Når du driver en nettbutikk, må du ta utallige beslutninger som direkte kan påvirke hvordan kundene oppfører seg. I dag er det allment akseptert at det ikke er likegyldig hvilket produktbilde som møter den besøkende, hvor fremtredende kjøpsknappen er, eller hvordan du kommuniserer gratis frakt og prisrabatter. De fleste nettbutikkeiere støtter seg stort sett på egne erfaringer eller løsninger de har sett hos konkurrentene, men det som fungerer i én nettbutikk, gir ikke nødvendigvis resultater hos en annen kundegruppe.
A/B-testing hjelper deg med å ikke bare endre nettbutikken ut fra magefølelsen, men også se hvordan kundene faktisk reagerer på de ulike løsningene. Du kan for eksempel prøve ut to forskjellige varianter av samme side, og resultatene kan vise hvilken som fungerer best med tanke på salget. Du trenger ikke nødvendigvis å sette i gang store ombygginger for dette. Ofte er det nok å endre ett enkelt element for å forstå kundenes atferd bedre og finne ut hva du bør justere for å få flere bestillinger.
Denne metoden kan være nyttig for nettbutikker som allerede tar imot besøkende jevnlig, men som ønsker mer inntekt ut av den eksisterende trafikken. I en slik situasjon kan det virke nærliggende å bruke mer penger på annonser, men det lønner seg å undersøke hvordan nettbutikken fungerer først. Kanskje kommer det nok interesserte, men for få av dem fullfører bestillingen. Hvis du klarer å finne ut hvor og hvorfor kundene stopper opp, kan salgsresultatene bli bedre selv uten å øke annonsebudsjettet.
Hvordan fungerer en A/B-test i en nettbutikk?
Kjernen i A/B-testing er at du prøver ut to varianter av samme side eller funksjon, og det samtidig. De besøkende deles tilfeldig i to grupper: den ene ser den opprinnelige «A»-versjonen, den andre den endrede «B»-varianten. Slik kan du sammenligne hvilken løsning som gir best resultater.
La oss ta et enkelt eksempel! På en produktside står det i dag «Legg i handlekurv» på kjøpsknappen, men du lurer på om flere ville kjøpt med teksten «Jeg legger den i kurven». I stedet for å endre knappen for alle, viser du den gamle varianten til halvparten av de besøkende og den nye til den andre halvparten.
Under testen kan du se i hvilken gruppe flere legger produkter i handlekurven, og hvor mange som til slutt fullfører bestillingen. Men du bør selvsagt ikke trekke konklusjoner basert på noen få kjøp. Det trengs tilstrekkelig med data og en statistisk vurdering for å avgjøre om det virkelig er endringen som står bak forskjellen. Det er viktig å huske at en A/B-test ikke er en enkel før-og-etter-sammenligning. Hvis originalversjonen kjører én uke og den nye versjonen uken etter, kan resultatet lett påvirkes av annonser som har endret seg i mellomtiden, sammensetningen av besøkende eller til og med lønningsdager. Nettopp derfor bør du teste de to variantene samtidig, på tilfeldig sammensatte, sammenlignbare besøksgrupper.
Hva bør du teste først? Ikke nødvendigvis fargen på knappene
Når det snakkes om A/B-testing, dukker det ofte opp å endre fargen på knappene som en enkel løsning som er lett å prøve ut. I en nettbutikk er dette imidlertid sjelden det viktigste spørsmålet. Du kommer mye lenger hvis du først ser på hvor kundene stopper opp, og i hvilken fase av kjøpsprosessen flest snur.
Hvis mange for eksempel ser på produktene, men nesten ingenting havner i handlekurven, kan det lønne seg å eksperimentere med produktbildene, beskrivelsene eller måten tilbudene presenteres på. Situasjonen er en annen hvis de besøkende fyller handlekurven, men ikke fullfører bestillingen. Da bør du heller lete etter svaret på hva som holder dem tilbake; kanskje er fraktkostnaden for høy, de finner ikke betalingsmåten de er vant til, eller bestillingen består rett og slett av for mange steg.
Sellvios trafikk- og salgsstatistikk, dataene om handlekurvverdien og analyseintegrasjonene kan hjelpe deg med å finne ut hvor det lønner seg å starte undersøkelsen. Slik endrer du ikke nettbutikken på måfå, men tar først tak i de problemene som de tilgjengelige dataene også peker på.
På produktsiden kan én enkelt opplysning avgjøre kjøpet
Når noen ser på produktsiden til en vare, har de med stor sannsynlighet allerede kommet forbi den innledende orienteringen. De vet omtrent hva de leter etter, men har ikke nødvendigvis bestemt seg for å kjøpe. Da kan det bety mye hvilke bilder de møter, hvor lett de finner informasjonen som er viktig for dem, og om de får svar på spørsmålene som fortsatt gjør dem usikre. Med A/B-testing kan du undersøke nettopp disse tilsynelatende små, men ofte avgjørende forskjellene.
Ta for eksempel produktbildene; i en klesbutikk på nett kan det hjelpe mye om kunden også ser plagget på en modell, mens det ved tekniske produkter ofte er nærbilder av detaljene som gir mest brukbar informasjon. Heller ikke ved produktbeskrivelser er det nødvendigvis den lengste teksten som fungerer best. Kanskje står alle nødvendige opplysninger der, men det er vanskelig å finne essensen. I en annen variant kan de viktigste egenskapene og de praktiske fordelene komme først. Om det faktisk gir flere kjøp, bør du avgjøre gjennom testing.
Med Sellvios produkthåndtering og innholdsredigering kan du relativt enkelt lage de ulike variantene, og her kan også de AI-baserte innholdsverktøyene hjelpe. Det må likevel sies at det å lage to forskjellige produktsider ennå ikke utgjør en A/B-test; du må også sørge for at variantene vises for tilstrekkelig adskilte, sammenlignbare besøksgrupper.
Ofte avhenger det av helt hverdagslige opplysninger om kunden til slutt legger inn bestillingen; når kommer produktet frem, er det på lager, hvor lang garanti følger med, og hva skjer hvis det likevel ikke svarer til forventningene? Disse spørsmålene bør du gi godt synlige svar på allerede på produktsiden. Det kan fort vise seg at en mer gjennomtenkt plassering av frakt-, lager- og garantiinformasjon forbedrer konverteringen mer enn en helt nydesignet produktside.
Kategorisider: finner kundene lett det de leter etter?
Vi glemmer det ofte, men i en nettbutikk med flere hundre eller flere tusen produkter kan kvaliteten på navigasjonen ha stor innvirkning på salget; de besøkende kommer ofte uten en konkret idé, og for å finne riktig produkt trenger de søk, filtrering og sammenligning. Det lønner seg å teste standardrekkefølgen på produktene, for det er ikke likegyldig om det er de populære produktene, nyhetene eller bestselgerlisten som løftes frem. Et like viktig spørsmål er hvilke filtreringsmuligheter som skal vises med en gang, og hvilke som bør plasseres i en nedtrekksmeny.
Sellvios funksjoner for håndtering av kategorier, produktvarianter og filtre støtter deg i å bygge en oversiktlig produktkatalog, mens de tilpassbare designløsningene hjelper deg med å tilpasse utseendet til kundenes behov.
Husk at det er spesielt viktig å undersøke mobilopplevelsen, for en kategoriside som fungerer godt på en stasjonær datamaskin, kan fort bli overfylt på telefonen. Derfor kan både navigasjonens enkelhet, tilgjengeligheten til filtrene og informasjonsmengden på produktkortene være verdt en A/B-test.
Fraktbetingelser og kassen – der kjøpslysten lett forsvinner
Vi har flere ganger vist til oppsummeringen av Baymard Institutes undersøkelser om forlatte handlekurver, som viser at nesten 70 prosent av handlekurvene på nett ikke endte i en transaksjon. Tallet, som bygger på resultatene fra 50 studier, viser tydelig hvor stor betydning kjøpsprosessen har. Selv om mange bare orienterer seg eller sammenligner priser, kan uventede fraktkostnader, manglende betalingsmåter og en komplisert kasseprosess faktisk holde kundene tilbake.
Det er verdt å prøve ut om flere kunder fullfører bestillingen hvis de allerede på produktsiden ser hva frakten koster, eller når de kan forvente pakken. Du bør også teste om kjøpsandelen bedres hvis henting i pakkeautomat eller muligheten for kortbetaling er mer synlig.
Sellvio kan kobles til flere ulike betalings- og frakttjenester, og Sellvio Pay og Sellvio Express gjør det enklere å håndtere dem. Dermed har nettbutikkeierne større spillerom i hvilke betalings- og leveringsmuligheter de tilbyr kundene sine.
Kasseprosessen bør du derimot ikke endre ubetenksomt; en mislykket test kan fort føre til tapte bestillinger. Det er bedre å først undersøke om det har betydning hvor og i hvilken form informasjonen om frakt og betaling vises. Selve betalingsprosessen bør du bare røre når endringene er grundig kontrollert på forhånd.
Kampanjer og kuponger: det er ikke nødvendigvis den største rabatten som vinner
En velvalgt kampanje kan gi nettbutikkens omsetning et godt løft, men antallet bestillinger alene forteller ikke hvor lønnsom rabatten var. Det kan for eksempel lett skje at en generell rabatt på 10 prosent trekker flere kunder enn en kupong på 3000 forint som bare kan løses inn over en viss handlekurvverdi. Likevel kan den sistnevnte være den beste forretningen for deg, hvis kundene legger flere produkter i handlekurven på grunn av den.
I Sellvios kuponghåndtering kan du sette opp flere typer rabatter. Du kan gi prosentvis avslag eller et fast beløp, fastsette en minste handlekurvverdi, og til og med begrense bruken av kupongene til bestemte produkter, kategorier eller produsenter. I tillegg kan kampanjene tidsstyres, og du kan oppmuntre til kjøp med mengderabatter. Dermed trenger du ikke bruke samme løsning ved hver kampanje, men kan prøve ut hvilken som gir best resultat.
Med en A/B-test kan du også se hvilket kampanjetilbud kundene reagerer best på. Det kan for eksempel lønne seg å sammenligne ulike terskler for gratis frakt, kuponger eller rabatter. Når du vurderer resultatene, er det imidlertid ikke nok å se på hvor mange bestillinger som kom inn eller hvor mye inntekt som strømmet inn; du må også regne med kostnaden ved rabattene og fortjenesten som blir igjen på bestillingene. Det kan fort vise seg at kampanjen som ga størst omsetning, til slutt ga deg mindre å tjene. En godt planlagt A/B-test kan belyse nettopp slike forskjeller.
Hva bør du måle? Konverteringsraten forteller ikke alt
I A/B-tester følger vi som oftest med på konverteringsraten. Den viser hvor mange av de besøkende som gjennomfører den ønskede handlingen. I en nettbutikk regnes vanligvis kjøpet som konvertering, men du kan like gjerne undersøke hvor mange som legger et produkt i handlekurven, starter betalingen eller utfører en annen handling som er viktig for deg.
La oss se på et enkelt eksempel! Hvis 10 000 besøkende gir 200 bestillinger, snakker vi om en konverteringsrate på 2 prosent. Anta at etter en endring kjøper 220 av like mange besøkende. Det betyr en konvertering på 2,2 prosent, altså en relativ forbedring på 10 prosent. Ved første øyekast virker det lovende, men du kan ikke slå fast med sikkerhet at endringen faktisk fungerte; med et så lite utvalg kan nemlig også tilfeldigheter gi lignende avvik. Nettopp derfor er det viktig å vurdere resultatene også fra et statistisk ståsted.
Ved siden av konverteringsraten bør du følge med på andre tall også. Mye sier for eksempel den gjennomsnittlige handlekurvverdien, inntekten per besøkende, og – hvis de riktige dataene er tilgjengelige – fortjenesten på bestillingene. For det hjelper lite at flere kjøper etter en endring hvis de samtidig bruker mindre, og nettbutikken samlet sett kommer dårligere ut.
Et godt utgangspunkt for målingen kan være Google Analytics 4, der e-handelshendelsene lar deg følge de enkelte stegene i kjøpsprosessen. Hendelsen view_item registrerer produktvisninger, add_to_cart registrerer når produkter legges i handlekurven, begin_checkout registrerer starten på kasseprosessen, og purchase registrerer kjøpene. Alt dette gir selvsagt bare et pålitelig bilde hvis oppsettet og kontrollen av hendelsene er i orden; bare det at målekoden til Analytics er lagt inn i nettbutikken, betyr ikke nødvendigvis at du ser alle nødvendige data.
Hvor mange besøkende trengs for at A/B-testen skal være pålitelig?
En av fallgruvene ved A/B-testing er at vi vil se resultater for raskt. Etter noen dager kan den ene varianten allerede virke bedre, men det er langt fra sikkert at den ville gitt flere kjøp på lengre sikt. Dette gjelder særlig når det bare dreier seg om noen titalls bestillinger, og du prøver å påvise en relativt liten forskjell.
La oss se på et eksempel. Du har en nettbutikk der i snitt to av hundre besøkende bestiller, altså en konverteringsrate på 2 prosent. Anta at du med en endring ønsker å øke den til 2,2 prosent. Forskjellen virker ikke stor ved første øyekast, men statistisk sett er det nettopp derfor det trengs mye data. Med en tradisjonell, tosidig test, et signifikansnivå på 5 prosent og en statistisk styrke på 80 prosent trengs det omtrent 80 000 besøkende per variant. Til sammen kreves altså rundt 160 000 besøk for å kunne påvise en så liten forskjell med tilstrekkelig pålitelighet. For en mindre nettbutikk kan det bety testing som varer i flere måneder.
Derfor er det verdt å tenke gjennom hva du i det hele tatt tester. Hvis du har få besøkende, gir det liten mening å undersøke hver lille endring med en egen A/B-test. Det er mer fornuftig å konsentrere seg om endringene som faktisk kan gi merkbar forbedring. Og for å finne de viktigste problemene trengs det ikke nødvendigvis en statistisk test: kundenes tilbakemeldinger eller en brukervennlighetsundersøkelse kan også avsløre mye.
Hvordan kan du gjennomføre A/B-tester i en Sellvio-nettbutikk?
Sellvio tilbyr flere muligheter som det lønner seg å utnytte hvis du vil forbedre nettbutikkens konverteringsrate. Du kan endre utseendet, bygge om innholdet på produktsidene, prøve ut ulike kuponger eller kampanjer, og salgsstatistikken gir deg et bilde av resultatet av endringene. Dette er et godt utgangspunkt for å forberede A/B-tester.
For å måle de besøkendes atferd kan både Google Analytics og Google Tag Manager kobles til Sellvio-systemet. Med riktige innstillinger kan du dermed også følge med på hvordan kundene bruker nettbutikken, hvilke elementer de samhandler med, og hvor de avbryter kjøpet. I Sellvios kunnskapsbase finner du også hjelp til å sette opp hendelsesmåling i GA4 og GTM. Hvis du vil bli kjent med de besøkendes atferd i enda større detalj, kan du bruke verktøy som Hotjar, Smartlook eller Inspectlet. Av disse kan det for eksempel fremgå på hvilken side kundene blir usikre, eller hvilke brukervennlighetsproblemer som gjør bestillingen vanskelig. Men vær oppmerksom på at måling av besøksatferd og gjennomføring av en A/B-test ikke er det samme. Selv om Google Analytics samler inn dataene, vil det ikke automatisk dele de besøkende i to grupper og vise riktig variant til dem. Til det trengs et eget eksperimentverktøy eller en skreddersydd utvikling som sørger for tilfeldig fordeling av variantene, identifisering av testgruppene og statistisk vurdering av resultatene.
Sellvio gjør her først og fremst forberedelsen og gjennomføringen av endringene enklere. Siden produktinnhold, design og en rekke salgsinnstillinger håndteres på ett sted, kan det være enklere å lage løsningene du vil teste. Og hvis måleresultatene viser hvilken variant som fungerer best, krever innføringen av den heller ikke nødvendigvis noe større utviklingsarbeid.
A/B-testing er ikke en engangsoppgave, men en læringsprosess
Du kan lære mye av en A/B-test selv når den nye varianten til slutt ikke presterer bedre enn den gamle. Faktisk kan det også være et nyttig resultat å oppdage at en lovende endring i virkeligheten ville svekket salget. Slik kan du forkaste en idé før du bruker mer tid eller penger på å innføre den, og underveis blir du stadig bedre kjent med dine egne kunders vaner. Det er viktig, for det som fungerte i en annen nettbutikk, fungerer slett ikke sikkert på samme måte hos deg.
Sellvios innholdsfunksjoner, analyseintegrasjoner og forretningsrapporter kan hjelpe deg med å ikke ta beslutninger om forbedringer utelukkende på magefølelsen. Målet er selvsagt ikke å stadig endre noe i nettbutikken. Det er langt mer verdt å forstå hvilke endringer som gjør kjøpet enklere, og hvilke som gir en faktisk målbar forbedring i salget.
Suksessen til en velfungerende nettbutikk ligger nemlig ikke nødvendigvis i et spesielt utseende eller spektakulære løsninger. Minst like mye betyr det hvor godt du forstår kundenes behov, og hva du gjør med det du lærer av atferden deres. Hvis du bygger forbedringene på disse erfaringene, kan du gjøre driften av nettbutikken mer lønnsom også på lengre sikt.