Przejdź do treści
Pozycjonowanie Stron

Testy A/B na stronie: kiedy mają sens i jak nie wyciągać błędnych wniosków

Kiedy porównanie dwóch wersji strony daje wiarygodny wynik, dlaczego przy małym ruchu zawodzi i jak prowadzić test bez szkody dla widoczności w Google.

Testy A/B na stronie i wiarygodne wnioski z porównania wersji - okładka wpisu na blogu Pozycjonowanie Stron

Test A/B ma sens wtedy, gdy strona zbiera tyle zgłoszeń lub zamówień, że różnicę między dwiema wersjami da się odróżnić od przypadku. Przy małym ruchu wynik będzie zwykłym zbiegiem okoliczności, a decyzja podjęta na jego podstawie może pogorszyć stronę. Poniżej opisujemy, jak przygotować porównanie, jak czytać jego wynik, co zrobić, gdy odwiedzin jest za mało, oraz jak prowadzić test tak, żeby nie zaszkodzić widoczności w Google.

Czym jest test A/B i na jakie pytanie odpowiada

Test A/B to porównanie dwóch wersji tej samej strony, które działają równocześnie: część odwiedzających widzi wersję dotychczasową, a część wersję zmienioną. Po zebraniu danych porównuje się, w której grupie większy odsetek osób wykonał oczekiwaną czynność, na przykład wysłał formularz, zadzwonił albo złożył zamówienie. Test odpowiada więc na jedno, wąskie pytanie: czy konkretna zmiana poprawia konkretny wynik.

Test A/B

Metoda porównania dwóch lub większej liczby wariantów zmiany na stronie. Wersję dotychczasową nazywa się kontrolną, a wersję ze zmianą wariantem.

Tak właśnie opisuje to dokumentacja Google dla właścicieli witryn: test A/B polega na porównaniu dwóch lub więcej wariantów zmiany, a test wielowymiarowy sprawdza kilka zmian naraz razem z tym, jak wpływają one na siebie nawzajem. Z tego samego źródła wynika, że warianty można przygotować na dwa sposoby. Pierwszy to osobne adresy, czyli oryginał pod jednym adresem i wersja zmieniona pod drugim, na który trafia część odwiedzających. Drugi to podmiana elementów na tej samej stronie za pomocą skryptu, bez zmiany adresu.

Najważniejsza cecha testu to równoczesność i losowy podział. Porównanie „strona przed zmianą w marcu i po zmianie w kwietniu” testem A/B nie jest, bo między tymi miesiącami zmienia się pogoda, sezon, budżet reklamowy, działania konkurencji i wiele innych okoliczności. Dopiero gdy obie wersje działają w tych samych dniach, a o tym, kto którą zobaczy, decyduje los, różnicę w wyniku można przypisać samej zmianie.

Co zwykle się testuje

Na stronach firmowych i w sklepach przedmiotem testu bywa nagłówek strony docelowej, treść i miejsce przycisku, długość formularza, kolejność sekcji, sposób pokazania ceny, zdjęcie główne albo układ karty produktu. Dokumentacja Google zwraca uwagę, że drobne zmiany, takie jak wygląd przycisku czy brzmienie wezwania do działania, często mają niewielki wpływ na to, jak strona wygląda w wynikach wyszukiwania i jaką zajmuje pozycję. To dobra wiadomość: większość typowych testów dotyczy właśnie takich elementów.

Test nie odpowie natomiast na pytanie, dlaczego klienci rezygnują. Pokaże, że jedna wersja działa lepiej od drugiej, ale przyczynę trzeba ustalić innymi metodami. Dlatego testy są ostatnim etapem pracy nad stroną, a nie pierwszym. Zagadnienie samego wskaźnika, który test ma poprawić, omawiamy osobno we wpisie o tym, jak liczyć współczynnik konwersji strony.

Kiedy test A/B ma sens, a kiedy jest stratą czasu

Test ma sens, gdy spełnione są jednocześnie trzy warunki: strona ma jasno określony, mierzony cel, celów tych przybywa na tyle dużo, że dane zbiorą się w rozsądnym czasie, a wynik testu rzeczywiście wpłynie na decyzję. Jeśli brakuje któregokolwiek z nich, porównanie dwóch wersji pochłonie pracę i nie da odpowiedzi, na której można polegać.

Pierwszy warunek bywa pomijany najczęściej. Zanim powstanie wariant, trzeba wiedzieć, co jest sukcesem: wysłanie formularza, kliknięcie numeru telefonu, dodanie produktu do koszyka czy opłacone zamówienie. Ten cel musi być poprawnie zliczany w narzędziu analitycznym. Test prowadzony na stronie, na której połowa zgłoszeń telefonicznych w ogóle nie jest mierzona, porównuje wyłącznie to, co widać, a nie to, co się naprawdę dzieje.

Drugi warunek to skala. Sklep internetowy z Poznania, który przyjmuje kilkadziesiąt zamówień dziennie, zbierze dane do porównania dwóch wersji karty produktu w ciągu kilku tygodni. Kancelaria z Krakowa, do której przez formularz trafia kilkanaście zapytań miesięcznie, czekałaby na wiarygodny wynik tak długo, że w tym czasie zmieniłyby się oferta, sezon i sama strona. Dla takiej firmy test jest po prostu złym narzędziem, o czym szerzej piszemy w dalszej części.

Trzeci warunek dotyczy sensu biznesowego. Jeżeli zmiana jest oczywistą poprawką, na przykład formularz nie działa na telefonie albo numer telefonu jest nieczytelny, nie ma czego testować: należy ją wdrożyć. Testuje się wtedy, gdy są dwa rozsądne rozwiązania i brak pewności, które jest lepsze, a różnica ma znaczenie dla przychodów.

Porównanie sytuacji, w których testy A/B na stronie mają sens, z sytuacjami, w których lepiej wybrać inne metody
Warunki, przy których porównanie dwóch wersji strony daje wiarygodną odpowiedź.

Hipoteza i jedna zmiana, czyli jak przygotować test

Test przygotowuje się od zapisania hipotezy: jednego zdania, które mówi, co zostanie zmienione, jaki wynik ma się poprawić i dlaczego można się tego spodziewać. Bez takiego zdania test zamienia się w zgadywanie, a po jego zakończeniu łatwo dopasować wyjaśnienie do dowolnego wyniku.

Dobra hipoteza opiera się na obserwacji, a nie na guście. Przykład: „Z nagrań rozmów wynika, że klienci pytają najpierw o termin realizacji. Jeśli informację o terminie przeniesiemy z dołu strony do pierwszego ekranu, większy odsetek odwiedzających wyśle formularz wyceny”. W tym zdaniu jest zmiana, mierzony cel i uzasadnienie. Słaba hipoteza brzmi: „Może zielony przycisk będzie lepszy”. Nie wynika z żadnej wiedzy o klientach, więc nawet jeśli zielony wygra, firma niczego się nie dowie.

Dlaczego jedna zmiana naraz

Jeśli wariant różni się od oryginału nagłówkiem, zdjęciem, układem i formularzem jednocześnie, wynik powie tylko tyle, że cały pakiet działa lepiej lub gorzej. Nie będzie wiadomo, który element pomógł, a który zaszkodził, i czy jeden nie zniósł efektu drugiego. Zasada jednej zmiany nie oznacza, że wolno zmienić tylko jedno słowo. Oznacza jedną myśl: krótszy formularz, inna obietnica w nagłówku, inna kolejność sekcji. Sprawdzanie wielu elementów naraz wraz z ich wzajemnym wpływem to test wielowymiarowy, który wymaga wielokrotnie większego ruchu, bo odwiedzający dzielą się na wiele grup zamiast na dwie.

Co ustalić przed uruchomieniem

Przed startem warto spisać plan na jednej stronie. Chodzi o to, żeby decyzje zapadły wcześniej, zanim pojawią się pierwsze liczby i pokusa, by reguły dopasować do wyniku.

  • Hipoteza zapisana jednym zdaniem, z uzasadnieniem opartym na danych lub rozmowach z klientami.
  • Jeden główny cel, według którego zostanie wskazana lepsza wersja, oraz jeden lub dwa cele pomocnicze do kontroli.
  • Podział odwiedzających między wersje, zwykle po połowie.
  • Minimalny czas trwania i warunek zakończenia ustalone z góry.
  • Sprawdzenie, czy obie wersje działają poprawnie na telefonie i komputerze oraz czy cel zlicza się w obu.
  • Decyzja, co nastąpi przy każdym z trzech możliwych wyników: wygrywa wariant, wygrywa oryginał, brak rozstrzygnięcia.

Ostatni punkt jest ważniejszy, niż się wydaje. Brak rozstrzygnięcia to najczęstszy wynik testów prowadzonych na niewielkich stronach i trzeba mieć na niego plan. Zwykle oznacza on pozostanie przy tańszej w utrzymaniu wersji i przejście do następnej hipotezy.

Wielkość próby i czas trwania testu

O tym, czy test da wiarygodny wynik, decyduje liczba zebranych celów w każdej wersji, a nie sama liczba odwiedzin. Im mniejszej różnicy między wersjami się spodziewamy i im rzadziej odwiedzający wykonują mierzoną czynność, tym więcej danych potrzeba. Dokumentacja Google ujmuje to podobnie: czas potrzebny na rzetelny test zależy między innymi od współczynnika konwersji i liczby wyświetleń strony, a dobre narzędzie do testów samo wskazuje, kiedy danych jest dość.

Warto to pokazać na prostej, umownej ilustracji. Firma remontowa z Łodzi dostaje przez stronę kilkanaście zapytań miesięcznie. Po podziale ruchu na pół jedna wersja zbiera siedem zgłoszeń, a druga dziewięć. Na papierze druga wersja jest wyraźnie lepsza, lecz różnica wynosi dwa zgłoszenia. Wystarczy, że jeden klient zadzwoni zamiast napisać, a inny wyśle formularz dwa razy, i wynik się odwraca. Przy takiej skali nie da się odróżnić skutku zmiany od zwykłego rozrzutu, który występuje z miesiąca na miesiąc także wtedy, gdy na stronie nic się nie zmienia.

Gdzie sprawdzić, ile celów zbiera strona

Punktem wyjścia jest liczba celów z ostatnich miesięcy. W Google Analytics 4 działania ważne dla firmy oznacza się jako kluczowe zdarzenia. Według pomocy Analytics kolumna „Kluczowe zdarzenia” jest widoczna między innymi w raportach „Strony docelowe” i „Pozyskiwanie użytkowników”, a menu „Wszystkie zdarzenia” pozwala zawęzić liczbę do jednego wybranego zdarzenia. W raporcie stron docelowych warto odszukać adres, który ma być testowany, i odczytać, ile sesji oraz ile kluczowych zdarzeń przypada na niego w miesiącu. Te dwie liczby wystarczą do wstępnej oceny.

Jeśli na testowanej podstronie celów jest kilka lub kilkanaście w miesiącu, test nie ma podstaw. Jeśli są ich setki, porównanie jest możliwe, a dokładną wielkość próby wyliczy narzędzie do testów albo kalkulator wielkości próby, do którego podaje się obecny współczynnik konwersji i najmniejszą różnicę, jaką chcemy wykryć. Ważne, by tę najmniejszą różnicę określić uczciwie: wykrycie poprawy o kilka procent wymaga nieporównanie większej próby niż wykrycie poprawy o połowę.

Ile powinien trwać test

Test powinien trwać pełne tygodnie, tak aby każdy dzień tygodnia był reprezentowany tyle samo razy, i objąć zwykły cykl decyzji klienta. W wielu branżach ruch w poniedziałek wygląda inaczej niż w sobotę, więc test zakończony po czterech dniach porównuje w praktyce początek tygodnia, a nie wersje strony. Konkretne wskazówki podają narzędzia Google. W testach aplikacji prowadzonych w usłudze Firebase zalecane minimum dla typowego eksperymentu to dwa tygodnie. Pomoc Google Ads przy eksperymentach kampanii radzi, by przy niejednoznacznym wyniku prowadzić eksperyment przez 4-6 tygodni, a gdy to nie pomaga, zwiększyć budżet lub wydłużyć czas zbierania danych.

Z drugiej strony test nie powinien trwać bez końca. Im dłużej działa, tym więcej osób czyści pliki cookie lub wraca z innego urządzenia i trafia do drugiej grupy, a sezon i oferta zdążą się zmienić. Do tego dochodzą zalecenia Google dotyczące widoczności, które omawiamy dalej.

Jeśli chcą Państwo zamówić stronę internetową, zachęcamy do kontaktu: tel. 222 500 844 lub mailowo: biuro@pozycjonowaniestron.pl

Istotność statystyczna: jak czytać wynik testu

Wynik jest istotny statystycznie wtedy, gdy zaobserwowana różnica między wersjami najprawdopodobniej nie jest dziełem przypadku. Sama przewaga jednej wersji w liczbach jeszcze niczego nie dowodzi, bo dwie identyczne strony też nigdy nie zbiorą dokładnie tylu samo zgłoszeń. Dopiero ocena, czy różnica wykracza poza zwykły rozrzut, pozwala uznać test za rozstrzygnięty.

Najprościej prześledzić to na tym, jak wyniki pokazują narzędzia Google. W Google Ads, w którym można porównywać między innymi strony docelowe kampanii, wyniki znajdują się w menu „Kampanie”, w pozycji „Eksperymenty”. Po wybraniu eksperymentu widoczna jest tabela „Podsumowanie eksperymentu”. Zgodnie z pomocą Google Ads pierwszy wiersz tej tabeli podaje rzeczywiste wartości dla eksperymentu, a drugi szacowaną różnicę wobec kampanii pierwotnej oraz przedział ufności. Przy wyniku istotnym statystycznie pojawia się niebieska gwiazdka, a dwie kreski w komórce oznaczają, że danych jest jeszcze za mało.

Przedział ufności zamiast jednej liczby

Przedział ufności to zakres, w którym najprawdopodobniej mieści się prawdziwa różnica między wersjami. Pomoc Google Ads podaje przykład: zakres od +8% do +12% przy poziomie ufności 95% oznacza, że eksperyment może poprawić wynik o 8-12%. Domyślny poziom ufności w tym narzędziu wynosi 80% i można go zmienić na własny. Z kolei w usłudze Firebase przyjęto poziom istotności 0,05 i przedział ufności 95%, a dokumentacja podaje prostą regułę odczytu: jeżeli przedział obejmuje zero, różnica nie jest istotna statystycznie.

Ta reguła przydaje się niezależnie od narzędzia. Wynik „wariant lepszy o 15%” brzmi przekonująco, ale jeśli przedział rozciąga się od wartości ujemnej do dodatniej, prawdziwy efekt może być zarówno poprawą, jak i pogorszeniem. Im węższy przedział, tym pewniejszy wniosek, a przedział zwęża się wyłącznie wraz z przyrostem danych.

Co pokazuje narzędzieCo to oznaczaCo zrobić
Przedział w całości powyżej zera, wynik oznaczony jako istotnyWariant najprawdopodobniej działa lepiej od oryginału.Po upływie zaplanowanego czasu wdrożyć wariant i obserwować wyniki.
Przedział w całości poniżej zeraWariant najprawdopodobniej działa gorzej.Pozostać przy oryginale i zapisać wniosek.
Przedział obejmuje zeroNie wiadomo, która wersja jest lepsza.Kontynuować do końca zaplanowanego okresu, potem uznać test za nierozstrzygnięty.
Brak danych lub status w tokuZebrano zbyt mało celów.Nie wyciągać wniosków i sprawdzić pomiar celu w obu wersjach.
Jak odczytać wynik porównania dwóch wersji strony i jaką decyzję podjąć.

Skąd bierze się brak istotności

Pomoc Google Ads wymienia cztery możliwe przyczyny wyniku nieistotnego statystycznie: eksperyment trwał zbyt krótko, kampania ma zbyt mały ruch, do eksperymentu skierowano zbyt małą część ruchu albo wprowadzone zmiany nie spowodowały znaczącej różnicy. Te same przyczyny dotyczą każdego testu na stronie. Trzy pierwsze sprowadzają się do zbyt małej próby. Czwarta jest pełnoprawnym wynikiem: zmiana okazała się obojętna dla klientów i to również jest wiedza.

Wynik istotny nie daje też pewności. Przy poziomie ufności 95% pozostaje ryzyko, że różnica była przypadkowa, a przy 80% jest ono odpowiednio większe. Dlatego po wdrożeniu zwycięskiej wersji warto śledzić wyniki przez kolejne tygodnie.

Typowe pomyłki, które prowadzą do błędnych wniosków

Błędne wnioski z testów rzadko wynikają z rachunków. Najczęściej biorą się ze sposobu prowadzenia testu: zbyt wczesnego kończenia, zmieniania reguł w trakcie i szukania zwycięzcy tam, gdzie go nie ma. Poniżej opisujemy pomyłki, które w naszej praktyce powtarzają się najczęściej.

Pierwsza to zakończenie testu w chwili, gdy jedna wersja wyszła na prowadzenie. W pierwszych dniach wyniki mocno się wahają i niemal zawsze któraś wersja chwilowo wygląda na wyraźnie lepszą. Kto codziennie zagląda do tabeli i przerywa test przy pierwszym korzystnym odczycie, ten w praktyce wybiera przypadkowy moment, w którym los sprzyjał jednej stronie. Ochroną jest ustalony z góry czas trwania i trzymanie się go.

Druga pomyłka to dzielenie wyniku na coraz mniejsze grupy po zakończeniu testu. Gdy całość nie pokazała różnicy, kusi sprawdzenie osobno telefonów, komputerów, nowych i powracających odwiedzających, poszczególnych miast i dni tygodnia. Przy kilkunastu takich przekrojach w którymś z nich różnica pojawi się sama z siebie. Taki podział może podsunąć pomysł na następną hipotezę, ale nie jest dowodem.

Lista pomyłek w testach A/B na stronie, które prowadzą do błędnych wniosków, od zbyt wczesnego końca po zły wybór celu
Pomyłki, przez które wynik testu A/B wygląda na pewny, choć jest dziełem przypadku.

Trzecia to zmiany wprowadzane w trakcie. Poprawienie nagłówka w wariancie w połowie testu, zmiana podziału ruchu albo uruchomienie nowej kampanii reklamowej kierującej na testowaną stronę sprawiają, że dane sprzed zmiany i po niej opisują dwie różne sytuacje. Jeśli zmiana jest konieczna, test należy rozpocząć od nowa.

Czwarta dotyczy wyboru celu. Wariant z większym, bardziej widocznym przyciskiem może zebrać więcej kliknięć, a mimo to nie przynieść ani jednego zamówienia więcej. Miarą powinno być to, co ma wartość dla firmy, czyli zapytanie, rezerwacja lub sprzedaż. Przy usługach warto dodatkowo sprawdzić jakość zgłoszeń, bo krótszy formularz potrafi zwiększyć ich liczbę i jednocześnie obniżyć odsetek tych, które kończą się umową. O samej długości formularza piszemy we wpisie o tym, ile pól powinien mieć formularz kontaktowy.

Piąta to pomijanie okoliczności zewnętrznych. Test prowadzony w tygodniu wyprzedaży, w okresie świątecznym albo podczas awarii płatności opisuje nietypowych klientów w nietypowej sytuacji, więc jego wynik może nie powtórzyć się w zwykłym czasie.

Mały ruch na stronie: co zrobić zamiast testu A/B

Przy małym ruchu lepiej zrezygnować z porównywania wersji i sięgnąć po metody, które nie wymagają dużej próby: rozmowy z klientami, obserwację kilku osób korzystających ze strony i usunięcie oczywistych przeszkód. Dają one odpowiedź na pytanie, dlaczego odwiedzający rezygnują, a więc na to, czego test i tak by nie wyjaśnił.

Najwięcej wnoszą zwykle rozmowy. Osoby odbierające telefony i odpowiadające na wiadomości wiedzą, o co klienci pytają przed zakupem, czego nie mogli znaleźć na stronie i co budzi ich wątpliwości. Jeśli w co trzeciej rozmowie pada pytanie o dojazd albo o termin, odpowiedź powinna znaleźć się w widocznym miejscu strony i nie potrzeba do tego testu. Drugą metodą jest obserwacja kilku osób, które wykonują na stronie konkretne zadanie. Opisaliśmy ją szczegółowo we wpisie o testach z użytkownikami, dlatego tutaj jedynie ją wskazujemy.

Trzecia droga to usunięcie oczywistych przeszkód. Wolne ładowanie, nieczytelny numer telefonu, formularz z nadmiarem pól, brak informacji o cenie lub obszarze działania, przycisk o niejasnej treści: takie usterki poprawia się bez pytania statystyki o zgodę. Wskazówki zebraliśmy między innymi we wpisie o przyciskach wezwania do działania. W wielu firmach uporządkowanie tych spraw w ramach projektowania UX daje więcej niż seria testów drobnych elementów.

Porównanie okresów zamiast testu

Gdy zmiana została już wdrożona dla wszystkich, pozostaje porównanie wyników przed nią i po niej. Jest ono słabsze od testu, bo nie oddziela skutku zmiany od sezonu i innych okoliczności. Warto porównywać pełne tygodnie, zanotować wszystko, co zmieniło się równocześnie (budżet reklam, ceny, oferta), a wniosek formułować ostrożnie, jako przypuszczenie, a nie pewnik.

Jak prowadzić test zgodnie z zaleceniami Google

Google nie zabrania testów i opisuje cztery zasady, które ograniczają ich wpływ na widoczność: nie pokazywać robotowi czegoś innego niż ludziom, wskazać oryginał jako stronę kanoniczną, używać przekierowań tymczasowych i nie przeciągać testu. Wszystkie pochodzą z dokumentacji Google Search Central poświęconej testom A/B.

Pierwsza zasada dotyczy maskowania. Robot Google nie powinien dostawać innych adresów ani innej treści niż odwiedzający, niezależnie od tego, czy służy do tego logika serwera, plik robots.txt, czy inna metoda. Zasady dotyczące spamu definiują maskowanie jako pokazywanie użytkownikom innych treści niż wyszukiwarkom w celu manipulowania rankingiem, a dokumentacja testów przypomina, że może się to skończyć obniżeniem pozycji lub usunięciem z wyników. W praktyce oznacza to, że narzędzie do testów nie może rozpoznawać robota i zawsze podawać mu oryginału. Dokumentacja dodaje, że Googlebot zasadniczo nie obsługuje plików cookie, więc przy teście sterowanym tymi plikami zobaczy wersję przeznaczoną dla osób, których przeglądarka je odrzuca. Więcej o samym zjawisku piszemy we wpisie o tym, czym jest maskowanie treści.

Druga zasada dotyczy testów z osobnymi adresami. Każdy adres wariantu powinien zawierać link kanoniczny wskazujący oryginał, dzięki czemu wyszukiwarka traktuje warianty jako odmiany jednej strony. Google zaleca to rozwiązanie zamiast znacznika noindex, który w tej sytuacji może mieć nieoczekiwane negatywne skutki.

Link kanoniczny w sekcji head strony wariantu, wskazujący adres oryginału (adresy przykładowe)
<!-- strona wariantu: https://www.example.com/oferta-b/ -->
<link rel="canonical" href="https://www.example.com/oferta/">

Trzecia zasada: jeśli odwiedzający są przenoszeni z oryginału na adres wariantu, należy użyć przekierowania tymczasowego 302, a nie trwałego 301. Tymczasowe przekierowanie informuje wyszukiwarkę, że oryginał ma pozostać w indeksie i nie należy zastępować go stroną testową. Różnice między kodami omawiamy we wpisie o przekierowaniach 307 i 308.

Cztery zasady Google dla testów A/B na stronie: bez maskowania, link kanoniczny, przekierowanie 302 i krótki czas testu
Zalecenia Google, które ograniczają wpływ testu A/B na widoczność strony.

Czwarta zasada to czas. Po zakończeniu testu trzeba jak najszybciej wdrożyć wybraną treść i usunąć wszystkie elementy testowe: dodatkowe adresy, skrypty i znaczniki. Test prowadzony niepotrzebnie długo, zwłaszcza gdy większość odwiedzających dostaje jedną wersję, może zostać uznany za próbę wprowadzenia wyszukiwarki w błąd. Według dokumentacji Google może w trakcie testu zeskanować część wariantów, co przy drobnych zmianach zwykle ma niewielkie znaczenie, a końcową wersję strony indeksuje na ogół dość szybko.

Po zakończeniu testu: wdrożenie, zapis wniosków i kiedy poprosić o pomoc

Po zakończeniu testu należy podjąć decyzję zapisaną wcześniej w planie, wdrożyć wybraną wersję dla wszystkich, usunąć kod testowy i zapisać wniosek. Test, po którym na stronie zostają nieużywane skrypty i porzucone adresy wariantów, obciąża witrynę i wprowadza zamęt w wyszukiwarce.

  1. Decyzja według planu

    Wynik ocenia się według głównego celu ustalonego przed startem, a cele pomocnicze służą do sprawdzenia, czy poprawa jednego wskaźnika nie pogorszyła innego.

  2. Wdrożenie na stałe

    Zwycięska wersja trafia do właściwego szablonu strony, a nie pozostaje podmianą wykonywaną przez skrypt narzędzia testowego.

  3. Usunięcie śladów testu

    Znikają skrypty, adresy wariantów i przekierowania tymczasowe.

  4. Zapis w dzienniku testów

    Hipoteza, czas trwania, wynik z przedziałem ufności i wniosek zapisane w jednym miejscu chronią przed powtarzaniem tych samych prób.

Pomoc specjalisty przydaje się w trzech sytuacjach. Pierwsza to brak pewności, czy cele są poprawnie mierzone, bo bez tego żaden test nie ma wartości; tu punktem wyjścia jest rzetelna analityka. Druga to testy z osobnymi adresami i przekierowaniami na stronie, która przynosi istotny ruch z Google. Trzecia to moment, w którym kolejne testy drobnych elementów niczego nie zmieniają i potrzebna jest nowa strona docelowa albo przebudowa serwisu w ramach tworzenia stron.

Jeśli chcą Państwo zamówić stronę internetową, zachęcamy do kontaktu: tel. 222 500 844 lub mailowo: biuro@pozycjonowaniestron.pl

Najczęstsze pytania

Ile odwiedzin potrzeba, żeby test A/B miał sens?

Nie ma jednej liczby, bo wymagana próba zależy od obecnego współczynnika konwersji i od tego, jak małą różnicę chcemy wykryć. Ważniejsza od odwiedzin jest liczba celów na testowanej podstronie. Jeśli jest ich kilka lub kilkanaście w miesiącu, test nie da wiarygodnego wyniku.

Czy test A/B może obniżyć pozycję strony w Google?

Test prowadzony zgodnie z zaleceniami Google nie powinien szkodzić widoczności. Ryzyko pojawia się przy pokazywaniu robotowi innej treści niż ludziom, przy trwałych przekierowaniach na wariant, przy braku linku kanonicznego oraz wtedy, gdy test trwa znacznie dłużej, niż to potrzebne.

Co oznacza wynik nieistotny statystycznie?

Oznacza, że zebrane dane nie pozwalają odróżnić skutku zmiany od przypadku. Przyczyną bywa zbyt krótki czas, zbyt mały ruch, zbyt mała część ruchu skierowana do wariantu albo brak rzeczywistej różnicy między wersjami.

Czy można zakończyć test wcześniej, gdy jedna wersja wyraźnie wygrywa?

Lepiej tego nie robić. W pierwszych dniach wyniki mocno się wahają i chwilowa przewaga często znika po zebraniu pełnych danych. Bezpieczniej trzymać się czasu ustalonego przed startem i obejmującego pełne tygodnie.

Czym test A/B różni się od testu wielowymiarowego?

Test A/B porównuje warianty jednej zmiany, a test wielowymiarowy sprawdza kilka zmian jednocześnie razem z ich wzajemnym wpływem. Drugi rodzaj dzieli odwiedzających na wiele grup, więc wymaga znacznie większego ruchu.

Czy można prowadzić kilka testów naraz?

Na różnych podstronach o osobnych celach jest to możliwe. Dwa testy na tej samej stronie albo na kolejnych etapach tej samej ścieżki zakupu wpływają na siebie nawzajem, dlatego przy niewielkim ruchu lepiej prowadzić je po kolei.

Źródła

  1. Ograniczanie wpływu testów A/B w wyszukiwarce Google, Google Search Central
  2. Zasady dotyczące spamu w wyszukiwarce Google, Google Search Central
  3. Monitorowanie eksperymentów, Pomoc Google Ads
  4. Strona „Eksperymenty” (wcześniej „Wersje robocze i eksperymenty”), Pomoc Google Ads
  5. Informacje o Testach A/B Firebase, Firebase
  6. Kluczowe zdarzenia, Pomoc Analytics

Funkcje wyszukiwarek i asystentów AI zmieniają się szybko, dlatego wpis aktualizujemy po większych zmianach.

Łukasz Wudyka

Specjalista SEO i programista. Agencję założył w Krakowie w 2016 roku, dziś firma ma oddziały w 7 miastach. Zajmuje się widocznością firm w Google i w odpowiedziach AI oraz ochroną dobrego imienia ludzi i firm w sieci. Komentuje dla mediów sprawy wyszukiwarek, reputacji i hejtu. Więcej o autorze: lukaszwudyka.pl

Napisz komentarz, a po zatwierdzeniu dostaniesz pierwszą rangę: Nowicjusz

Zostaw pierwszy komentarz

Konsultacja ze specjalistą

Plan dla Państwa strony zamiast ogólnej oferty

Na konsultacji specjalista SEO omówi Państwa stronę, jej widoczność i konkurencję. Otrzymają Państwo listę pierwszych kroków.

  • Wstępna ocena stronyWskazujemy błędy techniczne i braki w treściach, które dziś ograniczają widoczność.
  • Analiza ruchu i konkurencjiPokazujemy frazy, na których najszybciej można zyskać.
  • Plan pierwszych miesięcyKolejność prac dopasowana do branży, konkurencji i budżetu.

Wolą Państwo porozmawiać?

Pola oznaczone gwiazdką (*) są wymagane.