- Суть A/B-тестирования
- Задачи A/B-тестирования
- Важные метрики при A/B-тестировании сайта
- Этапы A/B-тестирования
- Шаг 1: обозначить цель
- Шаг 2: определение метрики
- Шаг 3: сформулировать гипотезы
- Шаг 4: подобрать дизайн
- Шаг 5: эксперимент в рамках тестирования
- Шаг 6: изучите полученные данные
- Сложности A/B-тестирования
- Парадокс Симпсона (проблема, связанная с объединением)
- Чувствительность метрик
- Показатель волатильности
- Время на A/B-тестирование
- Инструменты для A/B-тестирования
- Примеры использования A/B-тестирования
- Издательства, медиа-компании
- А/В-тестирование в электронной коммерции
- Сфера туризма
- Ошибки при проведении A/B-тестирования
- Тестирование сразу двух идей (элементов)
- Тестирование в последовательном порядке
- Мало данных для проведения эксперимента
- Часто задаваемые вопросы о A/B-тестировании
- Является ли А/В-тестирование обязательной необходимостью?
- Существуют ли иные методы проверки жизнеспособности новых гипотез?
- Может ли поменяться SEO при проведении А/В-тестирования?
25 рабочих гипотез для увеличения конверсии на 40%
Скачать материалы
Что это такое? A/B-тестирование – проверка эффективности двух вариантов, например, дизайна лендинга или формы кнопки «купить». В ходе эксперимента аудитории демонстрируются различные версии и оценивается ее реакция на каждую из них. После этого выбирается финальный вариант, который и будет применен.
Где применять? A/B-тестирование используется для улучшения юзабилити, повышения конверсии, снижения числа отказов на сайте и в целом для минимизации рисков в работе с аудиторией.
Суть A/B-тестирования
А/В-тестированием (по-другому еще говорят – сплит-тестирование) называют исследование объекта посредством сравнения двух его вариантов. К примеру, это может быть определенная, выбранная на сайте страница. Людям предлагают ознакомиться с ней, а затем смотрят, какой из вариантов вызывает лучший отклик.
Метод А/В-тестирования демонстрирует, что нужно изменить в проекте, чтобы повысить его эффективность (к примеру, поднять конверсию). Вот когда требуется применение метода:
- показатели требуют улучшения, и есть варианты, как их можно поднять;
- члены команды разошлись во мнениях по поводу изменений;
- изменения, предлагаемые клиентом, вызывают сомнения;
- есть новая версия инструмента (продукта), и нужно продемонстрировать её жизнеспособность.
Сплит-тестирование, проведенное в описанных случаях, даст конкретные цифры, на которые можно будет опираться при принятии решений. Это так называемый data-driven-подход.
Далее – простой пример применения метода. Пусть сайт дает конверсию 5 %. Маркетолог говорит, что эту цифру можно поднять до 7 %, если сделать кнопку «Купить» синей (сейчас она зеленая).
Подключаете к сайту специальный сервис вроде AB Tasty и т.п., который делит весь поток трафика на две части, чтобы одни пользователи (половина всего потока) видели зеленую кнопку, а другие – синюю. Информация собирается в течение трех недель. Результат применения А/В-тестирования: конверсия со старой страницы так и осталась 5 %, а с новой – возросла до 7,5 %.
Разработчикам остается сменить цвет кнопки (по заданию маркетолога). Выгода очевидна: расходы на подтягивание трафика те же, а объёмы продаж в полтора раза возрастают.
Главное, для чего проводится А/В-тестирование – выбрать максимально выгодный для бизнеса вариант продукта или объекта. Объекты, с учетом сферы деятельности, могут быть самыми разными.
- Маркетологи выявляют таким способом самые рабочие тексты для рекламы, призывы к действию, заголовки для лид-форм и прочее. Сплит-тестирование позволяет проверить эффективность рекламы, воронки, сайта и т.п.
- Продакт-менеджеры с помощью данного метода продвигают продукт. К примеру, находят пути улучшения сервиса, максимально подстраиваясь под пожелания клиентов. Ведь от этого напрямую зависит прибыль, приносимая продуктом.
- Дизайнеры корректируют интерфейсы сайтов, приложений, сервисов. В частности, метод позволяет увидеть, какой вид корзины либо товарных карточек более привлекателен для клиентов лучше стимулирует к покупкам.
- Аналитики в общем оценивают, насколько эффективен сайт, реклама, приложение, сервис. На результаты проведенных аналитиками А/В-тестов опираются и маркетологи, убеждаясь в правильности либо ошибочности своих предположений.
Задачи A/B-тестирования
Первичная цель проведения А/В-тестирования – поднять показатели, опираясь на поведение пользователей, которые, кстати, чаще всего даже не догадываются, что участвуют в каком-то эксперименте. Вот какие цели обычно тут преследуются:
- Повышение качества юзабилити. К примеру, оптимизация функционала. Параллельно можно проводить коридорное тестирование.
- Персонализированный подход к взаимодействию с пользователями. Тут обычно имеется в виду улучшение текстов (на страницах, в сообщениях, в формах для обратной связи, на кнопках и т.д.).
- Рост показателя конверсии. Меняют формы для подписок, вид кнопок и прочих значимых элементов на страницах.
- Максимально полное удовлетворение актуальных пользовательских запросов. За трендами нужно следить, их популярность быстро меняется, и тут важно соответствовать ожиданиям аудитории.
- Сведение к минимуму количества отказов. Нужно находить и анализировать возможные причины: бланк заявки неудобен, люди не получают то, чего ожидали и т.п. Если на одной из страниц в ходе изменений показатели улучшились, значит и другие страницы можно проработать по аналогии.
- Проведение изменений без особых рисков. Метод хорош тем, что при его использовании продажи не могут упасть. Ведь половина пользователей взаимодействуют со старой версией, и если внесенные новшества не особо эффективны, то на показателях конверсии это глобально не отразится.
Важные метрики при A/B-тестировании сайта
- Уровень конверсии. Данный показатель можно считать одним из главных. Конверсия показывает в процентах, сколько посетителей выполнили целевое действие (купили, оформили подписку, оставили свои данные в форме). По конверсии на разных (двух или больше) вариантах сайта видно, что нужно сделать для улучшения результатов.
- Время пребывания на странице. По этому показателю видно, интересно ли посетителям у вас на сайте, насколько они вовлечены. А/В тестирование помогает понять, с помощью каких элементов и контента можно увеличить время, проведенное пользователями на той или иной странице.
- Число просмотров. Количество просмотров показывает, какие именно версии сайта притягивают большую аудиторию, вызывают заинтересованность. Если просмотров в итоге больше, значит дизайн и контент вы поменяли грамотно.
- Кликабельность. Имеется в виду число кликов по кнопкам, ссылкам, баннерам, размещенным на сайте. Из результатов А/В-тестирования становится ясно, какие цвета, тексты и расположения работают лучше и приносят большую конверсию.
- Число отказов. По показателю отказов понятно, какие версии сайта не вызывают отклика у посетителей и приводят к нежеланию взаимодействовать с ним. А/В-тестирование помогает понять причины отказов и провести изменения, которые положительно отобразятся на пользовательском опыте.
- Средняя стоимость привлечения одного покупателя. А/В-тестирование может выступать в качестве ценного маркетингового и стратегического инструмента. Изучая эффективность нескольких вариантов сайта, вы определяете, по каким каналам привлечение клиентов обходится дешевле, и где получается лучший ROI (Return on Investment).
Этапы A/B-тестирования
Данный вид тестирования представляет собой несколько последовательно выполненных шагов:
Шаг 1: обозначить цель
Цель ставится с учетом общих целей компании. Пусть, для примера, речь идет о предприятии, выпускающем и продающем пластиковые окна. Компания дает контекстную рекламу, она и подтягивает трафик на лендинг. Главная цель тут – поднять объёмы продаж с него.
То есть, нужно провести тестирования, которые дадут рост числа заявок на посадочной странице. В частности, рассматривается идея сделать на ней все кнопки круглыми, а не квадратными (как было изначально).
Не нужно тратить время и ресурсы компании на проверку гипотез, которые никак не связаны с основной целью компании. Без правильно намеченных ориентиров это будут напрасные расходы и усилия.
Шаг 2: определение метрики
Для А/В-тестирования это важный момент. Какие метрики имеет смысл изучать и проверять? Имеются в виду основные показатели бизнеса, а именно: число продаж, покупателей, объём выручки, прибыль в чистом виде, процент конверсии, отказов и т.п. Метрика – это что-то вроде термометра, по которому видно, довольны ли клиенты, хороший ли компания получает доход и проч.
В данном конкретном примере ключевая метрика – число поступающих с лендинга заявок, а именно – уже оплаченных заказов, оформленных на сайте.
При проведении А/В тестирования лучше работать с одной выбранной метрикой, иногда можно с несколькими (рассматривая их как дополнительные). Не «замахивайтесь» сразу на всё!
Эффективность теста будет слабой, если пытаться отследить одновременно десятки показателей. На этом оконном предприятии в качестве дополнительных метрик можно просматривать еще сумму среднего чека и размер чистой прибыли.
Шаг 3: сформулировать гипотезы
То есть, предполагаете: если поменять «вот это», то получится ли «вот это»? Получиться должно то, что намечено у вас в качестве основной метрики. В данном примере: «замена прямоугольных кнопок на круглые даст рост конверсии на странице с 3-5% до 8-10%?».
Чтобы оценка результатов получилась верной, рассматривают два варианта гипотез:
- Нулевую. Изменения не дадут роста конверсии. Такая гипотеза требует опровержения.
- Альтернативную. Изменения поднимут конверсию до 8-10%.
Если в результаты А/В-тестирования подтвердили правильность нулевой гипотезы, то изменения нецелесообразны. Если же верной оказалась альтернативная гипотеза, то правки имеют смысл, и можно вносить их целиком, демонстрируя всей аудитории. Разумеется, если эффект нулевой, то на лендинге всё остается, как было, и нужно искать иные способы улучшения ключевой метрики.
Шаг 4: подобрать дизайн
Еще один очень важный шаг. Иногда он скорее технический, в других случаях – нет. Тут всё делается с учетом возможностей предприятия и имеющихся специалистов.
В Яндексе, к примеру, есть встроенная автоматическая система. Когда нужно провести тест, она сама делит посетителей на группы и задает объем выборки. Выборка – это численность группы, достаточная для получения такого количества информации, которое позволит принять оптимальные меры.
Работать над дизайном теста начинайте после ответа на следующие 4 вопроса:
- кто участвует в тестировании: новые пользователи, старые, все подряд, один выбранный сегмент и т.д.;
- как идет деление на группы: по регионам, населенным пункта и проч.
- объём каждой выборки;
- длительность проведения теста;
- допустимый показатель значимости (обычно он устанавливается равным 90-95%).
Как задавать объём выборки? Тут опирайтесь на уже имеющийся опыт работы. Прикиньте, какое число пользователей нужно привлечь для проверки гипотезы, чтобы заметить изменения нужного вам размера.
Тут в частности речь о компании, продающей окна. Трафик на лендинг идет с контекста, поэтому имеет смысл рассматривать новых пользователей. Это примерно 10% от всего потока. Делить на группы их не нужно. Средний показатель посещаемости страницы за стуки – 100 человек. Пусть тестирование длится один месяц. Тогда на измененный сайт зайдут 300 потенциальных клиентов. Для принятия верного решения этого вполне достаточно.
Шаг 5: эксперимент в рамках тестирования
После того, как тест запущен – остается ждать. Просто следите, чтобы всё корректно работало и обе группы нормально взаимодействовали с сайтом. На начальном этапе главное – анализировать результаты.
Бывает так, что сразу подтверждается альтернативная гипотеза. Вот тут большая ошибка – останавливать тестирование (а новички часто так и делают). Бывает, что на начальном этапе изменения улучшают ключевую метрику, но под конец эффект может ослабеть, а то и вовсе результат оказывается отрицательным. Поэтому обязательно завершите эксперимент, заканчивайте его именно в намеченный срок.
Шаг 6: изучите полученные данные
Теперь можно проанализировать, что у вас получилось: какая имеется разница в результатах, не случайны ли эти показатели. И дальше уже решайте, вносить изменения на весь поток пользователей, или оставить всё как было изначально.
В приведенном примере лендинг с круглыми кнопками дал 27 оплаченных заказов, а это означает, что конверсия составила 9%.
Сложности A/B-тестирования
В А/В-тестировании выделяют три основные проблемы:
Парадокс Симпсона (проблема, связанная с объединением)
Это когда для проведения тестирования (с целью, например, подсчета статистики, формирования тренда) считают целесообразным несколько групп пользователей объединить в одну.
Представьте себе, что по оси Y отображается радость пользователей. А некие показатели по оси Х влияют на эту радость. Зависимость такая: если Х растет, то и радость увеличивается. Так вот, бывают ситуации, в которых сформированный именно для объединенной группы пользователей тренд получается противоречивым, теряет свою значимость или даже вовсе исчезает. Тогда эксперимент не дает объективных результатов, а ваши выводы по нему в итоге ошибочны. Это и есть парадокс Симпсона.
То есть, специалист, проводящий А/В-тестирование, объединяет аудиторию в группы и при этом теряет тренд, вносит изменения, из-за которых часть пользователей вообще «отваливается», а оставшиеся ведут себя, как и раньше. Одни люди положительно отреагируют на нововведения, а другие – наоборот.
Чувствительность метрик
Чувствительностью называют способность метрики к окрашиванию.
Что такое per-user- и Ratio-метрика:
- per-user: метрика говорит о том, что пользователь не интересовался контентом, но начал его просматривать;
- Ratio-метрика: например, это среднее время за неделю, проведенное человеком на сайте. Данный показатель может очень отличаться, ведь одни люди на протяжении всего дня заходят и изучают контент, а другие лишь глянут разок что-то вечером и всё.
При проведении А/В-тестирования важна быстрота окрашивания метрик. Ускорить процесс можно разными методами, в частности, линеарными и иными.
Показатель волатильности
Нередко для проведения эксперимента выбираются метрики, склонные к изменениям. Поэтому изначально убедитесь, что получаете достаточно точные показатели.
Тут помогает А/А-тест, по которому видно, что выбранная метрика остается неизменной при отсутствии на нее каких-либо воздействий. Но без истории, которая не всегда имеется в наличии, А/А-тест не провести (а его нужно делать перед А/В-тестом). И тут может выручить А/А/В-тестирование.
Время на A/B-тестирование
Решать, как долго проводить А/В-тест, нужно с учетом поставленной цели и размера аудитории (она должна быть достаточной для получения достоверной статистики).
Минимальный срок использования целого ряда инструментов для А/В-тестирования – две недели. Этого хватает для сбора нужной информации, если изменения предстоят не глобальные. Поведение аудитории в разные дни недели (а оно может очень отличаться) тоже отображается. Но если выборка довольно масштабная, изменения серьезные и статистическая значимость большая, то тестирование может занять даже не один месяц (до трех).
Придерживайтесь тут двух простых, но важных правил:
- Не прерывайте тестирование, не дойдя до наименьшего значения размера выборки и не получив статистически значимых показателей.
- Не прерывайте тестирование до завершения хотя бы одного бизнес-цикла. К примеру, если с момента первого посещения сайта и до совершения покупки проходит в среднем три недели, значит столько же, как минимум, должно длиться и тестирование.
При этом не спешите делать выводы раньше времени, поверхностно глянув на ситуацию. Тогда эксперимент станет бессмысленным, потому что показатели могут резко меняться.
Инструменты для A/B-тестирования
Функционал для проведения А/В-тестирования бывает встроен прямо в конструктор сайта. Ещё эксперимент можно запустить самостоятельно. Для этого просто разделить трафик и изучать собранные данные. Но существуют и специально разработанные для этого инструменты.
- Калькулятор для А/В-тестов. Его удобно использовать, когда нужно сравнить результаты по нескольким рекламным каналам. Оценка выполняется следующим образом:
- «Да» означает, что данный вариант показывает лучшие результаты, по сравнению с вариантом А. То есть, настройки в изучаемом сегменте срабатывают эффективнее.
- «Нет» – значит, что данный вариант уступает варианту А.
- «?» — означает, что изучаемые варианты не особо отличаются по результативности.
- Google Optimize. При использовании этого сервиса вы можете тестировать сразу пять вариантов страницы, то есть, несколько разных гипотез. Доли трафика можно распределять вручную, как и устанавливать продолжительность эксперимента (от двух недель до трех месяцев). Результаты поступают в личный кабинет, где они всегда доступны для просмотра.
- com. Сервис завоевал наибольшую популярность в мире и является одним из самых удобных. Позволяет проводить обширную аналитику, снабжен удобным функционалом для визуализации.
- me. Тоже хороший инструмент, имеющий встроенную интеграцию с Google Analytics. Тут можно формировать цели, которые на автомате загружаются в программу. Прочий набор функциональных возможностей – стандартен: визуализация, настройка таргетинга по геолокации и мобильникам пользователей.
- com. Из плюсов – интеграция с Google Analytics, то есть, возможность синхронизации и взаимодействия с уже существующей системой сбора данных.
- ru. Продукт российских разработчиков, хороший, простой и удобный в применении.
- com. Инструмент от зарубежных специалистов. Функционал серьезный, ну тут нужно знать, как работать с вёрсткой.
Примеры использования A/B-тестирования
Издательства, медиа-компании
Издания заинтересованы в увеличении числа подписчиков, читателей, просмотров, в том, чтобы они как можно больше времени проводили на сайте или в социальных сетях. Тут есть смысл тестировать формы подписок, регистрации, проверять, какие кнопки лучше работают и какой контент привлекает больше внимания.
К примеру, Netflix популярен у зрителей. И не в последнюю очередь благодаря регулярным тестированиям любых нововведений. В частности, Netflix обеспечивает персонализацию главной страницы для удобства пользователей. То есть, на главной странице человеку показывают материалы (фильмы, телешоу), взаимосвязанные с тем, что он уже раньше смотрел. Тут нет случайной выборки, посетитель видит то, что ему заведомо интересно.
Остальные страницы проработаны в том же ключе. Персонализация применена к миниатюрам, заголовкам. Когда нужно – система «подбрасывает» социальные доказательства, влияющие на принятие решений. И это лишь малая часть всего, что тут предусмотрено.
А/В-тестирование в электронной коммерции
Интернет-магазины с помощью А/В-тестов увеличивают сумму среднего чека, улучшают воронку, снижают число оставленных корзин. Какие метрики тут можно тестировать? Цену товара, наличие доставки, тексты и цветовое оформление страниц с оплатой, бланком заявки, общий вид рейтингов, обзоров.
Лидером по оптимизации конверсии смело можно назвать Amazon. Да, тут, конечно, главный «козырь» – масштабность, однако большое значение имеет и постоянная забота об улучшении взаимодействия с клиентами.
Компания провела специальные исследования (конец 90-х) и ввела у себя функцию «Заказ в один клик». Это когда товар можно купить сразу, минуя его отправку в корзину. Нужно лишь единожды вбить в форму номер карты и свой адрес. А дальше весь процесс покупки сводится к нажатию одной единственной кнопки. В итоге люди перестают даже заглядывать на другие сайты и покупают только здесь.
Опция «Заказ в один клик» глобально повлияла на бизнес, и в 1999 году Amazon её запатентовал. А уже в 2000 году Apple приобрел для себя лицензию.
Amazon любые идеи и изменения проверяет методом А/В-тестирования. Воронка на сайте, по сути, такая же, как и у всех, но здесь все элементы оптимально подстроены под пользовательские запросы и ожидания. На всех без исключения страницах нет лишней, отвлекающей информации, только то, что целенаправленно продвигает к следующей ступеньке воронки.
Для примера посмотрите, как устроено взаимодействие с корзиной.
Значок размещен справа в углу на главной странице сайта, и эта корзина всегда в поле зрения пользователя. Но кроме указания количества добавленных товаров, тут человеку предлагают выбрать пять вариантов действий:
- Ещё повыбирать товары (если корзина пуста).
- Ознакомиться с актуальными предложениями (если корзина пуста).
- Заполнить вишлист (опять же, если корзина пуста).
- Оформить заказ (если в корзине уже что-то есть).
- Пройти авторизацию, чтобы воспользоваться опцией «Заказ в один клик» (если в корзине что-то есть).
То есть, человек жмет по маленькому значку корзинки и получает возможность выбора действий. Когнитивная нагрузка на посетителя снижается, плюс накапливается пользовательский опыт.
Сфера туризма
А/В-тестирование дает рост числа заказов, дополнительных продаж, улучшения идут и по иным позициям. Что здесь тестировать? Главную страницу, рекомендации сайта по сопутствующим продуктам, трекер с данными по заказу, страницу с выдачами и проч.
К примеру, Booking.com активно задействует в своей работе А/В-тестирование, что помогает успешно конкурировать и расширять свои позиции на рынке. Причем исследования проводятся постоянно и весьма масштабные. Там постоянно в действии примерно тысяча А/В тестов.
Booking.com больше десяти лет занимается подобными исследованиями, однако все равно стремится к упрощению взаимодействия с сайтом и к улучшению клиентского опыта. В этом состоит одно из явных преимуществ компании.
Тут работа поставлена так, что А/В-тестирование обозначено как постоянная задача на каждый день. Скорость проведения тестов специалисты подняли до текущей. При этом в приоритете здесь данные, а HiPPO (Highest paid person’s opinion) практически не оказывает на процесс никакого влияния. Но Booking.com на этом не останавливается. Здесь каждый сотрудник имеет возможность в любой момент протестировать собственную идею, и если она окажется удачной, то непременно поспособствует продвижению бизнеса.
Booking.com постоянно экспериментирует, преследуя цель улучшения взаимодействия посетителей с сайтом. Например, в 2017 году для расширения охватов компания стала предлагать желающим снимать жилье поблизости от отелей. Это происходило в рамках партнерского сотрудничества с Outbrain (нативная рекламная платформа, работающая по всему миру), который тоже имел свою выгоду в виде пополнения базы владельцев недвижимости.
Команда Booking.com практически сразу обратила внимание на следующую картину: многие владельцы недвижимости начинают регистрироваться на сайте, однако дальше не двигаются. К слову говоря, регистрация происходила на страницах, предназначенных для рекламы.
Специалисты обеих компаний объединили свои усилия и подготовили три варианта лендинга на Booking.com, добавив на страницу социальные доказательства, награды, оценки посетителей и иное.
Это А/В-тестирование продолжалось на протяжении двух недель и подняло число регистраций на 25%. Причем стоимость каждой регистрации существенно уменьшилась.
Ошибки при проведении A/B-тестирования
Вот перечень самых частых ошибок при подобных исследованиях:
Тестирование сразу двух идей (элементов)
Конечно, всегда есть желание упростить себе работу. Но при одновременной проверке сразу двух гипотез непонятно, какая из них заставила показатели измениться. Одна сработает положительно, другая – отрицательно, и вы все равно не разберетесь, что для сайта хорошо, а что плохо. Поэтому в одном тесте работайте с одной гипотезой, не более.
Тестирование в последовательном порядке
Имеется в виду, что на протяжении месяца (например) вы показываете людям вариант сайта А, а следующий месяц – вариант В. Но если товар сезонный, то такой подход не годится, потому что спрос в разное время неодинаков, и непонятно, сыграли тут свою роль изменения на сайте или нет.
Пусть вы торгуете санками и в феврале решили протестировать новый лендинг. Первый месяц демонстрируете старую страницу, а дальше – уже новый вариант. Понятно, что показатели во втором месяце будут снижаться, и дизайнеры тут не виноваты. Просто кому нужны санки в марте месяце?
Мало данных для проведения эксперимента
Это проблема тех, кто завершает исследование раньше намеченного срока. У одних время поджимает, другие захотели скорее провести презентацию. А результат – потеря сотен клиентов. Поэтому одна из самых больших ошибок при проведении А/В-тестирования – его преждевременная остановка. Уделите этому достаточно времени. Оптимальный показатель для статистической достоверности – не менее 95%.
Часто задаваемые вопросы о A/B-тестировании
Является ли А/В-тестирование обязательной необходимостью?
Такие исследования обязательно нужны, если вы ставите целью повышение прибыли, иных важных показателей, либо хотите подобрать новые маркетинговые инструменты для взаимодействия с аудиторией (через сайт, лендинг, с помощью рассылок, неких креативных идей).
Существуют ли иные методы проверки жизнеспособности новых гипотез?
В определенных случаях А/В-тестирование можно заменить другими подходами:
- Юзабилити-тестирование. Хороший инструмент для проверки работы разных вариантов интерфейса.
- Fake door тест. Проверка необходимости той или иной опции. Это когда на странице делают «пустую» кнопку и смотрят, часто ли посетители её нажимают.
- Изучение ограниченного круга ЦА. При данном подходе вы показываете продукт лишь интересующей вас части аудитории, определенному городу, району и т.д.
- Unbounce. Инструмент работает так: вы подготавливаете варианты страниц, а система подбирает аудиторию для проверки каждого из них.
Может ли поменяться SEO при проведении А/В-тестирования?
Пожалуй, да, поисковики могут рассматривать созданные вами альтернативные страницы, как дубли сайта. Но практика показывает, что такое случается лишь в случаях, когда эксперименты длятся слишком долго.
Резюмируя всё вышесказанное, можно с уверенностью утверждать, что сейчас без сплит-тестирования не обойтись маркетологам, разработчикам, аналитикам, дизайнерам и прочим современным специалистам, работающим над созданием, продвижением и реализацией тех или иных продуктов, брендов. Изучите и возьмите на вооружение данный механизм, если хотите занять твердые позиции, успешно конкурировать и продвигаться на рынке.
