O teste A/B (também conhecido como teste de divisão ou teste de balde ) é um método de comparação de duas versões de uma página da Web ou aplicativo entre si para determinar qual tem melhor desempenho. O teste A/B é essencialmente uma experiência em que duas ou mais variantes de uma página são exibidas aos usuários aleatoriamente, e a análise estatística é usada para determinar qual variação apresenta melhor desempenho para uma determinada meta de conversão.
A execução de um teste A/B que compara diretamente uma variação com uma experiência atual permite que você faça perguntas específicas sobre alterações em seu site ou aplicativo e, em seguida, colete dados sobre o impacto dessa alteração.
O teste elimina as suposições na otimização do site e permite decisões informadas por dados que mudam as conversas de negócios de “nós pensamos” para “nós sabemos”. Ao medir o impacto que as mudanças têm em suas métricas, você pode garantir que cada mudança produza resultados positivos.
Como funciona o teste A/B
Em um teste A/B, você pega uma página da web ou tela de aplicativo e a modifica para criar uma segunda versão da mesma página. Essa alteração pode ser tão simples quanto um único título, botão ou uma reformulação completa da página. Então, metade do seu tráfego é mostrada na versão original da página (conhecida como controle) e metade é mostrada na versão modificada da página (a variação).
À medida que os visitantes recebem o controle ou a variação, seu envolvimento com cada experiência é medido e coletado em um painel e analisado por meio de um mecanismo estatístico. Você pode determinar se a alteração da experiência teve um efeito positivo, negativo ou neutro no comportamento do visitante.
Por que você deve fazer um teste A/B
O teste A/B permite que indivíduos, equipes e empresas façam alterações cuidadosas em suas experiências de usuário enquanto coletam dados sobre os resultados. Isso permite que eles construam hipóteses e aprendam por que certos elementos de suas experiências afetam o comportamento do usuário. De outra forma, eles podem estar errados – sua opinião sobre a melhor experiência para um determinado objetivo pode ser provada errada por meio de um teste A/B.
Mais do que apenas responder a uma pergunta pontual ou resolver um desacordo, o teste A/B pode ser usado para melhorar continuamente uma determinada experiência ou melhorar um único objetivo como a taxa de conversão ao longo do tempo.
Uma empresa de tecnologia B2B pode querer melhorar a qualidade e o volume de seus leads de vendas nas páginas de destino da campanha. Para atingir esse objetivo, a equipe tentaria alterações de teste A/B no título, imagens visuais, campos de formulário, chamada para ação e layout geral da página.
Testar uma alteração por vez os ajuda a identificar quais alterações afetaram o comportamento do visitante e quais não. Com o tempo, eles podem combinar o efeito de várias mudanças vencedoras de experimentos para demonstrar a melhoria mensurável de uma nova experiência em relação à antiga.
Esse método de introduzir alterações na experiência do usuário também permite que a experiência seja otimizada para um resultado desejado e pode tornar as etapas cruciais em uma campanha de marketing mais eficaz.
Ao testar a cópia do anúncio, os profissionais de marketing podem saber quais versões atraem mais cliques. Ao testar a página de destino subsequente, eles podem saber qual layout converte melhor os visitantes em clientes. O gasto geral em uma campanha de marketing pode realmente ser reduzido se os elementos de cada etapa funcionarem da maneira mais eficiente possível para adquirir novos clientes.
Processo de teste A/B
Veja a seguir uma estrutura de teste A/B que você pode usar para começar a executar testes:
Colete dados: suas análises geralmente fornecem informações sobre onde você pode começar a otimizar. Ajuda começar com áreas de alto tráfego do seu site ou aplicativo para permitir que você colete dados mais rapidamente. Procure páginas com baixas taxas de conversão ou altas taxas de desistência que possam ser melhoradas.
Identificar metas: suas metas de conversão são as métricas que você usa para determinar se a variação é ou não mais bem-sucedida do que a versão original. As metas podem ser qualquer coisa, desde clicar em um botão ou link até compras de produtos e inscrições por e-mail.
Gerar hipótese: depois de identificar uma meta, você pode começar a gerar ideias e hipóteses de teste A/B sobre por que acha que elas serão melhores do que a versão atual. Depois de ter uma lista de ideias, priorize-as em termos de impacto esperado e dificuldade de implementação.
Crie variações: usando seu software de teste A/B (como o Optimizely Experimentation), faça as alterações desejadas em um elemento do seu site ou experiência de aplicativo móvel. Isso pode mudar a cor de um botão, trocar a ordem dos elementos na página, ocultar elementos de navegação ou algo totalmente personalizado. Muitas das principais ferramentas de teste A/B têm um editor visual que facilitará essas alterações. Certifique-se de fazer o controle de qualidade de seu experimento para garantir que ele funcione conforme o esperado.
Executar experimento: inicie seu experimento e aguarde a participação dos visitantes! Nesse ponto, os visitantes do seu site ou aplicativo serão atribuídos aleatoriamente ao controle ou à variação de sua experiência. Sua interação com cada experiência é medida, contada e comparada para determinar o desempenho de cada uma.
Analisar os resultados: quando a experiência estiver concluída, é hora de analisar os resultados. Seu software de teste A/B apresentará os dados do experimento e mostrará a diferença entre o desempenho das duas versões de sua página e se há uma diferença estatisticamente significativa .
Se a sua variação for vencedora, parabéns! Veja se você pode aplicar os aprendizados da experiência em outras páginas do seu site e continuar repetindo a experiência para melhorar seus resultados. Se sua experiência gerar um resultado negativo ou nenhum resultado, não se preocupe. Use o experimento como uma experiência de aprendizado e gere novas hipóteses que você pode testar.
Seja qual for o resultado do seu experimento, use sua experiência para informar os testes futuros e iterar continuamente na otimização da experiência do seu aplicativo ou site.
Teste A/B e SEO
O Google permite e incentiva o teste A/B e declarou que a realização de um teste A/B ou multivariado não apresenta nenhum risco inerente à classificação de pesquisa do seu site. No entanto, é possível comprometer sua classificação de pesquisa abusando de uma ferramenta de teste A/B para fins como ocultação. O Google articulou algumas práticas recomendadas para garantir que isso não aconteça:
- Sem ocultação: ocultação é a prática de mostrar aos mecanismos de pesquisa um conteúdo diferente do que um visitante típico veria. A camuflagem pode resultar no rebaixamento do seu site ou mesmo na remoção dos resultados da pesquisa. Para evitar ocultação, não abuse da segmentação do visitante para exibir conteúdo diferente ao Googlebot com base no agente do usuário ou no endereço IP.
- Use rel=”canonical”: se você executar um teste A/B com vários URLs, deverá usar o atributo rel=”canonical” para apontar as variações de volta para a versão original da página. Isso ajudará a evitar que o Googlebot seja confundido por várias versões da mesma página.
- Use redirecionamentos 302 em vez de 301s: se você executar um teste que redirecione o URL original para um URL de variação, use um redirecionamento 302 (temporário) em vez de um redirecionamento 301 (permanente). Isso informa aos mecanismos de pesquisa, como o Google, que o redirecionamento é temporário e que eles devem manter a URL original indexada em vez da URL de teste.
- Execute experimentos apenas pelo tempo necessário: executar testes por mais tempo do que o necessário, especialmente se você estiver exibindo uma variação de sua página para uma grande porcentagem de usuários, pode ser visto como uma tentativa de enganar os mecanismos de pesquisa. O Google recomenda atualizar seu site e remover todas as variações de teste de seu site assim que um teste for concluído e evitar a execução de testes desnecessariamente longos.
Para obter mais informações sobre testes A/B e SEO, consulte nosso artigo da Base de conhecimento sobre como o teste A/B afeta o SEO .
Uma empresa de mídia pode querer aumentar o número de leitores, aumentar a quantidade de tempo que os leitores passam em seu site e ampliar seus artigos com compartilhamento social. Para atingir esses objetivos, eles podem testar variações em:
- Modais de inscrição de e-mail
- Conteúdo recomendado
- Botões de compartilhamento social
Uma empresa de viagens pode querer aumentar o número de reservas bem-sucedidas concluídas em seu site ou aplicativo móvel, ou pode querer aumentar a receita de compras auxiliares. Para melhorar essas métricas, eles podem testar variações de:
- Modais de pesquisa da página inicial
- Página de resultados de pesquisa
- Apresentação do produto auxiliar
Uma empresa de comércio eletrônico pode querer aumentar o número de checkouts concluídos, o valor médio do pedido ou aumentar as vendas de fim de ano. Para conseguir isso, eles podem fazer testes A/B:
- Promoções da página inicial
- Elementos de navegação
- Componentes do funil de checkout
Uma empresa de tecnologia pode querer aumentar o número de leads de alta qualidade para sua equipe de vendas, aumentar o número de usuários de teste gratuito ou atrair um tipo específico de comprador. Eles podem testar:
- Componentes do formulário de lead
- Fluxo de inscrição de avaliação gratuita
- Mensagens da página inicial e call-to-action