W zeszłym roku na konferencjach branżowych coraz częściej podejmowano temat optymalizacji konwersji. Zwieńczeniem procesu optymalizacji jest poprawa skuteczności witryny bądź kampanii, ale ścieżek ku niej wiodących jest wiele. W ostatnim tekście na temat optymalizacji przedstawiłem podstawowe kroki, które należy poczynić optymalizując witrynę oraz kilka scenariuszy przebiegu testów A/B. Dziś chciałbym krótko porównać narzędzia dostępne w dolnym przedziale cenowym.
Google Content Experiments
Od czasu, gdy w 2012 Google integrował Google Content Experiments z Google Analytics, przeprowadzenie testu A/B stało się proste: wystarczy stworzyć alternatywną wersję strony, zaś w kodzie strony oryginalnej umieścić skrypt Content Experiments. Pozostało kliknąć start i test gotowy. Istnieje jednak kilka aspektów darmowego narzędzia od Google, które należy wziąć pod uwagę.
1. Google Content Experiments nie jest stricte platformą do testów A/B. Dlaczego? Dlatego, że wersja aktualnie przodująca w eksperymencie (czyli mogąca pochwalić się lepszymi osiągami jeśli chodzi o sprzedaż, wypełnienia formularza itd.) otrzymuje większą część ruchu, niż pozostałe. Dzięki temu eksperyment może trwać krócej, ale wyniki nie są statystycznie wiążące:
Powyższy eksperyment powtórzony w kolejnych tygodniach zakończył się zupełnie innym rozkładem ruchu, gdyż żadna z wersji wyraźnie nie prowadziła w statystykach. Rezultatem było równe rozłożenie ruchu i co za tym idzie – inne rezultaty testu:
2. Google Content Experiments nie pozwala na ręczne określenie podziału ruchu pomiędzy wersje.
3. Narzędzie wymaga kompletnej wersji alternatywnej optymalizowanej strony, czyli np. testując inny kolor przycisku, musimy stworzyć całą nową stronę (co nie jest może wielkim problemem, ale wymaga dodatkowego zabiegu).
Jakie więc mamy inne opcje, chcąc rozpocząć testy bez wydawania setek dolarów?
Poniższa tabela to zestawienie podstawowych cech i funkcjonalności Google Content Experiments oraz dwóch innych popularnych platform o niskim koszcie wejściowym, wraz z punktacją pozwalającą na proste podsumowanie.
Podsumowując:
Google Content Experiments jest wystarczającym narzędziem do rozpoczęcia prac optymalizacyjnych. Należy pamiętać, że Google nie stworzył tej platformy z myślą o klasycznych testach A/B czy Multivariate. Głównym celem było raczej udostępnienie prostego w obsłudze narzędzia pozwalającego na bieżące działania optymalizacyjne dla witryn o małej liczbie odwiedzających – stąd uproszczony model statystyczny.
Dla poważnych testerów, zarówno Visual Website Optimizer jak i Optimizely,
prezentują szeroką gamę możliwości. VWO oferuje nieco więcej funkcjonalności, zaś Optimizely cechuje prostota testowania przy niskim koszcie wejściowym. Obie platformy są bardzo dobrymi narzędziami do optymalizacji konwersji. Osobiście w codziennej pracy zazwyczaj wybieram Optimizely (między innymi ze względu na oszczędność czasu), ale zachęcam, aby czytelnicy przetestowali wszystkie powyżej opisane platformy i ocenili sami.
Miłego testowania!
_
Florian Pertyński
