string(62) "http://thecave.hu/wp-content/uploads/2016/09/norbert-boros.jpg"

Nov 05, 2015 | 2 years old

Konverzió optimalizálás kis forgalmú oldalakon

Kis forgalmú oldalakon sem lehetetlen az adatvezérelt konverzió optimalizálás, a potenciális módszertanok köre nem lényegesen kisebb, mint a nagy weboldalak esetében.

Miután az A/B tesztek megbízható eredményéhez általában jelentős forgalomra van szükség, sokan erre hivatkozva elengedik a konverzió optimalizálást. Valójában kis forgalmú websiteokon is lehet konverzió optimalizálást végezni, csak éppen tudatában kell lenni az összes kutatási lehetőségeknek.

A big data buzz mellett amiről ritkán hallunk, az a “little data” kihívása, avagy amikor viszonylag kis mennyiségű adatkészlet alapján kell döntést hozni, például a UX javítása vagy konverzió optimalizálás céljából.

 

Statisztikailag szignifikáns A/B teszt alacsony forgalommal

 

Az A/B teszt eredmények hitelességéhez, az úgynevezett statisztikai szignifikáció eléréséhez valóban számottevő forgalom szükséges. Egyetértés van az értéket illetően, általában 95% elérése esetében beszélünk szignifikáns teszt eredményekről. Nyilvánvalóan egy kkv, vagy startup könnyen szembesülhet a kis forgalom jelentette kihívással. Sőt, az alacsony látogatottság és kevés konverzió elég gyakori jelenség nemcsak a kisebb cégek körében, hanem egy nagyobb vállalatnál is megeshet.

Előfordul, hogy olyan oldalt kell optimalizálni, amin ugyan nem mozognak számottevő volumenek, de az az onnan származó konverziók nagyon értékesek. A kérdés adja magát: Lehet-e kis forgalmú weboldalon használható A/B teszt eredményhez jutni? Hogy egy alacsony forgalmú oldalon eléjük az úgynevezett “statisztikai szingnifikációt” extrém hosszú időre lenne szükség, amit a legtöbb szervezet nem engedhet meg magának. Az előbbi megállapítást a következő ábra igazolja: 

website-traffic-test-duration-png-pagespeed-ce-m_pwutdqxq

Ennek ellenére A/B tesztelni elvben egy alacsony forgalmú oldalon is lehet bizonyos tényezők fennállása esetén. A statisztikai szignifikáció kalkuláló toolok, mint ez, két input alapján dolgoznak:

  • Kiindulási konverziós arány: Ez az érték nyilván begyűjthető a webanalitikából.
  • Minimális kimutatható hatás: A minimális változás mértéke, amit várunk.

Ha valaki elkezdi tesztelgetni ezekben a kalkulátorokban a számokat hamar rájöhet, hogy a statisztikai szignifkáció eléréshez a két szegmens valamelyike szükséges:

  • Relatíve magas forgalom
  • Jelenős mértékű változás

Egy kis forgalmú oldalon értelemszerűen csak a második pont jön össze többnyire, kivéve ha végtelen mennyiségű idő van nagy minta összegyűjtésére. Viszont, ha olyan extrém módosításokról beszélünk, ahol a konverziós arány változása a 40%-ot is elérhet, akár kis forgalomnál is juthatunk használható A/B teszt eredményhez. Ellenkező esetben más módokon kell a konverzió optimalizáláshoz vezető rögös útig eljutnunk.

 

No traffic, no problem

 

Szerencsére a konverzió optimalizálásra fordítható eszköztár a valóságban jóval tágabb az A/B tesztnél. Ilyenkor tárulnak fel az úgynevezett kvalitatív kutatások csodálatos eszközei. Mindjárt itt van az egyik legjobb, a user tesztelés. (Itt most csak röviden villantom fel a lehetőségeket, kedvcsináló gyanánt, aki elmélyedne a témában remek források állnak rendelkezésre jobbára angol siteokon, például).

User testing

A forgalom teljesen mindegy a user tesztelésnél. Leegyszerűsítve a dolgot, 5-10 ember kell fognod, akik reprezentálják a célcsoportodat, és nem ismerik az oldalad. Konkrét feladatok megoldásával kell megbíznod őket és különösen a következőket megfigyelned:

  • Ismerd meg, hogyan értik meg az oldalad.
  • Figyeld meg melyek azok a nehézségek, amelyek a feladatuk befejezésének útjában állnak.
  • Ismerd meg, hogyan szeretnének vásárolni/eljutni a konverzióig.

Mouse tracking

Az A/B teszt hipotézis felállítás kapcsán már erről írtam bővebben. Egy heat map riport grafikusan ábrázolja, hogy egy adott landingen a felhasználók PC-n hova kattintottak, illetve mobil és tablet eszközökön hol érintették meg az oldalt. A scroll map riport értelemszerűen azt mutatja meg, hogy a látogatók milyen arányban görgetnek le a céloldal egyes részeihez.

Session recording

Semmiképpen sem helyettesíti a user kutatást, de meg lehet próbálni a session rögzítő toolokkal. Itt nem kapunk visszajelzéseket, hogy mit miért tesznek a felhasználók, de például űrlapok elemzésénél (ahol nincsenek érzékeny adatok) remek lehetőség, hogy megfigyeljük mely mezőknél hezitálnak Ezek után már csak implementálni kell a megfigyelések alapján meghatározott módosításokat. Még ha alacsony a forgalmad, és nem tudsz A/B tesztelni, akkor is ott vannak a KPI-ok, amelyek követésével megfigyelheted a változások hatását.

by Norbert Boros

Norbert is one of the partners of The Cave. As a professional leader, he focuses on UX and Data.

Sign up to our newsletter

Don’t miss any of the articles. Follow us!