攻略 | 老司机带你提高落地页转化率(下)

在《攻略|老司机带你提高落地页转化率(上)》中,我们从用户体验角度分析了提高落地页转化率的11种方法。这11种方法的贯彻执行都离不开一个基本的方法路——持续测试与优化。在下篇中,我们就从营销人员的角度谈谈如何运用A/B测试来不断优化落地页。

A/B测试,简单来说,就是为同一个目标制定两个方案(比如两个页面),让一部分用户使用A方案,另一部分用户使用B方案,记录下用户的使用情况,看哪个方案更符合设计,哪个方案转化最好。现在,A/B测试已经逐渐成为营销人员打造campaign,乃至产品和运营检测产品如何一步步提升留存和收入的重要方法。有效利用A/B测试,也可以快速告诉你多个方案中哪个方案更有效,简单清晰地选出最佳方案。

由于效率高、风险可控、成本很低,A/B测试被许多大公司所青睐,也是互联网巨头们产品更新正式发布之前,灰度发布环节的必备功课,Google、Facebook、微信等都在用A/B 测试的方法来对自己的产品进行优化。

A/B测试提供的数据客观且可量化,目前是预判落地页优化结果最好的方法,所以A/B测试工具在市场上备受欢迎,种类繁多。但是营销人员该如何针对自身的特定需求做出选择?A/B 测试工具在实际操作中又是如何运用呢?小编将会在下文里一一作出解答。

A/B测试首先在国外兴起,然后逐渐在国内热门起来,因此国内外的A/B 测试工具在数量上不分高下,质量却参差不齐。好评度比较高的A/B测试工具有Google的Google Website Optimizer,提供A/B测试和多变量测试。作为一款入门级A/B测试产品,操作简单便捷,没有太多附加功能。国外的另一款Visual Website Optimizer,相对于Google Website Optimizer来说,还包含了所见即所得的编辑器、单击地图、访问者分割和标签等功能。

国内的A/B测试工具在国外的发展基础上,操作效率和功能方面做了改进,如国内首款云端A/B测试工具ABTester,只需部署一小段代码,即可在不需要开发人员参与的情况下调试、改动页面,还可以同时部署多个实验版本,找出最优的页面呈现形式。App Adhoc A/B Testing则将A/B测试的范围扩展到了前端和后端。

读到这里,估计心急的童鞋早已按捺不住想“深扒”A/B测试的想法。别急!这就来带你“刨根问底”!

A/B测试产品评估标准

一个成熟好用的A/B测试工具,在实操中需要具备哪些优势呢?

1编辑可视性

具有可视化编辑器,使用者无需任何技术基础即可即时展现所有操作,所见即所得。不论是标题、文本、链接、布局、颜色,还是整体风格,都可以实现轻松修改。

2多样性

多样性体现在测试版本多样性,即可营销或运营的需求编辑多个版本,并同时展示,更直观地分析多个版本的优劣。

3自定义

允许用户自定义访客人群、自定义追踪目标、自定义流量分配。

自定义访客人群

A/B测试工具允许用户从多方面对测试人群进行多维度自定义筛选。首先,对访客人群进行筛选,只选择符合条件的用户进入项目;接下来,可以对符合条件的人群根据特定条件进行下一步筛选,细分人群。

自定义追踪目标

可以自由定义需要追踪的点击目标和PV目标,灵活对点击、注册、支付等行为进行追踪。

自定义流量分配

对于测试的不同版本落地页,可以自由设置每个版本的流量分配。对于测试项目本身,可以自定义参与测试的流量占目标人群访问页面的流量比例。

4科学性

在统计方面,能够智能根据不同的测试版本,精准捕捉用户的每个行为数据,确保数据效度。在数据汇总方面,采用科学的计算方法对海量数据进行计算,通过转化率、置信度等指标在各版本中分析出最佳版本,让营销人员无需繁复的数据处理即可直接获得结果。

5安全稳定性

保证代码加载安全稳定,页面呈现快速;保证信息安全,对访客唯一身份认证(如cookie等)的收集不含个人隐私,仅用于跨域名或子域名独立用户身份的识别、统计数据指标等。

6产品体验

一切操作简单易用,所见即所得,所有数据统计和分析结果用可视化的方式清晰呈现。

A/B测试的实战

光说不练假把式,我们来玩点真的!

首先,我们要了解A/B测试的3个前提

1.明确测试的目的与变量,设定预期的测试结果,避免其他外部变量干扰,保证测试准确性;

2.尽可能减少变量,同时保证每个测试阶段的可控性。在测试过程中,尽可能扩大测试的参与人群,扩充样本容量,增强测试结果的可信度,缩短测试周期;

3. 测试结果出来后,迅速替换使用表现较好的版本,同时开启新的优化方向和测试。只有不断开发与测试新版本,才能不断满足用户的需求,完成提高转化率的目标。

明确这三大前提之后,我们可以根据营销目标和campaign需求制定相应的A/B测试方案方案应包括:1.测试目的,2.目前设计存在的问题,3.调整计划等内容。比如这一次测试,我们的需求是通过优化落地页,提高网站的注册量,那么测试目标就是要寻求优化落地页与提高注册量的方案;可能存在的落地页问题有:排布复杂、整体布局与阅读习惯不符、文案编排逻辑不清晰、转化入口层级过深等。相应的调整计划就应该包括优化落地页布局逻辑、突出关键元素、减少转化层级。

接下来,我们就可以根据方案,创建项目,获取生成的代码,将代码部署于参与测试的网页中。

下一步,就是对测试的落地页进行版本编辑和目标设置,包括修改页面文案、增加注册按钮、调整布局形式等。在URL定向一步,定向你的分类人群,粘贴入测试页面的地址。最后,设置测试人数的流量占比。大功告成,可以开始A/B测试了~

第一波实验结束后,需要对实验数据进行分析与评估。根据实验的设置,数据报表里的统计指标包括实验天数、人数、目标转化率、版本置信度等(版本置信度越高,表明测试结果的可信度越高。)根据这个数据报表,我们可以不断进行测试和优化,检验我们落地页优化方案对提升转化率起到什么效果。

进入实操环节,我们再来用一个真实的A/B测试工具,为大家做进一步演示。下面这个视频是国内领先的A/B测试工具——ABTester的一个小demo,帮助大家快速熟悉这一战术。

总结

创建完美的落地页,不但需要从用户体验角度来考虑文案、色彩、CTA等要素,更关键的是要用客观、量化的数据来检验每一次的改变是否真正起到了吸引用户、增加黏性、提高转化的目的。在一个数据驱动的时代,数据是衡量一切的标准。选对了工具,相信你离成为一名A/B测试专家也就不远了。

推荐阅读更多精彩内容