Marketing Automation: Zasady Testów A/B

Automatyzacja Marketingu

Wyobraź sobie idealnego sprzedawcę butów. Takiego, który przygląda Ci się, którymi butami jesteś zainteresowany/a, dostrzega i zapamiętuje rozmiar buta, tęgość stopy i oferuje Ci tylko te, które będą pasować. On lub ona dopasowuje się do każdego klienta i traktuje każdego indywidualnie względem potrzeb i gustu. Nie jest zbyt nachalny albo nieuważny. Tak szybko jak tylko buty, które Ci się spodobają albo podobne są przecenione informuje Cię mailem. Nie czytasz maili? Zatem prawdopodobnie dostaniesz SMS podczas drogi do pracy, gdy rzeczywiście masz czas go przeczytać w komunikacji miejskiej. Najlepsze jest to, że sprzedawca nieustannie się doskonali i szuka sposobów, aby lepiej obsługiwać klientów.

Jak przetłumaczyć takie mechanizmy na biznes online? Poprzez zbieranie ogromnej ilości danych z internetu, marketer może zautomatyzować pewne działania, aby udoskonalić doświadczenia konsumentów. Niezależnie od branży takie oprogramowanie pozwala między innymi na ustawienie behawioralnych wyzwalaczy (rozpocznij automatyzację, kiedy klient coś zrobi, np. dokona zakupu lub usunie coś z koszyka), ustawienie precyzyjnego opóźnienia interakcji (czasami nie chcesz bombardować klienta natychmiast, poczekaj i dopiero wtedy reaguj, w tradycyjnym sklepie też nie chcesz być atakowany po przekroczeniu progu), ustawienie warunków (w zależności od płci, wykonanych akcji na stronie, geolokalizacji, skłonności zakupowej, kliknięcia maila itp.), uruchomienie kampanii wielokanałowej (email, SMS, web-push, popup, callcenter, retargeting etc.) oraz testy A/B (szczególnie, jeśli chcesz optymalizować pracę swojego automatycznego „sprzedawcy”).

Testy A/B

W teorii Testy A/B są proste. Bierzesz przynajmniej dwie rozdzielne grupy osób i testujesz na nich różne warianty interakcji. Sprawdzasz, który wariant zainteresował większą liczbę ludzi (z pewnością statystyczną) np. przyniósł więcej konwersji. Brzmi łatwo, ale nadal może się nie udać. Najwięcej problemów może być wyeliminowanych, jeżeli będziesz przestrzegać poniższych reguł:

1. Pomyśl o wielkości i wpływie próby reprezentatywnej.
2. Upewnij się, że grupa kontrolna i grupa testowana są homogeniczne.

 

Wielkość Badanych Grup

Musisz uświadomić sobie, ilu klientów będzie poddanych Twojej automatyzacji przeciętnego dnia. Powiedzmy, że chcesz zrobić test A/B automatyzacji porzuconego koszyka. Działa to w sposób następujący:

• Kiedy użytkownik w sklepie online, wybierze produkty, wrzuci je do koszyka, ale finalnie nie dokona transakcji uruchamia się automatyzacja.
• Próbujemy zachęcić klienta do powrotu na stronę różnymi kanałami: (email, SMS, social media, display, adwords, Call Centre), aby dokończył transakcję.

 

Dlatego w przypadku maili powinno się sprawdzić, ilu ludzi porzuca koszyk w skali dnia, do ilu z tych ludzi masz adres mailowy ze zgodą na komunikację oraz jaka jest średnia ilość otwarć i kliknięć maila (OR i CTR). Gdy zbierzesz te informacje możesz zdecydować, ile wariantów chcesz przetestować, jak długo test powinien trwać jak również, czy w ogóle robić testy A/B (jeżeli Twój potencjalny segment jest za mały).

 

Równy podział i efektywność grupy badanych

Podczas gdy najgorszy scenariusz w poprzednim przykładzie to fakt, że możesz czekać w nieskończoność na rezultaty, to drugi przykład jest dużo poważniejszy. Jeżeli Twoje grupy nie są równe i stworzysz ewaluacje, wtedy istnieje szansa, że możesz otrzymać nieprawidłowe odpowiedzi.

To jest ostatnia rzecz, jakiej potrzebujesz. Kontynuując przykład porzuconego koszyka:

• Czy wykluczasz klientów, których maila nie posiadasz? (To brzmi banalnie, ponieważ system nie wysyła maili do osób, których maili nie posiada. Jednakże zachowanie tych klientów jest nieistotne dla Twojego testu A/B i może spowodować stronniczość albo skutkować mniejszą ilością adekwatnych odpowiedzi w teście).
• Czy wykluczasz klientów, którzy zrezygnowali z subskrypcji? (takie same powody jak powyżej)

Czy przed rozpoczęciem testu A/B ustawiłeś wszystkie warunki dotyczące grupy docelowej? (Pic. 1 poprawnie, Pic. 2 niepoprawnie). To jest naprawdę ważne(!) Funkcja testu A/B służy jako etap, w którym oceniasz kampanię. Jeśli więc ograniczysz swoją grupę docelową po utworzeniu testu A/B, wyniki będą prawdopodobnie nieprawidłowe lub, w najlepszym przypadku, będziesz mieć test A/B klientów, którzy nie są odpowiednią grupą docelową. Ta reguła, jeżeli już istnieje to nie ma zastosowania w 100% (szczególnie jeśli chcemy, aby A/B przetestowało czas wysyłania).

Pic.1

Pic. 2

Te dwie zasady mogą być podsumowane jako jedna: Gdy robisz testy A/B w automatyzacji marketingu, zawsze myśl o tym, jaki ma być rezultat. Innymi słowy myśl o ewaluacji testu A/B.

O definicji, trendach i zmianach, jakie niesie ze sobą marketing automation dla tworzenia i realizacji strategii marketingowej opowiedzą eksperci podczas konferencji „IAB HowTo move from expectations to reality in Marketing Automation” już 27 lutego w Warszawie. Szczegółowy program oraz informacja o zapisach znajdują się na stronie: https://marketingautomation.howto.iab.org.pl/

 

Autor: Daniel Viglas Exponea, ekspert IAB Polska, Exponea Experience Cloud