A/B-тестування (або А/Б тестування, , Split testing) — метод маркетингового дослідження, суть якого полягає в тому, що контрольна група елементів порівнюється з набором тестових груп, в яких один або декілька показників були змінені, для того, щоб з'ясувати, які зі змін покращують цільовий показник. Хороший приклад — це дослідження впливу колірної схеми, розташування та розміру елементів інтерфейсу на конверсію сайту.
Метод часто використовується при оптимізації вебсторінок відповідно до заданої мети. Тестуються 2 дуже схожі сторінки (сторінка А і сторінка В), які відрізняються лише одним елементом або декількома елементами (тоді метод називають A/B/N Testing). Сторінки А і В показуються користувачам почергово в рівних пропорціях, при цьому відвідувачі, як правило, не знають про це. По закінченні певного часу або при досягненні певного статистично значимого числа показів порівнюються числові показники мети і визначається найкращий варіант сторінки. До числа компаній, що використовують цей метод, відносяться Amazon і Zynga.
Приклад: рекламна кампанія електронною поштою Компанія з клієнтами бази даних понад 2000 чоловік вирішує створити електронну кампанію зі знижками в цілях стимулювання продажів через свій вебсайт. Вона створює електронну пошту і потім робить заклик до дії.
До першої 1000 осіб вона відправляє лист із закликом до дії, заявивши «пропозиція закінчується в цю суботу! Використання коду A1», до іншої 1000 осіб вона посилає лист із закликом до дії, заявивши «Обмежена пропозиція! Використовуйте код B1».
Всі інші елементи — копія електронного листа. Потім компанія контролює, яка рекламна кампанія має найвищий показник конверсії на основі аналізу використання промо-кодів. Електронний лист за допомогою коду A1 має 5 % відповідей (50 з 1000 людей електронною поштою використало код, щоб купити продукт), а електронний лист з кодом B1 має 3 % відповідей (30 з 1000 користувачів використали код, щоб купити продукт). Таким чином, компанія вважає, що в цьому випадку, перший заклик до дії є більш ефективним і буде використовувати його в майбутніх рекламних кампаніях.
У наведеному вище прикладі мета випробування — це визначення, який спосіб є найбільш ефективним, щоб змусити клієнта придбати.
A/B-тест повинен мати певний результат, який піддається вимірюванню, наприклад, кількість продажів, число людей, реєстрації і т. ін.
Багато компаній використовують «експериментальний» підхід до прийняття маркетингових рішень. Це стає все більш поширеною практикою, і досвід росте в цій галузі. Є багато A/B-тестувань тематичних досліджень, які показують, що практика тестування стає все більш популярною також у малому і середньому бізнесі.
Інструменти для A/B-тестування Багато інструментів A/B-тестування активно розвиваються. Деякі з них доступні за ліцензією відкритого джерела або безкоштовно: Google Analytics Content Experiments (раніше Google Website Optimizer) (на стороні сервера вимагається використання тегів), Easy Оптимізатор вебсайтів. Інші комерційні рішення, як правило, пропонують більш широкий спектр можливостей.
Див.також Статистика критерію Адаптивне керування
Примітки