Чем персонализация отличается от сплит-тестирования?
Между персонализацией и сплит-тестированием есть много общего. Оба метода предполагают тестирование гипотезы, по итогам которого она либо признается, либо опровергается.
Обычно оба метода используют две версии, и каждая из версий демонстрируется определенному набору пользователей. По окончании тестового периода для каждого из них рассчитывается стандартный показатель типа RPV.
Эксперименты по персонализации отличаются тем, что они используют слой известных данных для того, чтобы создать персонализированный опыт для своего посетителя. По сути, эксперименты такого типа никогда не заканчиваются – вы будете проводить их постоянно, потому что наверняка не хотите, чтобы сегодня ваш сайт приветствовал клиента по имени, а завтра относился к нему как к совершенно незнакомому человеку.
Обычные же сплит-тесты завершаются, как только достигают заранее намеченных целей. В этот момент они останавливаются, а их результаты в случае успеха интегрируются в торговую интернет-площадку.
Одновременное тестирование и персонализация
По мере того как вы обретаете все больше опыта в проведении сплит-тестов для тестирования гипотез, а также проводите удачные персонализированные эксперименты на сегментах посетителей, вы наверняка начинаете задаваться вопросом, возможно ли применять эти два подхода одновременно.
Если такая мысль уже приходила вам в голову, можете считать, что вы оказались в хорошей компании. Такой метод работы может быть очень прибыльным. Если верить исследованиям, большинство организаций (84 %) отмечает рост коэффициентов конверсии после того, как им удается совместить A/B-тестирование с веб-персонализацией
[64].
Однако при одновременном проведении сплит-теста и теста по персонализации могут возникнуть проблемы. Как минимум вам нужно убедиться в том, что один из них не влияет на результаты другого. Для того чтобы избежать подобной ситуации, вам следует перенаправить трафик на сплит-тестирование и персонализацию следующим образом:
50 % трафика на сплит-тестирование;
50 % трафика на эксперименты по персонализации.
Для экспериментов по персонализации распределение трафика между сегментом, подвергающимся эксперименту, и поддерживающим сегментом будет зависеть от того, была ли гипотеза, лежащая в основе эксперимента, уже протестирована в ходе сплит-теста, или же она совершенно новая.
Если у вас уже есть положительный результат из предыдущего сплит-теста, то соотношение между сегментом, участвующим в эксперименте, и поддерживающим сегментом может составлять 80:20. Это происходит потому, что вы гораздо больше уверены в том, что этот эксперимент по персонализации обеспечит вам прирост. Однако если это новая, но еще не протестированная гипотеза, основанная на исследованиях какой-то группы ваших посетителей, то стоит провести разбивку по принципу 50:50. Вы получите результаты быстрее, поскольку размер выборки в поддерживающем сегменте больше, чем при разбивке 80:20.
После того как вы разберетесь с практикой сплит-тестирования, вы можете совместить его с персонализацией – это позволит вам пользоваться преимуществами оптимизации для всех посетителей, а также создавать предложения, предназначенные исключительно для самых ценных из ваших сегментов. Крайне важно проверять, чтобы результаты каждого типа тестирования не влияли друг на друга.
Резюме
Хотя персонализацию и нельзя считать панацеей, она может и должна быть важной частью вашей стратегии оптимизации сайта. Персонализация дает вам возможность сильнее сфокусировать общение с сайтом на интересах сегментов ваших посетителей, а то и отдельных пользователей. Чем более нацеленным будет такое общение, тем лучше ваш сайт станет превращать посетителей в клиентов. Персонализация основана на том, что вы знаете о посетителях сайта и как они ведут себя на нем. Используя анонимные и известные переменные, вы сможете создавать и простые, и сложные проекты, связанные с индивидуальным обслуживанием.
Многие компании наблюдают значительный прирост доходов вследствие проведения простых экспериментов по персонализации, основанных на анонимных переменных – данных о новых и возвращающихся посетителях, их местоположении и изучении страниц определенных категорий продуктов. Вы можете открыть возможности для персонализации путем исследований, а также проведения сегментации после тестирования и анализа предыдущих тестов. Если вы замечаете, что результаты оптимизации вашего сайта для всех посетителей начинают ослабевать, персонализация может помочь вам оживить усилия по оптимизации сайта.
Для проектирования и запуска персонализированного эксперимента вам нужно ответить на три вопроса: кто увидит эксперимент, что именно он увидит и в какой момент своего путешествия?
Вы можете адаптировать свою платформу сплит-тестирования для проведения простых экспериментов по персонализации, основанных на анонимных данных – например, на сведениях о том, что представляют собой ваши посетители и как они себя ведут. Если же вы хотите интегрировать в свои эксперименты известные данные о клиентах или внешние данные, подумайте об инвестициях в платформу для персонализации.
Многие компании заявляют, что одновременное проведение сплит-тестирования и экспериментов по персонализации дало отличные результаты, а при тщательном разделении трафика вы можете легко сделать все это так, что результаты одного типа экспериментов не будут мешать другим.
11
Как оптимизировать процесс оптимизации
Кайдзен (это японское слово означает «улучшение») – подход к последовательному процессу постоянных улучшений, согласно которому регулярно производятся небольшие изменения, направленные на повышение качества и производительности. Вы можете использовать мышление в стиле кайдзен для оптимизации самого процесса оптимизации.
Показатель, который мы используем для общей оценки процесса оптимизации, называется совокупным ежегодным приростом (Compounded Annual Uplift). Он учитывает эффективность результатов всех сплит-тестов, проведенных вами в течение года. Вы можете обеспечить себе значительный прирост ежегодных результатов за счет небольших изменений в трех ключевых вещах. Мы называем их «показатели мощности», и именно они отвечают за возможность резкого увеличения эффективности всей вашей программы оптимизации.
К этим трем показателям мощности относятся следующие.
