Menguji Hal yang Menghasilkan Konversi

Pendapat tentang hal yang menghasilkan konversi sering kali keliru. Pengujian menggantikan tebakan dengan bukti melalui perbandingan beberapa versi halaman berdasarkan perilaku pengunjung yang sebenarnya.

Optimasi tingkat konversi, atau CRO, adalah praktik terarah untuk menjalankan pengujian ini guna meningkatkan hasil secara bertahap, bukan mendesain ulang berdasarkan dugaan.

Pengujian A/B menampilkan versi A kepada setengah pengunjung dan versi B kepada setengah lainnya, lalu mengukur versi mana yang menghasilkan lebih banyak konversi.

Karena pengunjung dibagi secara acak dan pada waktu yang sama, faktor luar memengaruhi kedua versi secara seimbang. Perbedaan tingkat konversi menunjukkan dampak perubahan yang Anda buat.

Pengujian yang baik dimulai dengan hipotesis yang jelas, bukan coba-coba secara acak. Nyatakan perubahan yang akan Anda buat, hasil yang Anda harapkan, dan alasannya.

Hal ini membuat pengujian tetap terarah dan menjadikan hasilnya bermakna, baik berhasil maupun gagal. Pengujian yang gagal karena membantah suatu keyakinan tetap menghasilkan learning yang berharga.

Untuk mengetahui penyebab perubahan hasil, ubah satu elemen pada satu waktu: judul, warna tombol, atau panjang formulir, tetapi jangan ketiganya sekaligus.

Mengubah beberapa hal sekaligus tetap dapat menunjukkan bahwa halaman membaik, tetapi tidak dapat menunjukkan perubahan mana yang menyebabkannya. Pisahkan variabel agar Anda dapat mempelajari pelajarannya.

Tidak semua elemen memiliki pengaruh yang sama. Judul, penawaran utama, CTA, dan visual utama biasanya paling banyak mengubah konversi, jadi uji elemen-elemen tersebut terlebih dahulu.

Perubahan kecil pada tampilan jarang menghasilkan perbedaan besar. Gunakan anggaran pengujian di tempat yang memiliki potensi keuntungan terbesar.

Pengujian memerlukan jumlah pengunjung dan konversi yang cukup sebelum hasilnya memiliki arti. Menentukan pemenang setelah hanya beberapa konversi merupakan kesalahan pengujian yang paling umum.

Tentukan ukuran sampel yang diperlukan sebelum memulai, lalu biarkan pengujian berjalan cukup lama untuk menangkap variasi harian yang normal, idealnya selama beberapa minggu penuh.

Signifikansi statistik memperkirakan kemungkinan bahwa suatu perbedaan benar-benar nyata, bukan sekadar kebisingan acak. Ambang batas yang umum digunakan adalah tingkat keyakinan 95%.

Di bawah tingkat tersebut, versi yang tampak unggul mungkin hanya menang karena keberuntungan. Signifikansi melindungi Anda dari penerapan perubahan yang sebenarnya tidak membantu.

Menghentikan pengujian saat versi B baru terlihat unggul, yang disebut mengintip hasil, akan memperbesar kemenangan semu. Keunggulan di awal sering menghilang ketika lebih banyak data terkumpul.

Tetapkan kondisi akhir sebelumnya dan patuhi ketentuan tersebut. Hindari juga menjalankan pengujian pada periode yang tidak biasa, seperti promosi hari raya, yang dapat mengubah perilaku normal.

Pengujian multivariat mengubah beberapa elemen sekaligus dan mengukur setiap kombinasinya. Pengujian ini dapat mengungkapkan cara elemen-elemen tersebut saling berinteraksi, tetapi memerlukan jauh lebih banyak pengunjung.

Untuk sebagian besar halaman, pengujian A/B berurutan lebih praktis. Gunakan pengujian multivariat untuk halaman dengan banyak pengunjung yang mampu menyediakan volume tersebut.

Pengujian hanya berguna jika Anda menindaklanjuti hasilnya. Terapkan versi pemenang, dokumentasikan hal yang Anda pelajari, lalu gunakan wawasan tersebut untuk membuat hipotesis berikutnya.

CRO adalah siklus: meneliti, membuat hipotesis, menguji, belajar, lalu mengulangi. Iterasi yang konsisten terakumulasi menjadi peningkatan besar seiring waktu.

Peningkatan mengukur seberapa besar versi pemenang membaik dibandingkan versi kontrol, sebagai persentase dari tingkat awal. Ukuran ini menyampaikan dampak dengan jelas kepada para pemangku kepentingan.

Selalu sertakan tingkat keyakinan bersama peningkatan agar hasilnya tetap dapat dipercaya. Peningkatan besar dengan tingkat keyakinan rendah belum cukup untuk dijadikan keputusan.

Pengujian menggantikan pendapat dengan bukti. Pengujian A/B membagi lalu lintas untuk membandingkan berbagai versi, dengan panduan hipotesis yang jelas dan satu variabel yang diisolasi, serta berfokus terlebih dahulu pada elemen berdampak tinggi.

Tunggulah hingga ukuran sampel dan signifikansi statistik memadai, hindari mengintip data, lalu luncurkan versi pemenang dan lakukan iterasi. Laporkan hasil sebagai peningkatan yang disertai tingkat keyakinan.