Criar duas versões de um ativo digital para ver a qual deles os usuários respondem melhor. Exemplos de ativos incluem uma página de destino, anúncios de exibição, e-mails de marketing e publicações em redes sociais. Em um teste A/B, metade do seu público recebe automaticamente a "versão A" e metade recebe a "versão B". O desempenho de cada versão é baseado em metas de taxa de conversão, como a porcentagem de
pessoas que clicam em um link, preenchem um formulário ou fazem uma compra. O teste A/B não é uma ideia nova com o advento do marketing digital. Ao mesmo tempo, a mala direta era mestre nas ofertas de "divisão" ou "bucketing" para ver qual funcionava melhor. Os recursos digitais se baseiam na mesma ideia, mas permitem resultados de teste mais específicos, confiáveis e rápidos. Se você está tentando expandir seus negócios, pode ser difícil dizer quais estratégias de marketing são
mais relevantes para o seu público. O teste A/B, juntamente com outras estratégias de otimização de conversão, permite experimentar as coisas para melhorar seu conteúdo, fornecer as melhores experiências do cliente e alcançar suas metas de conversão mais rapidamente. Este guia de testes A/B ajudará você a aprender sobre seus fundamentos. Testes A/B, também conhecidos como testes divididos, permitem comparar duas versões de algo para saber qual é mais eficaz. Em poucas palavras, seus usuários gostam mais da versão A ou da versão B? O conceito é semelhante ao método científico. Se quiser descobrir o que acontece quando alguma coisa muda, você
precisa criar uma situação em que apenas essa coisa muda. Pense nos experimentos que você conduziu na escola primária. Se colocar duas sementes em duas xícaras de terra e colocar uma no armário e a outra perto da janela, verá resultados diferentes. Esse tipo de configuração experimental é o teste A/B. Nos anos 1960, os profissionais de marketing começaram a ver como esse tipo de teste poderia ajudá-los a
entender o impacto de sua publicidade. Um anúncio de televisão ou de rádio atrairia mais negócios? As cartas ou cartões-postais são melhores para marketing de mala direta? Quando a internet se tornou parte integrante do mundo dos negócios nos anos 90, os testes A/B se tornaram digitais. Assim que as equipes de
marketing digital ganharam recursos técnicos, começaram a testar suas estratégias em tempo real e em uma escala muito maior. O teste A/B envolve o uso de soluções digitais para testar diferentes elementos de uma campanha de marketing. Para iniciar o teste A/B, você deve ter: Em sua essência, o teste A/B no marketing é o mesmo que
sempre foi. Você escolhe o fator que deseja verificar, como uma publicação de blog com imagens em comparação à mesma publicação sem imagens. Então, exibe aleatoriamente um estilo de publicação de blog para os visitantes, controlando outros fatores. Também registra o máximo de dados possível: taxas de devolução, tempo gasto na página e assim por diante. Pode-se até testar mais de uma variável por vez.
Por exemplo, se você quiser avaliar a fonte e a presença de imagens, poderá criar quatro páginas, cada uma exibindo a publicação do blog com: O software de marketing de teste A/B retorna os dados de experimentos como este. A seguir, alguém da sua empresa interpreta os resultados para decidir se faz sentido para a empresa agir com relação a eles e, em caso
afirmativo, como. Os testes A/B fornecem os dados necessários para aproveitar ao máximo seu orçamento de marketing. Digamos que seu chefe tenha lhe dado um orçamento para direcionar o tráfego para o seu site usando o Google AdWords. Você configura um teste A/B
que rastreia o número de cliques para três títulos de artigos diferentes. Você realiza o teste por uma semana, certificando-se de que, em qualquer dia e hora específicos, o mesmo número de anúncios para cada opção é realizado. Os resultados deste teste ajudarão você a determinar qual título obtém o maior número de cliques. Você pode usar esses dados para moldar sua campanha de
marketing de acordo, melhorando mais o retorno sobre o investimento (ROI) do que se tivesse escolhido um título aleatoriamente. O que são testes A/B?
Definição de teste A/B: O que são testes A/B?
Histórico de testes A/B
O que os testes A/B envolvem?
Como é o teste A/B na era digital?
Por que o teste A/B é importante?
Pequenas alterações, melhorias importantes
Testes A/B permitem avaliar o impacto de mudanças relativamente baratas de implementação. Realizar uma campanha do AdWords pode ser caro, então você quer que todos os aspectos sejam o mais eficazes possível.
Vamos supor que você realizou testes A/B na mesma fonte da sua página inicial, tamanho de texto, títulos do menu, links e posicionamento do formulário de inscrição personalizado. Você testa dois ou três elementos de cada vez para que não tenha muitos desconhecidos interagindo uns com os outros.
A conclusão do teste revela que alterar os últimos três elementos aumenta a taxa de conversão em 6% cada. Seu web designer implementa essas mudanças em menos de uma hora e, quando ele terminar, você terá uma chance de obter 18% mais receita do que antes.
Riscos baixos, recompensas altas
O teste A/B não é apenas econômico, é também eficiente em termos de tempo. Você testa dois ou três elementos e obtém sua resposta. A partir daí, é fácil decidir se uma mudança deve ser implementada ou não. Se os dados da vida real não suportarem os resultados do teste, é sempre possível reverter para uma versão mais antiga.
Aproveitar ao máximo o tráfego
Se você usar o teste A/B para tornar seu site o mais eficaz possível, pode obter mais conversões por visitante. Quanto maior a porcentagem de conversão, menos tempo e dinheiro você precisará gastar em marketing. Isso porque, em teoria, todos que visitam seu site têm mais probabilidade de agir.
Lembre-se, quando você melhora seu site, ele pode aumentar sua taxa de conversão para tráfego pago e não pago.
Com o que os testes A/B funcionam?
Quando se trata de conteúdo voltado para o cliente, há muito a ser avaliado com o teste A/B.
Os alvos comuns incluem:
- Campanhas de e-mail
- E-mails individuais
- Estratégias de marketing multimídia
- Publicidade paga na internet
- Boletins informativos
- Design do site
Em cada categoria, você pode realizar testes A/B com qualquer número de variáveis. Se estiver testando o design do seu site, por exemplo, pode tentar opções diferentes, como:
- Esquema de cores
- Layout
- Número e tipo de imagens
- Cabeçalhos e subtítulos
- Preço do produto
- Ofertas especiais
- Design do botão de chamada à ação
- E-mails de vídeo vs. e-mails não relacionados a vídeo
Em essência, praticamente qualquer estilo ou elemento de conteúdo em um item voltado para o cliente é testável.
Como você realiza testes A/B?
No fim das contas, o processo de teste A/B é apenas o método científico. Se quiser tirar o máximo proveito disso, você precisa abordá-lo cientificamente. Assim como na versão de laboratório do método científico, o teste A/B começa com a escolha do que testar. Todo o processo consiste em várias etapas:
1. Identificar um problema
Certifique-se de identificar um problema específico. "Conversões insuficientes", por exemplo, é algo muito genérico. Há muitos fatores a serem considerados caso um visitante do site se torne um cliente ou se um destinatário de e-mail clica no seu site. Você precisa saber por que seu material não está convertendo.
Exemplo: você trabalha para um varejista de roupas femininas que faz muitas vendas on-line, mas poucas delas vêm de suas campanhas de e-mail. Você acessa seus dados analíticos e descobre que uma alta porcentagem de usuários está abrindo e lendo seus e-mails com ofertas especiais, mas poucos estão realmente convertendo.
2. Analisar dados do usuário
Em termos técnicos, você poderia realizar testes A/B em tudo o que seus clientes veem quando abrem seus e-mails, mas isso levaria muito tempo. Há muitos elementos de design e conteúdo que eles encontram que não são relevantes, então é necessário descobrir qual elemento segmentar.
Exemplo: as pessoas estão abrindo seus e-mails, então não há nada de errado com a forma como você está escrevendo o assunto. Elas também estão gastando tempo lendo-os, então não há nada que os esteja afugentando imediatamente. Como muitos dos usuários que encontram o seu site em outros lugares acabam se tornando clientes, pode-se dizer que não há nada de errado com a forma como está apresentando seus produtos. Isso sugere que, embora as pessoas considerem seus e-mails atraentes, elas estão se perdendo de alguma forma quando vão para o seu site.
3. Desenvolver uma hipótese para testar
Agora você está realmente reduzindo as opções. Seu próximo passo é decidir exatamente o que e como quer testar. Limite seus pontos desconhecidos a um ou dois, pelo menos para começar. Em seguida, é possível determinar como a alteração desse elemento ou elementos pode corrigir o problema que você está enfrentando.
Exemplo: você percebe que o botão que leva as pessoas para a sua loja on-line está escondido na parte inferior do e-mail, abaixo da dobra. Você suspeita que, se o trouxer para o topo da tela, poderá incentivar as pessoas a visitarem o seu site de forma mais eficaz.
4. Realizar o teste de hipóteses
Desenvolva uma nova versão do item de teste que implemente sua ideia. Em seguida, realize um teste A/B entre essa versão e sua página atual com seu público-alvo.
Exemplo: crie uma versão do e-mail com o botão posicionado acima da dobra. Seu design não é alterado, apenas seu posicionamento. Você decide realizar o teste por 24 horas, portanto, define o parâmetro de tempo e inicia o teste.
5. Analisar os dados
Quando o teste terminar, veja os resultados e analise se o novo design de e-mail resultou em alterações perceptíveis. Caso contrário, tente testar um novo elemento.
Exemplo: seu novo e-mail aumentou ligeiramente as conversões, mas seu chefe quer saber se algo mais poderia fazer melhor. Como a variável era o posicionamento do botão, você decide colocá-lo em dois outros locais.
6. Encontrar novos desafiantes para o seu vencedor
O mundo dos testes A/B às vezes usa "vencedor" e "desafiante" para se referir à melhor opção atual e às novas possibilidades. Quando duas ou mais opções competem e uma é significativamente mais bem-sucedida, é chamada de vencedora. Você pode, então, testar essa opção vencedora em relação a outras, que são chamadas de desafiantes. Esse teste pode lhe dar um novo vencedor ou revelar que o vencedor original foi o melhor.
Exemplo: você testou duas versões de teste A/B de uma página de destino e encontrou a vencedora entre elas, mas também há uma terceira versão da página que gostaria de comparar com a vencedora do seu primeiro teste. A terceira versão torna-se o novo desafiante a ser testado com relação ao vencedor anterior.
Depois de executar todas as seis etapas, você pode decidir se a melhoria foi significativa o suficiente para encerrar o teste e fazer as alterações necessárias. Ou você pode realizar outro teste A/B para avaliar o impacto de outro elemento, como o tamanho do botão ou seu esquema de cores.
Dicas para testadores A/B
Aqui estão algumas dicas para ajudar você a tornar seus testes A/B tão úteis quanto possível.
Use amostras representativas de seus usuários
Qualquer cientista dirá que, se você estiver realizando um experimento, precisa garantir que seus grupos de participantes sejam tão semelhantes quanto possível. Se estiver testando um site, pode usar várias ferramentas de teste automatizadas para garantir que uma seleção aleatória de pessoas veja cada versão.
Se estiver enviando material diretamente para seus clientes existentes ou potenciais, precisará criar manualmente listas comparáveis. Faça com que os grupos tenham o mesmo tamanho e, se você tiver acesso aos dados, distribua os destinatários de acordo com sexo, idade e geografia. Dessa forma, as variações nesses fatores terão impacto mínimo em seus resultados.
Maximize o tamanho da amostra
Quanto mais pessoas forem testadas, mais confiáveis serão seus resultados. Isso se vincula a um conceito que os estatísticos chamam de "significância estatística".
Se o resultado for estatisticamente significativo, é improvável que tenha ocorrido por acaso. Por exemplo, se você enviar uma nova versão de um e-mail para 50 pessoas e uma versão de controle para outras 50 pessoas, um aumento de 5% na taxa de cliques significa apenas que cinco pessoas responderam melhor à sua nova versão. A diferença é tão pequena que pode ser explicada como um acaso, então se o mesmo teste for feito novamente, há uma boa chance de os resultados serem diferentes. Em outras palavras, seus resultados não foram estatisticamente significativos.
Se você for capaz de enviar o mesmo conjunto de e-mails para grupos de 500, um aumento de 5% significa que 50 pessoas responderam melhor ao seu novo estilo, o que é muito mais provável de ser significativo.
Evite erros comuns
É tentador criar um botão pop-up com uma nova fonte, um novo tamanho de texto, novos tamanhos ou cores de botão. Mas quanto mais elementos novos você adicionar, mais difusos serão seus resultados.
Seguindo o exemplo acima, se o seu novo pop-up tiver um design completamente diferente do original, você provavelmente verá correlações que são completamente coincidentes. Talvez pareça que o grande botão roxo de "check out" (finalizar compra) com a imagem do sinal de dólar está indo melhor do que o pequeno botão azul que ele substituiu. No entanto, é possível que apenas um desses elementos de design tenha sido significativo, como o tamanho, por exemplo.
Lembre-se, você sempre pode realizar um novo teste com diferentes elementos posteriormente. Observar esse teste de acompanhamento será mais fácil do que tentar analisar um teste com 18 variáveis diferentes.
Aguarde a conclusão do teste antes de fazer alterações
Como os testes A/B permitem ver os efeitos de uma mudança em tempo real, é tentador encerrar o teste assim que os resultados começam a surgir para implementar uma nova versão imediatamente. No entanto, fazer isso significa que seus resultados têm maior probabilidade de serem incompletos e menos significativos em termos estatísticos. Fatores sensíveis ao tempo podem afetar seus resultados, então é preciso esperar o final do período de teste para se beneficiar da randomização.
Realize testes mais de uma vez
Mesmo o melhor software de teste A/B retorna falsos positivos porque o comportamento do usuário é muito variável. A única maneira de garantir que seus resultados sejam precisos é realizar o mesmo teste novamente com os mesmos parâmetros.
A repetição do teste é particularmente importante se a sua nova versão mostrar uma pequena margem de melhoria. Um único resultado falso positivo importa mais quando não há tantos resultados positivos.
Além disso, quando muitos testes A/B são realizados, é mais provável encontrar um falso positivo. Pode não ser possível realizar todos os testes novamente, mas se você refizer o teste de vez em quando, terá uma chance maior de detectar erros.
Simplifique os testes A/B com o Mailchimp
O teste A/B é uma maneira eficiente e eficaz de avaliar a resposta do seu público ao design ou ideia de conteúdo, porque não perturba a experiência dos seus usuários nem envia pesquisas de feedback disruptivas. Tente algo novo e deixe os resultados falarem por si mesmos.
Novo no teste A/B? Teste facilmente suas campanhas com o Mailchimp para determinar quais cabeçalhos de e-mail, elementos visuais, assuntos e cópias mais ressoam com seus clientes.