Rask og enkel guide til multivariat testing

2. aug. 2022

Er du interessert i multivariat testing for å forbedre markedsføringsinnholdet ditt? Lær hva du trenger å vite i denne hurtigveiledningen.

Å lage markedsføringsinnhold – annonser, e-poster, blogger, brukergrensesnitt – uten referanse til en sammenlignende ytelsesmåling er litt som å følge et veikart til et sted du aldri har vært uten å se ut av vinduet for å se hvor du er. Verden utenfor kan være mer komplisert og uforutsigbar enn du forventer, og det spiller ingen rolle hva kartet viser hvis du ikke kan nå målet ditt. Vellykket markedsføring krever interaksjon i den virkelige verden gjennom testing og variasjon for å tilpasse innholdet til subtiliteten i publikums preferanser. Testing av innhold med ekte målgrupper kan bruke forskjellige grader av variasjon, fra enkle sammenligninger av to iterasjoner i delt og A/B-testing til mer kompleks multivariat testing som kjører mange variabler samtidig.

I en eller annen form overgår selskaper som tester markedsføringsinnhold sine konkurrenter. Av de 500 beste e-handelsselskapene kjører minst 75 % variable tester på det nye markedsføringsinnholdet de leverer. I denne veiledningen lærer du hva multivariat testing er og hvordan det kan hjelpe deg med å forbedre store mengder innhold raskt og effektivt.

Viktige konklusjoner

  • Å kjøre sammenlignende ytelsestester på markedsføringsinnhold hjelper markedsførere med å skape mer engasjement og verdi.
  • Markedsførere kaller sammenlignende tester som bare involverer to variabler – en kontrollversjon og en variabel – A/B-testing. Tester som involverer mer enn to variabler som kjører samtidig, kalles multivariate tester.
  • Multivariat testing gir kontekstbasert innsikt i bedre kombinasjoner av variabler i innhold, i stedet for bare i individuelle variabler.

Hva er multivariat testing?

Multivariat testing er en teknikk for å teste ytelsen til flere variabler i markedsføringsinnhold. Multivariat testing har som mål å forbedre flere varianter av innhold samtidig for å bestemme den best mulige kombinasjonen for alle variabler.

bildekilde

Nettsteder, mobilapper og annonser inneholder mange modulære elementer som farger, fonter, bilder, CTA-er, tekstbokser og andre strukturelle komponenter. Å kombinere disse elementene på en enkelt nettside eller annonse skaper en unik brukeropplevelse eller oppfatning. Det er umulig å forutsi nøyaktig hvilke kombinasjoner av estetiske og substansielle komponenter som vil drive mest engasjement og fremkalle de mest positive brukeropplevelsene i publikum på tusenvis til millioner. Multivariat testing fokuserer på å overvåke ytelsen i store variable sett med individuelle komponenter for å avdekke kombinasjoner med bedre ytelse gjennom reelt engasjement.

Multivariat testing og A/B-testing

Multivariat testing ligner på A/B-testing ved at den fundamentalt sett er sammenlignende. Målgrupper samhandler med ulike versjoner av det samme innholdet, og markedsførere sammenligner resultatene for å finne ut hvilken som presterer best. A/B-tester involverer imidlertid bare en kontroll- og en testvariabel, som isolerer variabelens ytelsesverdi.

bildekilde

Multivariat testing er forskjellig ved at den involverer mer enn to variabler. Likevel er ikke denne forskjellen triviell. Snarere gir den en helt annen type innsikt. A/B-testing bidrar til å kvantifisere ytelsen til individuelle variabler. Multivariat testing identifiserer bedre kombinasjoner helhetlig, og avslører hvordan ulike estetiske og substansielle variasjoner samhandler i det helhetlige inntrykket som skapes hos publikum.

Fordeler med multivariat testing

Sammenlignet med andre testmetoder tilbyr multivariat testing klare fordeler som gjør den til den optimale metoden under spesifikke omstendigheter.

1. Eliminerer behovet for sekvensielle A/B-tester

Selv om det gjelder ytelsen til spesifikke variabler, kan A/B-tester være tidkrevende og krever ofte flere iterasjoner på samme kampanje eller side for å nå målrettede ytelsesmål. Multivariat testing kan håndtere disse iterasjonene samtidig, og gjøre mindre justeringer for å fortsette å drive engasjement gjennom hele testprosessen.

  • Multivariat testing skaper mer data

    En vellykket multivariat test på en annonse eller side vil involvere ytelsesmålinger på flere konfigurasjoner, og skape lag med kontekstuelle data for hver variabel som er i spill. Multivariat testing for markedsføringsteam som jobber med kanaler med mye trafikk vil skape større mengder handlingsrettet datainnsikt enn andre testmetoder.

  • Gir kontekstuell innsikt

    Enklere testmoduser som A/B- og delt testing kan raskt indikere hvilken av to versjoner av en enhet med markedsføringsinnhold som presterer bedre enn den andre. Men uten mer informasjon og variasjon kan du ikke forstå hvorfor eller om noe annet påvirket den underpresterende variabelen i hele innholdet. Med multivariat testing kan markedsføringsteam ofte se positive korrelasjoner mellom tilsynelatende urelaterte variabler, for eksempel en bestemt handlingsfremmende oppfordring (CTA) parret med et bestemt bilde, når ingen av dem presterte bra uavhengig av hverandre.

Potensielle begrensninger ved multivariat testing

Markedsførere bruker forskjellige innholdstestingsmetoder av en grunn. Hver av dem passer best til spesifikke omstendigheter og begrensninger. Multivariat testing er intet unntak og er kanskje ikke det beste valget i alle scenarioer.

  • Krever mer tid

    I A/B-tester går 50 % av trafikken som møter innholdet til hver versjon. Dermed vil hver variant få nok trafikk til å være statistisk signifikant på relativt kort tid. I multivariate tester som kanskje inneholder dusinvis av variasjoner, er mengden total trafikk som trengs for å generere meningsfulle data direkte proporsjonal med antall variabler. Hvis du for eksempel introduserer 20 variasjoner, vil testen din kreve 10 ganger så mye trafikk for å generere samme datakvalitet.

  • Kan indikere flere falske positiver

    Økningen i variabler og variabelrelasjoner i multivariat testing introduserer en høyere forekomst av det statistikere kaller familywise error rate (FWER). Familywise errors er falske konklusjoner trukket fra hypoteser som ikke har blitt testet. Med andre ord, en variabel som ville underprestert isolert sett har økt sjanse for å se ut til å gi bedre resultater i den tilfeldige tilstedeværelsen av andre variabler. Testing i større grad i variasjon vil redusere FWER, men med ekstra tid og kostnader.

  • Multivariat testing er dyrere enn andre metoder

    Tiden og innsatsen som kreves for å designe multivariate tester, den lengre varigheten de krever for å samle inn tilstrekkelige data og den økte tolkningsbyrden ved feilutjevning øker alle den totale kostnaden sammenlignet med enklere innholdstestingsmetoder. Multivariat testing er kanskje ikke den beste løsningen for dine behov hvis tid og budsjetter er store begrensninger.

Eksperimenter med A/B- og multivariat testing gjennom Optimizelys nettbaserte eksperimenteringsplattform

Dra nytte av Optimizelys raske og omfattende plattform for netteksperimentering for å avdekke verdifull kundeinnsikt og skape effektive opplevelser på kort tid. Med Optimizely vil kundenes følelser og preferanser styre beslutningstakingen din, og eliminere risikabel gjetting.

For å komme i gang, kontakt Optimizely i dag.