A/B тестування — це науковий підхід до оптимізації конверсії. Замість здогадок ви приймаєте рішення на основі даних. У цій статті розберемо, як проводити тести правильно.
Що таке A/B тест?
A/B тест (split test) — це експеримент, де ви показуєте двом групам користувачів різні версії сторінки і порівнюєте результати.
- Контроль (A): поточна версія
- Варіант (B): версія зі змінами
Процес A/B тестування
1. Формулювання гіпотези
Хороша гіпотеза має структуру:
"Якщо ми [зміна], то [метрика] зросте на [X%],
тому що [обґрунтування]."
Приклад:
"Якщо ми змінимо колір кнопки з синього на зелений,
то CTR зросте на 15%, тому що зелений асоціюється з дією."2. Вибір метрики
- Primary metric: головний показник (конверсія, CTR)
- Secondary metrics: додаткові (bounce rate, час на сайті)
- Guardrail metrics: контрольні (дохід, кількість покупок)
Важливо: Визначте метрики ДО запуску тесту. Вибір метрик після — це p-hacking.
3. Розрахунок розміру вибірки
Для статистичної значущості потрібен достатній трафік:
Параметри:
- Baseline conversion: 3%
- Мінімальний ефект: 10% relative (з 3% до 3.3%)
- Statistical power: 80%
- Significance level: 95%
Результат: ~30,000 відвідувачів на варіантНайбільша помилка — зупиняти тест, коли бачиш "переможця". Дочекайся статистичної значущості!
— Правило A/B тестування
4. Запуск тесту
- Рандомізація користувачів
- Рівномірний розподіл трафіку (50/50)
- Мінімум 1-2 тижні (щоб охопити різні дні)
5. Аналіз результатів
Перевірте:
- p-value < 0.05 — статистична значущість
- Confidence interval — не перетинає 0
- Sample ratio mismatch — розподіл 50/50
Що тестувати?
- CTA кнопки (колір, текст, розмір)
- Заголовки та описи товарів
- Зображення (lifestyle vs product shot)
- Форми (кількість полів)
- Ціни та знижки
- Навігація та UX
Порада: Тестуйте великі зміни спочатку. Зміна кольору кнопки дасть менший ефект, ніж редизайн checkout.
Інструменти
- Google Optimize — безкоштовний, інтеграція з GA
- VWO — потужний, візуальний редактор
- Optimizely — enterprise рівень
Типові помилки
- Зупинка тесту раніше часу
- Тестування занадто багатьох змін одночасно
- Ігнорування сегментів (mobile vs desktop)
- Відсутність документації тестів
Висновок
A/B тестування — це марафон, не спринт. Створіть культуру тестування у команді, документуйте всі експерименти та приймайте рішення на основі даних.
