負けて決定的でないA / Bテストから有用なデータを取得する方法
A / Bテストは、堅牢なデジタルマーケティング戦略を開発するために不可欠です。ただし、すべてのテストで貴重なデータが得られるわけではありません。
あなたがロックすると思ったバリエーションがフロップになってしまう場合はどうしますか？または、テスト結果が決定的でない場合はどうなりますか？
まだタオルを投げないでください！
結論が出ていない、またはA / Bテストデータが失われている場合にできることはたくさんあります。その情報を有効に活用する方法について説明しますが、最初に、デジタルマーケティングでA / Bテストが重要である理由について説明します。
A / Bテストがデジタルマーケティングの成功にとって重要である理由
A / Bテストは、マーケターが最適化手法の影響を理解するのに役立ちます。たとえば、広告見出しの変更がコンバージョンにどのように影響するか、またはタイトルで質問を使用するとトラフィックが増えるかどうかを示すことができます。
コンバージョンXLは、A / Bテストの敗北と不確定から有用なデータを取得します
A / Bテストは、最適化手法をバックアップするためのハードデータを提供します。これにより、マーケターはROIを促進するものを推測するだけでなく、より良いビジネス上の意思決定を行うことができます。代わりに、特定の変更がトラフィック、売上、ROIにどのように影響するかに基づいて意思決定を行っています。
A / Bテストに負けているのか、それとも結論が出ていないのかを知るにはどうすればよいですか？
A / Bテストを実行すると、独自のデータダッシュボード（Googleアナリティクスなど）または使用するテストツールに結果が表示されます。
ニール・パテルとの協議
私の代理店があなたのウェブサイトへの大量のトラフィックをどのように促進できるかをご覧ください
SEO-大量のSEOトラフィックのロックを解除します。実際の結果をご覧ください。
コンテンツマーケティング-私たちのチームは、共有され、リンクを取得し、トラフィックを引き付ける壮大なコンテンツを作成します。
有料メディア-明確なROIを備えた効果的な有料戦略。
電話を予約する
人気のあるA / BテストプラットフォームであるOptimizelyは、実験結果ページにデータを提供します。このデータは、各バリエーション、訪問者数、特定のアクションを完了した人数、収益、その他の指標を追跡します。
A / Bテストに負けているのか決定的でないのかを知るにはどうすればよいですか
上記の例は、バリエーション番号1の訪問者数は少なかったものの、収益が5％増加したことを示しており、明らかに勝者となっています。
また、数値がはるかに近い場合もあります。不確定なテストは、数値が1％未満オフであるか、どちらのバリエーションもトラフィックをまったく取得していないことを意味する場合があります。
テストに十分なデータがない場合、または数値が近すぎる場合、それらは決定的ではないか、統計的に有意でないと見なされます。
次に、これらのヒントを使用して、データを最大限に活用します。
損失または不確定なA / Bテストからデータを活用する6つの方法
A / Bテストを実行し、結果を得ることに興奮しています。次に、予期しないことが起こります。勝つと期待していたバリエーションのパフォーマンスが低下します。または、バリエーションが実際に追跡しているメトリックにまったく影響を与えないことがわかります。
それで？テストが失敗したと思い込まないでください。そのデータを活用するために実行できる手順はたくさんあります。
本当に違うことを試してみてください
不確定なテスト結果は、バリエーションが近すぎることを意味している可能性があります。 A / Bテストは、小さな変更（赤と緑のボタンの使用など）がコンバージョンに影響を与えるかどうかを確認するのに役立ちますが、これらの小さな調整がまったく影響を与えない場合もあります。
何が変化を引き起こしたかを確認するために、いくつかの同様のバリエーションでテストを実行する必要があるかもしれないことを覚えておいてください。
落胆するのではなく、まったく別のことを試す機会だと考えてください。たとえば、ページレイアウトを変更したり、別の画像を追加したり、画像を削除したり、広告、アセット、CTAを完全に刷新したりします。
さまざまなトラフィックセグメントを分析する
したがって、A / Bテストはほぼ同じ結果で戻ってきました。それは何も変わっていないという意味ですか？そうでないかもしれない。すべてのデータを確認するのではなく、オーディエンスをセグメント化して、さまざまな人々の反応が異なるかどうかを確認してください。
たとえば、次のデータを比較できます。
新規顧客とリピーター
購入者と見込み客
訪問した特定のページ
使用したデバイス
人口動態の変化
場所または言語
全体として、あなたのテストは決定的ではないかもしれません。ただし、オーディエンスの特定のセグメントが特定の形式、色、または表現によく反応する場合があります。
その情報を使用して、広告をより適切にセグメント化したり、よりパーソナライズされた広告やコンテンツを作成したりできます。
コアメトリクスを超えて
コンバージョンは重要ですが、それがすべてではありません。失われたテスト結果にデータが隠されている可能性があります。
たとえば、コンバージョン数は少ないのに、訪問者がクリックしてブログを表示したり、ページに長く留まったりする場合があります。
確かに、あなたはむしろ売り上げがあるかもしれません。ただし、訪問者があなたのブログを読む場合、それはあなたが何らかの形で彼らとつながっていることを意味します。その情報をどのように使用して、購入プロセスを改善できますか？
広告の2つのバリエーションを実行するとします。 1つのバリエーションが大量のトラフィックを促進し、そのバリエーションからの訪問者の30％がコンバージョンを達成した場合、これはより多くの収益を意味する可能性があります。明らかに勝者ですよね？
必ずしも。たとえば、「負けた」広告を見て、トラフィックは減ったものの、コンバージョン数が多かったかどうかを確認します。トラフィックと完全な収益だけを見ていたら、2番目の広告が統計的にうまく機能していることに気づかなかったかもしれません。
大まかな数字ではありません。
これで、データを掘り下げてトラフィックが減少した理由を突き止め、それを使用して次の広告セットを改善できます。
ジャンクデータを削除する
バリエーションがひどい、またはテストに欠陥があるためではなく、結果を歪める大量のジャンクデータがあるために、テストが決定的でない場合があります。ジャンクデータを取り除くことで、傾向をより明確に確認し、ドリルダウンして重要な傾向を見つけることができます。
結果をより明確に理解できるように、ジャンクデータをクリーンアップするいくつかの方法を次に示します。
ボットのトラフィックを取り除きます。
IPアドレスにアクセスできる場合は、会社のIPアドレスからIPアドレスを削除してください。
可能であれば、競合他社のトラフィックを削除します。
また、URLパラメータなど、使用する追跡ツールが正しく機能することを再確認してください。テストを適切に追跡しないと、結果が歪む可能性があります。次に、登録フォーム、リンク、およびデータに影響を与える可能性のあるその他のものが正常に機能していることを確認します。
バイアスを探してそれらを取り除く
バイアスは、テストの結果に影響を与える外部要因です。
たとえば、オーディエンスを調査したいが、リンクはデスクトップコンピューターでしか機能しなかったとします。その場合、デスクトップを持っている人だけが応答するので、サンプルバイアスがあります。モバイルユーザーは許可されていません。
同じバイアスがA / Bテストに影響を与える可能性があります。それらを完全に取り除くことはできませんが、データを分析してそれらの影響を最小限に抑えることができます。
テストに影響を与えた可能性のある要因を探すことから始めます。例えば：
プロモーションを実行しましたか？
それはあなたの業界で伝統的に忙しい季節でしたか、それとも遅い季節でしたか？
競合他社の立ち上げはテストに影響を与えましたか？
次に、結果をそれらの影響から分離する方法を探します。何が悪かったのかわからない場合は、テストを再実行してみてください。
また、テストがどのように実行されたかを確認してください。たとえば、誰がどのバージョンを見たかをランダム化しましたか？一方のバージョンはモバイル向けに最適化されていましたが、もう一方はそうではありませんでしたか？現在のデータセットではこれらの問題を修正することはできませんが、次のA / Bテストを改善することはできます。
A / Bテストをもう一度実行する
A / Bテストは、1回限りのテストではありません。 A / Bテストの目標は、サイトのパフォーマンス、広告、またはコンテンツを継続的に改善することです。絶えず改善する唯一の方法は、継続的にテストすることです。
1つのテストを完了し、勝者を決定したら（または、勝者がいないと判断したら）、もう一度テストします。複数の変更を同時にテストすること（多変量テストと呼ばれる）は避けてください。これにより、どの変更が結果に影響を与えたかを確認することが困難になります。
代わりに、変更を1つずつ実行します。たとえば、1つのA / Bテストを実行して最高の見出しを見つけ、別のテストを実行して最高の画像を見つけ、3番目のテストを実行して最高のオファーを見つけることができます。
負けて決定的でないA / Bテスト：よくある質問
A / Bテストの結果が失われたり、結論が出なかったりした場合の対処方法については説明しましたが、それでも疑問がある場合があります。 A / Bテストに関してよく寄せられる質問への回答は次のとおりです。
A / Bテストとは何ですか？
A / Bテストでは、広告、ソーシャルメディアの投稿、ウェブサイトバナー、ヒーロー画像、ランディングページ、CTAボタンなど、さまざまな訪問者に同じオンラインアセットのさまざまなバージョンが表示されます。目標は、どのバージョンがより多くのコンバージョン、ROI、売上、またはビジネスにとって重要なその他の指標をもたらすかをよりよく理解することです。
不確定なA / Bテストとはどういう意味ですか？
それはいくつかのことを意味する可能性があります。たとえば、十分なデータがない、テストが十分に長く実行されなかった、バリエーションが類似しすぎた、データをより詳しく調べる必要があるなどの可能性があります。
A / Bテストの目的は何ですか？
A / Bテストの目的は、広告、ウェブサイト、コンテンツ、ランディングページ、またはその他のデジタルアセットのどのバージョンが他のバージョンよりも優れているかを確認することです。デジタルマーケターは、A / Bテストを使用してデジタルマーケティング戦略を最適化します。
A / Bテストは多変量テストよりも優れていますか？
A / Bテストと多変量テストは異なる目的を果たすため、一方は他方よりも優れているわけではありません。 A / Bテストは、CTAボタンの色や小見出しなどの小さな変更をテストするために使用されます。一方、多変量テストは複数の変数を比較し、変更が互いにどのように相互作用するかについての情報を提供します。
たとえば、多変量テストを使用して、ランディングページのレイアウト全体を変更するとコンバージョンに影響するかどうか、およびどの変更がコンバージョンに最も影響するかを確認できます。
最高のA / Bテストツールは何ですか？
ニーズと使用するプラットフォームに基づいて、さまざまなテストツールがあります。 Googleは、GoogleOptimizeと呼ばれる無料のA / Bテストツールを提供しています。有料のA / Bツールには、Optimizely、VWO、Adobe Target、およびABTastyが含まれます。
また、WordPressプラグイン、Webサイトプラットフォーム、またはHubSpotなどのマーケティングツールを使用してA / Bテストを実行できる場合もあります。
結論：負けたまたは決定的でないA / Bテストを最大限に活用する
A / Bテストは、オンラインマーケティング戦略を成功させるために不可欠です。 SEO、ソーシャルメディア、コンテンツマーケティング、有料広告のいずれに焦点を当てている場合でも、どの戦略が結果を促進するかを理解するには、A / Bテストが必要です。
すべてのA / Bテストは価値があります。新しいバリエーションが勝つか、負けるかは関係ありません。
s、または決定的ではない場合、すべてのテスト結果に重要なデータがあります。 上記の手順は、A / Bテストの結果をよりよく理解するのに役立ち、自信を持って変更を加えることができます。
以前に負けたまたは決定的でないA / Bテストを使用したことがありますか？ どのような洞察を集めましたか？
