4 sätt att optimera en sajt med lite trafik

Att A/B-testa är kraftfullt. Men relativt få sajter i Sverige har den mängd trafik som krävs för att kunna A/B-testa på rimlig tid. Kan du inte optimera om du inte kan A/B-testa? Jo. Vi ska förklara hur.

Först, låt oss förklara varför inte alla kan A/B-testa.
Lite trafik innebär att du har lite data och lite data får oss att ta felaktiga beslut eftersom att vi gärna väljer att tro på det vi ser. Ska vi inte tro på det vi ser? Nja, om du har få observationer (lite trafik) är risken för att beteenden beror på slumpen, mycket större. Fler observationer leder till mindre risk för slump.

Slumpmässiga beteenden och förändringar baserade på gissningar klingar inte så bra och är långt i från datadrivet.

Hur vet jag om jag kan A/B-testa?

Rent praktiskt; alla kan göra experiment, men A/B-testning är mycket mer än trafik in, några dagar och några konverteringar – Du vill minska felfaktorerna och försäkra dig om att det du ser inte är en följd av slumpen.

Faktorer som påverkar tillförlitligheten i A/B-testresultatet:

• Jämn distribution av besökare över experimentperioden
• Att urvalet sker slumpmässigt
• Hur lång tid experimentet körs
• Antal konverteringar och förändring i konvertering
• Störningar från externa faktorer, ex. säsongsvariationer

Eftersom att en större förändring ger snabbare testresultat, kan olika landningssidor A/B-testas mot varandra, även på lägre trafikerade sajter – men då hamnar du också lätt i problemet att en total redesign inte förbättrar din konvertering, utan snarare gör det svårare för dig att veta vad som blev till det bättre och vad som blev till det sämre. Vi förklarar mer ingående kring denna +/- noll-resultat i den här bloggposten (Redesign – Ökar det din konvertering?).

Vi har gjort fler A/B-test än vi orkar räkna, om du har funderingar är du välkommen att kontakta oss.

Tabellen nedan är en fingervisning för huruvida din startsida/ produktsida/ landningssida etc. går att A/B-testa eller ej.

Trafik per dag	Nuvarande konverteringsgrad	Tid för A/B-test (6% förändring)
500	5%	∞
5 000	5%	10 veckor
50 000	5%	7 dagar

Uträkning per sida: A/B-test duration calculator

Se vart på din sajt du ev kan A/B-testa, och hur det skiljer sig beroende på vilket mål du testar mot, med vår ”Experiment Feasibility-kalkylator”.

Mer om A/B-testning.

Ett tips: Du kanske kan testa högre upp i funneln där du har mer trafik. Din startsida tex.

Hur optimerar du din sajt om du inte kan A/B-testa?

Konverteringsoptimering är något för alla, hög- såväl som lågtrafikerade sajter.

Regler för datadriven konverteringsoptimering:

• En förändring på din sajt bör baseras på observationer och en väl underbyggd hypotes.
• Hypotesen om förbättring ska baseras på data, insikt och förståelse för dina användare.
• Förändringen ska påverka beteendet hos användarna.

Förändringen måste vara stor för att vara mätbar

CRO handlar om data och förståelse för användarbeteenden. Har du inte den kvantitativa datan får du gå direkt på förståelse istället, vilket innebär ett dedikerat arbete med UX, användningstester och en förståelse för webbpsykologi. Mät det du KAN mäta men plocka de lågt hängande frukterna DIREKT.

Off we go.

1 Lågt hängande frukter

Den första frågan att ställa dig är: Hur vill du att dina besökare ska bete sig?

VEM är din besökare, vad vill HEN göra och vad vill DU att hen ska göra?

Några exempel på lågt hängande frukter.

• Skapa motiverande copy (this is huge, separat post kommer)
• Prioritera innehåll/ Visuell hierarki (tänk mobilyta)
• Tydliggör vad nästa steg är – förtydliga din CTA (se exempel nedan)
• Kommunicera utifrån och in – förstår andra?
• Motivera scroll och få användaren att vilja läsa till sidans slut
• Tillämpa enkel webbpsykologi (se punkt 3 tex)

Och några paranteser:

• Kopiera inte dina konkurrenter – dom vet inte heller vad dom gör
• Det finns ingen ”perfekt besökare” och once size fits all kommer aldrig att gälla

Okej, några exempel:
Låt oss titta på två olika tidningar online, varpå den ena använder prioriterad CTA och den andra inte:

Vi kollade också på hur det kan se ut när du ger alldeles för många val och där inget av valen är prioriterade. Just detta exempel använder sig dessutom av kommunikation inifrån och ut: Dvs CTA, ord och förkortningar som troligtvis bara de mest inbitna förstår. Det är heller inte tydligt att ytorna är klickbara och tar dig vidare till något, och om de tar dig vidare, till vad?:

Vi har skrivit en separat bloggpost om just val och hur många val som är för många val, läs den här.

Ju mindre du behöver förlita dig på generella designprinciper och ”best practices” desto bättre. När du plockat dina lågt hängande frukter bör du därför alltid jobba med att förbättra din datainsamling. ”Vad behöver jag veta om mina användare?”. Det handlar om att både addera relevanta datakällor och mätpunkter, såväl som att säkerställa att datan är så korrekt som möjligt. För att nämna några basic-grejer: Filtrera bort ditt eget IP, identifiera bot-trafik och filtrera också den, spåra kampanjer och håll koll på varifrån din trafik kommer etc.

2 Mät allt som kan mätas

The long tail of conversion, är ett begrepp vi brukar använda oss av vilket betyder att många bäckar små bidrar till något större. Så om du har flera olika datakällor kan dessa adderas.

MEN, stopp! Det första du ska göra är att att förstå vilken din viktigaste sida är – det kan vara den sida där konvertering uppstår, men det behöver inte vara det. Det vanligaste är dock produktsida eller landningssida. Om du har en checkout är troligtvis den också en av de viktigaste sidorna.

1. Kvalitativ data

Du som har lite trafik kan fördelaktigt jobba med kvalitativ data istället för att vänta år på att få tillräckligt mycket kvantitativ data (ex sidvisningar, användare i verktyg såsom Google Analytics). Data är en färskvara och användare beter sig olika i olika cykler, och du vill därför inte kolla på för långa tidsintervall när du analyserar och söker beteendemönster.

Kvalitativa analysmetoder kan visa dig hur användare interagerar med din sajt eller app. Nedan visas ett exempel på hur kvalitativ analys i form av eyetracking kan användas på en framtagen wireframe (skiss av sajt), innan en wireframe går till utveckling och lanseras live.

Kvalitativ data kan samlas in via:

• Användningstester/ Eyetracking
• Inspelningar
• Undersökningar/ Kundsupport
• Formulär

Kvalitativ data lämpar sig för stora som små trafikerade sajter och är ett bra komplement till kvantitativ data.

Användningstester svarar på frågan
– Varför händer det?

Inspelningar och ställda frågor kommer att visa uppenbara UX-problem, som i många fall inte syns i analys t.ex. Google Analytics. Be personer som matchar din målgrupp att utföra specificerade uppdrag på sin sajt, spela in eller sitt med och se hur och varför de navigerar som de gör.

Några verktyg för kvalitativ datainsamling:

• Inspectlet (Heatmaps, Clickmaps, Scrollmaps, Funnel report, Visitor recordings, Form tracking, API integrationer)
• SessionCam (Heatmaps, Clickmaps, Scrollmaps, Funnel report, Visitor recordings, Form tracking, API integrationer)
• Clicktale (Heatmaps, Clickmaps, Scrollmaps, Funnel report, Visitor recordings, Form tracking, API integrationer)
• Hotjar (Heatmaps, Clickmaps, Scrollmaps, Funnel report, Visitor recordings, Form tracking, Surveys, Poll, Rekrytera personer för användningstester.)
• Triggerbee (Subscriber and Visitor recordings, Scroll analytics, Popups, Form tracking, API integrationer)

2. Kvantitativ data

Kvantitativ data är aggregerad data från flera användare där målet är att nå så precis återspegling av det sanna och minimera risken för slump (vilket bli följden av för litet urval/ för lite data). Till skillnad från kvalitativ data som är insamling av unika användares beteenden, svar, handlingar etc.

Kvantitativ data fås från tex:

• Google Analytics (eller annat analysverktyg)
• Heatmaps (click, scroll, mouse movement…)

Du vill ha i åtanke att den data du samlar är färsk.

Av samma anledning som du inte kan köra experiment över för långa testperioder, kan du inte aggregera din data över för långa perioder. För att definiera vad som är en rimlig utgångsperiod användes begreppet ”business cycle”, vilket är en måttstock på din verksamhets cykel. Vanligtvis är en business cycle en vecka (måndag-söndag) men olika säsonger spelar in (regnig höst/ vinter, semestrar och jul etc).

Kan du svara på dessa frågor?

• Mäter du utifrån dina viktigaste KPIer?
• Vart läcker din sajt mest? Börja optimera där!
• Hur presterar sajten över olika webbläsare?
• Hur snabbt laddar sin sajt?

Det är skitkul att se hur vädret utomhus påverkar din försäljning, men börja inte med att implementera den mätningen.

I Google Analytics finns flera användbara rapporter där du direkt kan identifiera läckage på viktiga sidor, i form av ej kompatibla enheter, webbläsare, relevans och användning av ditt site search. Eller som ovan, misstänkta Crawler Boots som pajar den data du får in.

Sök-tips: I en undersökning vi gjort kan vi se att användare av onsite search konverterar 91% mer. Är ditt sökfält optimerat och visuellt prioriterat?

3 Öka motivation – Minska friktion

När en besökare landar på din sajt, vill du bemöta besökaren i följande ordning:

1. Öka motivationen
2. Minska friktionen

Inte tvärtom och inte i omvänd ordning då du först vill hjälpa en besökare att ta ett motiverat beslut. Först när en besökare är motiverad är det rimligt att hen vill slutföra och du vill då förenkla och minska friktionen.

Motivationen är det viktigaste i receptet: de som verkligen vill ha den nya iPhonen står i kö i veckor. De som verkligen behöver den nya tröjan, kommer kriga igenom 5 sidor av formulär om det så behövs.

Den sida som dina besökare landar på (startsida, produktsida etc) bör därför ha följande komponenter på plats:

• Relevans
• Värde
• Förtroende
• Handling

För att i nästa, slutförande fas ha följande komponenter:

• Enkelhet
• Försäkran

Visualiserat så här:

Exempel på hur det kan gå fel

Flera biluthyrare har sin förstasida fylld av kampanjer och erbjudanden etc. Sällan en enkel start när du bara vill välja VAR och NÄR du önskar hyra (det är relativt få som surfar in på sajten utan ett mission, och lockas av att spontant hyra bil över helgen).

Startsidan är en plats där du vill öka motivationen och engagera användaren för att gå på autopilot och ta små insteg, inte tvärtom.

Väl när (om) användaren klickar vidare, har de allra flesta biluthyrare sin sida med bilval (1000 bilder på olika bilar, storlekar, färger och modeller) – du ombeds egentligen att välja en röd eller en blå bil, men det enda du vill veta är pris och när (förenkla för att öka motivationen) och inte 1000 andra ställningstaganden (det här tillför friktion i detta läge). Eller hur?

Merförsäljning, exponering av aktuella kampanjer vill du få EFTER du angett 1) när och var vill du hyra bil 2) prisgrupp.

Startsidan (eller landningssidan): Ställ inte användaren inför beslut. Engagera i små steg och öka motivationen.
Checkout: Minska friktionen och erbjud merval, försäkringar, större bil, färg osv.

Hur vi använder komponenterna i konverteringsutvärderingar kan du läsa om här.

4 Prioritera hypoteser

Du har flera olika konverteringsmål på din sajt. Det primära målet kan vara att köpa en produkt, och ett sekundärt mål kan vara att signa upp på nyhetsbrev, läsa en artikel eller kontakta er. Har du definierat dom?

Du vill göra enkla förändringar som har stor inverkan.

Easy as that.

Estimera potentiell uplift

Effort
Hur enkelt eller tidskrävande kommer det blir att göra förändringen?

1. Technique – Kommer förändringen involvera IT, utveckling?
2. Design – Framtagning och slutförande av UX, UI etc.
3. Political – Kommer andra avdelningar att ha åsikter om din förändring? Marknad, Grafiska-profil-teamet, Risk och lag etc.
4. Additional – Din egen tid, konsulter etc etc.

Impact:
Vilken potentiell uplift kommer förändringen att ha och kommer den att ske på en viktigt plats i din funnel?

1. Perception – Kommer användaren att se förändringen? Är ändringen gjort där användare faktiskt landar, scrollar till, klickar till…
2. Behavioral Contrast – Kommer användarens uppleva en tydlig och märkbar skillnad som påverkar hur användaren kan/ vill interagera med elementet?
3. Behavior Patterns – Är den nya förändringen skapar på en eller flera webbpsykologi-principer?
4. Conversion funnel – Kommer förändringen att ske på en viktig plats i din funnel?

Kom ihåg: desto större förväntad förändring i konverteringsgrad, som följd av din förändring på sajten – desto enklare och snabbare att mäta och bevisa.

Vi använder oss av en modell för att väga Effort vs Impact. Du behöver också en modell, använd gärna samma som oss:

Kolla på de branschkollegans verktyg ”Iridion – Control your optimization process” – modellen vi använt i beskrivning ovan.

Exempel på super-enkel förändring
Vi visade nyss hur Aftonbladet använder visuellt prioriterad CTA, vilket är en lågt hängande frukt.

Om vi dock kollar nedan (ett A/B-test ja, men det är inte det väsentliga), så ser du hur något extremt enkelt som att ändra text på en CTA kan ge ett stort utfall.
Experiment hämtat från Maria del Riccios presentation på Conversion Jam 2015. Förändringen i testet var CTA-copy (behavioral contrast?).

Vi vill visa dig hur du med lite trafik inte ska fokusera. Stora förändringar för mätbara uplift – Kom ihåg.

Copy och CTA är extremt viktig, så pass viktig att vi får skriva en separat bloggpost om det. Addera copy och CTA till ”just do it” och inte ”prioritera din hypotes”.

Exempel på super-noterbar förändring
Så här väljer Talia Wolf (utnämnd en av de främsta inom CRO) att ta fram olika hypoteser i helt olika utformningar (specifikt mobil i detta exempel) – Stora förändringar.
Talia har en modell som hon pratade om på Conversion Jam 2016.

Hur mäter jag om det jag gör får någon effekt?

Du gör 1-2 testning. Dvs du kollar på dina siffror innan och du kollar på dina siffror efter.

Perioderna (innan vs efter) ska vara lika långa och med jämn distribution av trafik samt inte påverkas av yttre faktorer osv.

När vi säger att du ska kolla på dina siffror så syftar vi till konverteringsgrad, antal sålda produkter, klick på knapp, antal kontakt, scroll etc. Exakt vad du ska titta på beror på vilken ändring du gör och vilken effekt du vill uppnå med den ändringen.

Exakt vilka siffror du ska titta på när du analyserar vid 1-2-testning, beror också på mängd trafik och antal konverteringar – på samma sätt som vid A/B-testning. Det kommer vara enklare att se resultat av en knappförändring på startsidan om du tittar på antal klick på din CTA på startsidan, än vad det kommer vara att härleda huruvida en knappändring påverkar slutlig konvertering och köp i checkout. Eller vidare: långsiktig growth, återkommande kunder osv.

Sammanfattning

Har du lite trafik är A/B-testning kanske inget för dig – Men det är ingen ursäkt till att inte jobba med konverteringsoptimering.

Om du inte kan A/B-testa: Börja med lågt hängande frukter, fokusera på dina viktigaste sidor, förstå dina användare och prioritera dina hypoteser!