Geteiltes Testen mit Google Analytics-Experimenten

Im heutigen Tutorial betrachten wir eine der neuesten Erweiterungen von Google Analytics zu seinen Funktionen. Experimente. Mit diesem Tool zeige ich Ihnen, wie Sie verschiedene Variationen einer Seite bereitstellen können, um festzustellen, welche die Besucher der Website am erfolgreichsten konvertiert.

Präambel

Wenn Sie jemals eine Website erstellt haben, sind Sie mit Google Analytics fast sicher vertraut. Mit einem kostenlosen Google-Konto und einem Code-Snippet können Sie die Besucher Ihrer Websites nachverfolgen und die Daten mit einem erstaunlichen Fokus aufzeichnen.

Von kleinen persönlichen Projekten bis zu Websites auf Unternehmensebene hat sich Google Analytics aus sehr guten Gründen als Marktführer etabliert. Es ist kostenlos, einfach zu implementieren und eignet sich für gelegentliche Benutzer oder sogar für den am stärksten kampferprobten Vermarkter.

Bereit anzufangen? Lass uns anfangen!

Eine kurze Einführung in das Split Testing

Wir haben Split-Tests bereits im Rahmen von Ians ausführlicher Zusammenfassung zu Conversion und Online-Marketing behandelt, aber werfen wir einen kurzen Blick auf Split-Tests in der Online-Arena.

Indem wir verschiedene Versionen einer Seite für gleichzeitige Besucher bereitstellen, machen wir effektiv das, was Leute in Marketingkreisen als Split Testing bezeichnen. Das ultimative Ziel dieses Ansatzes ist es zu ermitteln, welche einer Gruppe von Webseiten (oder Broschüren, Banneranzeigen, Textanzeigen usw.) Besucher am effektivsten konvertiert. Während eine "Conversion" so gut wie alles sein kann, sind Website-Inhaber in der Regel daran interessiert, Einkäufe, Anmeldungen, Kontoregistrierungen vorzunehmen oder Besucher dazu zu bringen, ihnen auf sozialen Kanälen zu folgen.

Variationen müssen alle gleichzeitig ausgeführt werden.

Das wichtigste Konzept zum Split-Testing ist, dass die Variationen gleichzeitig ausgeführt werden müssen. Mit anderen Worten, es wäre kein effektiver Split-Test, eine Seite für einen Monat zu laden, die Daten zu sammeln und dann eine andere Seite hochzuladen, um die Daten erneut zu sammeln und zu vergleichen. Ein wesentlicher Bestandteil von Split-Tests besteht darin, sicherzustellen, dass möglichst viele Faktoren, die einen Site-Besucher beeinflussen könnten, entfernt werden.

Bis vor kurzem waren A / B-Split-Tests (d. H. Tests zwischen zwei Varianten) der Standardansatz für das Testen von Online-Konvertierungen. Die Idee des A / B-Split-Tests besteht darin, zu einem Gewinner zu gelangen und dann mehrmals zu spülen und zu wiederholen, wobei jedes Mal näher an die Seite kommt, die die maximale Anzahl an Besuchern konvertiert. Das A / B-Split-Testing ist zwar ziemlich effektiv, weist jedoch einige kritische Einschränkungen auf, die wir gleich besprechen werden.

Die Frage ist, ist dies ein robuster Weg Ja wirklich auf der besten Umwandlungsseite ankommen? Es gibt eine Reihe von Problemen mit dem oben abgebildeten Prozess:

Erstens, wenn wir davon ausgehen, dass jeder Test eine Woche in Anspruch nimmt, dauert der Prozess, um zu einer Gewinnseite zu gelangen, schmerzhafte fünf Wochen. Dies ist nicht nur eine lange Zeit, in der Ihre Website auf erfolgreiche Conversions angewiesen ist. Vieles kann in fünf Wochen im Internet geschehen. Sogar eine Änderung der Art und Weise, wie Google Ihre Seite indiziert, kann zu drastisch anderen Nutzern führen (genau wie wir es beim letzten Google 'Penguin' Update gesehen haben). Dies bedeutet, dass wir im Wesentlichen Äpfel mit Orangen zwischen dem ersten Split-Test und dem letzten Test fast eineinhalb Monate später vergleichen könnten.
Zweitens: Obwohl wir wissen, dass Seite Eins im ersten Test die zweite Seite übertroffen hat, können wir nicht sicher sein, dass Seite Zwei Seite Drei nicht übertrifft, da wir sie nicht nebeneinander verglichen haben.

Eine bessere Alternative zu dieser Methode ist der Vergleich aller Seitenvariationen miteinander und gleichzeitig, wie hier gezeigt:

In diesem Beispiel können wir sicher sein (zweifelsfrei), dass Seite 4 tatsächlich die beste Seite ist, da alle Seiten innerhalb desselben Zeitraums gegeneinander getestet werden, wobei (wir können annehmen) eine konsistente Besucherbasis.

Was wir heute tun, ist die Verwendung der Google Analytics-Experimente, um drei Seitenvariationen nebeneinander auszuführen, anstatt mehrere Iterationen der zwei Standardvariationen im traditionellen A / B-Split-Test durchzuführen. Während ich drei Variationen verwende, können Sie derzeit sechs Seitenvariationen in einem einzigen "Experiment" ausführen..

Das Szenario

In dem heutigen Projekt wurden wir beauftragt, die Anzahl erfolgreicher Kontoanmeldungen für ein fiktives Unternehmen zu erhöhen. Sie haben festgestellt, dass eine beträchtliche Anzahl von Besuchern der Website auf der Konto-Anmeldeseite ankommt, aber vor dem Senden des Formulars abbricht.

Hier ist ein Screenshot (für das Tutorial angepasst) der aktuellen Anmeldeseite, oder Sie können die Seite online anzeigen.

Hinweis: Dieses Tutorial betrachtet nicht das Design der Seite und ihre Variationen. Wenn Sie an dem Code interessiert sind, können Sie alle Dateien aus dem Abschnitt "Ressourcen" dieses Tutorials herunterladen.

Der Einfachheit und Kürze halber sind diese Seiten auch ziemlich nackte Knochen und enthalten keine serverseitigen Skripts zum Sammeln der Formulardaten und keine Beispiele für funktionierende Produktionsformulare.

Zu diesem Zeitpunkt können wir nur spekulieren, was der Grund für den Abbruch tatsächlich sein könnte, aber ein guter Anfang ist die Länge des Formulars. Derzeit muss der Benutzer auf der Anmeldeseite vierzehn separate Aktionen ausführen, um ein Konto zu erstellen.

Unter der Annahme, dass der Benutzer nach Erstellung seines Kontos in der Lage ist, seine persönlichen Daten (z. B. Land und bevorzugte Währung) zurückzugeben und hinzuzufügen, ist eine logische Seitenvariation für Besucher der Website ein abgeschnittenes Formular, für das weniger Aktionen erforderlich sind.

In Anbetracht dieses Angriffsplans ist hier die zweite Seitenvariante, die wir in unserem Experiment verwenden werden:

Sehen Sie sich die Seite online an.

Lassen Sie uns für unsere letzte Seitenvariante das Formular noch einmal abschneiden, um nur das absolut Notwendige für die Erstellung eines Kontos einzubeziehen, nämlich den Benutzernamen, die Kennwortfelder, die E-Mail-Adresse und die Bestätigung der Nutzungsbedingungen.

Hier ist ein Bild der dritten Seitenvariante:

Sehen Sie sich die Seite online an.

Schließlich haben wir eine Bestätigungsseite, die dem Besucher angezeigt wird, sobald das Formular erfolgreich ausgefüllt wurde.

Sehen Sie sich die Seite online an.

Jetzt, da wir unsere drei Seitenvarianten haben, richten wir die erforderlichen Elemente in Google Analytics ein und testen sie nebeneinander.

Schritt 1: Erstellen Sie ein Google Analytics-Konto

Ich bin mir sicher, dass viele von Ihnen bereits mit Google Analytics vertraut sind. Der Vollständigkeit halber werden wir jeden einzelnen Schritt durchgehen, der erforderlich ist, um Analysen auf der Website zu ermöglichen, ein Ziel festzulegen und das Experiment selbst zu aktivieren.

Gehen Sie zu Google Analytics und melden Sie sich mit Ihrem Google-Konto an (oder richten Sie ein neues Konto ein). Vorausgesetzt, Sie haben Ihrem Profil noch kein Analytics-Konto hinzugefügt, wird der folgende Bildschirm angezeigt. Klicken Sie auf die Schaltfläche "Anmelden", um zu beginnen.

Füllen Sie auf der folgenden Seite die Formularfelder aus, die sich auf Ihr Projekt beziehen:

Schritt 2: Fügen Sie das Google Analytics-Snippet hinzu

Die Tracking-Funktion von Google Analytics wird von einem JavaScript-Snippet unterstützt. Auf der folgenden Seite erhalten Sie den erforderlichen Code und Anweisungen zum Hinzufügen zu Ihrer Website. Kopieren Sie einfach den Code in Ihre Zwischenablage und fügen Sie ihn in jede Seite ein, die Sie mit Google Analytics verfolgen möchten.

Auf der Website schlägt der Hilfetext vor, dass Sie dieses Snippet unmittelbar vor dem Schließen hinzufügen tag, das sicherstellt, dass ein Pageview registriert wird, auch wenn die gesamte Seite nicht geladen wird, bevor der Benutzer weitergeht. Es wird jedoch normalerweise als beste Methode angesehen, Ihre Skripts vor dem Schließen am Ende einer HTML-Seite hinzuzufügen Etikett.

Obwohl beide Ansätze gut funktionieren, möchten wir in dieser Situation sicherstellen, dass unsere Anmeldeseiten vollständig geladen werden, bevor das Analytics-Skript ausgelöst wird.

Für dieses Projekt habe ich dieses Skript den drei Anmeldeseiten (signup1.html, signup2.html & signup3.html) und der Confirmation.html-Seite hinzugefügt.

Sobald Sie den Code hinzugefügt haben, laden Sie die Seiten per FTP auf einen Webserver hoch. Es ist auch wichtig zu wissen, dass Google Analytics häufig 24 bis 48 Stunden benötigt, um mit der Datenerfassung zu beginnen. Warten Sie also in den ersten Tagen, bis Ihre Besucherdaten angezeigt werden.

Schritt 3: Erstellen Sie ein Ziel

Bevor wir das Experiment selbst einrichten und aktivieren, müssen wir ein Messziel erstellen.

Google Analytics kann so konfiguriert werden, dass sehr anspruchsvolle Ziele erstellt und überwacht werden, einschließlich Multi-Channel-Zieltrichtern und E-Commerce-Tracking. Im heutigen Beispiel halten wir es einfach, indem wir eine erfolgreiche Konvertierung (d. H. Unser Ziel) als URL-Ziel /confirmation.html definieren. Mit anderen Worten, wir möchten jede Instanz eines Benutzers verfolgen, der eine der drei Formularvariationen durchführt, auf die Schaltfläche "Senden" klickt und auf der Seite "Danke für Ihre Registrierung" ankommt.

Wählen Sie im linken Hauptmenü der Google Analytics-Benutzeroberfläche den Eintrag "Übersicht" aus der Überschrift "Conversions" aus:

Wenn dies das erste von Ihnen festgelegte Ziel ist, sollten Sie automatisch zur Seite "Neues Ziel erstellen" gelangen. Wenn nicht, klicken Sie auf den Menüpunkt "Admin" oben rechts auf Ihrem Bildschirm und vergewissern Sie sich, dass Sie die Registerkarte "Ziele" sehen.

Geben Sie Ihrem neuen Ziel einen Namen, wählen Sie den Zieltyp als URL-Ziel aus und geben Sie den Pfad ein, in diesem Fall /confirmation.html.

Wenn Ihrem Ziel ein tatsächlicher Dollarwert zugeordnet ist (z. B. eine bezahlte Mitgliedschaft für eine Site), können Sie diesen Betrag zum Textfeld "Zielwert" hinzufügen. Wir werden heute keinen Zieltrichter verwenden, also können wir unser neues Ziel einfach retten.

Schritt 4: Rufen Sie die Experimentierfunktion auf

Nachdem wir unser Ziel festgelegt haben, können wir nun mit einem Experiment beginnen, um herauszufinden, welche unserer Seiten hinsichtlich der erfolgreichen Registrierung von Konten die besten Ergebnisse erzielt.

Wählen Sie im Bereich "Inhalt" des linken Hauptmenüs die Option "Experimente"..

Hinweis: Wie bei vielen Google-Produkten wird die Funktion "Experimente" im Rahmen eines gestaffelten Rollouts bereitgestellt. Wenn Sie derzeit keinen Zugriff auf Experimente haben, müssen Sie Geduld aufbringen und warten, bis Ihr Google-Konto mit dieser Funktion aktualisiert wird.

Fügen Sie zunächst die URL der Seite hinzu, die Sie testen möchten, in diesem Fall signup1.html. Dies ist keine Live-URL - es wird nur für die Zwecke des Tutorials verwendet.

Schritt 5: Erstellen Sie ein Experiment

Nach dem Aufrufen der Experimentierfunktion wird ein Assistent zum Erstellen von Experimenten in vier Schritten angezeigt.

Beginnen Sie mit der Bestätigung der Kontrollseite (d. H. /Signup1.html), und fügen Sie dann die URLs für jede der Seitenvariationen hinzu. Vergewissern Sie sich, dass Sie jeder Variation einen beschreibenden Namen geben und nicht nur einen generischen Titel "Variation eins / Variation zwei / Variation drei" - dies macht die Analyse des Experiments in späteren Stadien wesentlich einfacher.

Auf der nächsten Seite des Assistenten zur Registrierung von Experimenten referenzieren wir das in Schritt 3 erstellte Ziel als messbare Metrik.

In diesem Experiment möchten wir Seitenvariationen für 100% der Besucher bereitstellen. Wenn Sie umfangreiche Änderungen an einer etablierten Site vorgenommen haben, können Sie die Anzahl der Besucher, die an dem Experiment teilnehmen, beschränken, um mögliche Auswirkungen zu minimieren.

Auf der dritten Seite erhalten Sie einen weiteren Codeblock, der dem hinzugefügt wird Steuerungsseite (in diesem Fall /signup1.html). Fügen Sie diesen Code direkt nach dem Öffnen am oberen Rand der Steuerungsseite ein Etikett. Beachten Sie, dass dieses Skript im Gegensatz zum Tracking-Code auf jeden Fall ganz oben auf der Seite angezeigt werden soll, da auf diese Weise die Seitenvariationen an Besucher geliefert werden.

Der endgültige Code für die Steuerungsseite (d. H. /Signup1.html) sieht folgendermaßen aus:

        Anmeldeformular 1

Laden Sie Ihre neue Steuerungsseite mit dem Experimentskript auf Ihren Server hoch.

Im vierten Schritt können Sie überprüfen, ob alles ordnungsgemäß funktioniert und Google Analytics alle Seiten registriert und bereit ist, das Experiment durchzuführen.

Schritt 6: Testen Sie Ihr Experiment

Gute Arbeit! Sie haben Ihr erstes Google Analytics-Experiment erstellt und sind der Verbesserung Ihrer Conversion-Rate einen Schritt näher gekommen.

Da das Experimentfenster 24 bis 48 Stunden benötigt, um mit der Anzeige von Daten zu beginnen, stellen Sie sicher, dass unser Experiment tatsächlich verschiedene Seitenvariationen liefert.

Öffnen Sie Ihren Browser und navigieren Sie zur Steuerungsseite (d. H. /Signup1.html). Wenn das Experiment richtig funktioniert, werden Sie automatisch auf eine der drei Seitenvarianten umgeleitet. Ihre Adressleiste zeigt die Variation mit einer angehängten ID an, was darauf hinweist, dass das Experiment eine der Variationen Ihres Browsers geliefert hat.

Hinter den Kulissen hat Google Analytics Ihrer Browsersitzung ein Cookie hinzugefügt, das sich daran erinnert, welche Seitenvariation Ihnen angezeigt wurde. Wenn Sie die Seite aktualisieren oder später zur Seite zurückkehren, wird immer die ursprüngliche Seitenvariation angezeigt. Dies ist ein wesentlicher Aspekt, um sicherzustellen, dass Sie Ihren Besuchern eine konsistente Benutzererfahrung bieten.

Sie können die Cookies, die Website- und Plugin-Daten Ihres Browsers löschen, um eine andere Variante der Seite zu erhalten.

Schritt 7: Analysieren der Versuchsdaten

Nach der Erstellung wird das Experiment einfach selbst ausgeführt und sammelt Daten, bis ein eindeutiger Gewinner von Google Analytics ermittelt werden kann. Die Zeitdauer, die Ihr Experiment ausführen muss, hängt von einer Reihe von Faktoren ab, einschließlich der Gesamtbesucherzahlen und davon, wie eng die Abweichungen zueinander sind.

Lassen Sie uns einen Blick auf dieses Experiment werfen, während es in Bearbeitung ist, und einige Punkte herausgreifen, die es wert sind, diskutiert zu werden.

In den Standarddiagrammdaten wird die Conversion-Rate für jede der Seitenvariationen im Verhältnis zur Zeit des Experiments dargestellt. Dies ist wahrscheinlich die wichtigste Kennzahl, die wir für unsere heutigen Zwecke in Betracht ziehen. Mit der Dropdown-Auswahl können Sie auch die Daten darstellen, die sich auf eine Reihe anderer Metriken beziehen, einschließlich der Websitenutzung, der Anzahl erfolgreicher Ziele und einer Auswahl von Standard-Analytics-Metriken, z. B. Seiten pro Besuch, Absprungrate, Prozentsatz neuer Besuche usw..
Auf der rechten Seite wird das laufende Experiment zusammengefasst, in dem die Gesamtbesuche auf den Testseiten, die abgelaufene Zeit und der Status des Experiments zusammengefasst werden. In diesem Fall hat Analytics keinen eindeutigen Gewinner ermittelt.
Ein interessanter Punkt ist, dass Analytics die Seiten nicht notwendigerweise eins zu eins verteilt. Zu Beginn des Experiments können Sie für jede Seitenvariation eine vergleichende Anzahl von Besuchen erwarten. Während das Experiment fortschreitet und eine oder mehrere der Seiten besser als die anderen sind, beginnt Analytics damit, die besser funktionierenden Seiten zu bevorzugen. In diesem Fall wurde unsere dritte Variante (die Kurzform) an rund 36% der Website-Besucher verteilt, im Vergleich zu der Langform (Variante 1), die rund 31% der Besucher angezeigt wurde.
In der Datentabelle am unteren Rand der Seite vergleicht Analytics die Konvertierungsrate jeder Variation mit dem Steuerelement und berechnet die Wahrscheinlichkeit, dass die Variation das Original übertrifft. In diesem Beispiel könnten wir, obwohl wir keinen klaren Gewinner haben, bereits davon ausgehen, dass beide Varianten bessere Alternativen zu der Langform sind, mit einer Chance von über 93%, Besucher erfolgreicher umzuwandeln.

Schritt 8: Ankunft bei einem Gewinner

Wie bereits erwähnt, hängt die Zeit bis zum Erreichen eines Gewinners von der Leistung der Seitenvariationen in Bezug auf die Kontrollseite ab. Unabhängig davon, ob es drei Tage oder drei Wochen dauert, um zu einem Schluss zu kommen, können Sie ohne Zweifel zu Recht davon ausgehen, dass der Gewinner des Experiments in Bezug auf das zu messende Ziel tatsächlich die beste Leistung bringt.

Nach acht Tagen mit Daten und 1240 Besuchen hat Analytics den eindeutigen Gewinner gefunden (Sie haben es erraten), unsere kurze Formularseite.

Schritt 9: Wir haben einen Gewinner, was jetzt?

Nun, da unser Experiment abgeschlossen ist, müssen wir etwas unternehmen. Da die Kurzform mit einer Konversionsrate von etwa 91,5% so gut lief, ist es am naheliegendsten, die Kontrollseite (d. H. Die Langform) durch die Gewinnvariation zu ersetzen.

Von hier aus müssen wir einige zusätzliche Analysen durchführen und eine wichtige Entscheidung treffen. Wir haben unser Ziel als Besuche der Bestätigungsseite festgelegt, es ist jedoch nicht unser Ziel echt Tor. Der eigentliche Maßstab für den Erfolg sind natürlich die Nutzer, die den Dienst nutzen (was auch immer der Dienst ist). Unter der Annahme, dass alle zusätzlichen Informationen erforderlich sind (Land, bevorzugte Währung usw.), ist eine zusätzliche Analyse erforderlich, um sicherzustellen, dass erfolgreiche Registranten diese Informationen tatsächlich eingeben, sobald ihr Konto eingerichtet ist (eine Übung für ein anderes Experiment).

Die nächste Entscheidung ist die Entscheidung, ob die Zeit investiert werden muss, um zusätzliche Variationen für unser Formular zu erstellen, um die Konversionsrate von 91,5% weiter zu verbessern. Zum Beispiel kann eine andere Design- oder Kopiervariante die Konvertierungsrate erhöhen. Tatsächlich könnten Experimente so lange durchgeführt werden, bis eine Konversionsrate von 100% erreicht ist. Nach alledem müssen wir bedenken, dass die Rendite abnimmt. Es wird einen Punkt geben, an dem der zur Verbesserung der Conversion-Rate erforderliche Zeit- und Arbeitsaufwand keine angemessene Kapitalrendite ergibt, und unsere Zeit wäre besser, um andere Seiten unserer Website zu testen und zu optimieren.

Fazit

In diesem Lernprogramm haben wir gerade die Oberfläche von Experiments von Google Analytics gekratzt, und wir könnten die Feinheiten der verfügbaren Daten weiter diskutieren Ad infinitum. In nur wenigen einfachen Schritten haben wir ein Programm entwickelt, das weitaus effizienter als herkömmliche A / B-Split-Tests ist, und wir haben ein unbestreitbares Ergebnis erzielt, das die Kontrollseite weit übertrifft.

Während wir ein Experiment erstellt haben, das inhaltlich völlig unterschiedliche Seiten liefert, kann derselbe Ansatz verwendet werden, um weitaus subtilere Seitenelemente zu testen. Beispielsweise können eine andersfarbige Schaltfläche, ein geringfügig anderes Layout oder geringfügige Kopienänderungen zu deutlich verbesserten Konversionsraten führen, die alle mit dieser aufgeteilten Testmethode getestet werden können.

Es ist wichtig, dass diese Vorgehensweise beim Testen unserer Designs die Vermutung eines effektiven Designs erfordert. Als Designer, die mit Stakeholdern von Kunden arbeiten (und oft Entscheidungen des gefürchteten Ausschusses treffen), ist es leicht, den Wald für die Bäume aus den Augen zu verlieren und Designentscheidungen auf der Grundlage von Annahmen und nicht von harten Daten zu treffen. Die Einrichtung eines solchen Split-Testprogramms ist der sicherste Weg, Ihre Conversions zu verbessern, unabhängig von Ihrem Ziel.

Wie werden Sie Google Experiments verwenden? Hinterlassen Sie einen Kommentar - wir würden gerne Ihre Gedanken hören!

Web-Design