Gadījumu izpētes tulkošanas slānis: pārvērtiet viena zīmola uzvaru sava klienta nākamajā pārbaudē

Kopsavilkums

Skaitlis e-komercijas gadījumu izpētē ir vismazāk pārnesamā tā daļa. 43% konversijas pieaugums Mattress Firm vai 50% e-pasta reģistrēšanās pieaugums Emma Sleep apraksta to, kas notika konkrētā kontekstā, nevis to, kas notiks jūsu. Pārnesas ir mehānisms — konkrētā berze, ko zīmols noņēma, un tai sekojošā uzvedības maiņa. Šis raksts sniedz komandām sešu soļu sistēmu šo mehānismu izolēšanai, to kartēšanai uz klienta piltuvi, mazu testu izstrādei un atkārtoti lietojamas rokasgrāmatas izveidei. Tajā arī aplūkoti brīdinājumi: kad mehānisms nepārnesīsies, kāpēc tīrs A/B tests bieži vien ir neiespējams un kā izmērīt mehānisma veselību, nevis tikai metriku.

Lielākā daļa e-komercijas gadījumu izpētes padomu ir nepareiza. Tie sākas ar rezultātu — 43% konversijas pieaugumu, 12 000% SMS IA, 250 000 $ galveno lapu — un strādā atpakaļ līdz taktikai. Šī kārtība klusi garantē neveiksmi, jo skaitlis gadījumu izpētē ir vismazāk pārnesamā tā daļa. Produkta kategorija, datplūsmas avots, cenas, zīmola uzticamība un sezonalitāte, kas veidoja šo skaitli, klientam nekad nesakritīs vienādi. Pārnesas ir mehānisms: konkrētā berze, ko zīmols noņēma, un tai sekojošā uzvedības maiņa. Komanda, kas spēj izvilkt mehānismus, nevis metrikas, var pārvērst vienu gadījumu izpēti atkārtojamā procesā pilnīgi atšķirīgiem klientiem.

Šis raksts ir sešu soļu sistēma, kā to izdarīt. Jūs uzzināsiet, kā uzrakstīt tulkošanas teikumu jebkurai gadījumu izpētei, kā kartēt mehānismu klienta piltuvē, kā izstrādāt mazāko testu, kas joprojām saglabā mehānismu, kā iepriekš definēt pārsūtīšanas nosacījumus un kā izveidot atkārtoti lietojamu rokasgrāmatu. Piemēri nāk no reālām e-komercijas gadījumu izpētēm, bet uzmanības centrā ir process, jo process ir vienīgais, kas izdzīvo saskarē ar jaunu klientu.

1. Noņemiet skaitli, paturiet mehānismu

Procentuālais pieaugums nav lieta, ko var nokopēt. Tas ir mijiedarbības rezultāts starp izmaiņām un kontekstu. Izmaiņas var būt jauna lapas izkārtojums; konteksts ir konkrēts veikals, auditorija un brīdis. Nokopējiet izmaiņas bez konteksta, un jūs netestējat to pašu. Nokopējiet mehānismu, un jums ir iespēja.

Apsveriet Mattress Firm pārveidošanas rezultātu: 43% konversijas rādītāju pieaugums un 325% kritums produkta lapas pamešanā. Kopsavilkums parasti piedēvē 'vietnes pārveidošanu' vai 'uzlabotu pirkšanas piltuves plūsmu'. Tā ir taktika, nevis mehānisms. Ja jūs klientam sakāt 'mums vajadzētu pārveidot jūsu piltuvi', jūs esat snieguši budžeta pieprasījumu, nevis pārbaudāmu ideju. Mehānisms atrodas vienu līmeni dziļāk. Mattress Firm arī ieviesa matraču meklētāja vedni — interaktīvu rīku, kas uzdod dažus jautājumus un atgriež īsu sarakstu. Tā ir daļa, kas risina konkrētu uzvedības problēmu: izvēles pārslodzi. Kad pircējs saskaras ar desmitiem gandrīz identisku putuplasta taisnstūru, visgrūtākais solis ir izlemt. Vednis noņem šo berzi, pārvēršot 'salīdzināt visu' par 'atbildiet uz trim jautājumiem un redziet trīs iespējas'.

Lai to padarītu pārnesamu, uzrakstiet tulkošanas teikumu. Sāciet ar to, ko lietotājs darīja iepriekš, ko pēc tam un kādu berzi jūs noņēmāt.

• Pirms: pircējs ritina nediferencētu produktu režģi.
• Pēc: pircējs atbild uz jautājumiem, saņem īsu sarakstu, salīdzina dažus.
• Noņemtā berze: izvēles pārslodze.

Mehānisma apgalvojums: 'Kad pircējs saskaras ar daudzām līdzīgām izvēlēm, vadīts atlasītājs samazina kognitīvo slodzi un palielina apņemšanos attiecībā uz īsu sarakstu.' Šajā teikumā nav skaitļu. Tas ir apzināti. Jūs to varat piemērot ādas kopšanas klientam ar četrdesmit serumiem, datortehnikas klientam ar trīsdesmit lādētājiem vai mājdzīvnieku barības klientam ar septiņdesmit receptēm. Skaitlis teica 'šis zīmols, šī sezona, šī datplūsma'. Mehānisms saka 'šī uzvedības problēma, šis risinājums'. Šī ir disciplīna aiz mehānisma, nevis statistikas zagšanas, un tas ir vienīgais uzticamais veids, kā izmantot gadījumu izpēti kā kaut ko vairāk par iedvesmu.

2. Nosauciet berzi sava klienta piltuvē

Kad jums ir mehānisms, jūsu uzdevums ir atrast to pašu berzi klienta pasaulē. Šeit mirst lielākā daļa kopēšanas-ielīmēšanas mēģinājumu, jo cilvēki saskaņo taktiku ar taktiku, nevis berzi ar berzi. Jautājums nav 'vai klientam ir viktorīna?' — tas ir 'vai klienta lietotājs saskaras ar to pašu lēmuma problēmu?'

Ņemiet The Sill, tiešsaistes augu mazumtirgotāju, kas palielināja organisko datplūsmu par 45%, pateicoties garo astes SEO un vietnes ātruma optimizācijai. Taktikas saraksts ir garlaicīgs: rakstiet saturu konkrētiem meklēšanas vaicājumiem, padariet vietni ātrāku. Mehānisms ir interesantāks: saskaņojiet meklēšanas nolūku ar konkrētu produkta lapu, lai apmeklētājs, kurš meklē 'mazgaismas augi birojam', nokļūtu lapā, kas saka tieši to, nevis vispārīgā 'augu' kategorijas lapā. Noņemtā berze ir nenoteiktība par to, vai šajā veikalā ir tas, kas apmeklētājam nepieciešams.

Tagad piemērojiet to klientam. Pieņemsim, ka strādājat ar nišas āra aprīkojuma mazumtirgotāju ar 80 produktiem un lielu garo astes meklēšanas pieprasījumu. Klienta vājā vieta ir datplūsma — konkrēti, datplūsma, kas atbilst tam, ko viņi pārdod. Mehānisms saka: izveidojiet galveno lapu katram patiesam meklēšanas nolūkam un pārliecinieties, ka lapa ir ātra un specifiska. Mazais tests nav 'veikt pilnu SEO auditu'. Tas ir šāds:

• Izvēlieties desmit vaicājumus ar visskaidrāko pirkšanas nolūku (tos varat atrast klienta meklēšanas konsolē vai apskatot, kā konkurentu produkta lapas tiek sarindotas).
• Katram vaicājumam uzrakstiet lapu, kas virsrakstā nosauc lietošanas gadījumu, parāda divus vai trīs atbilstošus produktus un saista uz vienkāršāko pirkšanas ceļu.
• Ievietojiet šīs lapas klienta esošajā infrastruktūrā. Nepārveidojiet vietni.
• Izsekojiet, vai organiskās sesijas uz šīm lapām pieaug un vai šie apmeklētāji biežāk pievieno grozam nekā apmeklētāji no kategorijas lapas.

Šis pēdējais salīdzinājums ir svarīgs. Ja galvenās lapas saņem datplūsmu, bet nav reklāmguvumu, mehānisms var būt klātesošs, bet lapa, iespējams, neatbild uz meklēšanas vaicājumu. Ja tās nesaņem datplūsmu, jūs esat uzzinājuši, ka klienta domēna autoritāte vai satura svaigums ir vājā vieta, kas ir cits mehānisms. Brīdinājums ir vienkāršs: ja klientam jau ir daudz datplūsmas un problēma ir konversija, datplūsmas mehānisms tērēs jūsu un viņu laiku.

3. Izstrādājiet mazāko testu, kas saglabā mehānismu

Instinkts pēc labas gadījumu izpētes izlasīšanas ir izveidot pilnu versiju tam, ko darīja veiksmīgais zīmols. Tas bieži vien nogalina mācīšanos, jo liels laidiens apvieno daudzas izmaiņas un jūs nevarat pateikt, kura no tām mainīja uzvedību. Tā vietā izstrādājiet mazāko testu, kas joprojām satur mehānismu — daļu, kas faktiski noņem berzi.

Emma Sleep e-pasta savākšanas rezultāts ir labs piemērs: uzdodot vienu jautājumu pirms e-pasta lauka, zīmols palielināja e-pasta reģistrēšanos par 50%. Mehānisms ir mikroapņemšanās: maza, viegla atbilde vispirms liek e-pasta laukam justies kā otrajam solim, nevis pirmajam. Taktika bija viena jautājuma veidlapa. Pilnā versija varētu būt daudzsoļu viktorīna, preferenču centrs vai personalizācijas dzinējs. Jums nav nepieciešams nekas no tā, lai testētu mehānismu.

Klientam ar tipisku 'Reģistrējieties, lai saņemtu 10% atlaidi' uznirstošo logu mazākais tests ir aizstāt vienu e-pasta lauku ar divu soļu plūsmu:

• Pirmais solis: 'Kāda ir jūsu galvenā problēma?' ar četrām iespējām (vai 'Kāda ir jūsu iecienītākā produktu kategorija?').
• Otrais solis: e-pasta lauks, nekas nav aizpildīts iepriekš, bet izvēlētā atbilde tiek nodota tālāk.
• Viss pārējais paliek nemainīgs: tas pats trigeris, tas pats piedāvājums, tā pati dizaina sistēma.

Izsekojiet vienu primāro metriku: reģistrēšanās līmeni. Bet neapstājieties pie tā. Izsekojiet otrā soļa pabeigšanas līmeni (cik cilvēku, kas atbildēja uz jautājumu, faktiski ievadīja e-pastu). Ja pirmais solis tiek pabeigts, bet otrais tiek pārtraukts, mehānisms nedarbojas — jūs esat tikai pievienojis berzi. Ja kopējā reģistrēšanās pieaug, jums ir signāls, ka mikroapņemšanās šajā kontekstā ir svarīga.

Piezīme darbam ar klientu: tīrs A/B tests bieži vien nav iespējams. Klienta datplūsma var būt pārāk zema, vai tehniskā iestatīšana neatbalstīs dalītos testus īsā laika posmā. Neviltojiet statistisko pārliecību. Pirms/pēc salīdzinājums, daži sesiju ieraksti un divas ātras lietotāju intervijas var jums pastāstīt vairāk nekā p-vērtība, kas izliekas zinām. Mērķis ir uzzināt, vai mehānisms darbojas šajā kontekstā, nevis publicēt rakstu. Šeit mazas izmaiņas, kas patiešām maina situāciju kļūst par stratēģiju, nevis saukli.

4. Pirms testa veikšanas izlemiet, ko nozīmē 'pārnests'

Mehānisms var pārnesties, kamēr mainās paredzamais efekta lielums. Tā pati berze pastāv citā veikalā, bet apjoms ir atkarīgs no tā, cik sāpīga ir berze, cik liela uzticēšanās zīmolam un cik motivēts ir lietotājs. Tāpēc jums ir jādefinē pārsūtīšanas nosacījumi pirms testa sākuma — nevis pēc, kad jums būs kārdinājums racionalizēt jebkuru parādīto skaitli.

AppSumo gadījums ir noderīgs brīdinājums. Konkrēta pārdošanas lapa 10 dienu laikā radīja vairāk nekā 250 000 $, un Facebook reklāmas kampaņas nodrošināja 29x IA. Mehānisms izskatās vienkāršs: izveidojiet īpašu lapu vienam piedāvājumam, piesaistiet datplūsmu ar apmaksātām reklāmām. Bet nosacījumi ietver biļetena auditoriju, kas jau uzticas ierobežota laika piedāvājumiem, un piedāvājuma struktūru, kas balstās uz steidzamību. Ja kopējat īpašās lapas taktiku klientam bez šīs auditorijas, lapa var būt skaista un reklāmas mērķēšana precīza, un skaitlis nesekos.

Pirms testa uzrakstiet mehānisma pārsūtīšanas karti. Pārsūtīšanas kartei ir pieci lauki:

• Berze: ko lietotājs mēģina atrisināt.
• Mehānisms: uzvedības maiņa, kas to atrisina.
• Mazais tests: lētākā versija, kas saglabā mehānismu.
• Vislabāk darbojas, kad: nosacījumi, kas padarīja sākotnējo rezultātu iespējamu.
• Nedarbojas, kad: nosacījumi, kas izjauktu mehānismu.

Īpašās piedāvājuma lapas mehānismam karte varētu izskatīties šādi:

• Berze: 'Ir pārāk daudz produktu; es nezinu, kam ir vērts pievērst uzmanību.'
• Mehānisms: Sašauriniet lietotāja uzmanību uz vienu piedāvājumu, lai lēmums kļūtu binārs (pirkt vai nē).
• Mazais tests: Izveidojiet galveno lapu vienam esošam bestselleram, ar tādu pašu piltuvi kā kategorijas lapa, un salīdziniet konversiju.
• Vislabāk darbojas, kad: auditorijai ir zināma iepriekšēja uzticēšanās, piedāvājums ir patiesi atšķirīgs un steidzamība ir reāla.
• Nedarbojas, kad: auditorija nekad nav dzirdējusi par zīmolu un nav iemesla rīkoties tagad.

Tagad, ja klienta situācija neatbilst 'vislabāk darbojas' nosacījumiem, varat vai nu mainīt nosacījumus (veidot uzticēšanos pirms piedāvājuma testēšanas), vai izvēlēties citu mehānismu. Kartes mērķis ir padarīt šo lēmumu skaidru. Kad tests dod rezultātu, jūs zināsiet, kurus nosacījumus apšaubīt.

5. Mēriet mehānisma veselību, ne tikai metriku

Viens skaitlis var likt sliktam mehānismam izskatīties labam. Ja palaižat divu soļu e-pasta veidlapu un reģistrēšanās pieaug, tas ir jauks rezultāts. Bet vai tas nozīmē, ka mikroapņemšanās mehānisms darbojas, vai tikai to, ka divu soļu veidlapas ir jaunums? Jums ir nepieciešami veselības signāli, kas apstiprina uzvedību, kuru vēlējāties mainīt.

E-pasta savākšanai acīmredzamais veselības signāls ir tas, kas notiek pēc reģistrēšanās. Ideal of Sweden mobilā pirmā savākšanas programma savāca 698 000 e-pastu ar 18,8% klikšķu līmeni. Lielais skaitlis ir saraksta lielums; veselības skaitlis ir klikšķu līmenis. Mehānisms, kas piesaistīja pareizos abonentus, rada iesaistītus lasītājus. Ja mērītu tikai reģistrēšanos, jūs varētu sajaukt ziņkārīgu abonentu sarakstu ar īstu uzvaru.

Izveidojiet to pašu atšķirību savā testā. Pirms palaišanas definējiet:

• Primārā metrika: iznākums, kuru cerat mainīt (reģistrēšanās, pievienošana grozam, pārdošana).
• Veselības metrikas: uzvedības, kas jums norāda, ka mehānisms patiešām darbojas (e-pasta klikšķu līmenis, atkārtota pirkšana, pavadītais laiks lapā, zems atgriešanas līmenis).
• Pretmetrikas: lietas, kuras nevēlaties sabojāt (atgriešana, atbalsta e-pasti, atteikšanās līmenis).

Vadītā atlasītāja testam no pirmās sadaļas iedomājieties, ka pievienošanas grozam līmenis pieaug. Tā ir primārā metrika. Bet, ja atgriešana arī pieaug, atlasītājs var mudināt cilvēkus pirkt nepareizo produktu — sliktāks iznākums nekā bez testa. Veselības pārbaude to atklātu. Īpašās piedāvājuma lapas testam, ja pārdošana pieaug, bet lapas apmeklētājiem bija jāsaņem lielas atlaides, lai viņi konvertētu, jūs neesat pierādījis mehānismu; jūs esat pierādījis cenu jutīgumu.

Šeit arī 'gadījumu izpētes' ieradums var jūs maldināt. Publicētā gadījumu izpētē reti ir iekļautas sekundārās metrikas. Zīmolam var būt lielāki ieņēmumi, bet sliktāka vienības ekonomika, vai lielāks saraksts ar zemāku iesaisti. Jūs nevarat zināt. Vēl jo vairāk iemeslu definēt savas veselības metrikas pirms kaut ko palaižat.

6. Veidojiet bibliotēku, lai nākamais klients būtu ātrāks

Gadījumu izpētes atkārtojamā vērtība rodas no mehānismu uzkrāšanas, nevis no saišu krāšanas. Pēc katra testa uzrakstiet mehānisma karti un pievienojiet to kopīgajai rokasgrāmatai. Ceturtās sadaļas kartes formāts darbojas, bet jums vajadzētu pievienot vēl vienu lauku: rezultātu, ieskaitot kontekstu un to, kas nepārnesās.

Šeit ir aizpildīta karte mikroapņemšanās mehānismam:

• Berze: abonēšana šķiet kā vienvirziena apņemšanās bez tūlītējas vērtības.
• Mehānisms: uzdodiet vienu zemas piepūles jautājumu pirms e-pasta pieprasīšanas.
• Mazais tests: pievienojiet viena jautājuma soli esošajai reģistrācijas veidlapai.
• Vislabāk darbojas, kad: zīmols patiešām var izmantot atbildi un auditorija saskata vērtību personalizācijā.
• Nedarbojas, kad: jautājums prasa reālu piepūli, zīmols ignorē atbildi vai veidlapai jau ir pārliecinošs iemesls abonēt.
• Rezultāts: vienā klienta testā reģistrēšanās pieauga; citā tā palika nemainīga, jo jautājums šķita neatbilstošs. Otrā klienta gadījumā atbilstošā karte bija cits mehānisms.

Ievērojiet pēdējo rindiņu. Mehānisms, kas neizdodas vienā kontekstā, nav neveiksme; tas ir saskaņots datu punktu pāris. Laika gaitā jūs izveidosiet karti: šāda veida berze reaģē uz šo mehānismu šādos apstākļos. Šī karte ir faktiskā priekšrocība, kas komandai ir. Tā ļauj paskatīties uz jaunu klientu un pateikt: 'Viņu problēma ir izvēles pārslodze, un mēs zinām testu tam', nevis sākt no tukšas lapas.

Veidojot šo bibliotēku, jūs arī kļūsit labāki, lai pamanītu, kuras gadījumu izpētes ir vērts lasīt. Jūs ignorēsit reklāmas karogu skaitļus un dosieties tieši uz berzi. Tas galu galā ir gadījumu izpētes pārvēršanas mazos testos mērķis: nevis reproducēt rezultātu, bet reproducēt nosacījumus mācīšanās cilpai.

Secinājums

Pārtrauciet uzskatīt gadījumu izpētes skaitļus par prognozēm. Tie ir pierādījums tam, ka kaut kur, kādā kontekstā, konkrēta uzvedība mainījās, kad tika noņemta konkrēta berze. Jūsu darbs — īpaši, ja strādājat ar vairākiem klientiem — ir atrast šo berzi katra klienta pasaulē, iztestēt mazāko mehānisma versiju un pierakstīt, kas notika. Skaitlis gandrīz nekad neatkārtosies. Mehānisms, ja esat to pareizi nosaukuši, var tikt izmantots atkārtoti gadiem ilgi. Tas ir viss spēles plāns: izvilkt, tulkot, testēt, ierakstīt, atkārtot.