e monitorare obiettivi molto sofisticati, tra cui canalizzazioni di obiettivi multicanale e tracciamento e-commerce. Nell'esempio di oggi, lo manteniamo semplice definendo una conversione di successo (ad esempio il nostro obiettivo) come destinazione URL /confirmation.html. In altre parole, vogliamo tenere traccia di ogni istanza di un utente che completa una delle tre varianti di modulo, facendo clic sul pulsante "Invia" e arrivando alla pagina "Grazie per registrarsi con noi"..

Dal menu principale a sinistra nell'interfaccia di Google Analytics, seleziona la voce "Panoramica" dall'intestazione "Conversioni":

Se questo è il primo obiettivo che hai impostato, dovresti essere portato automaticamente alla pagina "Crea un nuovo obiettivo". In caso contrario, fai clic sulla voce di menu "Admin" nell'angolo in alto a destra dello schermo e assicurati di visualizzare la scheda "Obiettivi".

Dai un nome al tuo nuovo obiettivo, seleziona il tipo di obiettivo come destinazione URL e inserisci il percorso, in questo caso, /confirmation.html.

Se al tuo obiettivo è associato un valore in dollari effettivo (ad esempio un abbonamento a pagamento a un sito), puoi aggiungere questo importo al campo di testo "Valore obiettivo". Oggi non useremo una canalizzazione obiettivo, quindi possiamo semplicemente salvare il nostro nuovo obiettivo.

Passaggio 4: accedere alla funzione Esperimenti

Con il nostro obiettivo, possiamo ora avviare un esperimento per determinare quali delle nostre pagine offriranno il meglio in termini di registrazione con successo dell'account.

Nella sezione "Contenuto" del menu principale a sinistra, seleziona "Esperimenti".

Nota: come con molti prodotti Google, la funzione Experiments viene fornita come parte di un'implementazione graduale. Se al momento non hai accesso a Experiments, dovrai esercitare la pazienza e attendere che il tuo account Google venga aggiornato con questa funzione.

Per iniziare, aggiungi l'URL della pagina che vogliamo testare, in questo caso, signup1.html. Questo non è un URL live: è solo utilizzato per gli scopi del tutorial.

Passaggio 5: crea un esperimento

Dopo aver effettuato l'accesso alla funzione esperimenti, ti viene presentata una procedura guidata per la creazione di esperimenti in quattro fasi.

Inizia confermando la pagina di controllo (ad esempio /signup1.html), quindi aggiungi gli URL per ciascuna delle varianti di pagina. Assicurati di dare a ciascuna variazione un nome descrittivo e non solo un titolo generico di "variazione uno / variazione due / variazione tre": renderà l'analisi dell'esperimento molto più semplice nelle fasi successive.

Nella pagina successiva della procedura guidata per la registrazione degli esperimenti, faremo riferimento all'obiettivo che abbiamo creato nel passaggio tre come metrica misurabile.

In questo esperimento, vogliamo offrire variazioni della pagina al 100% dei visitatori. Se stavi apportando modifiche radicali a un sito stabilito, puoi scegliere di limitare la quantità di visitatori che prendono parte all'esperimento per ridurre al minimo qualsiasi impatto potenziale.

Nella terza pagina, ti verrà fornito un altro blocco di codice che verrà aggiunto al pagina di controllo (in questo caso /signup1.html). Aggiungi questo codice all'inizio della pagina di controllo, subito dopo l'apertura etichetta. Nota, per questo script - a differenza del codice di monitoraggio - vogliamo sicuramente questo codice nella parte superiore della pagina poiché questo è il modo in cui le varianti di pagina saranno pubblicate ai visitatori.

Il codice finale per la pagina di controllo (ad esempio /signup1.html) sarà simile a questo:

        Iscriviti al modulo 1

Carica la tua nuova pagina di controllo con lo script degli esperimenti sul tuo server.

Nella quarta fase, puoi verificare che tutto funzioni come dovrebbe e che Google Analytics stia registrando tutte le pagine ed è pronto per iniziare a condurre l'esperimento.

Passaggio 6: test del tuo esperimento

Ottimo lavoro! Hai creato il tuo primo esperimento di Google Analytics e sei un passo avanti verso il miglioramento del tasso di conversione.

Poiché il pannello Esperimenti impiega 24-48 ore per iniziare a visualizzare i dati, assicuriamoci che il nostro esperimento stia effettivamente scontando diverse varianti di pagina.

Apri il browser e vai alla pagina di controllo (ad esempio /signup1.html). Se l'esperimento funziona correttamente, verrai reindirizzato automaticamente a una delle tre varianti di pagina. La barra degli indirizzi mostrerà la variazione con un ID aggiunto, a indicare che l'esperimento ha offerto una delle varianti al tuo browser.

Dietro le quinte, Google Analytics ha aggiunto un cookie alla sessione del browser che "ricorda" la variazione della pagina che ti è stata offerta. Noterai che se aggiorni la pagina o torni alla pagina in un secondo momento, ti verrà sempre mostrata la variazione originale della pagina, un aspetto essenziale per garantire ai tuoi visitatori un'esperienza utente coerente.

Puoi cancellare i cookie, i dati del sito e del plug-in del browser in modo che vengano servite una diversa variante della pagina.

Passaggio 7: analisi dei dati dell'esperimento

Una volta creato, l'esperimento si esegue semplicemente da solo, raccogliendo dati fino a quando un preciso vincitore può essere determinato da Google Analytics. Il periodo di tempo durante il quale l'esperimento dovrà essere eseguito dipende da una serie di fattori, inclusi i visitatori complessivi e quanto le variazioni si susseguono l'una con l'altra.

Diamo un'occhiata a questo esperimento mentre è in corso e scegliamo alcuni punti che vale la pena discutere.

I dati del grafico di default tracciano il tasso di conversione di ciascuna delle variazioni della pagina rispetto al tempo dell'esecuzione dell'esperimento, che è probabilmente la metrica più importante da prendere in considerazione per i nostri scopi oggi. La selezione a discesa consente inoltre di tracciare i dati relativi a una serie di altre metriche tra cui l'utilizzo del sito, il conteggio degli obiettivi e una selezione di metriche standard di Analytics quali pagine per visita, frequenza di rimbalzo, percentuale di nuove visite e così via.
A destra della pagina, viene sommato l'esperimento in corso, che comprende le visite complessive alle pagine dell'esperimento, il tempo trascorso e lo stato dell'esperimento. In questo caso, Analytics non ha stabilito un chiaro vincitore.
Un punto interessante da notare è che Analytics non distribuisce necessariamente le pagine one-for-one. All'inizio dell'esperimento potresti aspettarti una quantità comparativa di visite per ogni variazione di pagina. Man mano che l'esperimento avanza e una o più pagine iniziano a sovraperformare le altre, Analytics inizierà a favorire le pagine con un rendimento migliore. In questo caso, la nostra terza variazione (la forma abbreviata) è stata distribuita a circa il 36% dei visitatori del sito, rispetto al formato lungo (variazione uno) visualizzato a circa il 31% dei visitatori.
Nella tabella dei dati verso la parte inferiore della pagina, Analytics confronta il tasso di conversione di ciascuna variazione rispetto al controllo e calcola la probabilità della variazione di sovraperformare l'originale. Quindi, in questo esempio, mentre non abbiamo un chiaro vincitore, potremmo già essere sicuri che entrambe le varianti sarebbero alternative migliori alla forma lunga con una probabilità migliore del 93% di convertire i visitatori con maggiore successo.

Passaggio 8: arrivo a un vincitore

Come accennato, il tempo necessario per arrivare a un vincitore dipenderà dall'andamento delle variazioni della pagina in relazione alla pagina di controllo. Che siano necessari tre giorni o tre settimane per arrivare a una conclusione, puoi essere sicuro oltre ogni ragionevole dubbio che il vincitore dell'esperimento sarà effettivamente il migliore in termini di obiettivo che viene misurato.

Dopo otto giorni di dati e 1240 visite, Analytics è arrivata al chiaro vincitore essendo (avete indovinato), la nostra pagina di modulo breve.

Passo 9: Abbiamo un vincitore, che ora?

Ora che il nostro esperimento ha concluso, dobbiamo agire. Dal momento che la forma breve ha funzionato così bene con un tasso di conversione del 91,5% circa, la cosa più ovvia da fare è sostituire la pagina di controllo (cioè il modulo lungo) con la variante vincente.

Da qui, avremo bisogno di eseguire alcune analisi aggiuntive e prendere una decisione importante. Mentre abbiamo stabilito il nostro obiettivo come visite alla pagina di conferma, non è nostra vero obbiettivo. La misura effettiva del successo è ovviamente che le persone usano il servizio (qualunque sia effettivamente quel servizio). Supponendo che siano necessarie tutte le informazioni aggiuntive (il paese, la valuta preferita, ecc.), Sarebbe necessaria un'ulteriore analisi per assicurarsi che i dichiaranti di successo compilino effettivamente queste informazioni una volta stabilito il loro account (un esercizio per un altro sperimentare).

Infine, la prossima decisione da prendere è se investire o meno il tempo per creare ulteriori variazioni per il nostro modulo per cercare di migliorare ulteriormente il tasso di conversione del 91,5%. Ad esempio, un diverso design o varianti di copia può aumentare il tasso di conversione. In realtà, è possibile continuare gli esperimenti fino al raggiungimento di un tasso di conversione del 100%. Detto questo, quello che dobbiamo considerare è il tasso di rendimenti decrescenti. Ci sarà un punto in cui il tempo e gli sforzi richiesti per migliorare il tasso di conversione non danno un adeguato ritorno sull'investimento, e il nostro tempo sarebbe meglio servito testando e ottimizzando altre pagine del nostro sito.

Conclusione

In questo tutorial, abbiamo appena scalfito la superficie di Experiments da Google Analytics e potremmo continuare a discutere della complessità dei dati disponibili verso l'infinito. Detto questo, in pochi semplici passi abbiamo stabilito un programma molto più efficiente rispetto ai tradizionali test split A / B e siamo arrivati a un risultato incontrovertibile che supera di gran lunga la pagina di controllo.

Mentre abbiamo creato un esperimento che serve pagine completamente diverse in termini di contenuto, lo stesso approccio può essere preso per testare elementi di pagina molto più sottili. Ad esempio, un pulsante di colore diverso, un layout leggermente diverso o modifiche di copia minori possono portare a percentuali di conversione nettamente migliorate, che possono essere testate utilizzando questo metodo di test diviso.

È importante sottolineare che questo approccio alla verifica dei nostri progetti elimina l'ipotesi di un design efficace. Come progettisti che lavorano con le parti interessate del cliente (e spesso prendono decisioni dal comitato temuto), è facile perdere di vista la foresta per gli alberi e prendere decisioni di progettazione basate sull'assunzione piuttosto che su dati concreti. Stabilire un programma di test diviso come questo è il modo più sicuro per migliorare le tue conversioni, indipendentemente dal tuo obiettivo.

Come utilizzerai Google Experiments? Lascia un commento qui sotto - ci piacerebbe sentire i tuoi pensieri!

Web design