En manuell A/B Test-aktivitet jämför två eller flera versioner av webbplatsinnehållet för att se vilken version som förbättrar dina konverteringar under en fördefinierad testperiod.
NOTE
Utöver aktiviteten Manuell (standard) A/B Test (beskrivs i det här avsnittet) innehåller Target ytterligare två typer av A/B Test-aktiviteter: Auto-Allocate och Auto-Target. Mer information finns i Typer av A/B-testningsaktiviteter nedan.
En manuell A/B Test-aktivitet (kallas ibland A/B…N-test) jämför två eller flera versioner av webbplatsinnehållet för att se vilken version som bäst lyfter dina konverteringar, försäljning eller andra mätvärden du identifierar. Använd ett A/B-test för att jämföra ändringar av sidan med standardsiddesignen för att avgöra vilken upplevelse som ger bäst resultat.
Manuella A/B-tester är användbara när du har en tydlig hypotes om hur du kan förbättra sidans prestanda baserat på framgångsmått eller alternativ innehållsleverans.
Manuella A/B-tester passar bra för stora förändringar som kan innebära nya layouter eller drastiskt olika behandlingar av elementen. Om testdesignen inte så lätt bryts ned i enskilda sidelement bör du köra ett A/B-test före ett multivariat-test.
När du konfigurerar A/B-testet kan du bestämma hur många procent besökare som ska se varje upplevelse. Du kan till exempel dela upp trafiken jämnt mellan kontrollen och en andra upplevelse, eller testa en ny, mer riskfylld upplevelse genom att visa den för endast 5 % av er målgrupp.
NOTE
Mer information om hur du fastställer den optimala provstorleken för ett A/B-test finns i Planera A/B-testet.
När antalet olika upplevelser överstiger fem och sträcker sig över två eller fler platser är det en bra idé att överväga ett MVT-test innan du kör A/B-testerna. Multivariattestet visar vilka områden på sidan som mest sannolikt förbättrar konverteringen. Dessa områden är de platser som en marknadsförare ska fokusera på. MVT-testet kan till exempel visa att uppmaningen att vidta åtgärder är den viktigaste platsen för att uppnå dina mål. När du har fastställt vilka platser och vilket innehåll som är mest användbart för att du ska kunna uppnå dina mål kan du köra ett A/B-test för att ytterligare förfina resultaten. Om du till exempel vill testa två specifika bilder mot varandra eller jämföra ordalydelsen eller färgerna i en uppmaning till åtgärd. Genom att följa ett MVT-test med ett eller flera A/B-tester kan du fastställa vilket innehåll som är bäst för de resultat du vill ha.
Typ av A/B-testning types
Utöver den manuella A/B Test-aktiviteten (som beskrivs i det här avsnittet) innehåller Target ytterligare två typer av A/B-testningsaktiviteter: Auto-Allocate och Auto-Target.
Typ av aktivitet
Beskrivning
Manual A/B Test
Jämför två eller flera upplevelser för att se vilken som ger bäst konvertering under en förspecificerad testperiod.
I det här avsnittet beskrivs hur du konfigurerar en manuell A/B Test-aktivitet, men stegen för de andra typerna av A/B Test-aktiviteter är liknande.
Auto-Allocate
Identifierar en vinnare bland två eller fler upplevelser och dirigerar sedan om trafiken till vinnaren, vilket ökar konverteringsgraden när testet körs och lär sig.
Använder avancerad maskininlärning för att personalisera innehåll och driva konverteringar genom att identifiera flera högpresterande, marknadsföringsdefinierade upplevelser. Den mest skräddarsydda upplevelsen betjänas sedan av besökarna baserat på deras individuella kundprofiler och tidigare beteenden hos liknande besökare.
Stegen för att skapa de tre typerna av A/B Test-aktiviteter liknar varandra. Om du vill skapa en Auto-Allocate- eller Auto-Target-aktivitet börjar du med att skapa en A/B-testaktivitet, men när du kommer till sidan Targeting väljer du den trafikallokeringsmetod du vill använda, som visas nedan:
Auto-allocate to best experience
Auto-target for personalized experience
Inkludera rekommendationer i A/B-aktiviteter
Du kan inkludera rekommendationer inuti A/B Test-, Auto-Allocate- och Auto-Target-aktiviteter (och Experience Targeting (XT)). Mer information finns i Recommendations som erbjudande.
