tanácsadás címkével jelölt bejegyzések

Az Evolution előadás margójára: Az A/B tesztelés 4 szabálya

Note: ezt a bejegyzést az Evolution konferenciás előadásomhoz kapcsolódóan írtam. De azért bárkinek hasznos lehet… :-)

A legfrissebb statisztikák szerint az online szolgáltatók 91%-a tudja, hogy mi az az A/B tesztelés, de csak 11% az, aki ténylegesen (legalább egyszer) futtatott A/B tesztet az oldalán. Pedig az A/B tesztelésnek forintban mérhető, azonnali haszna van. Egy külföldi esettanulmány:

A fab.com e-commerce startup egyetlen dolgot tesztelt az oldalán. A lenti két képen látszik is: az “Add to cart” gomb színét.

fab AB teszt piros

fab AB teszt piros
Az oldalra érkező látogatók fele-fele arányban véletlenszerűen kapták meg vagy a piros vagy a kék verziót. Ekkora látogatószámnál viszonylag kevés tesztből kiderült a válasz a kérdésre: melyik gombszín hoz több kattintást, ezáltal magasabb konverziót és több profitot. Az eredmény pedig megdöbbentő: 49%, ami éves szinten dollár-milliókat(!) jelent a fab.com-nak. A kísérlet beállítása és elindítása nettó 2 óra munkát jelentett nekik. Azt hiszem, ezek után nehéz lenne azt mondani, hogy az A/B tesztelés nem hasznos.

De hogyan is kell A/B tesztelni? Íme 4 szabály, amit én a legtöbbször látok elrontani olyan ügyfeleknél, akik maguknak kezdték el csinálni az A/B tesztjeiket. (Ezt nem amolyan “cikizés”, csak azért írom le, hogy más ne essen ezekbe a gyakori hibákba! :-))

1. Egy időben fusson a két verzió!
Tehát az nem A/B teszt, hogy februárban kiteszem az egyik verziót, márciusban pedig a másikat és mérem, hogy melyik hoz több kattintást… Miért nem? Azért, mert ebben az esetben közbeszólhat a szezonalitás. Azaz lehet, hogy márciusban nagyobb igény van az adott termékre (pl. tavaszi cipő), mint februárban volt és ez is befolyásolja a konverziót. Egy korrekt A/B tesztben a különböző verziók egymással párhuzamosan, egy időben futnak.

2. A teszt csoport és a kontroll csoport azonos összetételű legyen!
Pl. ha a fizetős felhasználóim perszonalizált hírlevelet kapnak, az ingyenes felhasználóim pedig nem, akkor a hírlevélből jövő átkattintási arányok nem csak azért lesznek eltérőek, mert más a levél tartalma, hanem azért is, mert más a felhasználói csoportok elkötelezettségi szintje. Ha a fizetős felhasználók teljesen ugyanazt a levelet kapnák, mint az ingyenesek, könnyen lehet, hogy mivel ők elkötelezettebbek a termék iránt, amúgy is többen kattintanának. Éppen ezért, ha tényleg a levél tartalmát akarod tesztelni, akkor vagy a fizetős felhasználókat kell véletlenszerűen két csoportba osztanod, vagy az ingyeneseket. A lényeg, hogy a kontroll csoport és a teszt csoport azonos típusú embereket tartalmazzon.

3. Legyen célja a tesztnek!
És ez nem csak arról szól, hogy ne dolgozzunk feleslegesen, hanem arról is, hogy ténylegesen: egy A/B tesztet csak akkor lehet kiértékelni, ha az ember már a tervezés fázisban eldönti, hogy mi lesz az az 1, maximum 2 mérőszám, aminek a változását figyeli és ami alapján azt mondja, hogy az egyik verzió sikeresebb, mint a másik (mint pl. a fab.com esetében a gombra kattintás).

4. Csak egy dolgot változtass!
Ezt nehéz betartani és általában nem is szokták. De vedd figyelembe, hogy minél több elemet változtatsz a két verzió között, annál nehezebb lesz eldönteni, hogy pontosan melyik volt a kulcselem, ami az egyik verziót sikeresebbé tette, mint a másikat (pl. a fab.com csak a kék és a piros gomb közötti különbséget mérte.

És hogy hogyan is kell beállítani egy A/B tesztet? Természetesen ebben mi is tudunk segíteni, de ha egyedül szeretnél belevágni, ezen 3 platform valamelyikét tudom ajánlani:
Visual Website Optimizer
Optimize.ly
Google Analytics Experiments

FOLYTATÁS: Szignifikáns vagy sem? Így mérd az AB-teszted eredményességét! 

Mester Tomi

Big Data a Marketingben sorozat — I. rész

A Big Data kifejezés nem csak a nagy adathalmazokra utal, hanem az óriási tudásra is, ami kinyerhető belőle. A “Big Data” a marketing számára alapjaiban változtatja meg a piachoz való hozzáállást és persze magát a piacot is. A versenytársaid talán még nem tudják, de te most már igen, hogy a Big Data 3 dologban nagyszerű számodra:
– nagy mennyiség
– nagy sebesség, amivel beérkezik az adat
– nagy változatosság — azaz sokféle az adat.

Gondolj bele, 20 éve mi állt a rendelkezésünkre! A (nyomtatott) levélkampányokra való válaszadás, néhány tranzakciós adat, esetleg egy-két kuponfelhasználás. Manapság pedig valós idejű átkattintási-mutatók, e-mail megnyitási ráták, geolokáció, demográfiai adatok, vásárlási szokások, látogatási szokások. De ennél még sokkal, de sokkal több. Pl. eszedbe jutott már, hogy a boltokban a hűségkártyákkal már névhez tudják rendelni a vásárolt termékek teljes listáját és ez alapján személyre szabott e-mail kampányokat tudnak küldeni a vásárlóknak érdeklődés szerint? Hitted volna, hogy ugyanezt te is meg tudod csinálni a Google Analytics segítségével a saját weboldalad saját látogatóival? Az, hogy hogyan használjuk a sok adatot, csak a kreativitásunkon múlik.

Maga a Big Data létezése önmagában még nem vezet jobb marketing-hez. A Big Data olyan mint egy új, speciális és titkos hozzávaló a világ legfinomabb leveséhez (ami természetesen a te üzleted). Meg kell tanulni használni. Jókor, jó helyen és megfelelő szakértelemmel.

A Big Data és a marketing házasságával a következő területeken tudod a leggyorsabban a legnagyobb sikereket elérni:

1. Vevői elégedettség: A Big Data nem csak arról ad elemzéseket és riportokat, hogy kik a vásárlóid, de arról is, hogy hol vannak, mit akarnak és hogy hogyan és mikor érdemes velük kapcsolatba lépni.

2. Visszatérés és márkahűség: A Big Data segítségével meg tudod határozni, hogy mi befolyásolja a vevőid hűségét, mi tartja őket nálad és mitől térnek vissza újra és újra.

3. Reklám hatékonyság optimalizálás. A Big Data-val meg tudsz határozni egy optimális csatornát a sok-sok hirdetési felületed közül. Sőt. Minél többet hirdetsz annál jobban tudod fejleszteni: csökkenteni a költségeket és növelni a fogyasztók elérését. Tesztekkel, mérésekkel és analízissel.

Ehhez pedig 3 dolgot kell tudnod:
1. Milyen adatot akarsz megszerezni?
2. Milyen adatelemző eszközt tudsz ehhez használni?
3. Hogyan fordítod át a megszerzett tudást valós és tényleges hatássá.

A Big Data a marketing-ben sorozatunk ezekre a kérdésekre fog választ adni.

Mester Tomi

Infografika – okos eszközök

Ha infografika készítésbe vágod a fejszéd, (és már elolvastad az erről szóló cikket) akkor a legjobb, ha a Photoshop-ot vagy az Illustrator-t nyitod meg… Persze nem mindig van szükség a nagyágyúkra, meg aztán nem is feltétlenül akar mindenki túl sok időt rászánni egy kis villantásra. Ezekre az esetekre itt van 3+1 “quick and dirty” eszköz, ami segít neked, hogy percek alatt minőségi infografikát dobj össze.

1. www.infogr.am

infogram infografika
Az infogr.am felülete

Az Infogr.am az egyik legjobb infografika szerkesztő program. Még akkor is próbáld ki, ha most éppen nem akarsz infografikát készíteni.
Előnyei:
– iszonyatosan egyszerű kezelés
– előkészített és gyönyörű sablonok (amiket még relatív kevesen használnak)
– importálható Excel táblák (dupla klikk a grafikonodra)
– több mint 40 féle chart-típus
– online és ingyenes – könnyű megosztani
Hátrányai:
– Ha png-be vagy pdf-be akarsz letölteni (márpedig ez elég gyakran megeshet veled), akkor fizetős verzióra kell váltanod
– kötött felület, nem lehet nagyon személyreszabni a grafikákat

2. piktochart.com

piktochart infografika
A piktochart felülete

A második legjobb infografika szerkesztő program. Szintén online, szintén ingyenes, szintén szép sablonok, szintén excel-import… gyakorlatilag ugyanaz, mint az infogr.am – kicsit talán több lehetőség van az ikonok cserélgetésére, de lényegében ugyanannyira megvan kötve a kezünk. A stílus kicsit más.

3. The Noun Project
noun project ikon infografika

A Noun Project minden bizonnyal a legjobb dolog, ami a piktogramokkal történt az elmúlt 100 évben. Egy felületen találhatsz mindent: ikon bármihez 10 másodpercen belül. Most gyorsan rákerestem 3 véletlenszerű szóra, ami beugrott: “nothing”, “grizzly bear” és “Thor” – mindháromra több találatot is kaptam. Ja igen, ez is ingyenes!

+1. Prezi.com
Oké, a prezi.com-ot már mindenki ismeri (ha esetleg te nem, akkor gyorsan regisztrálj!). De azt kevesen tudják, hogy a beépített alakzatokból egész pofás kis infografikákat lehet összemókolni.

infografika prezi
Infografika Prezivel

Itt bár kicsit több kreativitásra és szép érzékre van szükség, valamint a sablonok sem annyira infografikára szabottak, a szabadságunk sokkal nagyobb. Könnyedén méretezhetsz, igazíthatsz és egyébként, ha már ott jársz, prezentációt is készíthetsz az infografikádból!

Próbáld ki mind a négy eszközt! Ha továbbolvasnál, íme, cikkek még a témában:

Az információ gyönyörű

A 2014-es foci VB trendjei…

Mester Tomi

Data helps opinion – deepindata.com

A deepindata.com-on olvastam a lenti bejegyzést!  Tetszik, nagyon jó gondolatébresztő, úgyhogy kimásolom ide is. Az eredeti cikket Katona Zsuzsa írta “Data helps opinion” – azaz az adatok segítik vagy alázámasztják a véleményt – címen a webanalitika c. blogján. Íme:

“Az elmúlt 1-2 év itthon is kedvelt szlogene lett a “data beats opinion”, azaz az adat legyőzi a véleményt.
Egy ma az Internet Hungary-n elhangzott gondolat kitweetelése után Sarnyai Tibi barátom linkelte egy bejegyzését, amelyben véleményt nyilvánít az adatokról.
Nem túl hízelgő véleményt.
Ez indította el bennem azt a gondolatot, hogy leginkább szeretünk szembenállásról, két nagy ellenségről, az adatról és a véleményről beszélni, és mivel ez egy nagyon friss és nagyon buzz terület, ezért a ló túloldalára is eshetünk.
Innen már egyenes út vezetett oda, hogy: “Data beats helps opinion”, azaz az adatok segítik a véleményt.

Miért gondolom ezt? Valójában az a döntés, amit adat alapon hozunk meg, ugyanúgy vélemény.
Természetesen van különbség. Ez a különbség az, hogy a nagyon sok változós, nagyon bonyolult egyenletünkre nem vakon mondjuk be az eredményt – durván kockáztatva, hogy mellélövünk, hanem számolgatás után jön ki valami, aminek több köze van a valósághoz.
Természetesen tévedhetünk – de messze nem akkorát, és messze nem olyan fájdalmasat.
Az adat azért van, hogy leszűkítsük pár lehetséges forgatókönyvre a végtelen sokat. Az adatokból kijött eredmények ugyanis többfelé is mutathatnak.
Az adatok csak azt mondják meg, hogy MIT és HOL. Azt már nem tudják megmondani, HOGYAN.
Azt nekünk kell kitalálni, az adatokra támaszkodva.
És mivel az agyunk nem egyformán mozog, nem egyforma válaszokat fogunk adni.
A tapasztalataink segíthetnek, hogy a valóban(?) helyes döntést (ha van egyáltalán ilyen), hozzuk meg, de nem tudnak teljesen megkímélni a kudarctól.
Csak amíg adatok nélkül szinte biztos, hogy rossz véleményünk van, addig az adatokkal szinte biztos, hogy valami jó fog kisülni.

Szerintem.”

A megfelelő diagramm az üzenetedhez – I. rész

Ne olvasd tovább ezt a cikket, ha még soha életedben nem tettek le eléd ilyen vagy ehhez hasonló elemzést:

zavaró chart diagramm

Az a baj, hogy már annyira megszoktuk az értelemezhetetlen chart-okat, nem csak heti riportokban, de akár prezentációkban is, hogy már nem is tiltakozunk ellene. Valahogy úgy tűnik, hogy ennek egy elviselhető rossznak kell lennie. A probléma csak az, hogy a hasznos adatokat – amik segítenek a döntésekben és a dolgok megértésében – emiatt meg se próbáljuk befogadni, egyszerűen csak ugorjuk őket. Pedig mennyivel egyszerűbb egy ilyen grafikont elkészíteni és feldolgozni is, mint ez a lenti:

Jó chart diagramm

 

Nem azt mondom, hogy ez a világ legszebb grafikonja, de az biztos, hogy 5 másodpercnél nem több felfogni, hogy miről szól.

Íme az érthető és jó grafikon 5 titka:
1. Legyen üzeneted, amit a grafikonnal támasztasz alá. Tudd mit akarsz mondani és ehhez a mondanivalóhoz szerkeszd meg az ábrád. Előbb mondanivaló –» utána grafikon.
2. A megfelelő adathoz és üzenethez a megfelelő grafikont válaszd. Ez nem könnyű, de lent egy részletes útmutatót kínálok, amiből egyszerűen csak választanod kell.
3. Sose ábrázolj egynél több adathalmazt egy grafikonon. (Kivétel: ha direkt két adathalmaz közötti összefüggést szeretnél megmutatni.)
4. Csak a legfontosabb adatpontokat mutasd meg. (Kivétel: ha trendeket, pl. egy hónapon keresztüli napi honlaplátogatottságot, akarsz megmutatni.)

5. Ellenőrizz: tedd le valaki elé a grafikonodat és kérd meg, hogy mondja meg, mit lát rajta. Ennek prezentációk esetében 5 másodperc alatt meg kell történnie, írott jelentéseknél pedig maximum 20 másodperc az időkeret.

Hogyan válaszd ki, hogy milyen chart-ot használj?
Ez a legtöbbször elhibázott dolog, amivel találkozom. Trendeket oszlopdiagrammokon próbálnak megmutatni, megoszlásokat pedig vonalakkal. Ez nagy baj. Pedig ennek van egy nagyon jól dokumentált és kidolgozott tudománya. Erről találsz anyagot az ajánlott irodalom menüben is, de itt most megosztom veled a legfontosabb részt: a 4 legtöbbször szükséges diagramm-típust.
Mikor, milyen üzenethez, melyiket vedd elő? És hogyan kell őket szépen alkalmazni? Ha ezeket rendben használod, az esetek 99,9%-ban nem lesz problémád:

1. Kördiagramm (aka. pie chart): pie chart - kördiagramm
A kördiagramm összetétel elemzésére való. Ha pl egy külföldi diákcsoport összetételét akarom megmutatni, hogy 50%-a brit, 35%-a német, 10% olasz és 5%-a svájci. A kördiagramm tehát belső arányok ábrázolására jó, olyan esetekben, amikor a részek összege 100%-ot tesz ki. Hibás alkalmazása, amikor összehasonlításra akarják használni. A pie chart-on gyakran nem látszik, hogy pontosan melyik csoport a nagyobb a másiknál. Ezért összehasonlításra, amit inkább előveszünk a fegyvertárunkból az nem más mint az…

2. Oszlopdiagramm (aka. bar chart):   bar chart oszlop diagrammAz oszlopdiagrammban egymással valamilyen módon összefüggő, de nem feltétlenül zárt csoportot alkotó adatokat lehet és kell összehasonlítani. Pl. ha a cég HR, marketing, programozói és design részét akarom összehasonlítani a dolgozók száma szerint – és közben azt akarom kiemelni, hogy a programozók vannak a legtöbben, akkor itt már oszlop diagrammot használok. Rosszul csinálsz valamit, ha a bar chart-tal trendeket probálsz megmutatni, mivel arra való a…

3. Vonaldiagramm (aka. line chart): line chart - vonaldiagrammAz esetek 99%-ban, ha az X-tengelyen időt akarunk ábrázolni, akkor és csak akkor nyúlunk a vonaldiagramhoz. Azaz trendeket mutatunk meg rajta (folyamatokat egy folyamatos vonallal szimbolizálva). Pl. a 2006-os bevétel 10 millió forint volt, a 2007-es már 12, a 2008-as 14, stb…
Ja igen, és a line chart az egyetlen olyan kivétel, ahol igazán érdemes gyakran több adatcsoportot (dataset-et) együtt kezelni – és a trendeken jól láthatóvá tenni, pl a bevétel és a dolgozók számának az összefüggéseit.

4. Hisztogramm: Ritkán szoktuk használni, de a BigData korában elengedhetetlen, hogy elővegyük. Ezen a chart-on eloszlást szoktunk ábrázolni. Amikor rengeteg kis adatcsoportunk van és azoknak a számossága viszonylag nagy, egy hisztogrammal szépen ki lehet rajzolni a csoporton belüli összefüggéseket. Pl. a 10 milliós Magyarország (#bigdata) populációja hisztogrammon – az egyik tengelyen az életkor, a másikon a csoportban levő emberek száma, nemek szerint szét szedve – így néz ki:

hisztogramm
forrás: indexmundi.com

 

Összegzésként, hadd osszam meg veled ezt a szuper összefoglaló ábrát az összes létező chart-típusról (wowww!!). Elég egyértelműen látszik rajta, mikor mihez kell nyúlni. Németh Zoli kollégámtól kaptam… bár kicsit kicsi és tömör mégis elég jól átadja a lényeget. (Katt a nagyításért!)

chart diagramm összefoglaló ábrachart diagramm összefoglaló ábra

Remélem ezek az alapok elég lendületet adnak, hogy te már csak szép grafikonokat csinálj! Ha szeretnél tovább olvasni, nem sokára jön a sorozat második része!

Tomi