Pri vodenju spletne trgovine je treba sprejeti nešteto odločitev, ki lahko neposredno vplivajo na vedenje kupcev. Danes je splošno sprejeto stališče, da ni vseeno, kakšna slika izdelka pričaka obiskovalca, kako poudarjen je gumb za dodajanje v košarico ali v kakšni obliki je smiselno komunicirati brezplačno dostavo in cenovne popuste. Trgovci se večinoma zanašajo na lastne izkušnje ali rešitve, ki so jih videli pri konkurenci, čeprav tisto, kar se obnese v eni spletni trgovini, pri drugem krogu kupcev ne bo nujno enako uspešno.
A/B testiranje pomaga, da spletne trgovine ne spreminjamo zgolj na podlagi občutkov, temveč vidimo tudi, kako se kupci odzivajo na posamezne rešitve. Preizkusimo lahko na primer dve različni različici iste strani, iz rezultatov pa se lahko izkaže, katera deluje bolje z vidika prodaje. Za to ni treba nujno začeti velikih prenov. Pogosto je že sprememba enega samega elementa dovolj, da bolje razumemo vedenje kupcev in najdemo, kaj je vredno spremeniti za več naročil.
Ta metoda je lahko koristna za spletne trgovine, ki že redno sprejemajo obiskovalce, a želijo iz obstoječega prometa doseči več prihodkov. V takšnem položaju se morda zdi samoumevno porabiti več denarja za oglase, čeprav je vredno najprej temeljiteje pregledati tudi delovanje spletne trgovine. Morda prihaja dovolj zainteresiranih, le premalo jih pride do naročila. Če uspemo ugotoviti, kje in zakaj se kupci zataknejo, se lahko prodajni rezultati izboljšajo tudi brez povečanja oglaševalskega proračuna.
Kako deluje A/B test v spletni trgovini?
Bistvo A/B testiranja je, da preizkusimo dve različici iste strani ali funkcije, in to hkrati. Obiskovalce naključno razdelimo v dve skupini: ena vidi izvirno različico »A«, druga pa spremenjeno različico »B«. Tako lahko primerjamo, katera rešitev prinaša boljše rezultate.
Vzemimo preprost primer! Na strani izdelka je na nakupnem gumbu trenutno napis »V košarico«, a nas zanima, ali bi zaradi besedila »Dodam v košarico« kupovalo več ljudi. Namesto da bi gumb spremenili pri vseh, polovici obiskovalcev pokažemo staro, drugi polovici pa novo različico.
Med testom lahko pogledamo, v kateri skupini več ljudi doda izdelek v košarico in koliko jih na koncu pride do naročila. Seveda na podlagi nekaj nakupov še ni smiselno delati zaključkov. Potrebna je zadostna količina podatkov in statistično vrednotenje, da lahko presodimo, ali za razliko res stoji sprememba. Pomembno je, da A/B test ni preprosta primerjava prej–potem. Če en teden teče izvirna, naslednji teden pa nova različica, lahko na rezultat zlahka vplivajo medtem spremenjeni oglasi, sestava obiskovalcev ali celo dnevi izplačila plač. Prav zato je obe različici vredno testirati hkrati, na naključno oblikovanih, primerljivih skupinah obiskovalcev.
Kaj je vredno testirati najprej? Ne nujno barve gumbov
V povezavi z A/B testiranjem se pogosto omenja sprememba barve gumbov kot preprosta, zlahka preizkusljiva rešitev. Pri spletni trgovini pa to večinoma ni najpomembnejše vprašanje. Veliko dlje pridemo, če najprej pogledamo, kje se kupci zataknejo in v kateri fazi nakupnega procesa se jih največ obrne nazaj.
Če si na primer veliko ljudi ogleduje izdelke, a v košarico pride komaj kaj, je morda vredno eksperimentirati s fotografijami izdelkov, opisi ali prav s prikazom ponudb. Drugače je, če obiskovalci sicer napolnijo košarico, naročila pa ne dokončajo. Takrat je treba iskati odgovor predvsem na to, kaj jih zadržuje; morda so stroški dostave previsoki, ne najdejo običajnega načina plačila ali pa je naročilo preprosto sestavljeno iz preveč korakov.
Sellviove statistike prometa in prodaje, podatki o vrednosti košarice in analitične integracije lahko pomagajo ugotoviti, kje je vredno začeti raziskovanje. Tako spletne trgovine ne spreminjamo na slepo, temveč se najprej ukvarjamo s težavami, na katere opozarjajo tudi razpoložljivi podatki.
Na strani izdelka lahko o nakupu odloči že en sam podatek
Ko si nekdo ogleduje podstran izdelka, je verjetno že za začetnim informiranjem. Približno ve, kaj išče, o nakupu pa se še ni nujno odločil. Takrat lahko veliko šteje tudi, s kakšnimi slikami se sreča, kako zlahka najde zanj pomembne podatke in ali dobi odgovore na vprašanja, zaradi katerih je še negotov. Z A/B testiranjem je mogoče preučevati prav te na videz drobne, a pogosto odločilne razlike.
Vzemimo na primer fotografije izdelkov; v spletni trgovini z oblačili lahko veliko pomaga, če kupec izbrano oblačilo vidi tudi na modelu, pri tehničnih izdelkih pa pogosto več uporabnih informacij dajo posnetki podrobnosti od blizu. Tudi pri opisih izdelkov ne deluje nujno bolje daljše besedilo. Morda so v njem vsi potrebni podatki, le bistvo je težko najti. V drugi različici lahko v ospredje postavimo najpomembnejše lastnosti in praktične prednosti. Ali to res prinese več nakupov, pa je že vredno odločiti s testiranjem.
Z možnostmi upravljanja izdelkov in urejanja vsebin v Sellviu je posamezne različice razmeroma preprosto pripraviti, pri tem pa lahko pomagajo tudi orodja za ustvarjanje vsebin na osnovi umetne inteligence. Vendar je treba povedati, da izdelava dveh različnih strani izdelka še ne pomeni A/B testa; poskrbeti je treba tudi za to, da različice vidijo ustrezno ločene, primerljive skupine obiskovalcev.
Pogosto je od povsem vsakdanjih informacij odvisno, ali bo kupec na koncu oddal naročilo; kdaj bo izdelek prispel, ali je na zalogi, koliko garancije ima in kaj se zgodi, če vendarle ne izpolni pričakovanj? Na ta vprašanja je vredno dobro vidno odgovoriti že na strani izdelka. Zlahka se zgodi, da premišljenejša umestitev informacij o dostavi, zalogi ali garanciji izboljša konverzijo bolj kot povsem na novo oblikovana stran izdelka.
Strani kategorij: ali kupci zlahka najdejo, kar iščejo?
Pogosto pozabljamo, da lahko v spletni trgovini z več sto ali več tisoč izdelki kakovost navigacije pomembno vpliva tudi na prodajo; obiskovalci pogosto pridejo brez konkretne predstave, zato za iskanje pravega izdelka potrebujejo iskanje, filtriranje in primerjanje. Vredno je testirati privzeti vrstni red izdelkov, saj ni vseeno, ali so v ospredju priljubljeni izdelki, novosti ali prodajna lestvica. Podobno pomembno vprašanje je, katere možnosti filtriranja naj se prikažejo takoj in katere je smiselno umestiti v razširljiv meni.
Sellviove funkcije za upravljanje kategorij, različic izdelkov in filtrov podpirajo oblikovanje preglednega kataloga izdelkov, prilagodljive oblikovalske rešitve pa pomagajo videz prilagoditi potrebam kupcev.
Ne pozabimo, posebej pomembno je preveriti uporabnost na mobilnih napravah, saj lahko stran kategorije, ki na namiznem računalniku deluje dobro, na telefonu hitro postane prenatrpana, zato so lahko za A/B testiranje primerni tudi preprostost navigacije, dostopnost filtrov in informacijska vsebina kartic izdelkov.
Pogoji dostave in blagajna – kjer se nakupna namera zlahka izgubi
Že večkrat smo se sklicevali na povzetek raziskav Baymard Institute o zapuščenih košaricah, po katerem se skoraj 70 odstotkov spletnih košaric ne konča s transakcijo. Podatek, ki temelji na rezultatih 50 raziskav, dobro kaže, kako velik pomen ima nakupni proces. Čeprav se mnogi zgolj informirajo ali primerjajo cene, lahko nepričakovani stroški dostave, manjkajoči načini plačila in zapleten postopek na blagajni kupce tudi dejansko zadržijo.
Vredno je preizkusiti, ali do naročila pride več kupcev, če že na strani izdelka vidijo, koliko stane dostava ali kdaj lahko pričakujejo paket. Prav tako je smiselno testirati, ali se delež nakupov izboljša, če sta možnost prevzema v paketomatu ali plačila s kartico bolj na očeh.
Sellvio je mogoče povezati z različnimi plačilnimi in dostavnimi storitvami, Sellvio Pay in Sellvio Express pa olajšata tudi njihovo upravljanje, tako da imajo trgovci večji manevrski prostor pri tem, katere možnosti plačila in prevzema ponudijo svojim kupcem.
Pri postopku na blagajni pa ni vredno spreminjati nepremišljeno, ponesrečen test lahko hitro povzroči izpad naročil. Bolje je najprej pogledati, ali je pomembno, kje in v kakšni obliki se prikažejo informacije o dostavi in plačilu. Samega plačilnega postopka se je smiselno lotiti šele, ko smo spremembe prej temeljito preverili.
Akcije in kuponi: ne zmaga nujno večji popust
Dobro zastavljena akcija lahko močno dvigne promet spletne trgovine, a zgolj iz števila naročil še ni razvidno, koliko se je popust izplačal. Zlahka se na primer zgodi, da splošen 10-odstotni popust pripelje več kupcev kot kupon za 3000 forintov, ki ga je mogoče unovčiti le nad določeno vrednostjo košarice. Za trgovca je lahko kljub temu boljši posel slednji, če kupci zaradi tega v košarico dodajo več izdelkov.
V Sellviovem upravljalniku kuponov je mogoče nastaviti več vrst popustov. Lahko damo odstotni popust ali fiksni znesek, določimo najnižjo vrednost košarice, uporabo kuponov pa lahko omejimo celo na posamezne izdelke, kategorije ali proizvajalce. Poleg tega je akcije mogoče časovno načrtovati, k nakupu pa spodbujati tudi s količinskimi popusti, tako da ni treba pri vsaki promociji uporabiti iste rešitve, temveč lahko preizkusite, katera prinese najboljši rezultat.
Z A/B testom lahko pogledamo tudi, na katero akcijsko ponudbo se kupci bolje odzovejo. Vredno je na primer primerjati različne pragove za brezplačno dostavo, kupone ali popuste. Pri vrednotenju rezultatov pa ni dovolj gledati, koliko naročil je prišlo ali koliko prihodkov je priteklo, upoštevati je treba tudi strošek popustov in dobiček, ki ostane na naročilih. Zlahka se zgodi, da z akcijo, ki prinese največji promet, na koncu zaslužimo manj. Dobro načrtovan A/B test lahko osvetli prav takšne razlike.
Kaj je vredno meriti? Stopnja konverzije še ne pove vsega
Pri A/B testih največkrat spremljamo stopnjo konverzije. Ta pokaže, koliko obiskovalcev pride do želenega dejanja. Pri spletni trgovini kot konverzija običajno šteje nakup, enako pa lahko opazujemo tudi, koliko jih doda izdelek v košarico, začne plačilo ali opravi kakšno drugo, za nas pomembno dejanje.
Poglejmo preprost primer! Če iz 10.000 obiskovalcev nastane 200 naročil, govorimo o 2-odstotni stopnji konverzije. Recimo, da po neki spremembi iz enakega števila obiskovalcev kupi že 220 ljudi. To pomeni 2,2-odstotno konverzijo, torej 10-odstotno relativno izboljšanje. Na prvi pogled je spodbudno, a iz tega še ne moremo zanesljivo trditi, da se je sprememba res obnesla, pri takšnem vzorcu lahko namreč podobno odstopanje povzroči tudi naključje. Prav zato je pomembno, da rezultate preučimo tudi s statističnega vidika.
Poleg stopnje konverzije je vredno spremljati tudi druge številke. Veliko pove na primer povprečna vrednost košarice, prihodek na obiskovalca in, če so na voljo ustrezni podatki, tudi dobiček, dosežen na naročilih. Nič namreč ne pomaga, če po spremembi kupuje več ljudi, a medtem porabijo manj in je spletna trgovina v celoti na slabšem.
Dobro izhodišče za merjenje je lahko Google Analytics 4, s katerega e-trgovinskimi dogodki je mogoče spremljati tudi posamezne korake nakupnega procesa. Dogodek view_item beleži oglede izdelkov, add_to_cart dodajanja v košarico, begin_checkout začetek postopka na blagajni, purchase pa nakupe. Seveda vse to daje zanesljivo sliko le, če sta urejena tudi nastavitev in preverjanje dogodkov; zgolj to, da je merilna koda Analyticsa vgrajena v spletno trgovino, še ne zagotavlja, da vidimo vse potrebne podatke.
Koliko obiskovalcev je potrebnih, da je A/B test zanesljiv?
Ena od pasti A/B testiranja je, da bi rezultat radi videli prehitro. Po nekaj dneh se lahko ena različica že zdi boljša, a to še zdaleč ne pomeni, da bi tudi dolgoročno prinesla več nakupov. To še posebej velja, če govorimo le o nekaj deset naročilih in poskušamo dokazati razmeroma majhno razliko.
Poglejmo primer. Imamo spletno trgovino, kjer od sto obiskovalcev v povprečju naročita dva, torej je stopnja konverzije 2-odstotna. Recimo, da jo želimo s spremembo povečati na 2,2 odstotka. Razlika se na prvi pogled ne zdi velika, s statističnega vidika pa je ravno zato zanjo potrebnih veliko podatkov. Pri klasičnem, dvostranskem testu, ob 5-odstotni ravni značilnosti in 80-odstotni statistični moči, potrebujemo približno 80 tisoč obiskovalcev na različico. Skupno je torej potrebnih okoli 160 tisoč obiskov, da lahko tako majhno odstopanje dokažemo z ustrezno zanesljivostjo. Pri manjši spletni trgovini lahko to pomeni tudi več mesecev testiranja.
Zato je vredno premisliti, kaj sploh testiramo. Če je obiskovalcev malo, nima veliko smisla vsako drobno spremembo preverjati z ločenim A/B testom. Smiselneje se je osredotočiti na spremembe, ki lahko prinesejo res občutno izboljšanje. Za iskanje najpomembnejših težav pa ni nujno potreben statistični test: veliko se lahko izkaže tudi iz povratnih informacij kupcev ali iz raziskave uporabnosti.
Kako lahko izvedemo A/B test v spletni trgovini Sellvio?
Sellvio ponuja več možnosti, ki jih je vredno izkoristiti, če želimo izboljšati stopnjo konverzije spletne trgovine. Spremenimo lahko videz, preoblikujemo vsebino strani izdelkov, preizkusimo različne kupone ali promocije, iz prodajnih statistik pa dobimo sliko o rezultatih sprememb. To je dobro izhodišče za pripravo A/B testov.
Za merjenje vedenja obiskovalcev je mogoče s sistemom Sellvio povezati tudi Google Analytics in Google Tag Manager. Z ustreznimi nastavitvami lahko tako spremljamo tudi, kako kupci uporabljajo spletno trgovino, s katerimi elementi so v stiku in kje opustijo nakup. Pomoč pri nastavitvi merjenja dogodkov GA4 in GTM najdemo tudi v Sellviovi bazi znanja. Če želimo vedenje obiskovalcev spoznati še podrobneje, lahko uporabimo tudi orodja, kot so Hotjar, Smartlook ali Inspectlet. Iz njih se lahko na primer izkaže, na kateri strani kupci postanejo negotovi ali katere težave z uporabnostjo otežujejo naročanje. Paziti pa je treba, da merjenje vedenja obiskovalcev in izvedba A/B testa nista isto. To, da Google Analytics zbira podatke, še ne pomeni, da bo obiskovalce samodejno razdelil v dve skupini in jim prikazal ustrezno različico. Za to je potrebno ločeno orodje za upravljanje poskusov ali razvoj po meri, ki zagotavlja naključno dodeljevanje različic, identifikacijo testnih skupin in tudi statistično vrednotenje rezultatov.
Sellvio lahko pri tem olajša predvsem pripravo in izvedbo sprememb. Ker je vsebine izdelkov, dizajn in številne prodajne nastavitve mogoče upravljati na enem mestu, je lahko priprava rešitev, ki jih želimo testirati, preprostejša. Če pa se na podlagi merilnih rezultatov izkaže, katera različica deluje bolje, njena uvedba ne zahteva nujno resnejšega razvojnega dela.
A/B testiranje ni enkratna naloga, temveč učni proces
Iz A/B testa se lahko veliko naučimo tudi takrat, ko nova različica na koncu ne deluje bolje od prejšnje. Še več, koristen rezultat je lahko tudi, če se izkaže, da bi na videz obetavna sprememba v resnici poslabšala prodajo. Tako lahko idejo opustimo, še preden bi v njeno uvedbo vložili resnejši čas ali denar, medtem pa vse bolje spoznavamo navade lastnih kupcev. To je pomembno tudi zato, ker tisto, kar se je obneslo pri drugi spletni trgovini, pri nas sploh ne deluje nujno enako.
Sellviove funkcije za upravljanje vsebin, analitične integracije in poslovna poročila lahko pomagajo, da o razvojnih korakih ne odločamo izključno na podlagi občutkov. Seveda cilj ni, da bi v spletni trgovini nenehno nekaj spreminjali. Veliko več je vredno, če razumemo, katere spremembe poenostavijo nakup in katere prinesejo res merljivo izboljšanje prodaje.
Uspeha dobro delujoče spletne trgovine namreč ne določajo nujno poseben videz ali atraktivne rešitve. Vsaj toliko šteje, kako dobro razumemo potrebe svojih kupcev in kaj naredimo s tem, kar izvemo iz njihovega vedenja. Če razvoj gradimo na teh izkušnjah, lahko delovanje spletne trgovine tudi dolgoročno naredimo uspešnejše.