Som ved mange andre tekniske discipliner er der en intern teknisk jargon blandt eksperterne indenfor feltet. I dette afsnit vil vi hjælpe dig med at forstå de centrale begreber, så du er klædt godt på, når vi går videre til konkrete eksempler og værktøjer, som du kan bruge i dag.
En mikrokonvertering kan forstås som en gennemført handling. Mikrokonverteringer kaldes også soft/bløde konverteringer. En mikrokonvertering kan eksempelvis være, at brugeren ser en video på din side, lægger et produkt i kurven, tilmelder sig nyhedsbrevet eller skriver en anmeldelse.
En makrokonvertering, som også kaldes en hård konvertering, er når brugeren foretager et køb på dit webshop og fuldender denne købsinteresse. En serie af mikrokonverteringer fører altså til en makrokonvertering.
Begge konverteringsformer har det til fælles, at alle handlingerne i sidste ender skaber en værdi for din virksomhed. Du definerer selv hvad der er bløde og hårde konverteringer på din webshop. Vi anbefaler, at du som minimum ser fuldendte køb som makrokonverteringer.
En A/B splittest er en test, hvor der er mulighed for at teste to eller tre forskellige varianter direkte imod hinanden. Variant A er som hovedreglen den originale version. Variant B og C indeholder en række ændringer. Ved at teste forskellige varianter kan du se hvilken version, der leder til flest konverteringer.
Et hurtigt og godt eksempel kunne være fx være en A/B splittest på produktsiden på din webshop. Variant A ville være din produktside, som den ser ud nu, hvorimod variant B kunne indeholde en række USP’er (unique selling points) eller en form for social proof (fx kundeanmeldelser).
I en normal A/B splittest sendes 50% af de besøgende til variant A og 50% til variant B. Du måler altså direkte de to varianter op imod hinanden. Dette står i stærk kontrast til test, hvor du viser 100% af dine besøgende den nye variant og vurdere den i forhold til den foregående periode. I en test med 100% af de besøgende til den nye variant tager du ikke højde for ændret årstid, makrotendenser og muligvis anderledes online annoncer med andre budskaber.
Du skal derfor altid som minimum lave en kontrolleret A/B test, når du skal teste dine hypoteser.
Det er nemmere end du tror at lave en A/B test. Du skal blot kigge nærmere på systemer som Google Optimize og Visual Website Optimizer (VWO).
Multi-variant test er en metode til at teste en hypotese, hvor flere elementer på siden ændres og afprøves i forskellige kombinationer. Målet med en multi-variant test er, at afgøre hvilken kombination af ændrede elementer, der fører til den højeste konverteringsrate.
Din hjemmeside består af en stor kombination af forskellige udskiftelige elementer. Med en multi-variant test kan du finde frem til hvilken kombination af produktbillede og overskrift, der giver den højeste rate af tryk på “læg i kurv” knappen på din produktside.
Ved at teste 3 forskellige produktbilleder sammen med to forskellige overskrifter får du samlet 6 mulige kombinationer. Ud fra disse 6 kombinationer vil du få svaret på hvilket billede og overskrift, der tilsammen giver den højeste konverteringsrate.
Alt efter hvor mange besøgende du har på din webshop, kan du køre meget store multi-variant test. Det totale antal af varianter i en multi-variant test vil altid kunne udregnes ved:
[Antallet af varianter af Element A ] x [Antallet af varianter af Element B]
= [Totale antal varianter i testen]
Processen med opsætning af en multi-variant test er meget lig processen, når du skal opsætte en A/B splittest, dog giver multi-variant testen mulighed for du prøver flere kombinationer af sammen.
En hypotese er en forudsigelse, som du skriver før du begynder dit eksperiment. Det beskriver helt klart hvad der bliver ændret, hvad du mener effekten af denne ændring bliver, og hvorfor du mener dette vil være tilfældet.
Ved at gennemføre eksperimentet vil du enten bevise eller modbevise din hypotese. En god hypotese til dit konverteringseksperiment besvarer helt klart spørgsmålet “Hvad håber vi at lære fra dette eksperiment?”
At skrive en hypotese er en essentiel del af at arbejde med eksperimenter. Selvom du godt kan køre en A/B eller multi-variant test uden at skrive en hypotese, vil vi på det kraftigste råde dig til ikke at gøre det.
Vi vil faktisk gå så langt til at sige, at en solid hypotese er vigtigere end du forstår hvad statistisk signifikans betyder for dit eksperiments resultat.
Vi ved det godt - der er meget få mennesker, der synes undervisning i statistik er spændende. På de danske universiteter er det et af de kurser, hvor flest siger de bare skal igennem og overleve.
Men statistik og statistisk signifikans har stor betydning for, om du drager de korrekte konklusioner fra de test, som du skal til at sætte op på din webshop.
Selv med meget små justeringer i de indsamlede data kan næsten ethvert eksperiment komme til at se statistisk signifikant ud. Det er derfor vigtigt at forstå hvad statistisk signifikans kan have af effekt på dit eksperiment.
Signifikansniveauet sættes normalt vis til P < 0.05. Dette tal beskriver i hvor mange ud af 100 tilfælde den vindende hypotese ikke er sand. Med andre ord; med p < 0.05 vil hypotesen være korrekt i 95% af tilfældene.
Når vi siger noget er statistisk signifikant betyder det, at vores statistiske test af resultatet viser, at det i de altovervejende tilfælde vil bekræfte vores hypotese.
I nogen medicinske studier sættes signifikansniveauet til P < 0.01, her kan hypotesen altså bekræftes i mere end 99% af tilfældene.
Når du tester på din webshop er det nok at sætte P < 0.05.
