כשאנחנו מבצעים שיווק באמצעות עמודי נחיתה או מודעות שונות, גם הפרטים הקטנים ביותר יכולים לעשות הבדל עצום מבחינת מספר ההמרות והאם הגולש ילחץ או לא ילחץ על המודעה, ימלא או לא ימלא את הטופס…

מהסיבה הזו, אנחנו אף פעם לא יכולים לקפוא על השמרים ולתמיד לבדוק ולשפר את החומרים השיווקיים שלנו.

הנה רק כמה אלמנטים שאנחנו יכולים לבדוק את ההשפעה שלהם על הביצועים:

  • מילת המפתח בכותרת

  • אורך הכותרת

  • התמונה הראשית ("תמונת הגיבור")

  • הצבעים בהם נעשה שימוש והניגודיות ביניהם

  • המיקום של כפתור השליחה והטקסט שיהיה כתוב עליו (הקריאה לפעולה)

  • הצורה והמרקם של הכפתור : האם הוא יהיה "שטוח" ("אפל סטייל") או "עמוק", מרובע או עגול?

  • שאלות ("רוצה להשיג עוד לקוחות כבר היום?" לעומת יתרונות ("יותר לקוחות לעסק שלך!")

  • פונטים וטיפוגרפיה

  • מרחק בין אלמנטים שונים (לדוגמה, בין שני כפתורים בטופס)

מה שמשותף לכל האלמנטים כאן הוא שאת רובם אפשר לבדוק ולהחליף יחסית בקלות. כלומר, קל מאוד ליצור מספר גרסאות שבהם מחליפים אלמנט אחד באלמנט אחר או משנים את היחס ביניהם. התהליך הזה נקרא ביצוע "מבחני A/B" או "A/B Testing" או Split test.

סרטון קצר שממחיש את התהליך:

מהי הדרך הנכונה לביצוע מבחני A/B?

קודם כל, לפני שאנחנו מתחילים בכלל לערוך מבחן A/B, אנחנו צריכים לחשוב האם יש הצדקה לבצע אותו. האם יש משהו שנראה לנו שיהיה לו אפקט משמעותי על סמך הניסיון שיש לנו? האם הביצועים שאנחנו מקבלים פחות טובים מאלו שהיינו מצפים בהשוואה לקמפיינים קודמים שלנו? לא מומלץ לבצע מבחן A/B רק על סמך תחושת בטן.

על מנת שנדע איזו גרסה עובדת הכי טוב, אנחנו צריכים להחליף כל פעם רק אלמנט אחד בלי לגעת באלמנטים האחרים, אחרת לא נוכל לבודד את ההשפעה שלהם.

לאחר מכן אנחנו צריכים לבדוק האם לניסוי שאנחנו הולכים לערוך יש מובהקות סטטיסטית. כלומר, האם באמת אפשר להסתמך עליו לצורך הסקת מסקנות? ברשת יש לא מעט מחשבונים שיכולים לבדוק זאת.

לדוגמה, במחשבון של "אופטימיזלי" אנחנו יכולים להכניס את שיעור ההמרות הנוכחי שלנו, את השינוי המינימלי אותו אנחנו רוצים לראות ולקבל את רמת המובהקות ואת גודל הדגימה לכל גרסה.

יש גם מחשבונים שיכולים לפעול על קמפיינים שכבר הרצנו באמצעות הזנה של מספר המבקרים בכל גרסה של העמוד. לדוגמה, המחשבון של נייל פאטל.

בשלב הבא יש יש שתי דרכים עיקריות לבצע את הפיצול: מבחני A/B מסוימים מריצים את גרסה A במשך מספר ימים מסוים ולאחר מכן את גרסה B, זו השיטה הפחות מומלצת מכיוון שמומלץ להשוות בין הביצועים באותם פרקי זמן. לעומת זאת, מערכות אחרות עשויות להציג כל פעם גרסה אחרת באופן אקראי לכל גולש עד שמפסיקים את הניסוי.

לאחר שהגענו למסקנה מהי הגרסה היותר טובה מבחינת המרות או לחיצות, אנחנו עוברים לאלמנט הבא בהתבסס על הגרסה המוצלחת וכך הלאה. אצלנו בחברה למשל זה תהליך אינסופי, מבחני הA/B אצלנו רצים תמיד, ברגע שנגמר הניסוי וזיהינו את הגרסא המנצחת אנחנו מתחילים שוב פעם ניסוי חדש.

מבחנים עם יותר משתי גרסאות

ישנן מערכות מתקדמות שיכולות לבצע עוד ועוד פיצולים בלי שנצטרך לגעת בעמוד. לרוב הן יעשו זאת באמצעות מספר גרסאות לכל אלמנט שנספק להן מראש. לדוגמה, במודעות של פייסבוק אנחנו יכולים לבצע פיצול של תמונת, כותרות ומיקוד גאוגרפי, אך צריך לזכור שאנחנו יכולים להגיע כך למספרים עצומים, וכל קליק נוסף יעלה לנו כסף…

כך למשל ייראה פיצול של מבחן עם שלושה אלמנטים ושלוש גרסאות לכל אחד מהם:

קרדיט : AdEspresso

בדוגמה למעלה יש לנו כאמור 45 שילובים אפשריים שונים, אבל אם נוסיף עוד שתי גרסאות לכל אלמנט, נקבל כבר 125 שילובים אפשריים!

חשוב להסביר שפיצול אוטומטי הוא רלוונטי רק אם יש לנו אלמנטים שקל להחליף אותם ויתחברו היטב אחד עם השני. לכן מבחן A/B מפוצל אוטומטית שבורר בין תמונות לבין צבעי רקע לא יהיה בהכרח שימושי מכיוון שחלק גדול מהשילובים לא יהיו אפקטיביים מלכתחילה (לדוגמה, תמונה בהירה על רקע צהוב לא תיראה טוב).

כיום יש מערכות אפילו יותר מתקדמות שבונות את המודעות הכי מתאימות לגולש שצופה במודעה בזמן אמת על ידי AI (אינטליגנציה מלאכותית). לדוגמה, המודעות הדינאמיות של גוגל. עם זאת, חשוב לזכור שאלו בדרך כלל מוגבלות למודעות בסיסיות ובטח ובטח שלא מיועדות לעמודי נחיתה שיכולים לכלול עשרות אלמנטים שונים.

*אנחנו ממליצים על ריבוי מבחני A/B טסט רק כאשר התקציב מאפשר(!) אין משמעות לבצע ניסוי ב5 גרסאות עם תקציב נמוך וכמות טראפיק מזערית.

גם המדדים חשובים

המדדים הבסיסים של רוב המודעות ועמודי הנחיתה הם אחוז הלחיצות (CTR), שיעורי ההמרה (Conversions) ועלות להמרה (Cost Per Conversion). המדד הכי "חזק" הוא אומנם עלות להמרה, אך לעיתים משך הזמן שבו נבצע את המבחן או התקציב לא יאפשרו לנו לקבל מספיק נתונים . במקרה הזה נצטרך לבחור בחלופה אחרת שתיתן לנו יותר נתונים כמו למשל מספר ההמרות. יש גם קמפיינים שבהם אחוז הלחיצות הוא המדד החשוב ביותר. למשל, קמפיינים שהתפקיד שלהם הוא להגביר את המודעות למותג.

עשה ואל תעשה  במבחני A/B

בצעו אופטימיזציה לחוויית המשתמש מראש : כמו שכתבנו בתחילה, לפני שבכלל מתחילים להריץ את המבחנים, יש לבדוק שאנו משתמשים בשילוב הטוב ביותר אותו אנחנו יכולים למצוא, במיוחד אם אנחנו בודקים גרסאות שלא הרצנו קודם לכן. אופטימיזציה לא טובה עשויה לעלות לנו כסף (אם מדובר בקמפיין ממומן) או סתם לבזבז לנו את הזמן (אם מדובר בבדיקה של אתר או ניסוח פוסטים בפייסבוק למשל).

העדיפו להריץ את שתי הגרסאות במקביל: הרצה של שתי הגרסאות במקביל באופן רנדומלי היא עדיפה מכיוון שכך אנחנו שומרים על כל המשתנים הלא ידועים במצב פחות או יותר קבוע ולא מושפעים לדוגמה מכניסה אל תקופת חגים שיכול להפוך גרסה אחת למוצלחת יותר למראית עין.

אל "תיגעו ותסעו…" – להפעיל את המבחן ולאחר מכן לשכוח ממנו עד שהוא מסתיים יכול לפגוע בכם. אתם צריכים לבדוק שהמבחן אכן רץ כמו שצריך על מנת שתקבלו נתונים שתוכלו להסתמך עליהם. לדוגמה, יכול להיות שתגלו שבטעות הגדרתם ניצול מהיר של התקציב ולכן קצב הצגת המודעות יורד. במילים אחרות, תהיו עם יד על הדופק.

טעות לעולם חוזרת? זה סעיף שנכתב בדם מה שנקרא – שימו לב מה בדיוק אתם משנים. לדוגמה, אם אתם בודקים שני מבצעים שונים, עדכנו את אנשי המכירות שלכם כך שלא יציגו ללקוח מסוים מבצע שהופיע בדף נחיתה אחר. באופן כללי, עדיף לא לבדוק פרמטרים שמשנים באופן חד את ההצעה ללקוח.

אל תקפצו למסקנות מהר מדי: יש לכם השערה והמבחן "הוכיח" לכם אותה אחרי יומיים? אל תקפצו בראש ותהיו חמורים! חכו עד סוף המבחן כדי להגיע אל המובהקות הסטטיסטית שאתם אמורים לשאוף אליה.

התחשבו בתקציב הכולל שלכם: בדקתם את כל הנתונים מראש וגיליתם שהמבחן יקר מדי כרגע? אולי כדאי לתכנן מבחן קטן יותר, אל תתנו למבחן לפגוע לכם בתכנון התקציב רק בגלל שהוא נראה מפתה ואולי השקעתם כבר זמן מה בתכנון שלו.

לא תמיד אפשר להימנע מהטיה עצמית: אם אתם מרגישים שאולי תהיו מוטים בקשר לתוצאות, אתם יכולים לתת לחברה או אדם אובייקטיבי שעובד בצוות מקביל לנתח את הנתונים.

גבו שינויים: במקרים מסוימים כמו למשל הרצת מבחנים במערכות "סגורות" אין לכם בעיה לשחזר קמפיינים או גרסאות קודמות. לעומת זאת, אם אתם בונים דפי נחיתה ידניים וכמובן אתרי אינטרנט שאותם אתם רוצים לבדוק, תמיד דאגו לגבות את כל הגרסאות הקודמות.

מבחני A/B: למה צריך אותם ואיך משתמשים בהם?
5 (100%) 7 votes