B2B 中的 A/B 測試:真正有效的策略?

「我們只需要進行 A/B 測試」。在發布電子郵件活動、網站新版本或轉換表單時,您之前有多少次聽過這句話?在所有公司中,A/B 測試正在以閃電般的速度蔓延。想法:比較同一數字內容的兩個版本之間的有效性。

但這是一個有效的策略嗎?尤其是在B2B領域?當您是個不知所措的行銷人員時,這(真的)是一個相關的槓桿嗎?

為了回答這些問題,Benoit(Plezi 的成長行銷人員)採訪了(GitGuardian 的成長和需求產生主管)。如果您錯過了這個特殊的 Plezi Decode A/B 測試,請不要驚慌:趕上本文中的課程。

關於節目:

什麼是 A/B 測試:回顧這個行銷概念的定義
如何進行A/B測試?
A/B 測試:5 個最常見的錯誤
B2B 中的 A/B 測試:一個(真的)好主意嗎?
如何在沒有 A/B 測試的情況下測試和改進您的行銷活動?
cta 讓您下載 B2B 電子郵件清單

什麼是 A/B 測試?
A/B 測試(也稱為 A/B 測試或分割測試)是用於比較相同內容的兩個版本的行銷方法。 Orian Roturier 也談到「測試同一變體的兩個假設」。可以實施此測試策略來衡量有效性:在數位行銷中,A/B 測試旨在衡量變更的影響及其績效。例如,我們以兩個網路使用者為例:保羅和馬里恩。今天,他們都決定要造訪一家 SaaS 軟體公司的網站。

保羅將有權訪問網站的原始版本

“A”,而馬里昂將有權訪問替代版本(“B”)。從元素 A 到元素 B 的這些變化會隨機呈現給我們的兩個訪客以及所有網路流量。他們將可以存取不同的元素:行銷論點、按鈕顏色、圖像、CTA 甚至頁面結構。

在測試期間,收集資料並分析使用者行為…以驗證頁面上的某些假設:

在兩個版本之間,哪個頁面產生的網路流量最多?
哪個版本的網站轉換率最高?
訪客在每個測試頁面上平均停留多久?
哪種類型的號召性用語 (CTA)或按鈕效果更好?
轉換漏斗的哪一部分錶現不佳?
最後的問題?實施測試的獲勝版本,改善 波蘭 WhatsApp 號碼數據 使用者體驗並提高轉換率。

但在此之前,您仍然需要了解如何從頭到尾開發此方法。

如何進行A/B測試?
在我們專門用於 A/B 測試的 Plezi Decode 中,Orian Roturier 向我們證實了這一點:在沒有定義方法的情況下啟動測試……那就是低著頭衝到牆上。

如果您想部署這樣的行銷方法,請從以下 3 個步驟開始:

1. 定義關鍵 KPI
我們說了一個。還不到十五歲。這個精確的指標必須以單數形式定義,才能(真正)成功地分析您的測試項目。

那你的首要任務是什麼?電子郵件開啟率、CTA 按鈕的點擊率、登陸頁面的註冊數量、網站的轉換率等。

這就是您的使命選擇最相關的性能指標

波蘭 WhatsApp 號碼數據

並在測試期間追蹤正確的數據。

2. 檢驗假設
讓我們以電子郵件活動為例。第二步是建立兩條內容,然後定義一個假設。例如:「電子郵件版本 #2 將產生更多註冊」。

在這裡,我們找到了要實現的效能指標(產生註冊)和要遵循的假設(電子郵件的 2 號版本將表現最佳)。為了檢驗假設,現在需要定義「P值」:該值表示獲得所需轉換結果的機率。

P 值的範例:“我 95% 確信電子郵件版本 #2 優於電子郵件版本 #1。”

如果我們重複測試 100 次,那麼在分析過程中我們應該會發現相同的結果 95 次。

3. 驗證樣本量
樣本量對應於測試所需的最小量,因此您可以說“我有信心”。

定義太小的樣本意味著冒著結果既不具有代表性 了解軟體開發中的功能切換 也不顯著的風險。透過增加樣本量,結果可以更準確地反映整體使用者行為。

要計算測試的樣本量,Orian Roturier 建議使用Evan Miller 的工具。準備好採取行動了嗎?

沒那麼快!遵循這 3 個步驟只是一個開始。設定 A/B 測試(有時)是一條漫長而曲折的道路,轉換結果難以衡量。特別是如果你犯了一個或多個這些錯誤…

Plezi 解碼 S2EP11 – B2B 中的 A/B 測試

A/B 測試:5 個最常見的錯誤
A/B 測驗是一種嚴格的方法,遵循精確的數學定律。問題 ?太多的公司都會犯錯…有時甚至在體驗推出之前。以下有 5 種需要避免的情況:

1.沒有設定明確的目標
我們已經看到:透過單一 KPI 定義目標是首要任務。在開始 A/B 測試過程之前,必須先明確這些目標。

明智思考,具有具體的、可衡量的、可實現的、現實的和及時的目標。否則,很難建立相關的測試路線圖並取得有效的結果。

那你的首要任務是什麼

提高點擊率?提高轉換率?產生更多用戶註冊?選擇不是放棄……而是勇往直前!

2. 一次測試太多項目
想太多就會冒做錯事的風險。在行銷領 薩法新聞 域尤其如此。特別是在拆分測試(或 A/B 測試)期間。您想同時測試多個變體,以節省時間並快速獲得良好的結果嗎?

事實上,您可能會累積太多難以解釋和分析的結果。這會造成極大的時間浪費,而對於忙碌的行銷人員來說,這是可以避免的。

相反,一次只測試一個變量,以獲得可靠、可操作的結論。然後根據得到的用戶數據,進行最佳化。一次測試一個。

3. 不考慮樣本量
我們一起看到了這一點:(樣本)大小很重要。最嚴重的錯誤是關注的客戶、訪客或潛在客戶數量太少。兩個不同版本的結果將會偏差。

在啟動測試實驗之前,您知道必須做什麼:花時間定義樣本量。一般來說,建議至少有 1,000 個 B2B 聯絡人,才能開始獲得代表目標群體的實際測試結果。

你的流量低很多嗎?您還沒有這麼大的客戶或用戶群嗎?不要浪費時間創建相同內容的多個版本,請遵循此 A/B 測試方法…並首先將精力集中在獲取策略上。

4. 執行選擇偏差
對比測試的黃金法則是使用隨機的使用者群組。想要選擇使用者群組A和B之間的分佈就等於作弊…或者換句話說,執行選擇偏差。後果是什麼?結果扭曲。失敗的測試實驗。

 

返回頂端