Shopify A/B 测试指南

Shopify A/B 测试指南
Load WooCommerce Stores in 249ms!

你知道设定产品的理想价格是多少?还是“添加到购物车”按钮的颜色哪种最适合你的受众群体?

A / B测试可以为你提供这些真实数据,使你可以回答此类问题。

本指南向你展示如何测试产品价格,主题部分,应用程序和任何Shopify网站功能。

目录

如何在SHOPIFY上进行A / B测试

  1. 头脑风暴
  2. 选择1个想法进行测试
  3. 进行至少2周的拆分测试
  4. 分析结果和统计意义
  5. 保持运行状态或测试列表中的下一个想法

这是摘要,请继续阅读以获取详细信息。

A / B测试概述

什么是A / B测试?

在电子商务中,A / B测试是一种通过测试元素的2个变体以查看其效果更好的方法来提高转化率的方法

这也称为拆分测试。这个想法是测试您网站上元素的2个版本,以了解哪种转换更适合你的特定受众/细分市场。

A / B测试是提供可用于制定更明智业务决策的数据的工具。

对A/B测试有什么期待

你通过每次测试获得知识。

随着时间的推移,A/B测试会带来改进,有助于提高转化率、增加参与度和改善用户体验。

有些测试会成功,有些会失败,有些则没有显著的结果。

赢家会到来,当他们这样做时,他们可以产生巨大的积极影响。

举个例子。有一次,我对一个产品的价格进行了A/B测试,比较了23美元和28美元的价格。 1个月后,数据显示,价格较高的版本的销量增加了20%。

新的价格变成了永久性的,这1个变化导致了估计1200美元/月的额外利润。很好!

我也做过很多测试,虽然结果微不足道,但还是获得了知识……我认为这不是失败的测试,而是 “现在你知道了 “的实验。

如果你的网站流量和销售量较低,那么你首先要关注的是如何提高流量和实施行之有效的转化率优化策略

测试方法

最流行的2种拆分测试方法是基于时间的测试和基于流量的测试。

基于时间的测试是指在固定的时间间隔(如每小时或每天)交换测试变体。

基于流量(或50/50)的测试意味着为每个访问者交换测试变体。

更好的方法是考虑问题并应用于您的方案。

对于Shopify A / B测试,我认为24小时基于时间的测试是最好的方法。

为什么?现代的购物者通常会使用多种设备查看你的网站。你无法跨设备使用Cookie用户,因此50/50的拆分可能会在同一天向同一人显示两个测试变体。

如果你每天进行24小时交换,则无论设备访问你的站点如何,都应确保用户在当天的整个会话期间都具有一致的体验。

通过每日交换测试,你还可以在后端处理所有变体更改,因此你不必冒页面闪烁或性能滞后的风险(稍后再介绍)。

SHOPIFY的A / B测试思路

如何产生想法

我通常会先问自己:“我认为该网站可以提高哪些转化?”。

一些收集想法的方法:

  • 浏览网站并集思广益,想出可以改善网站的想法(形成假设)
  • 从你认为会产生最大影响或最重要意义的想法开始
  • 查看流量较高的网页或效果不佳的网页,以获取潜在的巨大收益
  • 检查亚马逊的想法-他们花费大量时间和金钱进行A / B测试。它们的所有功能可能不适用于你的网站/受众,但是你可以尝试一些想法。

示例测试思路

这里有一些想法可以帮助你入门:

  • 在你的一种产品上尝试更高的产品价格(您可能会感到惊讶)
  • 号召性用语A色对B色(添加到购物车,结帐等)
  • 产品特色图片:生活方式图片与工作室图片
  • 主页在页面顶部的第一印象是:产品vs.集合vs客户拼贴画,产品vs.品牌消息传递vs视频。
  • 产品布局:简单的布局(价格,项目符号,添加到折叠中的购物车)与复杂的布局(详细说明,徽章,添加到折叠以下的购物车)

SHOPIFY上的A / B测试工具和应用程序

你可以使用免费工具进行A / B测试,这将花费更多时间,而且可能不那么准确。

我将分享免费方法+应用程序方法。

A / B测试免费方式

当我处于草率的电子表格阶段时,我已经完成了此方法–虽然可以,但是需要数据输入和日常维护。

  1. 设置电子表格以记录您的结果。这是模板
  2. 设置测试变体(如果要测试主题功能,请为变体A使用实时主题,并为变体B创建重复的主题)
  3. 设置闹钟以每天确切的时间交换你的变体(我建议存储时间为上午12:01)
  4. 每天将分析结果记录到电子表格中(你可以每天或在测试结束时执行此操作)

Shopify Analytics将提供与Google Analytics(分析)不同的结果。我更喜欢Shopify Analytics,因为销售数据更准确,但只要你保持一致就可以。

使用应用程序自动进行A / B测试

手动方法有点痛苦,但是你有很多应用程序选项可以帮助实现自动化。

有两种交换变体的方法:服务器端客户端

在页面加载之前,服务器端交换会更改后端的变体。这种方法最适合于性能并使用每日交换方法。

加载页面时,客户端交换会更改前端的变体。这种方式最适合50/50流量分配方法,但可能导致页面闪烁或感知到的页面加载延迟。

告诉服务器与客户端的方法是这样的:如果应用程序正在页面上加载脚本以交换变体,则它是客户端。如果所有更改都发生在后端,则是在服务器端。

我使用的应用

Google Optimize是免费的客户端测试工具,并且与Google Analytics(分析)集成。设置可能会很困难,但是如果你不是Google Analytics(分析)专业版,则这里提供了帮助指南

Optimizely是一种企业解决方案。我认为这不太适合大多数Shopify网站,但是如果你的商店是牛X,并且你希望A / B测试具有更大的灵活性,那么这可能对你有好处。价格未列出,因此你可能需要庞大的预算。

Convert是一个中档以上级别的解决方案,起价约为800美元/月,但具有先进的测试方法,一套工具,而且我听说过有关它的好消息。

如何在SHOPIFY上运行A / B测试

好的,现在你有了想要使用的想法和工具,现在该进行测试了。🤘

如何A / B测试产品价格

如果你使用的是手动切换方式,请在需要切换时在Shopify管理员中更新产品价格。

如果你使用的是应用,则只需在开始时设置测试变体,然后开始使用即可。

还有另一种方法,它可能很杂乱,但值得一提:你可以创建一个重复的产品并使两个产品同时存在。如果你是直接将付费流量吸引到产品页面,并希望进行实时动态测试,则此功能很有用。

如何A / B测试Shopify部分和网站功能

如果手动进行:

  1. 复制你的实时主题(变体A),并命名新主题以表明它是变体B
  2. 进行你要在B主题上测试的更改
  3. 通过在Shopify管理员中发布下一个主题,定期(每小时,每天等)交换主题

如果将应用程序用于50/50客户端测试,则取决于他们的说明,但是通常你会使用CSS来识别页面上的两个变体,然后插入应用程序的script标记以交换CSS类以显示/隐藏变体给访客。

统计信息:使用应用程序,你将自动获得分析记录。如果你使用手动方法,请使用首选的分析软件,并每天或每周记录统计信息。

如何A / B测试Shopify应用

需要与店面进行交互的第三方Shopify应用程序会将其脚本注入Shopify标头中,将其添加为主题片段,或作为资产包含在内。

要对应用进行A / B测试,你需要阻止其资产加载(理想的性能)或使用CSS隐藏它们。

测试应用程序时,我会复制主题并在新的(B)主题上隐藏该应用程序的资产,然后运行每日交换方法进行测试。

如果你使用具有50/50流量分配测试方法的应用程序,有时(取决于应用程序)可以通过CSS类或ID识别该应用程序,然后为一组访客隐藏它。

时间范围–您应测试多长时间?

无论流量多大,我建议你使用每日交换方法至少进行2周的测试。

这样一来,每个版本都会有整整一天的时间。

我尝试每月进行1次测试,并希望统计显着性达到95%或更高。

在测试期间,请注意你的营销促销活动。例如,如果你发送带有折扣优惠的电子邮件爆炸,并且你正在使用每日掉期方法,请在2天之间拆分电子邮件,以使1天的折扣流量不会产生1种变化。

统计学意义

统计显着性是1个变体胜过其他长期变体的概率。

在测试过程中达到的统计显着性百分比越高,则随机因素对结果的影响就越小。

你可以使用此A / B测试计算器来衡量统计显着性。

争取至少95%的统计显着性以获得可信的结果。

专家提示:如果你要测试单个产品,请直接向该产品页面运行额外的付费流量,以更快地获取更多数据,并有更大的机会实现统计意义。

保留记录

如果你使用的是应用程序,则可能会看到过去的结果,但是无论哪种方式,我都希望有一个概述电子表格来跟踪这样的营销实验。

总结

A / B测试是转换率优化的关键组成部分。通过运行实验, 你可以获得有关利基市场中观众最满意的内容的数据。

1次A / B测试可以提高转化率并吸引更多客户,从而对商店的成功产生长期的重大影响。

有关提高转化率的更多想法和行之有效的方法,请查看我们的Shopify转化率优化指南

祝旅途愉快,祝您生意兴隆!✊

WordPress主机推荐:Siteground 或者 Kinsta 。承接企业建站、独立站托管运营、Shopify 优化 & WordPress 优化 等业务,有兴趣请联系微信:"paul-tse"。

Subscribe
提醒
guest
0 评论
Inline Feedbacks
View all comments
Load WordPress Sites in as fast as 37ms!