Huomasin pienen kauneusvirheen viikonlopun aikana. En vielä tiedä, häiritseekö se muita lukijoita.

Pari ideaa:

Kysy lukijalta.

Mittaa epäsuorasti.

Kysymällä on vaikea saada aitoa tietoa, ja jos formissa kysyy suoraan esimerkiksi grafiikan yksityiskohdan vaikutusta, vastaus ikäänkuin kiinnittyy jo mentaalisesti tarkastelemaan tuota. Siksipä päädyin, että A/B -testaus on paikallaan! A/B -testauksessa kyseessä on tilastollinen menetelmä “hiljaisen yleisön” käyttäytymisen tutkimiseen: saadaan mittausdataa, kahdesta erilaisesta blogin sivusta. Tyypillisesti testataan käyttöliittymämuutoksia ja mainoskampanjoiden grafiikoita.

Blogin hologrammi ja nykyinen versio

Tutkittavasta kohteesta (blogista) tehdään 2 eri versiota, A ja B.
A: on alkuperäinen versio, ja B: uudistettu (missä on haluttu muutos eli testauksen kohde). Kannattaa rajata muutos yhteen loogiseen muutokseen, eli ei hamstrata samaan aikaan kovin paljoa, mikäli yksityiskohtaisempi tieto kiinnostaa. Eli jos tekee pienen muutoksen, saa aika tarkasti mitattua tämän vaikutuksen. jos muuttaa useita eri asioita samaan aikaan, on vaikea korreloida näiden vaikutusta kokonaistulokseen.

Molempien sivujen esiintymiskerrat vakioidaan (näyttökerrat), siten että tiedetään, montako näyttöä 1000:sta on ollut sivun A kautta, ja montako B:n. Voidaan tutkia, miten graafinen muutos on vaikuttanut muihin muuttujiin: lukiko kävijä enemmän
tai vähemmän sisältöä, tuliko useammin takaisin; oliko muita muutoksia.

A/B -testauksen arvo on nimenomaan tässä käytännöllisyydessä:
sen sijaan että pyrittäisiin ennustamaan mahdollisesti monimutkaisten
päätelmien kautta asioita, mitataan niitä suoraan.

A/B -testaus vaatii hieman huolellisuutta testiasetelman laatimisessa. Muutoin tulokset voivat olla harhaanjohtavia. Testauksessa halutaan rehellistä käyttäjän toiminnasta mitattavaa dataa,joten siksi testin pitää teknisesti toimia vedenpitävästi.

Seuraavassa osassa katsotaan miten A/B testaus tehtiin; tarvittava tekninen puoli, ja sen jälkeen odotellaan tuloksia!