10 Kesalahan Besar Pemasar Saat Melakukan Split Testing

Agar bisnis apa pun dapat berjalan secara efektif, bagian utamanya adalah analisis dan penelitian pemasarannya yang cenderung dilewatkan oleh banyak pengusaha. Kecenderungan penjualan belaka tanpa mempertimbangkan apa yang berhasil dan apa yang tidak menentukan pertumbuhan situs. Ini memblokir persyaratan yang lebih dalam untuk riset pasar intensif, dan akibatnya, dalam jangka panjang, Anda kehilangan pelanggan. Cara terbaik untuk melakukan riset klien adalah dengan pengujian terpisah.

Mengapa tes terpisah?

Pengujian terpisah atau pengujian A/B, menurut definisi, adalah metode melakukan eksperimen yang terkontrol namun acak dengan tujuan definitif untuk meningkatkan lalu lintas situs web. Sederhananya, ini adalah perbandingan dua versi dari halaman yang sama untuk menentukan mana yang lebih efektif. Idealnya, hanya akan ada satu atau dua perbedaan antara kedua versi tersebut untuk menentukan keefektifannya secara akurat.

Tindakan umum seperti konten, klik, penyelesaian formulir, dan pembelian dianalisis untuk melihat varian apa yang memberikan hasil yang lebih baik untuk tujuan pemasaran yang telah ditentukan sebelumnya. Metodologi pemasaran umum yang digunakan adalah formulir pendaftaran, halaman pendaftaran, tombol ajakan bertindak, atau pengalihan ke halaman lain. Terbukti bahwa perubahan kecil seperti memperbarui satu kata di CTA telah membantu meningkatkan konversi hingga 77%. Ini membuktikan pentingnya melakukan pengujian terpisah untuk meningkatkan keefektifan kampanye pemasaran Anda.

Meskipun kedengarannya menarik, terkadang pemasar terlihat cenderung mengeluh karena mendapatkan analitik negatif palsu atau bahkan tidak dapat menghasilkan data yang memadai. Jika Anda terganggu oleh pengujian terpisah, kemungkinan Anda melakukannya dengan cara yang salah. Berikut adalah daftar 10 kesalahan paling umum yang kemungkinan besar dilakukan penguji beserta kemungkinan perbaikannya.

Kesalahan dan perbaikan yang perlu diketahui

Mungkin ada banyak kesalahan saat penguji mencoba memahami analisis terpisah. Yang paling umum dicatat di bawah ini.

1. Pengujian Sewenang-wenang

Masalah terbesar yang harus dilakukan sebagian besar penguji adalah melakukan tes terpisah tanpa alasan. Misalnya, Anda mungkin khawatir tentang menguji ukuran tombol 'ajakan bertindak', sehingga Anda dapat mendesain varian dengan fokus tertentu. Jika Anda melakukan split test hanya untuk kepentingan itu, maka harap menahan diri karena Anda akan dikutuk.

Perbaiki: Gunakan perangkat lunak peta panas untuk menemukan area potensial yang tidak terlalu fokus atau tidak mengumpulkan banyak lalu lintas. Lakukan tes terpisah dan buat hipotesis terlebih dahulu. Sekarang lakukan uji coba dan pastikan untuk melakukannya pada fase waktu yang tepat, bandingkan kumpulan data peta panas yang baru dan analisis. Terus ulangi sampai Anda mendapatkan hasil yang memuaskan.

2. Membatalkan tes lebih awal

Ini adalah kesalahan besar pemula yang pasti dilakukan oleh sebagian besar penguji. Mari kita asumsikan bahwa situs Anda menghasilkan lalu lintas yang tinggi sehingga dalam waktu 3 hari setelah uji pemisahan, Anda menghasilkan keyakinan 98% dan sekitar 250 konversi per variasi dan Anda berhasil menyelesaikan pengujian. Di sinilah tes Anda mendapatkan hasil positif palsu karena Anda belum memperhitungkan parameter musiman, dan bahkan pada hari apa Anda melakukan tes dapat menyebabkan variasi yang signifikan dalam kurva tes.

Perbaikan: Parameter penting lainnya untuk analisis statistik apa pun adalah ukuran sampel yang diambil. Untuk mendapatkan hasil yang tepat, pastikan untuk mengambil ukuran sampel yang cukup besar yaitu. 100 atau 1000 konversi. Ukuran sampel yang diambil terlalu kecil dapat menyebabkan implikasi yang salah.

3. Pengujian multi-elemen

Analisis pemetaan panas situs web mungkin menunjukkan bahwa ada lebih dari satu area yang perlu fokus, namun melakukan beberapa pengujian pada saat yang sama tidak menghasilkan apa-apa.

Itu selalu lebih baik untuk memilih tes split daripada yang multivarian. Hal ini karena saat Anda melakukan uji terpisah pada dua halaman yang memiliki perbedaan hanya dalam satu parameter, mudah untuk menilai halaman mana yang berfungsi lebih baik.

Perbaikan: Namun dalam kasus pengujian multivarian, asumsikan bahwa Anda menguji empat halaman web berbeda dengan dua atau tiga parameter berbeda. Dalam hal ini, saat Anda mengumpulkan data, Anda tidak dapat memperbaiki faktor penentu yang sebenarnya. Pada kesempatan seperti itu, Anda harus membandingkan data dari semua halaman dan juga menganalisis korelasi antara parameter yang berbeda.

4. Fokus hanya pada konversi lalu lintas

Saat Anda menguji satu atau beberapa parameter, pastikan untuk mengakar kuat alih-alih hanya berpikir jangka pendek. Ini berarti jika Anda melihat perubahan tertentu mengumpulkan lebih banyak lalu lintas di situs Anda, jangan berpuas diri. Jika lalu lintas tinggi terdiri dari pelanggan berkualitas rendah maka ini pada akhirnya dapat menghasilkan hasil negatif untuk bisnis Anda.

Perbaiki: Jadi, setiap kali Anda memilih untuk tes terpisah, periksa metrik konversi Anda, lalu hubungkan lalu lintas itu dengan prospek aktual dan lihat berapa banyak yang menghasilkan pelanggan potensial.

5. Memilih hipotesis acak atau hanya mengikuti praktik uji terpisah secara membabi buta

Uji statistik tidak memiliki signifikansi tanpa hipotesis yang tepat. Jadi, bahkan sebelum membuang-buang waktu Anda melakukan tes, pastikan Anda memiliki hipotesis yang tepat. Jika Anda tidak yakin dengan kredibilitas hipotesis Anda, lakukan riset pasar, analisis hasil untuk variabel pilihan Anda, periksa strategi pesaing Anda, dan kenali target pelanggan Anda.

Perbaikan: Juga saat memeriksa strategi pesaing, pastikan untuk tidak mengikuti mereka secara membabi buta. Apa yang berhasil untuk orang lain tidak akan berhasil untuk Anda. Periksa strategi pesaing Anda tetapi pada saat yang sama ketahuilah USP Anda sendiri dan buat strategi yang sesuai.

6. Menghilangkan variabel perancu

Variabel perancu adalah elemen-elemen yang bukan bagian dari parameter hipotesis signifikan Anda dan cenderung mengacaukan hasil tes Anda. Beberapa di antaranya adalah pengenalan produk baru, peluncuran kampanye pemasaran, dan desain ulang situs web.

Hal ini umumnya terjadi saat Anda mengubah beberapa parameter pengujian di tengah pengujian untuk menghasilkan variasi yang lebih signifikan. Ini mungkin menghasilkan lalu lintas dari tempat di luar kumpulan target potensial Anda.

Perbaiki: Saat melakukan tes split pastikan untuk menghilangkan variabel pengganggu tersebut, dan pastikan bahwa faktor lainnya tetap konstan selama tes.

7. Menguji perubahan inkremental saja

Ada perbedaan yang signifikan antara seberapa besar situs web beroperasi dan bagaimana pengusaha kecil lainnya harus menghadapinya. Untuk situs web besar, beberapa perubahan kecil dapat menghasilkan ROI yang besar. Tetapi untuk startup dan perusahaan kecil, kegiatan ini mungkin tidak memberikan hasil yang diharapkan. Misalnya, tidak cukup layak untuk menguji situs web atau warna tombol CTA dan berbagai coraknya, karena ini hanya akan menambahkan sedikit perubahan pada keseluruhan tampilan situs.

Perbaikan: Tes terpisah memberikan peningkatan kecil tetapi itu tidak akan memberikan omset yang signifikan dalam kasus usaha kecil. Jadi jangan fokus hanya pada perubahan bertahap, sebaliknya, fokuslah pada peningkatan kinerja yang besar. Apa yang dibutuhkan adalah melakukan perubahan radikal pada tingkat keseluruhan. Ini lebih intensif daripada teknik pengujian A/B sempit. Ini mungkin memerlukan desain ulang halaman utama yang membutuhkan upaya besar. Penting juga untuk diperhatikan bahwa karena banyak elemen yang didesain ulang, mungkin sulit untuk mengetahui elemen mana yang menyebabkan lonjakan lalu lintas setelah halaman yang didesain ulang aktif.

8. Melakukan tes split bahkan tanpa lalu lintas apapun

Jika Anda menjalankan bisnis hanya untuk beberapa bulan, disarankan untuk mencapai lalu lintas yang lebih tinggi, sebelum Anda mulai menjalankan uji split. Untuk startup dan usaha baru, melakukan tes terpisah dengan beberapa pengguna beta tidak akan efektif. Pengujian hipotesis yang berbeda adalah permainan signifikansi statistik yang dicapai dengan sampel optimal. Tetapi jika Anda tidak memiliki sampel yang memadai, tujuan mendasar ini tidak akan terpenuhi.

Perbaikan: Lakukan pengujian terpisah hanya jika Anda telah memenuhi 3 kondisi berbeda

1- Anda memiliki sampel representatif yang memadai

Pengujian perlu dijalankan selama 3-4 minggu untuk memenuhi berbagai periode penjualan. Membatalkan pengujian sebelum itu tidak akan menggambarkan pengujian universal, melainkan akan menunjukkan hasil pengujian selektif/siklik.

2- Anda memiliki ukuran sampel yang cukup

Situs web dengan lebih dari 1000 transaksi (prospek, pendaftaran, atau langganan) dapat melakukan satu pengujian A/B dalam sebulan untuk meningkatkan lalu lintas. Faktor-faktor seperti rasio konversi, total kunjungan, dan keseluruhan transaksi akan menentukan seberapa besar ukuran sampel yang memadai.

3- Saat Anda mencapai nilai-p

Setelah poin # 2 dan 3 terpenuhi, penting untuk melihat nilai-p (sesuai kesalahpahaman umum nilai-p bukanlah probabilitas B lebih besar dari A). Biasanya, tingkat signifikansi yang dapat diterima adalah 5% (atau 1 dari 20 kali, sampel akan menunjukkan hasil ekstrim mengingat hipotesis nol benar)

9. Tes tidak berjalan selama seminggu penuh

Untuk tes split untuk menghasilkan hasil yang tepat, parameter musiman, mingguan, dan bahkan diurnal penting. Jadi periode waktu yang dibutuhkan untuk tes split harus dipilih dengan hati-hati. Tidak memfaktorkan dalam tes minggu penuh akan memiringkan hasil yang mungkin menunjukkan gambaran yang benar dari hasil pengujian

Perbaiki: Misalnya, jika Anda adalah pemilik situs eCommerce, maka pada akhir pekan populasi target Anda lebih condong ke produk Anda sedangkan pada hari Senin atau jam sibuk di hari kerja situs Anda mungkin tidak menghasilkan lalu lintas yang tepat. Jadi, pastikan Anda mengakhiri tes pada hari yang sama dengan awal. Ini memastikan bahwa Anda menguji seminggu penuh dalam satu iterasi. Ini juga akan sejalan dengan rekomendasi kami sebelumnya – menjalankan pengujian selama 2-3 minggu

10. Data pengujian tidak dikirim ke Google Analytics

Metrik konversi umumnya menunjukkan data rata-rata dan di dunia rata-rata pemasaran berbohong. Anda tidak akan pernah mendapatkan gambaran lengkap jika Anda hanya bekerja dengan data persentase. Ini karena waktu, musim, fase diurnal, dan banyak faktor lainnya berkontribusi pada grafik pelanggan yang tepat.

Perbaikan: Jadi, jika Anda telah melayani sejumlah besar data, kirimkan ke Google Analytics. Jalankan segmen lanjutan dan laporan ubahsuaian. Hasilnya akan menunjukkan kepada Anda jalur untuk menjalankan pengujian lanjutan dan Anda mungkin mendapatkan ide ke mana harus melakukan pengujian situs Anda dari sana. Memanfaatkan fitur GA baru memungkinkan pemasar menjalankan hingga 20 data pengujian A/B bersamaan yang dianalisis. Pastikan untuk menggunakan Dimensi Khusus yang berbeda (atau Variabel Khusus dalam mode klasik GA) untuk satu eksperimen aktif. Alat seperti Optimizely Classic dapat membantu dalam kasus ini.

Singkatnya

Analisis pemasaran dan bisnis cukup rumit dengan caranya sendiri. Jadi, alih-alih memeriksa apa yang dilakukan orang lain atau menggunakan strategi pengujian yang paling umum, gunakan cara yang cerdas dan terapkan pengujian A/B yang hemat biaya untuk meningkatkan ROI dari strategi pemasaran Anda.