전환을 높이는 항목 테스트하기

무엇이 전환을 높이는지에 대한 의견은 자주 틀립니다. 테스트는 페이지 버전을 실제 방문자의 행동과 비교하여 추측을 근거로 바꿉니다.

전환율 최적화, 즉 CRO는 막연한 추측으로 재설계하는 대신 이러한 테스트를 체계적으로 실행하여 결과를 꾸준히 개선하는 방법입니다.

A/B 테스트에서는 방문자의 절반에게 버전 A를 보여 주고 나머지 절반에게 버전 B를 보여 준 다음 어느 쪽의 전환이 더 높은지 측정합니다.

트래픽을 무작위로 동시에 나누므로 외부 요인이 두 버전에 똑같이 영향을 줍니다. 전환율의 차이는 변경한 내용이 영향을 주었음을 나타냅니다.

좋은 테스트는 무작정 이것저것 바꾸는 것이 아니라 명확한 가설에서 시작합니다. 무엇을 바꿀지, 어떤 결과를 예상하는지, 그 이유가 무엇인지 밝히십시오.

이렇게 하면 테스트가 목적을 갖게 되고 성공하든 실패하든 결과가 의미를 지닙니다. 믿음을 반증한 실패한 테스트도 여전히 가치 있는 learning입니다.

결과의 변화를 일으킨 원인을 알려면 한 번에 하나의 요소만 바꾸십시오. 헤드라인, 버튼 색상, 양식 길이 중 하나만 바꾸고 세 가지를 모두 한꺼번에 바꾸지는 마십시오.

여러 가지를 함께 바꾸면 페이지가 개선되었다는 사실은 알 수 있지만, 어떤 변경이 그 결과를 만들었는지는 알 수 없습니다. 교훈을 얻을 수 있도록 변수를 분리하십시오.

모든 요소가 똑같이 중요하지는 않습니다. 헤드라인, 핵심 제안, CTA, 대표 영역이 대개 전환에 가장 큰 영향을 주므로 먼저 테스트하십시오.

작은 외형상의 수정은 큰 변화를 거의 만들지 못합니다. 잠재적인 이득이 가장 큰 곳에 테스트 예산을 사용하십시오.

테스트 결과가 의미를 가지려면 충분한 방문자와 전환이 필요합니다. 소수의 전환만으로 승자를 결정하는 것은 테스트에서 가장 흔한 실수입니다.

시작하기 전에 필요한 표본 크기를 정하고, 일반적인 일상 변동을 포착할 수 있을 만큼 테스트를 충분히 실행하십시오. 가능하면 온전한 몇 주 동안 진행하는 것이 좋습니다.

통계적 유의성은 차이가 우연한 잡음이 아니라 실제일 가능성을 추정합니다. 일반적인 기준은 95% 신뢰도입니다.

그보다 낮으면 겉으로 보이는 승자가 단순한 운의 결과일 수 있습니다. 유의성은 실제로 도움이 되지 않는 변경 사항을 적용하는 일을 막아 줍니다.

B가 앞서는 순간 테스트를 중단하는 것을 중간 확인이라고 하며, 이는 잘못된 승리를 부풀립니다. 초반의 우세는 데이터가 더 쌓이면 사라지는 경우가 많습니다.

종료 조건을 미리 정하고 그대로 지키십시오. 또한 휴일 세일처럼 평소의 행동을 왜곡하는 비정상적인 기간에는 테스트를 실행하지 마십시오.

다변량 테스트는 여러 요소를 한꺼번에 바꾸고 모든 조합을 측정합니다. 요소 간 상호작용을 밝혀낼 수 있지만 훨씬 더 많은 트래픽이 필요합니다.

대부분의 페이지에서는 순차적인 A/B 테스트가 더 실용적입니다. 충분한 유입량을 감당할 수 있는 트래픽이 많은 페이지에만 다변량 테스트를 활용하십시오.

테스트는 결과에 따라 행동할 때만 유용합니다. 승리한 버전을 적용하고, 배운 내용을 기록하며, 그 통찰을 다음 가설에 반영하십시오.

CRO는 조사하고, 가설을 세우고, 테스트하고, 학습하고, 반복하는 순환입니다. 꾸준한 반복 개선은 시간이 지나면서 큰 성과로 누적됩니다.

상승폭은 우수한 변형이 대조군보다 얼마나 개선되었는지를 원래 비율을 기준으로 백분율로 나타낸 수치입니다. 이해관계자에게 영향을 명확하게 전달합니다.

결과를 정직하게 해석하려면 상승폭을 항상 신뢰 수준과 함께 제시하십시오. 신뢰도가 낮은 큰 상승폭은 아직 결정을 내릴 근거가 아닙니다.

테스트는 의견을 증거로 바꿉니다. A/B 테스트는 명확한 가설과 하나의 독립된 변수에 따라 트래픽을 나누어 버전을 비교하며, 먼저 영향이 큰 요소에 집중합니다.

충분한 표본 크기와 통계적 유의성이 확보될 때까지 기다리고, 중간에 결과를 엿보지 마십시오. 그런 다음 승자를 출시하고 반복해서 개선하십시오. 결과는 신뢰도와 함께 상승폭으로 보고하십시오.