A/Bテストとは

A/Bテストは、webページやアプリケーション、スクリーンなどを含むデジタル体験のバージョンを2つ以上比較して、パフォーマンスの高いバージョンはどれかを判断するものです。コンバージョン率と利用者のエンゲージメントを利用して、特定のバージョンがもたらす影響が良いか、悪いか、中間的かを明らかにします。その結果は、キャンペーンや顧客体験、コンバージョンの向上や、ターゲティングの精度を高めるのに役立ちます。

A/Bテスト
 

A/Bテストの導入には、複数の課題が存在します


A/Bテストを成功させるには、結果やキャンペーンの意思決定に影響を及ぼす可能性のあるシステムの課題やガバナンスの課題に対応する必要があります。
トラフィック量が不十分
トラフィック量が不十分
テストルールの定義がない
テストルールの定義がない
webサイトの目標が未定義
webサイトの目標が未定義
ターゲットとする指標がない
ターゲティングを評価する指標がない
 

A/Bテストを活用すれば、様々な利点が得られます

A/Bテストを活用すると、測定可能な結果を比較することにより、顧客の興味関心やリスクなどを明らかにし、キャンペーンを最適化できます。
結果を比較してアクションを起こす
結果を比較してアクションを起こす
オーディエンスの行動をテストし、結果を比較することにより、アクションにつながるデータを獲得できます。これらのデータは、キャンペーンの改善やオーディエンスのセグメント化、ターゲティングの強化に役立ちます。
データにもとづく意思決定
データにもとづく意思決定
テストの結果にしたがうことにより、経営幹部の判断や直感に頼ることなく、統計的な信頼性にもとづいてターゲティングやメッセージを改善できます。
コンバージョン率の向上
コンバージョン率の向上
複数のコンテンツ要素やオファー、製品の反復テストなどを通じてエンゲージメント率を高めることにより、キャンペーンを最適化し、より良い成果を得ることができます。
キャンペーンリスクの軽減
キャンペーンリスクの軽減
A/Bテストにより、データにもとづいて判断、行動する文化が醸成され、不確かな情報にもとづいてキャンペーンを立ち上げるリスクが軽減されます。
 
A/Bテスト
アドビがお役に立ちます。
Adobe Targetに実装された自動テストと最適化の機能を活用すれば、訪問者のエンゲージメントとコンバージョンにつながる最適なエクスペリエンスやメッセージ、オファーを見つけ出すことができます。コーディングやセットアップの苦労はありません。
 

 

A/Bテストは、分析機能を構成するパズルの1ピースに過ぎません。

分析の全体像を把握し、パーソナライズされたエクスペリエンスを提供しているブランド企業をご紹介します。
 
LJ Jones氏 - Progrexion、最適化部門ディレクター
「当社では、仮説の証明や反証にAdobe Targetを利用しています。Adobe Targetは力と自由を与えてくれます」
-LJ Jones氏
(Progrexion、最適化担当ディレクター)

Ellen Lee氏 - Hyatt、グローバルデジタル事業部門担当シニアバイスプレジデント

「かつてA/Bテストはほとんど実施していませんでした。しかし、今では何をするにもこれが中心です」

- Ellen Lee、Hyatt、グローバルデジタル担当シニアバイスプレジデント
 

A/Bテストに関するFAQ

A/Bテストは誰でもできますか?
いいえ。効果的なテストを実施するには、設計やトラフィックの要件に関する強い仮説とベストプラクティスへの準拠が必要です。
A/BテストはSEOに悪い影響を与えますか?
いいえ。テストのためにコンテンツが重複することによって悪影響がおよぶという迷信がありますが、実際は、テストによってサイトの機能性は向上し、SEOにも良い影響をもたらします。

バリエーションはいくつ実行すればよいですか?
必要に応じた数のバリエーションを実行しましょう。ただし、変数ごとの結果を統計学的に有効なものにしたい場合は、トラフィックの要件を考慮します。また、異なるオーディエンスセグメントを使ってバリエーションを比較することもできます。
どの設計要素をテストすべきですか?
形、色、サイズ、メッセージなどあらゆるページ要素をテストできます。デジタル体験全体、1ページまたはカスタマージャーニー全体をテストして、指標やコンバージョン目標への影響を把握できます。
A/Bテストは多変量テストとどのように違いますか?
多変量テストでは、複数の要素の組み合わせを一度にテストし、エンゲージメントのトリガーとなるやり取りに貢献する要素を特定します。
帰無仮説とは何ですか?
帰無仮説とは、2つ以上のバージョンのエンゲージメントまたはコンバージョン率の結果に統計的に有意な差異がなく、また差異が認められたとしてもサンプリングや実験上のエラーだと考えられる場合に起こります。