Skip to content

Selvitä sivustosi voittavat elementit optimointityökalulla

Verkkosivuilta löytyy yleensä erilaista tekstisisältöä, bannereita, kuvia ja kenties videoita. Mutta osaatko varmuudella sanoa, mikä sijoittelu tai millaiset sisällöt toimivat parhaiten asiakkaillesi? Enää ei tarvitse arvailla, vaan apuna voidaan käyttää optimointityökaluja. 

Olettamus on kaikkien munausten äiti! Oletatko sinä tietäväsi, kuinka kuluttajat toimivat verkkokaupassasi tai -palvelussasi? Oletko varma, että lomakkeen lähetysnapin tekstin muuttaminen lisää lomakkeen täyttöastetta? Olet varmaan kuullut A/B-testauksta ja ehkä sitä kokeillutkin. Mutta kokeilethan jatkuvasti löytääksesi parhaan tavan konversion saavuttamiseen? Ja mikä tärkeintä, mittaathan testien tuloksia jatkuvasti ja hienosäädät asiakaskokemusta tulosten perusteella?

Hypoteesi

Kokeilukulttuurin ytimessä on hypoteesi, jonka toimivuutta mitataan. Verkkosivustolla esimerkki hypoteesista on, että ostoskoriin lisäämispainikkeen punainen väri johtaa parempaan konversioon kuin vihreä väri. Tai ”Osta!”-painike toimii huutomerkillä paremmin kuin ilman. Ja vaikka naapurikaupan värit ja huutomerkit miellyttävät, sinun ei kannata kopioida heiltä suoraan. Ennen kuin testaat ja mittaat hypoteesisi, et voi tietää kuinka ne toimivat juuri sinun kohderyhmässäsi.

Tyypillisiä verkkopalvelun tehokkuuteen ja konversioon vaikuttavia elementtejä ovat:

  • Värit
  • Tekstit
  • Kuvat
  • Elementtien järjestys

Mittaaminen

Käytännössä yllä olevan hypoteesin testaaminen tapahtuu ohjaamalla osa (yleensä puolet) vierailijoista sivulle, jolla ostoskorin painikkeen väri on vihreä ja loput sellaiselle sivulle, jossa se on punainen. Kun verkkovierailuista saatu otos on tarpeeksi edustava, katsotaan kumpi versio tuotti paremman konversion, ja otetaan se käyttöön. Tämän jälkeen tehdään uusi hypoteesi ja aloitetaan alusta.

Kaikki testit eivät johda toivottuihin tuloksiin (voittaviin ratkaisuihin). Ihmiset eivät ole koneita, ja taustalla olevat motivaatiot voivat johtaa yllättäviinkin tuloksiin. Lisäksi on tilanteita, jolloin dataan ei voi luottaa sokeasti. Esimerkiksi Amazon on kertonut, että kirjastojen ostotilien käytös on vääristänyt heidän A/B-testituloksiaan kirjamyyntien osalta.

Usean muuttujan testaaminen

Painikkeen värin testaamiseen A/B-testaus on tehokas ja yleisesti käytetty metodi. Teho saadaan mitattua suhteellisen pienillä kävijämäärillä. Painikkeen huutomerkin tehon testaaminen tapahtuu samalla tavalla. Mutta onko värillä ja huutomerkillä yhdessä korrelaatio konversioon?

Monimuuttujatestaus (multi-variate testing) perustuu samaan mekanismiin kuin A/B-testauskin, mutta siinä mitataan useamman muuttujan vaikutusta lopputulokseen. Otetaan toisenlainen esimerkki, jossa haluttu konversio on saada vierailija jättämään yhteystietonsa kampanjasivuston kilpailulomakkeeseen. Sivuston design eli elementtien sijoittelu, tekstit ja kuvat kaikki vaikuttavat käyttäjään. A/B-testauksella voittavan yhdistelmän löytäminen hankaloituu jo syntyvien permutaatioiden lukumäärän takia. Monimuuttujatestaus onkin hyödyllistä palveluissa, joissa kävijämäärät ovat suuria.

Optimizely Web

Optimizely Web on no-code -ratkaisu, jossa visuaalisen työkalun avulla voidaan luoda ylläkuvattuja optimointitapahtumia sekä kokeilla personoinnin toimivuutta. Optimizely on myös brändi, jota CMS- ja Commerce-tuotteistaan tunnettu Episerver tulee jatkossa käyttämään. Optimizely Web toimii minkä tahansa sisällönhallinta- tai verkkokauppa-alustan kanssa, ja sitä voi hyödyntää myös mobiilipalveluiden kanssa. Tuoteperheeseen kuuluu myös Optimizely Full Stack, jonka avulla voidaan tutkia tuloksia pintaa syvemmältä. Tämä tuote tulee kyseeseen, kun lähdetään kokeilemaan erilaisia hinnoittelumalleja ja liitetoimintalogiikkaa. Full Stack edellyttääkin jo koodiosaamista ja kokeilukulttuuria osana yrityksesi DNA:ta.

 

Tilaa blogikirjoitukset sähköpostiisi