A / B testavimo „Google Play“ eksperimentuose patarimai

"Google Play"

„Android“ programų kūrėjams, „Google Play“ eksperimentai gali suteikti vertingų įžvalgų ir padėti padidinti įdiegimų skaičių. Vykdydami gerai suprojektuotą ir gerai suplanuotą A / B testą, galite atskirti vartotoją, kuris įdiegia jūsų programą, ar konkurentą. Tačiau yra daug atvejų, kai testai buvo atlikti netinkamai. Šios klaidos gali prieštarauti programai ir pakenkti jos veikimui.

Čia yra naudojimo vadovas „Google Play“ eksperimentai forumas A / B testavimas.

„Google Play“ eksperimento nustatymas

Prie eksperimento pulto galite prisijungti naudodami „Google Play Developer Console“ programų informacijos suvestinę. Eiti į Parduotuvės buvimas kairėje ekrano pusėje ir pasirinkite Parduotuvių sąrašo eksperimentai. Iš ten galite pasirinkti „Naujas eksperimentas“ ir nustatyti testą.

Galite atlikti dviejų tipų eksperimentus: Numatytasis grafikos eksperimentas ir Lokalizuotas eksperimentas. Numatytasis grafikos eksperimentas vykdys testus tik tuose regionuose, kurių kalba yra pasirinkta kaip numatytoji. Kita vertus, lokalizuotas eksperimentas atliks bandymą bet kuriame regione, kuriame yra jūsų programa.

Pirmasis leidžia išbandyti kūrybinius elementus, pvz., Piktogramas ir ekrano kopijas, o antrasis taip pat leidžia išbandyti trumpus ir ilgus aprašymus.

Rinkdamiesi testo variantus, nepamirškite, kad kuo daugiau variantų išbandysite, tuo ilgiau gali prireikti, kad gautumėte rezultatų, kuriuos galima atlikti. Per daug variantų bandymams prireiks daugiau laiko ir srauto, kad būtų nustatytas patikimumo intervalas, kuris nustato galimą konversijos poveikį.

Eksperimento rezultatų supratimas

Vykdydami bandymus, galite įvertinti rezultatus pagal pirmą kartą įdiegtus arba išlaikiusius montuotojus (vieną dieną). Pirmą kartą diegiantys vartotojai yra bendras konversijų skaičius, susietas su variantu, o išlaikomi diegėjai yra vartotojai, kurie saugojo programą po pirmos dienos.

Pultas taip pat pateikia informaciją apie „Current“ (vartotojus, kurie įdiegė programą) ir „Scaled“ (kiek įdiegimų būtumėte įgiję hipotetiškai, jei bandymo laikotarpiu variantas gautų 100% srauto).

„Google Play“ eksperimentai ir A / B testavimas

90% pasitikėjimo intervalas sukuriamas po to, kai testas trunka pakankamai ilgai, kad gautų naudingų įžvalgų. Tai rodo raudoną / žalią juostą, nurodančią, kaip konversijos teoriškai koreguotųsi, jei variantas būtų įdiegtas tiesiogiai. Jei juosta yra žalia, tai teigiamas poslinkis, raudona, jei ji yra neigiama, ir (arba) abi spalvos reiškia, kad ji gali pasisukti į abi puses.

Geriausia praktika, į kurią reikia atsižvelgti atliekant A / B testavimą „Google Play“

Vykdydami A / B testą, prieš priimdami išvadas, turėsite palaukti, kol bus nustatytas pasitikėjimo intervalas. Vieno varianto diegimai gali keistis viso bandymo proceso metu, todėl neatliekant bandymo pakankamai ilgai, kad būtų užtikrintas patikimumo lygis, variantų veikimas gali būti kitoks.

Jei nėra pakankamai srauto pasitikėjimo intervalui nustatyti, galite palyginti konversijų tendencijas kiekvieną savaitę, kad sužinotumėte, ar nėra nuoseklumo.

Taip pat norėsite stebėti poveikį po diegimo. Net jei patikimumo intervale teigiama, kad bandymo variantas būtų pasirodęs geriau, jo faktinis našumas vis tiek galėtų skirtis, ypač jei būtų raudonos / žalios spalvos intervalas.

Pritaikę bandomąjį variantą, stebėkite parodymus ir stebėkite, kaip jie veikia. Tikrasis poveikis gali būti kitoks, nei prognozuota.

Nustačius, kokie variantai veikia geriausiai, norėsite kartoti ir atnaujinti. Dalis A / B testavimo tikslų yra rasti naujų būdų tobulėti. Sužinoję, kas veikia, galite sukurti naujus variantus, atsižvelgdami į rezultatus.

„Google Play“ eksperimentai ir A / B bandymų rezultatai

Pavyzdžiui, dirbdamas su AVIS, „Gummicube“ patyrė kelis A / B testavimo etapus. Tai padėjo nustatyti, kurie kūrybiniai elementai ir žinučių siuntimas geriausiai konvertuoja vartotojus. Taikant šį metodą, vien naudojant funkcinius grafinius bandymus konversijų skaičius padidėjo 28%.

Kartojimas yra svarbus jūsų programos augimui. Tai padeda jums nuolat rodyti savo konversijų skalę, kai jūsų pastangos auga.

išvada

A / B testavimas gali būti puikus būdas patobulinti jūsų programą ir bendrą „App Store“ optimizavimas. Nustatydami testą įsitikinkite, kad apribojote vienu metu bandomų variantų skaičių, kad paspartintumėte testo rezultatus.

Testo metu stebėkite, kaip tai veikia jūsų diegimus ir ką rodo pasitikėjimo intervalas. Kuo daugiau naudotojų matys jūsų programą, tuo didesnė tikimybė nustatyti pastovią tendenciją, kuri patvirtina rezultatus.

Galiausiai norėsite nuolat kartoti. Kiekviena iteracija gali padėti sužinoti, kas geriausiai pritraukia vartotojus, todėl galite geriau suprasti, kaip optimizuoti programą ir mastą. Laikydamasis metodinio požiūrio į A / B testavimą, kūrėjas gali stengtis toliau plėtoti savo programą.

Ką manote?

Ši svetainė naudoja "Akismet", kad sumažintų šlamštą. Sužinokite, kaip apdorojamas jūsų komentaras.