Hoe u A / B-tests en personalisatie het beste kunt gebruiken

9 min


117

Als je de meeste marketeers vraagt, zullen ze je vertellen dat A / B-testen en personalisatie twee totaal verschillende dingen zijn. Ik ben het daar niet mee eens, en ik denk dat deze onenigheid de oorzaak is van de beste manier om ze samen te gebruiken.

Wij als marketeers voor groei / prestaties zijn verantwoordelijk voor resultaten, vaak gemeten met conversies, nieuwe klanten of inkomsten. Elke marketeer wil hogere succespercentages en A / B-testen en personalisatie zijn eenvoudigweg twee manieren om meer conversies te genereren.

Toch beschouwen de meeste marketeers tests en personalisatie als onafhankelijke inspanningen, terwijl ze in feite het best samen worden toegepast. Wanneer u dit begrijpt, kunt u zoveel meer halen uit uw inspanningen voor het optimaliseren van conversiepercentages.

Waarom en wanneer u A / B-tests en personalisatie zou moeten gebruiken

A / B-testen en multivariate testen (MVT) worden vaak gebruikt om de single best performing page (of een reeks pagina’s) te vinden om alle gebruikers te tonen. Deze aanpak is logisch als u slechts één versie van uw site aan bezoekers kunt laten zien.

Deze testtechnieken zijn bijvoorbeeld handig als u wilt kiezen tussen twee aanmeldingsstromen, elk gebouwd op een afzonderlijke technologiestack, en u wilt de beste flow op een technologiestack in de toekomst selecteren.

Personaliseren gaat over het afstemmen van de ervaring

A / B-testen is effectief bij het testen van het ene idee ten opzichte van het andere en het vinden van gemiddeld beter.

Met personalisatie kunt u verschillende versies van uw site bedienen die zijn afgestemd op de verschillende contexten en interesses van uw doelgroep. Als u meer dan één versie van uw site gebruikt, kunt u uw bericht “verlagen” en voor elke bezoeker beter presterende varianten leveren. Ondanks dit, Clearhead vond vorig jaar dat slechts 17% van de online retailers hebben een pad naar persoonlijke ervaringen te ontwikkelen voor klanten, en soortgelijke verhalen kunnen worden gevonden in andere zuilen in de sector.

Veel marketeers zijn hun site al aan het personaliseren, zonder het volledig te beseffen. Als u bijvoorbeeld afzonderlijke bestemmingspagina’s voor verschillende doelgroepen of campagnes heeft, personaliseert u uw site.

Wanneer correct toegepast, zal personalisatie altijd betere resultaten opleveren dan een enkele pagina voor alle gebruikers.

Waarom? Het leveren van de best presterende ervaring voor elk doelgroepsegment levert betere resultaten op dan de beste gemiddelde uitvoerder van allemaal te dienen. Deze tabel illustreert hoe dit werkt:

 

Maar u kunt zich afvragen: “Hoe weet ik welke variant van mijn site moet worden gebruikt voor welke van mijn doelgroepsegmenten?” Het antwoord is om zowel personalisatie- als A / B-tests samen uit te voeren.

U kunt het beste van beide krijgen door elk vooraf gedefinieerd segment de juiste ervaring voor hen te laten zien en te weten dat de ervaring die u vertoont de juiste ervaring voor hen is.

Hoe A / B-tests en personalisatie te combineren voor betere resultaten

In plaats van volledig gescheiden te zijn, gaan A / B-tests en personalisatie samen zoals chocolade en pindakaas. Je zou een testmentaliteit moeten hebben als je personalisatie doet, wat een mind-shift is van waar ik vandaag de meeste marketeers zie.

U kunt potentiële personalisaties testen met behulp van een A / B-testtool door voor elk segment een doelgroep in te stellen en vervolgens A / B-tests uit te voeren binnen dat publiek.

Om dit te doen, moet u eerst elk doelsegment vooraf definiëren op basis van gegevens die u over hen hebt. Maak vervolgens een doelgroep die voldoet aan deze definitie. Maak vervolgens een A / B-test voor elk segment.

Wijs voor elke A / B-test de bijbehorende doelgroep toe die ervoor zorgt dat deze alleen voor dat segment wordt weergegeven. U zult dan de beste pagina (A of B) vinden om dit segment te tonen. De meest populaire A / B-testtools hebben dit vermogen.

Op regels gebaseerde personalisatie

U kunt dit ook instellen in een op regels gebaseerd personalisatietool door een A / B-test uit te voeren binnen een segment. Hiertoe stelt u een reeks regels in om de targeting voor een specifiek segment en / of context te definiëren. Activeer vervolgens een A / B-test binnen elke regel. Deze test wordt alleen getoond aan de bezoekers die in aanmerking komen voor deze regel.

De populairste personalisatietools bieden A / B-testen binnen een regel, zodat u de beste pagina (A of B) kunt vinden om elk segment te tonen.

In beide benaderingen vindt u de beste ervaring om elk segment te laten zien, betere prestaties te behalen dan iedereen de beste gemiddelde speelervaring te bieden. De praktische afweging versus A / B-testen is de tijd en moeite die vereist is om meer versies van uw site te maken (en deze goedgekeurd te krijgen) in ruil voor hogere conversiepercentages.

Combinatie van testen en personalisatie op schaal

De niet-tevreden, altijd-willen-doen-beter onder ons zou dan moeten vragen “is er een schaalbare manier om beide samen nog sneller te doen?” Het antwoord is ja, en de aanpak wordt voorspellende personalisatie genoemd.

Alle personalisaties die we vandaag lezen, zijn op regels gebaseerd, wat betekent dat elke personalisatie van ons marketeers vereist dat ze een regel instellen die zegt: “Als bezoekers aan dit profiel voldoen en zich op deze manier gedragen, laat hen dan deze ervaring zien.”

Voorspellende personalisatie voegt automatisering toe aan deze aanpak.

Stel je een machine voor die automatisch segmenten in realtime ontdekt, tegelijkertijd veel ideeën test, en elke individuele bezoeker de op maat gemaakte ervaring laat zien die hem op dat moment waarschijnlijk zal bekeren.

Deze aanpak heeft twee betekenisvolle implicaties: ten eerste, wanneer u uw marketinginspanningen wijzigt, kan de juiste ervaring om elke bezoeker te laten zien in de loop van de tijd heel goed veranderen. Met A / B-testen zijn we allemaal kwetsbaar voor dit realistische risico en zonder veelvuldig opnieuw testen, zou het moeilijk zijn om zelfs maar te weten dat het gebeurt.

Met voorspellende personalisatie blijft een machine observeren en zich aanpassen aan de dan geldende optimale ervaring. We zijn toekomstbestendig door veranderingen van onze en onze concurrenten in onze marketinginspanningen.

De vervolg implicatie is dat de tests niet eindigen. Tests leveren resultaten op met statistische significantie, samen met inzichten waarop we onze marketinginspanningen kunnen baseren. We laten de tests lopen voor het geval het juiste antwoord verandert. Dat is ook een mind-shift van waar ik de meeste marketeers van vandaag zie.

De praktische afweging in vergelijking met op regels gebaseerde personalisatie is niet op voorhand weten welke versie van de site een individuele bezoeker zal zien (uit de versies die je al hebt gezegend) in ruil voor nog hogere prestaties en het testen van veel ideeën tegelijk.

U kunt het beste halen uit zowel A / B-tests en personalisatie op hetzelfde moment, terwijl u veel van de belangrijkste taken van optimalisatie naar een machine overhevelt. U kunt meer tijd besteden aan het begrijpen van uw prospects en het bedenken van nieuwe benaderingen om prospects te laten converteren.

Dus welke techniek gebruik je wanneer? Ik stel voor:

Een voorbeeld van A / B-tests en personalisatie in actie: gong

Chime is een online bank die is ontworpen om leden te helpen financieel welzijn te bereiken door onnodige kosten te elimineren. Ze bieden een mobiele app waarmee leden de controle houden over de uitgaven en leden helpen om via automatisering een gezonde spaargewoonte te vormen. Het magere, ervaren en data-gedreven marketingteam van Chime wilde meer aanmeldingen voor nieuwe klanten genereren.

Ze begonnen met het focussen op een paar ervaringen op de pagina met behulp van voorspellende personalisatie. Binnen een week na hun eerste brainstorm creëerden ze acht headlines, twee nieuwe stukjes body-content en een nieuwe video om te testen op hun startpagina die duizenden pageviews per dag bevat. Samen leidden deze ideeën ertoe dat Chime 54 verschillende versies van hun homepage aan het testen was.

Chime’s testen voor initiële voorspellende personalisatie

Voorbeelden van eerste koptests.

Een overzichtsvideo van Chime CEO en mede-oprichter, Chris Britt.

Nieuwe body-kopie en afbeeldingen.

Chime’s eerste resultaten

Na zes weken zagen ze een toename van 8%. Hoe? Elke bezoeker werd automatisch ingedeeld in een van de miljoenen mogelijke segmenten op basis van wat het voorspellende systeem voor personalisatie van die bezoeker wist.

Door bezoekersgedrag te bekijken, heeft het systeem geleerd welke combinaties van kop, body-copy en video het beste presteerden voor elk segment. Binnen enkele uren begon het systeem de vaker presterende combinaties vaker weer te geven.

Tweede ronde van varianten

Terwijl een lift van 8% goed was voor het bedrijf, wilde het team meer en verdubbelde het wat werkte.

Ze probeerden nieuwe hero-fotografie, een andere video en een nieuwe body-kopie op basis van wat ze tot nu toe bij de meeste bezoekers hadden gezien. Deze ideeën brachten hun homepage-test tot 216 versies van de pagina.

Productgerichte afbeeldingen van de Chime-app in de heldenmodule.

Een tweede video gericht op automatische besparingen.

Verschillende afbeeldingen en body-copy.


Vier weken later beleefde Chime een stijging van 79% bij de nieuwe klantenwerving via hun startpagina in vergelijking met een holdout-groep die de website Chime voor vaste schijven permanent zag.

Leerresultaten van testen met voorspellende personalisatie

Naast de prestatiewinsten, leverde de methode van Chime voor het combineren van testen en personalisatie waardevolle inzichten in de voorkeuren van hun klanten op.

Ze ontdekten bijvoorbeeld dat apparaattype, tijdstip van de dag en geografie alle belangrijke personalisatiedimensies zijn voor hun bezoekers.

In onderstaand voorbeeld ziet u de beste algemene kop- en beeldcombinatie: ‘Banking awesome gemaakt’. Dit is de enkele pagina die alle gebruikers zouden hebben gezien als Chime een reeks A / B-tests had uitgevoerd.

Door voorspellende personalisatie hebben ze echter 23% meer lift gekregen voor gebruikers op mobiele apparaten door in te zien dat het on-site bericht “Save moeiteloos en automatisch” beter presteerde voor deze gebruikers.

Op dezelfde manier was Chime in staat om 17% meer lift te genereren door personalisatie per geografische locatie en 30% meer lift door hun kop aan te passen aan het tijdstip van de dag.

Het segmenteren van testresultaten heeft al eerder vruchten afgeworpen voor anderen en voorspellende personalisatietools automatiseren dit proces.

Chime richtte zich eerst op het opbouwen van momentum door een paar ideeën vroeg te testen. Ze leerden wat werkte en verdubbelden vervolgens op hoogpresterende ideeën, waardoor de materiaallift snel werd opgevoerd.

In dit geval zou A / B-testen zonder personalisatie veel langer hebben geduurd en veel geld op tafel hebben gelaten.

Een tweede voorbeeld van A / B-tests en personalisatie in actie: Perkville

Perkville is een alles-in-een verwijzings- en beloningsprogramma waarmee bedrijven klantenloyaliteit kunnen stimuleren en omzet kunnen genereren. Het bedrijf wilde het aantal verwijzingen van klanten voor de bedrijfsactiviteiten van haar klanten vergroten. Ze besloten eerst aandacht te besteden aan het optimaliseren van hun verwijzingspagina, die een formulier bevat voor leden die vrienden willen doorverwijzen.

Perkville’s basislidverwijsformulier (geen wijzigingen).

Het relatief lage volume van de dagelijkse paginaweergave op de pagina voor doorverwijzing van verzending (<2K per dag) maakte conventionele A / B-tests moeilijk. Het zou routinematig weken of maanden duren om een ​​nieuw idee te testen en statistisch significante resultaten te leveren. Als gevolg hiervan probeerde Perkville A / B-testen en personalisatie te combineren met voorspellende personalisatie als een manier om meer ideeën te testen en meer verwijzingsaanmeldingen van hun site te stimuleren.

Aanvankelijk concentreerde het bedrijf zich op drie ervaringen op hun verwijzingspagina voor testen: 
1. De call-to-action personaliseren 
2. Het formulier vereenvoudigen (koppen en andere wijzigingen testen) 
3. Het uiterlijk en de volgorde van sociale links wijzigen

Voorbeelden van testen

Perkville heeft wijzigingen in hun bestaande formulier getest, waaronder het vooraf invullen van het veld “een bericht verzenden”, waarmee de verwijzende persoon een persoonlijke notitie aan de ontvanger kan toevoegen. Ze testten ook het vereenvoudigen van de koppen en informatie bovenaan het formulier.

Vul ‘Een notitie verzenden’ in met aanbieding.


Vereenvoudig de kop.

Perkville heeft ook een aantal varianten van de call-to-action-tekst getest op de knop “Verzenden” onderaan het formulier, waaronder “Share the love”, “Tell your friends” en “Share en verdien x punten als ze accepteren.

resultaten

Vijf weken na het starten van de eerste tests, zag Perkville de volgende resultaten van hun voorspellende personaliseringstests .

Algehele resultaat:

Verbetering: 42,5% 
statistische significantie:> 99%

Oproep tot actie resultaten:

  • Beste performer in het algemeen: “Share the love”
  • Beste performer (desktop-apparaten): “Vertel je vrienden”
  • Beste performer (tablet-apparaten): “Deel en verdien 117 punten als ze accepteren”

Als Perkville A / B-tests had gebruikt zonder personalisatie, zouden ze de oproep tot actie van “Share The Love” hebben gediend voor alle gebruikers. Door A / B-testen te combineren met personalisatie door middel van voorspellende personalisatie, optimaliseerde Perkville automatisch de call-to-action voor elke bezoeker en leverde hij meer conversies. Perkville ontdekte dat de best presterende call-to-action verschilde per type apparaat, net zoals Peep suggereerde dat dit waarschijnlijk alleen zal gebeuren bij A / B-tests.

Deze geautomatiseerde optimalisaties combineerden A / B-tests en personalisatie om over het algemeen betere resultaten te leveren, terwijl ze ook nuttige inzichten opleverden over welke varianten het beste presteerden.

Conclusie

Niet alle financiële diensten en SaaS-bedrijven kunnen doen wat Chime en Perkville deden. Voor degenen die slechts één versie van een pagina tegelijk kunnen hebben, is A / B-testen zonder personalisatie misschien wel de juiste manier om incrementele conversies te genereren. Het combineren van uw A / B-tests en personalisatie-inspanningen levert over het algemeen echter betere resultaten op, dus ik ben van mening dat het de moeite waard is om dit te overwegen, aangezien u betere conversiepercentages voor uw bedrijf probeert te behalen.

A / B-tests en personalisatie worden vaak als volledig afzonderlijke inspanningen beschouwd. Ik hoop dat ik u heb overtuigd dat het echt beide hulpprogramma’s voor conversieoptimalisatie zijn die het best samen worden gebruikt om de resultaten voor uw bedrijf van vandaag te maximaliseren.


Erwin@delaatbusiness.com
Dag, Hulp nodig met internet marketing of websites maken? neem dan contact op

0 Comments

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Choose A Format
Personality quiz
Series of questions that intends to reveal something about the personality
Trivia quiz
Series of questions with right and wrong answers that intends to check knowledge
Poll
Voting to make decisions or determine opinions
Story
Formatted Text with Embeds and Visuals
List
The Classic Internet Listicles
Countdown
The Classic Internet Countdowns
Open List
Submit your own item and vote up for the best submission
Ranked List
Upvote or downvote to decide the best list item
Meme
Upload your own images to make custom memes
Video
Youtube, Vimeo or Vine Embeds
Audio
Soundcloud or Mixcloud Embeds
Image
Photo or GIF
Gif
GIF format