Hakukoneoptimoinnin ohella konversio-optimointi (conversion rate optimization, CRO) on yksi tunnetuimmista digimarkkinoinnin termeistä. Mutta usein se on tavattoman väärin ymmärretty tai liian kapeasti katsottu. Konversio-optimointi kun on paljon muutakin kuin A/B-testausta tai nappien värien vaihtelemista.

Konversio-optimointia ei saisikaan ajatella pelkkänä konversion optimointina. Eikä varsinkaan konversioprosentin optimointina.

Vaan kasvun optimointina.

Tämä optimointityö on yksi digitaalisen markkinoinnin kulmakivistä. Sitä tapahtuu koko asiakkuuden elinkaaren läpi ja sitä voidaan tehdä kaikissa kosketuspisteissä (touchpoints) mainonnasta jälkimarkkinointiin asti.

Konversio-optimointi on siis koko markkinoinnin optimointia.

Hyvän konversio-optimoinnin muistilista

  • Hyvälle konversiolle ei ole mallipohjaa tai sabluunaa
  • Kukaan ei etukäteen tiedä mikä toimii, vaan kaikki ovat mielipiteitä
  • Yksittäisen ihmisen mielipide (myös sinun) on lähes merkityksetön

Pitää siis siirtyä arvailusta tietoon ja ymmärrykseen.

Ilman mittaria ei voi arvottaa asioita ja ilman luotettavaa dataa ei ole mittareita. Perinteinen lean-sykli toimii tässäkin:

  1. Build
  2. measure
  3. learn
  4. rinse and repeat.

Ja kuten aina: analytiikka ja optimointi ei ole metodeja. Se on yksi ja sama mielentila.

Tässä artikkelissa

Lähetä artikkeli sähköpostiisi

Tämän tekstin pituus on 2 965 sanaa. Jos epäilet tulevasi keskeytetyksi tai haluat lukea tätä vielä uudestaan myöhemmin, siihen on ratkaisu. Voit näet lähettää dokumentin PDF-version sähköpostiisi, jolloin löydät sen helposti milloin vain.

(Täytitkö jo lomakkeen Facebookissa? PDF on jo matkalla sähköpostilaatikkoosi.)

Mikä on konversio?

Konversio on jokin tapahtuma jossa satunnainen vierailja muuttuu (kääntyy) asiakkaaksi. Se voi olla verkkokaupan ostotapahtuma, uutiskirjeen tilaus, osallistuminen arvontaan tai vaikka puhelinnumerolinkin klikkaaminen.

Yksi iso makrokonversio voidaan jakaa vielä pienempiin mikrokonversioihin.

Näistä syntyy teoria konversiosuppilosta, jossa alun valtaisasta käyttäjämassasta vain osa konvertoituu askel kerrallaan syvemmälle suppiloon, kunnes hyppysellinen muuntuu lopulliseksi konversioksi.

Esimerkkisuppilon satunnaisista vierailijoista vain 1,5% muuttuu (konvertoituu) oikeiksi asiakkaiksi

Konversioaste tai konversioprosentti lasketaan jakamalla konversioiden määrä kokonaisliikenteen määrällä

Konversioprosentti = konversioiden määrä / liikenne

Mitä on konversio-optimointi?

Englanninkielinen termi conversion rate optimization pitää sisällään oletuksen konversioasteen optimoinnista. Periaatteessa konversio-optimoinnin päämääränä olisi siis saada 100% konversioaste.

Tässä ei kuitenkaan ole järkeä, koska käytännössä se tarkoittaisi tuotteen tai idean myymistä vain ja ainoastaan varmoille asiakkaille.

Konversioiden absoluuttinen määrä siis kääntyisi laskuun.

Jos taas halutaan saada mahdollisimman suuri määrä konversioita, se saavutetaan myös muilla kuin varsinaisen konversio-optimoinnin keinoilla.

Mitä enemmän mainostaa, sitä enemmän saa liikennettä ja sitä enemmän saa konversioita, vaikka konversioaste pysyisikin huonona.

Konversioiden määrä = liikenne * konversioprosentti

Konversioiden määrä kasvaa siis kahdella tapaa:

  1. parannetaan liikenteen määrää
  2. parannetaan konversioprosenttia

Mikä on hyvä konversioprosentti?

Kuten aiemmin jo todettiin, liian suuri konversioprosentti tarkoittaa sitä, ettei olla saatu riittävän laajaa liikennepohjaa.

Liian pieni konversioprosentti taas hukkaa markkinointiin ja mainostamiseen käytettyjä rahoja.

Oikea konversioprosenttihaarukka riippuu siitä, mistä konversiosta puhutaan.

Tyypillisiä konversioprosentteja ovat

  • verkkokauppa 0,4 – 2,0%
  • b2b-sivustolla yhteydenottolomakkeen täyttäminen 5-15%
  • sähköpostiviestin klikkaus 1-12%
  • osallistuminen kilpailuun suoraan laskeutumissivulta 30-60%

On siis muistettava, että konversioita tapahtuu siis myös muuallakin kuin verkkokaupassa.

Konversioprosentin on ihan mahdollista olla huomattavasti suurempikin.

Silloin on kuitenkin kysymys poikkeuksellisesta tilanteesta ja kannattaa huolellisesti tutkia, mistä on kysymys.

  • Onko data varmasti oikein?
  • Onko mainonta tai kohderyhmän koko riittävä?
  • Mitä toimenpiteitä näin hyvän konversion saavuttamiseksi on tehty? Miten voin tehdä saman uudelleen muualla?

Pelkkää hyvää konversioprosenttia ei myöskään kannata tavoitella asiakkuuden kustannuksella.

Ilmaisen ämpärin avulla voidaan saada satakertainen määrä ostajia tai kokeilujakson käyttäjiä, mutta koko vuoden tulos saattaa olla heikompi kuin toisella ryhmällä, jota ei houkuteltu paikalle kylkiäisillä.

Hyvä konversio-optimointi ottaa huomioon myös asiakkuuden koko elinkaaren arvon (ns life-time-value, LTV).

Konversio-optimointi tasapainottelee siis näiden kahden (tai kolmen) asian välillä.

Konversio-optimoinnin historiaa

Moderni konversio-optimointi liittyy yleensä internet-sivustojen konversio-optimointiin. Tätä on tehty jo 2000-luvun alusta lähtien ja tekniikka on mahdollistanut erilaisten kokeilujen ajamisen jo hyvin pian sen jälkeen.

Ensimmäinen iso konversio-optimoinnin mullistus tuli Google Website Optimizerin julkistuksen myötä vuonna 2007.

Ei kuitenkaan kannata unohtaa sitä, että konversio-optimointia on tehty jo paljon ennen Internetiä.

John E. Kennedyn kirjoittama Reason Why Advertising käsittelee suoramarkkinoinnin seurantaa, mittausta, A/B-testejä ja yleisesti ottaen konversio-optimointia jo vuonna 1904. Data & Marketing Associationin edeltäjä Direct Marketing Association muodostettiin 1917.

Jos konversio-optimoinnista poistaa kaiken markkinointihypen, voidaan ihan tavallista tieteellistä tutkimusmetodiakin pitää konversio-optimointina.

Esimerkiksi brittiläinen lääkäri James Lind kokeili systemaattisesti eri hoitokeinoja keripukkiin vuonna 1747, kunnes päätyi sitrushedelmiin.

Tosin testauskohteet taisivat olla enemmänkin satunnaisia tökkäilyjä, kuin järjestelmällisen analysoinnin ja hypoteesin synnyttämiä. Mikä on siis samalla ”pelkän A/B-testailun” ja ”oikean konversio-optimoinnin” ero.

Konversio-optimoinnin suunnittelu

Kuten jo todettiin, konversio-optimointia voi lähestyä liikenteen määrän lisäämisen tai konversioprosentin parantamisen suunnista.

Konversioprosenttia voi parantaa merkittävästi suunnittelemalla koko sivusto vain yhtä tavoitetta tai konversiota varten. Käytännössä tämä kuitenkin on parasta tehdä kohderyhmittäin tai kohderyhmän tarveryhmien kautta, jolloin myös mainonnan panostuksista saadaan synergiaetuja.

Sivuston liian kapea tarkoitus saattaa kääntyä myös itseään vastaan.

Näin voi käydä jos käyttäjä eli kohderyhmän edustaja ei saakaan koko haluamaansa palvelua yhdellä kertaa.

Jos esimerkiksi ruokakaupasta saa vain lihatuotteita, mutta ei kasviksia, saattaa ostajakunta kääntyä yhdellä osalla heikomman, mutta kokonaisuutta paremmin palvelevan palveluntarjoajan puoleen.

Koko sivuston suunnittelun lisäksi konversioprosenttia voi parantaa yhdellä sivulla olevien elementtien tai sisällön kehittämisen avulla.

Todellisissa ostoaikeissa oleva käyttäjä ostaa kyllä huonostakin kaupasta, mutta hyvä käyttökokemus saattaa parantaa koko brändin asemaa. Konversio-optimoinilla saatetaan siis parantaa sivuston ja sitä ylläpitävän yrityksen luotettavuutta.

Miten konversio-optimointia sitten tehdään ihan käytännössä?

Keskiverto digimarkkinoijalta kysyttäessä konversio-optimointi ja A/B-testaus on sama asia. Mutta eihän ne ole. Ennen ensimmäistäkään A/B-testausta on vuorossa koko joukko muita toimenpiteitä.

Etenkin Suomessa, jossa liikenteen määrä saitilla on usein hyvin rajallista, varsinaiset testaukset kannattaa säästää niihin ongelmiin, joihin ei muuten löydy vastausta.

Konversio-optimoinnin työvaiheet ovat

  1. teknisten ongelmien tunnistaminen ja korjaaminen
  2. kokemusperäinen arviointi
  3. kävijäseurannan arviointi
  4. käyttäytymisen laadun arviointi
  5. käyttäjäkyselyiden tekeminen
  6. testausryhmien käyttäminen
  7. korjaus ja testaus

Tarkista konversiota haittaavat tekniset ongelmat

Joskus jokin ei yksinkertaisesti toimi teknisesti. Silloin se ei tuota liiketoiminnallista tulosta, eikä asian korjaamiseen tarvita A/B-testausta. Kyse voi olla niinkin yksinkertaisesta asiasta kuin rikkinäisestä linkistä.

Vaikka mobiililiikenne ja responsiiviset sivut ovat enenevissä määrin poistaneet selainkohtaiset ongelmat, ei niiltä kuitenkaan voida välttyä kokonaan.

Taannoin teimme hienon segmentointikampanjan asiakkaalle, joka toimi kuin junan vessa. Aina niin kauan kun sivulla kävi pelkkiä Chromen käyttäjiä.

Niinkin yksinkertaiselta kuuluva asia kuin päivämääräkentän täyttäminen muodostui lähes painajaiseksi.

Vakiomuotoinenkaan päivämäärän valitsin ei toiminut joka selaimessa
Vakiomuotoinenkaan päivämäärän valitsin ei toiminut joka selaimessa ja esti konversion kokonaan.

Lopulta teimme varalomakkeen, jossa ei ollut minkäänlaista muototarkistusta ja kenttään voi kirjoittaa päivämäärän vaikka kirjaimilla. Ohjasimme käyttäjiä varalomakkeelle virheilmoituksen yhteydessä. Ei optimaalisin vaihtoehto, mutta paras sillä aikataululla.

Vaikka kaveripiirissä oltaisiin totuttu käyttämään vain tiettyjä laitteita, verkkosivuston käyttäjien kohderyhmällä saattaa olla toisenlaiset tottumukset. Kannattaakin tarkistaa sivuston käyttäjien laitteet ja selainversiot Google Analyticsista, sekä erikseen jokaisen kombinaation konversiot.

Sivuston nopeudella on myös merkittävä vaikutus konversioon. Palvelimen konfigurointiin käytetty aika tuottaakin tulosta joka ikisellä sivulla.

Sivuston arviointi ammattilaisen kokemuksella

Konversio-optimointia pitää lähestyä nöyrästi ja tunnustaa, ettei oikeasti tiedä yhtään mitään. Mutta on kuitenkin paljon asioita, joista voi esittää valistuneen arvauksen.

Sivuston konversiopolkua voi arvioida sellaisten tekijöiden näkökulmasta kuin

  • johdonmukaisuus ja odotuksenmukaisuus
  • selkeys
  • lisäarvo
  • epäilys
  • huomiovarkaat

Jotta sivuston arvioimisesta ei tulisi epämääräisten irtokommenttien heittoa, kannattaa kukin sivu arvioida rauhassa yhdestä näkökulmasta kerrallaan. Mahdollisesti jopa elementti kerrallaan. Arviot voi tehdä ranskalaisina viivoina tai kommentteina kuvakaappauksen päälle.

Arvioidaan esimerkkinä tämä kyseinen sivu, jota juuri nyt olet lukemassa:

  • johdonmukaisuus
    • teksti etenee johdonmukaisesti
    • konversiopolkua ajatellen ei voi olla varma mistä käyttäjä on sivulle tullut, mutta hän saa nopeasti käsityksen, että sivu on runsas tietopaketti
  • selkeys
    • sivu on todennäköisesti niin pitkä, että sen selkeys kärsii
    • voisiko sivulla olla enemmän kuvakaappauksia?
    • pitäisikö sivu jakaa useammalle sivulle?
  • lisäarvo
    • pdf-version vaihtoehto tuottaa lisäarvoa
  • epäilys
    • aihe voi näyttäytyä tarpeettoman monimutkaisena
    • liian pitkän artikkelin lukemiseen käytetty aika voi pelottaa
      • voisiko artikkelin lukea muutoin, esimerkiksi pdf:nä?
  • huomiovarkaat
    • sivupalkin muut artikkelit eivät todennäköisesti vie huomiota itse tekstiltä
    • aukiponnahtava chat-ikkuna saattaa rikkoa lukuflown

Luonnollisesti arvio oli hyvin ylimalkainen ja käsitteli enemmänkin sivua kokonaisuutena kuin elementtien kautta. Myöskään kaikista näkökulmista ei ole välttämätöntä saada yhtään löydöstä.

Mikään löydös ei myöskään suoraan ole korjaussuositus tai edes -ehdotus. Mutta ne ovat asioita, joita kannattaa tutkia myöhemmissä vaiheissa.

Etsi konversiopiikit ja -kuopat kävijäseurannasta

Kävijäseurannan (kuten Google Analyticsin) perusmuoto mittaa kävijöiden määrää. Sillä ei kuitenkaan ole vielä juuri liiketoiminnallista merkitystä. Kävijäseuranta ja web-analytiikka pitääkin muokata seuraamaan kävijöiden ja kävijäryhmien toimenpiteitä luotettavasti.

Käytimme jo vähän kävijäseurantaa arvioidessamme eri päätelaitteiden teknisiä ongelmia. Mutta se oli vasta ensimmäinen vaihe.

Konversio-optimoinnin tässä vaiheessa kävijäseurannalla vertaillaan konversiopisteiden toimivuutta käyttäjäsegmenttien välillä.

Lopullinen konversio voi olla verkkokauppaostos, mutta sitä edeltää koko joukko pienempiä mikrokonversioita, jotka ohjaavat (tai eivät ohjaa) käyttäjää kohti lopullista makrokonversiota.

  • Maksutietojen täyttö
  • Rekisteröityminen tai kirjautuminen palveluun
  • Ostokorin tarkastelu
  • Sisäisen haun käyttö
  • Tuotekortin tarkastelu
  • Kategoriasivun suodattaminen ja järjestäminen

Ja kuten ennenkin on sanottu, konversiot eivät koske vain verkkokauppoja.

Vaikka joltain vaikuttajasivustolta puuttuisikin varsinainen liiketoimintaa palveleva makrokonversio, silläkin on lukuisia mikrokonversioita. Loogisia mikrokonversiojatkumoita voi mitata suppiloina, mutta osa voi jäädä silleen yksittäisiksi mittauspisteiksi.

Osan mittauksista pystyy tekemään sivulatausten perusteella, mutta osa vaatii edistyneempää kongifurointia esimerkiksi Google Tag Managerin avulla.

Koska pelkät keskiarvot piilottavat kokonaisia totuuksia, eri mikrokonversioita arvioidaan jakamalla käyttäjiä erilaisiin segmentteihin.

  • Miten eri konversiot jakautuvat eri liikenteenlähteissä tai demografioissa?
  • Entä kuinka eri konversiot jakautuvat ensikertalaisiin tai palaaviin vierailijoihin, tai eri vierailukertojen määriin?
  • Kuinka sisäisen haun tai kategorian suodatustoiminnon käyttäminen vaikuttaa eri konversiomääriin?
  • Kuinka eri sivujen bounce-rate (välittömän poistumisen prosentti) vaihtelee eri resoluutioilla?

Kaikki tämä, emmekä vielä ole tehneet yhtään A/B-testiä!

Arvioi käyttämisen laatua käyttäytymisanalytiikan työkaluilla

Kävijäseuranta laskee ihmisten ja tapahtumien määrää, mutta se ei pysty vastaamaan kysymykseen: miksi.

Käyttäytymisanalytiikkaratkaisutkaan eivät pysty siihen, mutta antavat kuitenkin toiseksi parhaan vaihtoehdon. Vastauksen kysymykseen: miten.

Kohtaan lähes päivittäin asiakkaita, jotka esittelevät verkkosivustonsa hienoa haku- tai suodatustoiminnallisuutta silminnähtävällä ylpeydellä. Se on heidän mielestään helppokäyttöinen ja ovat saaneet siitä paljon palautetta.

Todellisuudessa palautteita ei ole tullut paljoa. Analytiikan mukaan juuri kukaan ei käytä ominaisuutta. Käyttäytymistyökalun perusteella nekin jotka käyttävät, käyttävät sitä väärin.

Maailman ehkä tunnetuimmat väärinymmärretyt keksinnöt ovat hampurilaisravintolan ketsuppikuppi ja kahden palan sokeripakkaus.

Käyttäytymistyökalut mittaavat yleensä hiiren liikkeitä ja klikkauksia, sekä ruudun vierittämistä.

Käyttäytymisdatan raportit ovat visuaalisia

Tyypillisin raporttimuoto on eräänlainen lämpökartta, jossa sivun kuvakaappauksen päällä on sitä enemmän punaista tai keltaista, mitä enemmän hiiri on liikkunut tai klikannut alueella. Vähemmälle huomiolle jäävät osat värjätään kylmemmillä väreillä, sinisestä aina mustaan asti.

Hiiren liikkellä on vain osittainen korrelaatio huomion kanssa. Toisin sanoen vain osa ihmisistä vierittää hiirtä tekstin yli samaan tahtiin kuin lukee sitä. Todennäköisesti hyvin harva.

Mutta todennäköisesti hyvin harva myöskään klikkaa sellaista kohtaa, jota ei katso.

Klikkauksia voi seurata myös Google Analyticsin lisätoiminnallisuudella, mutta siihen tarvitaan Chromen lisäosa. Lisäksi se ei välttämättä pysty erottelemaan toisistaan samaan paikkaan meneviä linkkejä.

Pidemmälle viety sovellus samasta tekniikasta on käyttäjän surffailun tallennevideo.

Yleisin ongelma on linkiltä näyttävät elementit, joista ei tapahdu mitään vaikka käyttäjä kuinka toivoisi.

Tai sitten jokin elementti on klikattavissa, vaikka jokin sitä edeltävä pakollinen toimenpide olisi vielä tekemättä. Jos tähän yhdistyy vielä kolmas ongelmamuoto (käyttäjä ei tietoisesti huomioi elementtiä) ollaan todella metsässä käytettävyyden (ja liiketoiminnan) osalta.

Teimme testiä yhdelle verkkokaupalle, jossa käyttäjä pystyi klikkaamaan tuotteen ostoskoriin, vaikka tuotteiden määrä oli nolla. Käyttäjä sai tästä jokaisella kerralla virheilmoituksen, mutta ohitti sen pikaisesti OK:ta painamalla koskaan ilmoituksen tekstiä lukematta.

Virheilmoitus oli liian samannäköinen kuin onnistumisviesti.

Lopulta testikäyttäjä oli niin turhautunut, että tuhersi kirjaimellisesti itkua. Tavallinen ostaja olisi jo jättänyt koko saitin taakseen ja vienyt rahansa johonkin muualle.

Kysy käyttäjiltä automaattisilla käyttäjäkyselyillä

Klikkauskarttojen ja videotallenteiden suuri ongelma on siinä, että käyttäjiä ei oikein pysty järkevästi luokittelemaan. Toki käyttäjät voi erottaa teknisten erojen, kuten selaimen tai päätelaitteen perusteella. Mutta klikkauskarttaan jää helposti aktiivisen ostajan ja satunnaisen renkaanpotkijan keskiarvo. Klikkauskartasta puuttuu käyttäjän motiivi ja tunnetilat.

Näin tapahtuu etenkin jos sivuston käyttöliittymässä ei ole riittävän johdattelevaa otetta, vaan käyttäjät sinkoilevat sinne tänne kuin puolukka ämpärissä.

Liian usein myös jäädään arpomaan ja teoretisoimaan elementtien vaikutusta toisiinsa. Yksinkertaisin ja suorasukaisin vaihtoehto olisi kysyä suoraan lähteeltä eri käyttäjältä.

Silloin automaattiset käyttäjäkyselyt ovat erinomainen työkalu.

Kysely voi käynnistyä automaattisesti tietyllä sivulla tai poistuttaessa sivustolta. Liian nopeasti esitetty kysely kuitenkin yleensä jää vastaamatta tai siitä ei saada luotettavia tuloksia. Eihän käyttäjä ehtinyt vielä tehdä niitä asioita, joista häneltä mielipidettä kysellään.

Kyselyillä on hieman parempi konversioprosentti kuin verkkokaupalla, mutta 100-200 vastauksen saamiseen voi silti mennä jonkin aikaa. Kyselyn kysymysten pitää olla myös huolellisesti asetettuja, eikä käyttäjää saa johdatella tiettyyn vastaukseen.

Hyvä keino muotoilla kysymykset, on tehdä niistä ensin kyllä/ei-kysymyksiä ja pyytää sen jälkeen tarkentamaan.

Käyttäjäkyselyllä ei välttämättä opi mitään uutta, mutta sillä voi ainakin vahvistaa tai kumota heuristisen arvion löydöksiä. Esiin nousevien huolten perusteella voi myös arvioida muun markkinoinnin onnistumista.

5 hengen kvalitatiivinen testausryhmä löytää 75% ongelmista

Siinä missä Google Analyticsin segmenttejä, klikkikarttoja ja kävijäkyselyitä varten tarvitaan tuhansia käyttäjiä, kvalitatiitiseen käytettävyystestaukseen riittää kourallinen osallistujia.

Alkuperäinen kuva sivulla https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/

Kaikkein tehokkainta on tehdä kolme kertaa viiden käyttäjän testi, joiden välillä korjaa esiin tulleita ongelmia.

Käyttäjiä ei voi kuitenkaan päästää vellomaan sivustolla vailla päämäärää. Käyttäjien

  • pitää kuulua kohderyhmään
  • he eivät saa olla vanhoja käyttäjiä ja
  • heille pitää antaa viitisen kohdan tehtävälista suoritettavaksi.

Heiltä ei kysytä mitään, se vaihe on jo ohitse.

Pointtina on tarkkailla käyttäjiä ja heidän toimiaan. Jos mahdollista, tarkkaile myös heidän ilmeitään tai jopa katsetta.

Jotkut käytettävyystestit tehdään etätehtävinä, jossa käyttäjä puhuu ajatuksiaan ulos samanaikaisesti kun hänen ruudustaan kuvataan videokuvaa. Se on tietysti tyhjää parempi, mutta on tutkimuksia, joiden mukaan puhuminen hidastaa ajattelua ja huomiokykyä merkittävästi. Voikin olla parempi näyttää testaajalla video myöhemmin ja pyytää häntä siinä kohtaa selittämään, mitä mielessä liikkui.

Korjaa ja testaa löydökset

Tässä vaiheessa sivustoa on arvioitu kuudella eri tavalla ja on aika ryhtyä käytännön toimiin. Kaikkia ongelmakohtia ei ole mitään järkeä jäädä todentamaan A/B-testeillä, vaan etenkin tekniset bugit on syytä korjata välittömästi.

Osa löydöksistä saattaa vaatia lisätutkimuksia tai analytiikkakonfiguraation täsmennyksiä.

Osalle löydöksiä ei löydy varsinaisia perusteita, mutta niiden ympärille rakentuu hypoteesi, jolla on ehdotus, ennuste ja perustelut:

Jos vaihdamme lomakkeen myyntitekstin alapuolelle, saamme 20% paremman konversioprosentin, koska yksipalstaisessa asettelussa myyntiargumentit tulevat isommalla ja käyttäjä lukee niitä pidempään

20% prosentin muutos alkuperäiseen 2% konversioprosenttiin tuottaa 2,4% konversioprosentin. Jos sivulla käy 1 000 vierailijaa kuukaudessa ja tuotteen hinta on 39€, kumuloituu testin vaikutukseksi vuodessa 480 myyntitapahtumaa ja 18 720 euroa.

Ei huono.

Jos kopioimme sivun CTA:n sivun yläosaan, se tuplaa konversioiden määrän, koska sivun yläosan näkee nelinkertainen määrä ihmisiä alaosaan verrattuna, missä CTA nyt on.

Ilman perusteluja tai ennustetta, hypoteesi on pelkkä päähänpisto.

Toisaalta, ennuste ja perustelut itsessään eivät ole kovin luotettavia, eikä niistä koskaan saa täydellisiä. Mutta ajan myötä ne alkavat tarkentua. Hypoteesin, ennusteen ja perustelun lisäksi on hyvä arvioida testin synnyttämät kustannukset.

Ennuste ja perustelu tarvitaan, jotta kuudelle eri kierroksella tunnistetut kymmenet tai jopa sadat testauskohteet voidaan priorisoida. Ei ole mitään järkeä tehdä vaikutukseltaan vähäistä testiä sivulla, jolla ei ole liikennettä ja tuotteella jonka hinta on pieni.

A/B-testi on konversio-optimoinnin verikoe

Kun kaikki ilmeiset viat on korjattu ja tiedosta päädytään luuloihin ja mielipiteisiin, on aika siirtyä A/B-testausten testausvaiheeseen.

A/B-testiä voikin verrata terveydenhuollon verikokeeseen. Erilaiset limakalvotulehdukset näkyvät paljaalla silmälläkin, mutta tiettyjen tautien lopulliseen diagnosointiin tarvitaan testi.

A/B- ja monimuuttujatestauksen ero

A/B-testissä osalle käyttäjiä näytetään sivun alkuperäinen kontrolliversio A ja osalle muokattu testiversio B. Voittajaksi selviytyy se versio, kumpi saa enemmän konversioita.

Jos testiversioita on useampia, puhutaan A/B/C- tai A/B/..Ö-testistä.

Useamman testielementin testissä onkin parempi laatia monimuuttuja- eli multivarianttitestaus (multivariate test, MV).

Jos sivulla halutaan testata pääkuvasta, navigaatiosta ja hinnasta kustakin kolmea eri versiota, pitää ottaa huomioon kaikkien näiden yhdistelmät, joita kertyy 27 kappaletta.

Näiden testiversioiden rakentaminen käsin on paitsi työlästä, myös arkaa hommaa, jossa virheen mahdollisuus on suuri. Onkin siis parempi antaa testiversiot testausohjelman rakennettavaksi.

Kolmas konversiotestityyppi on ns bandit-testaus

Bandit-testissä ensin suoritetaan A/B-testi ja sitten x/C-testi sen perusteella kumpi ensimmäisen testin voitti.

Tämä ei ole niin tieteellinen menetelmä, mutta sillä saadaan nopeammin edes jonkinlaisia tuloksia. Tämä on tärkeää etenkin silloin, kun liikenteen määrä on niin pieni, että testien pituus venyy liikaa.

Suomessa hyvin harvat sivustot voivat rakentaa tyydyttävästi multivarianttitestejä.

Mihin A/B-testin voittajan voitto perustuu?

Joskus on hyvä kysyä, mihin testin voitto ylipäätään perustuu.

Ilman terveellisen tason skeptisyyttä voi päätyä seuramaan kissankultajuovaa ja hukkaamaan paljon resursseja, sekä sekoittamaan asiakkaiden käyttäjäkokemusta.

Hyvin usein B-versio voittaa kontrolliversion vain siksi, että se on uusi.

Etenkin jos testiyleisössä on sivuston vanhaa käyttäjäkuntaa, he ovat jo täysin turtuneet sivuston käyttöliittymään ja sen esittämiin tarjouksiin tai myyntiargumentteihin.

Erityisesti silloin pelkkä napin värin vaihtaminen saattaa riittää.

Uusille asiakkaille tällaisella asialla ei kuitenkaan ole yleensä mitään merkitystä. Tämä on syytä ottaa huomioon myös testiä suunniteltaessa.

Tasapelin sattuessa alkuperäinen versio voittaa aina. Onhan muutosten vienti tuotantoympäristöön aina kustannus itsessään.

Kuinka paljon liikennettä A/B-testiin tarvitaan?

Tähän kysymykseen ei valitettavasti ole olemassa yksiselitteistä vastausta, mutta kyllä sillekin voi jotain ohjearvoja määritellä.

Liikenteen määrän lisäksi testin tilastolliseen luotettavuuteen vaikuttaa testiversioiden määrä sekä alkuperäisen konversioprosentin suuruus.

Käytännössä kumpikin viittaa siihen, kuinka paljon konversioita tapahtuu määrällisesti.

Hyvänä nyrkkisääntönä voisikin pitää 100 konversion tapahtumaa per testiversio.

Yksinkertaisessa A/B-testissä tämä tarkoittaa yhteensä 200 konversiotapahtumaa. Alkuperäisellä 2% konversiolla se puolestaan edellyttää 10 000 vierailijaa.

Samalla tapaa laskettuna A/B/C-testi vaatisi 15 000 vierailijaa ja aiemmin mainittu kolmen elementin monimuuttujatesti 135 000 vierailijaa.

Konversiomäärien lisäksi testiin vaadittavan liikenteen määrään vaikuttaa haluttu tilastollinen pätevyys.

Sadan prosentin pätetyyveen ei yleensä päästä, mutta alle 90% pätevyydellä ei useinkaan saada luotettavia tuloksia. Helposti käy niin, että testiversioiden erot jäävät virhemarginaalin sisään.

Testin luotettavuus romuttuu myös silloin, jos konversioprosenttien kehityskäyrät risteävät testin aikana useasti.

Konversio-optimoinnin työkaluja

Kuten yllä on jo useasti todettu, konversio-optimoinnin työkalut ovat pitkälti samoja kuin muutkin analytiikkatyökalut.

  • Vierailuanalytiikka
    • Adobe Analytics
    • Google Analytics Premium
    • Google Analytics (Standard)
  • Käyttäytymisnalytiikka
    • Hotjar
    • Mouseflow
    • Visual Website Optimizer
  • A/B-testaustyökalut
    • Adobe Target
    • Google Optimize 360
    • Frosmo
    • Visual Website Optimizer
    • Optimizely
    • Google Optimize

Adobe Targetin käyttäminen testaustyökaluna on houkutteleva vaihtoehto kun bisneksessä liikkuu riittävästi rahaa.

Adobe Analyticsin segmenteistä rakennettuja kohdeyleisöjä voi sellaisenaan käyttää myös Adobe Targetin kohdeyleisöinä. Lisäksi A/B-testien konversioiden ja life-time-valuen mittaus tapahtuu luotettavasti Analyticsin puolella. Lisäksi voittajaversion voi jättää sellaisenaan päälle eräänlaisena personointina.

Suomalainen Frosmo käsittelee A/B-testejä eräänlaisena personointiviestinä, jonka vaikutuksia voidaan mitata. Frosmon käyttäminen pelkkänä A/B-testaustyökaluna onkin sen suurta vajaakäyttöä.

Visual Website Optimizer (VWO) ja Optimizely ovat huomattavasti huokeampia ratkaisuja. Niiden haasteena on kuitenkin se, että ne ovat melko yksinäisiä koko konversio-optimoinnin mittakaavassa. Niiden konversiomittaukset ovat yleensä testisivulla olevien elementtien klikkauksia tai jonkin muun sivun sivulatauksia. Verkkokauppadataa tai asiakkaan elinkaaren arvoa ne eivät perustoiminnallisuuksillaan pysty käsittelemään.

VWO tarjoaa A/B-testauksen lisäksi myös joitain lämpökartta-analyysivaihtoehtoja. Optimizely on puolestaan on juuri julkaissut integraation Hotjarin kanssa.

Google Optimize on beta-versiossa oleva ilmainen Googlen A/B-testaustyökalu. Käytettävyytensä puolesta se tuntuu olevan hiukan tökerömpi kuin Optimizely tai VWO. Sillä on kuitenkin hiukan paremmat kohdistusmahdollisuudet, sillä testin voi kohdistaa esimerkiksi niihin ihmisiin, jotka ovat peräisin joltain tietyltä sivustolta.

Vastaavaa konversio- ja kohdistuskikkailua todennäköisesti pystyy tekemään muillakin työkaluilla, mutta ainakin se vaatii enemmän koodaamista.

Mikäli käytössä on maksullinen Google Analytics 360 Suite, saa tavallisestakin Google Optimizesta enemmän irti. Google Optimize 360 on premium-luokan A/B-testausohjelmistoversio.

Todennäköisesti suurimmat valintakriteerit ovat muut käytettävät ohjelmistot ja optimoinnilla saatu hyöty liikevaihtoon.

Ei ole juuri järkeä lähteä käyttämään Google Optimizea jos käytössä on jo Adobe Marketing Cloud. Toisaalta jos sivuston tuottama liikevaihto on pienempi, on parempi pysytellä edullisemmissa tuotteissa.

Ja jos sivuston liikennemäärä ylipäätään on pieni, on parempi käyttää konversio-optimoinnin resurssit muuhun kuin A/B-testaukseen.