A/B testování je metoda, při které porovnáváte dvě verze stránky (nebo jejího prvku), abyste zjistili, která přináší víc konverzí. Polovině návštěvníků ukážete variantu A, druhé polovině variantu B. Místo debat v kanceláři to necháte rozhodnout skutečné návštěvníky. Žádné hádání — rozhodují data.
Jak A/B test funguje v praxi
Příklad. Provozujete e-shop s přírodní kosmetikou. Přemýšlíte, jestli na produktové stránce bude líp fungovat tlačítko „Přidat do košíku” nebo „Chci tento produkt”.
Vytvoříte dvě verze stránky. Lišící se jen v textu tlačítka. Testovací nástroj automaticky rozdělí návštěvníky na dvě skupiny. Po dvou týdnech máte jasno.
Testovat můžete prakticky cokoli: nadpisy, texty tlačítek, barvy, rozložení stránky, fotky, formuláře, cenotvorbu, pořadí sekcí. Důležité je měnit vždy jen jednu věc najednou. Jinak nevíte, co přesně způsobilo rozdíl.
Co testovat jako první
Ne všechny testy mají stejný dopad. Začněte tam, kde je potenciál největší.
Nadpisy a hlavní sdělení. Nadpis je první věc, kterou návštěvník uvidí. Změna z „Naše služby” na „Vyřešíme vám problém s poptávkami” může dramaticky změnit konverzní poměr. Vidím to u klientů pořád.
Výzvy k akci. Text, barva a umístění CTA tlačítka mají obrovský vliv. Víc o tom, co funguje, najdete v článku dobré CTA není náhoda.
Formuláře. Kolik polí má váš poptávkový formulář? Zkuste verzi s méně poli. Často platí, že formulář rozhoduje o tom, jestli vyděláte.
Sociální důkazy. Přidání referencí nebo počtu spokojených zákazníků může konverze výrazně zvýšit.
Nástroje pro A/B testování
Pro menší weby je nejdostupnější Google Optimize (respektive jeho nástupce integrovaný v GA4). Zdarma a pro základní testy stačí. Pokročilejší nástroje jako VWO nebo Optimizely nabízejí víc funkcí, ale stojí tisíce korun měsíčně.
Musíte mít dostatek návštěvnosti. Web se 200 návštěvníky měsíčně nemá statisticky průkazné výsledky. Nejdřív investujte do organické návštěvnosti, pak testujte.
Časté chyby při testování
Ukončení testu příliš brzy. Máte po třech dnech výsledky a varianta B vede? Počkejte. Statistická významnost vyžaduje dostatek dat — minimálně několik stovek konverzí na každou variantu. Předčasné ukončení vede k chybným závěrům.
Testování maličkostí. Změna odstínu tlačítka z tmavě zelené na světle zelenou pravděpodobně nepřinese měřitelný rozdíl. Testujte věci, které mění celý příběh stránky. Ne kosmetické detaily.
Ignorování segmentů. Celkový výsledek může být neprůkazný. Ale když se podíváte zvlášť na mobilní a desktopové návštěvníky, můžete najít zásadní rozdíly. Z mé zkušenosti se tohle děje překvapivě často.
Chcete začít s A/B testováním, ale nevíte kde? Ozvěte se mi. Pomůžu vám najít největší příležitosti a nastavit testy, které přinesou skutečné výsledky.
Často kladené otázky
Jak dlouho má A/B test běžet?
Minimálně 2 týdny, ideálně déle. Potřebujete stovky konverzí na každou variantu, aby výsledky byly statisticky průkazné. Předčasné ukončení je nejčastější chyba — po třech dnech se výsledky můžou úplně otočit.
Kolik návštěvnosti potřebuji na A/B testování?
Orientačně alespoň 1 000 návštěvníků měsíčně na testované stránce. Při menší návštěvnosti se testy táhnou příliš dlouho a výsledky nejsou průkazné. V takovém případě investujte nejdřív do zvýšení organické návštěvnosti.
Co mám testovat jako první?
Nadpisy a CTA tlačítka. Mají největší dopad na konverzní poměr. Změna nadpisu z obecného „Naše služby” na konkrétní „Vyřešíme vám problém s poptávkami” může konverze zdvojnásobit. Netestujte kosmetické detaily jako odstín tlačítka.
Můžu testovat víc věcí najednou?
Můžete, ale pak nevíte, co přesně způsobilo rozdíl. Měňte vždy jen jednu věc. Pokud chcete testovat víc prvků současně, potřebujete multivariátní testování — to ale vyžaduje mnohem víc návštěvnosti.
Zdroje
- The Surprising Power of Online Experiments — Harvard Business Review o síle A/B testování v praxi
- A/B Testing Guide — CXL podrobný průvodce A/B testováním od základů po pokročilé techniky
- Statistical Significance — Optimizely vysvětlení statistické významnosti v kontextu testování
- A/B Testing — Smashing Magazine průvodce A/B testováním pro webové designéry
- Sample Size Calculator — Optimizely kalkulačka pro výpočet potřebné velikosti vzorku