For å ha et vellykket eksperimenteringsprogram må du starte med «hva er målet?» med vekst- og eksperimenteringsarbeidet ditt. Dette ble understreket for meg tidlig hos Optimizely, da vår medgründer Dan Siroker sa i en all-hands bare noen få uker senere: «eksperimenteringsledere velger beregninger som betyr noe.»
Å forstå de viktigste målene dine er avgjørende for å definere beregningene som skal påvirkes og annen atferd som skal drives fremover via eksperimentering. Mange selskaper kjenner denne topplinje-KPI-en, for eksempel inntekter eller DAU (daglig aktive brukere), slik at vi deretter kan spørre «Hvilke beregninger og atferd kan jeg drive via eksperimentering på viktige sider for å nå disse topplinjemålene?». Et rammeverk jeg har sett er effektivt, er å definere input- og output-målinger.
La oss definere hva vi mener med input- og output-målinger før vi går videre:
Bruk av dette rammeverket bidrar til å definere hvilke atferder som fremmer den primære output-metrikken.
La oss som et eksempel se på en detaljhandelskunde som ønsker å øke antall registreringer for lojalitetsprogrammet sitt. Input- og output-metrikkene kan se omtrent slik ut som nedenfor.
Når du tenker på dette for dine egne målinger, bør du gjøre dette perspektivet så bredt og dypt som mulig. Hva er alle handlingene som bidrar til suksessen til dine output-målinger? Derfra kan du begynne å stille datainformerte spørsmål for å lage problemstillinger og skissere måleplanen din for individuelle eksperimenter.
Å tenke helhetlig på dette kan være en utfordring. Det jeg har funnet nyttig, er å skissere input- og output-målingene på sidenivå for dine viktigste kundereiser mot din(e) primære output-måling(er). Bruk detaljhandel igjen som et eksempel, hva er de primære reisene for en kunde for å foreta et kjøp? Skisser en output-måling på sidenivå for hver av sidene i den reisen og alle de spesifikke side-input-målingene. Slik kan Nike (eller en hvilken som helst forhandler) gjøre dette for sine produktdetalj-sider.
Som du kan se, er det primære målet og output-metrikken for denne produktdetalj-siden at kunden legger til i handlekurven, men atferd som rulledybde, bildeinteraksjoner og attributtvalg er input-metrikker som bidrar til å flytte kunder mot output-metrikken. Alt i alt vil en full brukerreise fra et primært inngangspunkt (for eksempel en produktkategoriside) ha de samme output-metrikkene for hver side, men forskjellige på sidenivå.
Når jeg snakker med kunder, får jeg ofte spørsmålet «hva bør side-output-metrikken være?» Jeg liker å referere tilbake til dette blogginnlegget fra Avinash Kaushik om å unngå feil i webanalyse og ganske enkelt spørre: «hvorfor finnes denne siden?» Det bør tjene til å bringe en bruker nærmere dine primære output-metrikker. Basert på hvilket trinn det tjener til å bevege kunden mot, er det din sideutdata-måling! Du kan se et eksempel på brukerreisen konstruert av sider på et nettsted nedenfor, og fortsetter å bruke vårt detaljhandelseksempel.
En brukerreise med fokus på output-metrikken for hver side i reisen og dens støttende input-metrikker
Etter hvert som du endrer produktene og opplevelsene gjennom eksperimentering, vil input-metrikkene dine sannsynligvis endre seg, så det er viktig å fortsette å reevaluere input- og output-metrikkene og den generelle brukerreisen. Jeg anbefaler å gjøre en ny kartlegging minst årlig.
Har du gjort kartlegging av brukerreiser eller input/output-metrikker? Bruker du noen beste praksis i denne prosessen? Send oss en tweet @Optimizely.
Klar til å forbedre eksperimenteringspraksisen din? Ta kontakt med oss i dag.
