fbpx
用 A/B Testing 提升你的網頁轉換率

Written by 上午 9:30 A/B Test

用 A/B Testing 提升你的網頁轉換率!

當行銷人想提升產品的轉換率時,會考慮的點不外乎增加廣告投放預算、嘗試多種廣告素材或文案、調整產品售價、舉行產品相關活動等等,這些都是典型的行銷操作手法,但若我們將目光放到網站本身,則有一種有效提升轉換率方式,叫做「A/B Test」,那麼該如何用 A/B Test 提升你的網頁轉換率呢?

在正式認識 A/B Test 之前,你可以先理解轉換漏斗與管道分析的概念。

轉換漏斗

最經典轉換漏斗為「AARRR」,其對應分別代表 Acquisition(獲取用戶)、Activation(成為會員)、Retention(持續回訪)、Revenue(產生營收)、Referral(推薦其他用戶)。我們可以視這個過程為一般常見的用戶旅程,也就是一個用戶在完成購買前的每個階段,且在購買後他還會向其他人推薦你的產品。

一般來說,每個網站的行銷漏斗都會略有差異,你可以透過 GA 觀察使用者路徑,制定出最適合自己的轉換漏斗。

圖片來源:Alex Genovese

管道分析

管道分析則是紀錄自己使用哪些管道來獲取用戶,並找到能帶來最大的商業價值的管道。假設我今天要出售一堂線上課程,分別使用了 Google Ads、臉書廣告、eDM、網站公告這四個管道來銷售,結果顯示臉書廣告能帶來最多購買用戶,則在下一波的行銷活動中,我就可以想辦法去增加臉書廣告預算或是提升轉換率,來增加購買數。

其中「提升轉換率」這個概念就可以跟漏斗分析結合,你找到了最佳管道,並針對這個管道的用戶路徑做轉換漏斗,有可能結果出來是這樣的:

FB 廣告-課程試看頁-課程介紹頁-課程價格頁。

為了提升轉換率(橫線處),我們可以利用 A/B Test 來了解該如何設計或調整每個頁面,以達成整體轉換數的提升。

正式進入 A/B Test 環節!

今天會介紹的 A/B Test 執行方式是由希平方科技 技術長 張修齊 Jasper 所分享,利用「APPEAL 五步驟一循環」的思維法則,來嘗試提升產品轉換率。

所謂的「APPEAL 五步驟一循環」代表的是:[(問題起源)、(設計假設)、(實驗原型)、(執行測試)、(結果回顧)〕獲得結果後(再來一次)。套用到上面的案例,我們可以開始去嘗試發現問題。

問題起源

假設我們發現從課程介紹頁轉到課程價格頁的轉換率極低,僅僅只有 1%,相比其他階段 5% 以上的轉換率,這是非常低的數字,我們猜測是因為進入課程價格頁的按鈕是白色,不夠明顯導致轉換率偏低。這是個問題,我們帶著它,進到下一階段。

設計假設

將問題鎖定在按鈕顏色後,我們決定將按鈕調整為紅色,以吸引用戶的目光、增加點擊機率。在歸納過整個實驗邏輯後,我們將假設定為「在將按鈕調整成紅色以後,由於用戶的目光被吸引所以更容易點擊按鈕,我們預期轉換率可以成長至 5%。」

這裡要注意,一個完整的假設應該是這樣的句子:

「因為調整了 X,影響到 Y,所以改變到 Z。」

這裡的 Z 需要是一個可量化的數字,才能讓我們在實驗完成後了解此一改動是否有達成預期目標,最好還能有「如果實驗成功,則代表…,若實驗失敗,則代表…。」的思考,這樣無論實驗成功與否,你都能學到東西。

實驗原型

一般的實驗分為實驗組以及對照組,我們會需要製作 1 個或以上的版本來幫助 A/B Test 進行。今天我們就分別製作白色與紅色按鈕的版本來進行測試,為了在跨裝置中也能正確測試,同時準備了電腦版與手機版。

在實驗中除了實驗組對照組本身以外,還牽涉到樣本數、實驗走期、變因控制、信心水準等元素,但因為牽涉到統計學,有點複雜,完全是可以獨立一篇談的程度,所以在這裡先不談,後續系列文章再做說明。

執行測試

在執行測試中,最重要的就是監測數據。根據我們的例子,最重要的數字就是課程介紹頁的訪客數以及按鈕的點擊次數,所以在實驗中一定要確保這些數據能被監測,否則就無法知道我們的假設是否能成立。

結果回顧

在回顧結果時,通常會有三種結果:

1. 正向的結果:實驗結果符合假設

此時你應該趕快上線,並持續針對此一改變做成效監測,確認轉換是否真的能長期維持在 5% 以上。

2. 中性的結果:實驗結果沒有顯著影響

再次驗證數據是否可能存在錯誤,如果沒有,那就要將整個實驗拆開來看,確認哪個環節可能假設錯誤,導致沒有出現預期成效。

3. 反向的結果:實驗結果不符合假設

先體認到一件事,實驗不符合假設是常有的事。你應該在獲得反向結果之後,依照一開始的假設去調整優化方向,而不是直接放棄這個實驗。

小結

上面的流程走過一次後,可以根據實驗結果再執行一次 A/B Test, 以達成更好的轉換率,並透過每次的結果去發想下一個實驗方向,這些就是 A/B Test 能帶來的價值,也曾有前輩說過:

「不是只做 A/B Test,而是要一直 A/B Test 下去。」

這大概就是對 A/B Test 最佳的註解了。


如果你喜歡我的文章,歡迎留下 email 訂閱電子報,一起聊聊行銷觀念與實戰操作,近期還會新增 A/B test 跟 Python 兩大系列主題。或是也可以加入我的粉絲團「維斯洞察 – 行銷與數據分析」一起成長學習!

訂閱「跟著維斯玩行銷」
只給你有用的行銷、內容產業知識

更多的 A/B Test 相關內容可以參考以下文章:

操作 A/B Test 前必看!五大地雷你中了幾個?

操作 A/B Testing 前你一定要考慮的 4 大因素!

Close