Fermer

janvier 29, 2020

Comment former une hypothèse efficace pour des tests optimisés


Une hypothèse forte est la pierre angulaire de tout test significatif et efficace . Chaque hypothèse prouvée ou rejetée fournit à votre entreprise des informations précieuses sur le comportement des visiteurs et continue de guider votre plan d'optimisation tout en soutenant les buts et objectifs de l'entreprise.

Rappelez-moi, qu'est-ce qu'une hypothèse exactement?

Avant de plonger dans le composants et meilleures pratiques que vous devez garder à l'esprit lors de l'élaboration de votre hypothèse, discutons d'abord de ce qu'est exactement une hypothèse. Si vous tapez «hypothèse» dans Google, vous recevrez probablement une définition similaire à la suivante:

«Hypothèse: une supposition ou une explication proposée faite sur la base de preuves limitées comme point de départ pour une enquête plus approfondie.» [19659007] En termes plus simples, une hypothèse est une prédiction que vous faites avant d'exécuter une expérience ou un test. Il s'agit d'une déclaration qui aborde un problème ou une question spécifique tout en fournissant une solution suggérée.

Les hypothèses doivent être fondées sur des données quantitatives (analyses Web, données de test antérieures, informations sur les campagnes, informations sur l'audience, cartes thermiques) et / ou des données qualitatives (tests d'utilisateurs, groupes de discussion, commentaires du service client). L'hypothèse créée sur la base de ces informations indiquera clairement ce qui est modifié, quel sera le résultat prévu de cette modification, et la justification de cette prédiction.

En fin de compte, le résultat du test confirmera ou infirmera votre hypothèse.

Alors, comment puis-je créer ma propre hypothèse?

Lorsque vous commencez à formuler votre hypothèse, vous voudrez d'abord vous demander ce que le problème, la question ou la raison du test est. Une fois cela défini, vous pouvez ensuite décrire brièvement ce qui est modifié pour répondre à cette raison, en terminant par les résultats que vous attendez de ce changement.

Par exemple, s'il s'agit actuellement du taux de clics sur votre produit la page de détails n'est pas au rythme qui correspond à vos objectifs commerciaux, vous pouvez effectuer un test qui aide à résoudre le problème sous-jacent. Un exemple d'hypothèse qui pourrait lancer cette expérience pourrait être le suivant:

La modification de la liste des produits sur la page des résultats de la recherche d'un format à une colonne en un format à deux colonnes augmentera le nombre d'options de produits visibles et augmentera le nombre de clics. à la page des détails du produit.

Pour vous assurer d'établir une hypothèse commerciale claire et significative, vous devez toujours inclure trois composants:

  1. La ​​modification que vous testez

  2. Les résultats que vous attendez de cette change

  3. Le public spécifique auquel vous vous attendez à ce que le changement ait un impact

Si vous voulez aller plus loin dans votre hypothèse, il est avantageux d'inclure les composants supplémentaires suivants:

  1. Par quel impact vous attendez-vous de votre changement

  2. Après combien de temps

Qu'implique exactement chacun de ces composants?

Le changement que vous testez: Ceci est la partie de votre hypothèse où vous énoncez clairement quel changement Vous allez rendre sur votre site et décrire ce qui sera testé. Il est important d'être aussi précis que possible ici. Déclarer simplement que vous allez mettre en œuvre une refonte est trop large – savoir exactement quels éléments composent la refonte permettra de conclure clairement si votre hypothèse a été prouvée ou réfutée.

Ne pas : la refonte de la page de résultats de recherche augmentera le nombre de clics vers la page de détails du produit.

À faire : modification de la liste des produits sur la page de résultats de recherche d'un format de colonne unique en un le format à deux colonnes augmentera le nombre d'options de produits visibles et augmentera le nombre de clics vers la page de détails du produit.

Les résultats que vous attendez de ce changement: Ici, vous souhaiterez indiquer clairement l'impact que vous attendez de voir de ce changement, ainsi que ce qui sera utilisé pour déterminer le succès. Vous voulez être en mesure de répondre à la question de savoir si votre changement est vraiment réussi – augmentera-t-il les conversions d'achat? Augmenter les soumissions de formulaires? Réduire le temps passé avant d'atteindre la page suivante? Le but ici est de garantir que votre hypothèse est spécifique et mesurable.

Qui sera touché: Il est important de définir le public qui sera affecté par votre changement. Nous ne voulons pas supposer que ce que vous testez aura un impact sur tous ceux qui viennent sur votre site, ou même sera montré à tout le monde. Cela peut en fait être le cas, mais ce n'est souvent pas le cas. Il est essentiel que le public que vous choisissez d'inclure dans votre test ait un sens en fonction de ce que vous testez, et c'est un facteur important lorsqu'il s'agit d'obtenir des données et des résultats propres. Cela étant dit, nous voudrons également définir cette audience dans notre hypothèse.

Exemple : Affichage d'un modal contextuel sur la page d'accueil, aux visiteurs non abonnés, avec une messagerie qui encourage les visiteurs à s'inscrire à notre newsletter augmentera les abonnements à la newsletter.

L'exemple ci-dessus nous indique clairement que l'expérience sera testée sur des visiteurs non abonnés du site, et nous permettra de mieux conclure si l'expérience a réussi pour ce groupe de visiteurs lors de l'analyse des résultats.

Selon l'ampleur de l'impact que vous attendez de votre changement: L'inclusion de cette composante dans votre hypothèse vous permettra mieux d'évaluer si oui ou non votre hypothèse réussit ou échoue. Par exemple, plutôt que de simplement déclarer que votre modification augmentera le taux de conversion d'achat, il est extrêmement efficace d'inclure également dans quelle mesure vous prévoyez que cette modification augmentera votre taux de conversion d'achat. Ce sera souvent une estimation, mais il est toujours utile de l'inclure car vous aurez une mesure claire pour savoir si le changement que vous testez a réussi ou non.

Exemple : la modification des champs de formulaire dans l'entonnoir de paiement d'un format à une colonne en un format à deux colonnes pour tous les visiteurs augmentera la conversion d'achat. taux de 80% à 83%.

Après combien de temps: Le fait d'inclure une durée estimée de l'expérience dans votre hypothèse permettra à quiconque analyse les résultats de comprendre que les données ne sont valides qu'une fois la durée définie écoulée. passé. Cela ne doit pas nécessairement être défini en fonction du temps, mais peut également être défini par d'autres mesures telles que l'atteinte d'un certain nombre d'inscriptions, d'achats, de pages vues ou après la fin d'une promotion marketing. Les systèmes et les équipes de service CXO doivent également disposer d'un calculateur de taille d'échantillon qui vous aidera dans cet effort de calcul.

Si vous avez inclus tous les composants ci-dessus dans votre hypothèse, vous êtes sur le point de concevoir un outil significatif et efficace. tester. Si vous voulez tirer le meilleur parti de votre expérience et des résultats, tout va commencer ici.

Vous voulez en savoir plus sur la manière dont l'équipe Oracle Maxymiser Consulting peut porter votre programme d'optimisation vers de nouveaux sommets? L'équipe Oracle Maxymiser Consulting est composée de stratèges passionnés, de concepteurs, de développeurs, de professionnels de l'assurance qualité, de formateurs, d'analystes et d'experts en plates-formes. Nous sommes ravis de comprendre vos besoins commerciaux et de travailler avec vous pour générer un retour sur investissement.

Contactez-nous ici ou découvrez plus d'informations sur Oracle Maxymiser (et le reste de la suite Oracle Marketing Cloud) sur notre accueil sur le web .


                                         
                                                           
                    
          
        
              
       

                                
                                                                




Source link