回到主页

常见的CRO错误及如何避免

转换率优化和用户体验测试有很多错综复杂的内容,很容易让您感觉信息超载。您可以比较大量的指标,可以深入了解的各种报告,形成假设和实施测试的多种方法,可供选择的多个测试平台以及列表。

有一些很棒的综合帖子可以帮助你掌握这些错综复杂的内容。我最喜欢的一些是:

这份来自ConversionXL的CRO主要指南,涉及从初步研究到分析AB测试结果的过程的每个阶段。当你开始使用CRO工作时。
这个框架从Moz到CRO 。它将过程分解为易于遵循的步骤,并回答和回答随后的每个步骤的问题。用于深入CRO潜水。
和Neil Patel的CRO指南在更具概念性的层面上打破了CRO。用于填补知识空白并回答您在整个过程中遇到的问题。
Craig Sullivan的1小时CRO指南也非常全面。如果您正在尝试快速完成研究,请使用。
在这些帖子中有很多要消化的内容,所以我想给你一些常见的错误和CRO的棘手问题,如果你是第一次完成整个过程,你可能会忽略它。

刷新你的记忆
CRO流程的基本步骤包括:

探索性启发式分析:通过网站,就好像您是一个用户一样,当您在渠道中移动时,可以看到它在哪里/不符合预期。探索用户在浏览网站时可能会遇到的问题。
检查Google Analytics中的多渠道渠道报告,目标网页和目标报告。确定哪些页面,事件或用户最有价值的跟踪。还要获得一些基本的基准测试,以便您可以将测试后的统计数据与之后的数据进行比较。
在关键页面上设置跟踪(如果您还没有)。使用Hotjar,GTM,GA目标等方式跟踪重要的KPI,CTA,元素可见性等。
从收集的数据中生成假设并获得批准。基于易于实施,预计影响和投资回报,优先考虑这些假设。
根据假设生成测试想法。
使用Optimizely,VWO ,Google Optimize等实施测试
等到测试产生统计上显着的结果。但是,根据页面及其获得的流量或转化级别,您可能需要花费更多时间。
如果不成功则重新评估测试或大规模实施测试更改。
在这些步骤(已经是摘要)中,有许多细节很容易被忽视或完全跳过。本文的其余部分将涵盖初学者可能犯的常见CRO错误:

您没有正确设置跟踪
您在一年中不合时宜的时间运行测试
您的测试样本量不足
你的测试时间不够长
统计数据让您感到困惑
您将所有流量视为相同
您的流程无组织
1.您没有正确设置跟踪
正确设置跟踪至关重要。您不仅应该在计划分析的页面上设置热图和用户会话跟踪,还应通过Google跟踪代码管理器设置微转换跟踪。在GTM中设置跟踪点击和用户参与度,例如滚动深度和元素可见性,将提供有关用户如何与网页上的元素和CTA进行交互的有价值数据。在确定要分析哪些页面以及为这些页面形成假设和测试想法时,这非常有用。

GTM中一个非常有价值的触发器是元素可见性触发器,它可以帮助收集关于元素是否在页面上可见的信息,因此如果用户可能与其接触或者用户可以在所有。触发器基于跟踪元素而不是滚动百分比为您提供更有意义的滚动深度指示。设置这篇文章非常有帮助。

如果您根本没有设置GTM事件跟踪,那么它非常简单,这些指南可以提供帮助:这里有一个简单的设置方法,或者这个视频。

2.启动测试时,您不会注意日历
季节性不是一个神话。它可以在初步研究到A / B测试阶段真正为决策提供信息。如果不考虑季节性,您将面临无效或不准确结果的风险。例如,在销售周期的已知低点或12月底运行测试可能不是大多数公司最明智的想法。

什么?时机至关重要,因为:

如果您在流量暂停时运行测试,则测试需要运行的时间越长以达到显着性。
您希望在尽可能最合格的流量上执行测试。在赛季关闭(或实际上)时间进行测试可能无法准确表示您的典型流量。
流量通常会在一周内波动很大,这意味着您应该在一周的同一天开始和结束测试,以获得最准确的结果。
类似地,用户在假日季节或一年中的不同时间点的意图可能不表示最合格的流量。结果的数据可能不太有用,无法确定您的测试是否可以大规模成功(用良好的数据完成一项艰巨的任务)。
3.用于测试的样本量不够大
拥有足够大的样本量来量化您的测试结果至关重要。如果没有合适的样本量,您可能永远不会得到结果,或者您获得的结果可能没有意义。幸运的是,有一些工具可以帮助确定合适的样本量:

Evan Miller的A / B测试样本量工具
优化也有一个
了解测试页面获得的流量水平也很有帮助。低流量页面可能难以测试,因为可能需要很长时间才能达到统计显着性,特别是如果这些页面上的转换很少。基于测试对少量转换和流量的影响可能无法表明如果按比例推送测试将如何执行。对于流量较低的网站或网页,您可能需要考虑在测试变体中进行大的更改,而不是进行较小的更改,以便看到针移动。从那里,您可以随时调整测试并重新评估。

你没有运行足够长的测试
这一点往往与上面的样本量大小相关。您可能不必在此处完成大量工作,因为许多平台都具有内置功能,可以为测试人员计算和演示结果。但是,了解统计意义如何有效,即使在基本水平上,也可以理解A / B测试和结果。

您将找到的每个A / B测试帖都会说您的测试,直到达到统计显着性。但那究竟是什么意思呢?(非常)简短,统计意义解释了您在两种或更多种变体之间选择正确结果的信心。如果你的数学倾向较小,这可能会让人感到困惑,但本文的下一部分列出了专门针对CRO的基本统计引物的资源。

一般来说,运行测试直到(或甚至稍后)达到显着性是一个不错的经验法则。即使您在开始测试后不久就获得了“重要性”,最好保持测试运行以考虑可能在初次访问后几天转换的用户。此外,考虑不同的业务周期(至少1-2)是很重要的,因为如前所述,流量在周,月,季等的不同点上波动。

我也喜欢这些文章:这篇文章用于解释运行测试的时间,以及解释在确定统计有效性时所起的作用。

你正在做一些基本的统计错误
有大量资源用于测试方法和学习对CRO很重要的统计基础知识。最重要的基础之一是理解统计意义。

看到:

Craig Bradford 关于如何避免报告不良数据的CRO Statistics入门
或者这篇关于统计学意义的 Distilled帖子
6.您将所有流量视为相同
如果您在页面上运行A / B测试并且变化效果不佳,则当您查看按不同流量段细分的结果时,可能会绘制一幅非常不同的图片。例如,如果您查看桌面和移动测试结果之间的细分,可能会证明测试会在移动设备上产生极其重要的结果,但在桌面设备上会出现问题。这是因为在桌面上工作的东西可能无法在移动设备上运行,反之亦然。以下是移动与桌面测试结果数据如何误导的说明性示例:

在上面的示例中,控件和变量之间的转换率的变化有效地相互抵消。在这个例子中,如果我们只查看组合结果而不是按设备分解结果,那么在移动设备上显然会错过机会。

重要的是要意识到这种分割结果的概念,不仅要分析测试结果,还要考虑最初的研究和假设,以便进行测试。区分不同类型的流量(例如,移动与桌面,新用户与回访用户或流量来源)以形成用户细分可以帮助区分和查找转换人员类型的模式。这样做可以更好地告知您创建假设和测试的方式。反过来,你可能会得到更有意义的结果。

7.您的测试过程比组织有点少
在这里洗牌很多都会迷失方向。因此,掌握一系列优先假设和测试思路,目前正在运行的测试,失败的测试以及将要迭代的成功测试非常重要。

例如,在电子表格中跟踪结果很容易,如下所示:

将所有假设记录在一个地方,其背后的原因和支持它们的数据将节省您的时间和精力,特别是在与客户/利益相关者沟通时。

还有其他专门用于管理CRO追求的平台。Effective Experiments是一个全面的项目管理工具,可以保存从创意到测试结果的所有内容。这非常适合在多个人可以访问和查看的地方管理和共享测试。(AKA非常适合与没有直接参与CRO流程的利益相关者或团队成员共享)。

所有文章
×

还剩一步!

确认邮件已发至你的邮箱。 请点击邮件中的确认链接,完成订阅。

好的