Geteiltes Testen mit Google Analytics Experiments

() translation by (you can also view the original English article)

Im heutigen Tutorial sehen wir uns eine der neuesten Erweiterungen von Google Analytics für die Funktionen an. Experimente. Mit diesem Tool zeige ich Ihnen, wie Sie verschiedene Variationen einer Seite anbieten können, um zu bestimmen, welcher der erfolgreichsten Besucher auf die Website konvertiert.

Präambel

Wenn Sie jemals eine Website erstellt haben, werden Sie sicherlich Google Analytics kennen. Mit einem kostenlosen Google-Konto und einem Code-Snippet können Sie Besucher auf Ihren Websites erfassen und die Daten mit erschreckendem Fokus durchsuchen.

Von kleinen persönlichen Projekten bis hin zu Unternehmensseiten hat sich Google Analytics aus guten Gründen als Marktführer etabliert. Es ist kostenlos, einfach zu implementieren und eignet sich für den gelegentlichen Benutzer oder sogar den hartgesottensten Vermarkter.

Bereit anzufangen? Lass uns anfangen!

Eine kurze Einführung in Split-Tests

Wir haben Split-Tests bereits im Rahmen von Ians gründlicher Analyse von Conversion und Online-Marketing behandelt, aber lassen Sie uns einen kurzen Blick auf Split-Tests im Online-Bereich werfen.

Indem wir verschiedenen Versionen einer Seite gleichzeitig Besuchern anbieten, machen wir effektiv das, was Leute in Marketingkreisen als Split Testing bezeichnen. Das ultimative Ziel dieses Ansatzes besteht darin, zu bestimmen, welche der Webseiten (oder Broschüren, Werbebanner, Textanzeigen usw.) die Besucher am effektivsten umsetzt. Während eine "Conversion" praktisch alles Mögliche sein kann, sind Websitebesitzer in der Regel an Käufen, Anmeldungen, Account-Registrierungen oder sogar daran interessiert, Besucher dazu zu bringen, ihnen auf sozialen Kanälen zu folgen.

Variationen müssen alle gleichzeitig ausgeführt werden.

Das wichtigste Konzept für Split-Tests ist, dass die Variationen gleichzeitig ausgeführt werden müssen. Mit anderen Worten, es würde nicht als effektiver Split-Test betrachtet, eine Seite für einen Monat zu laden, die Daten zu sammeln und dann eine andere Seite hochzuladen, um die Daten erneut zu sammeln und zu vergleichen. Ein wichtiger Teil des Split-Tests besteht darin, sicherzustellen, dass so viele Faktoren wie möglich, die einen Website-Besucher beeinflussen könnten, entfernt werden.

Bis vor kurzem war der A / B-Split-Test (d. H. Das Testen zwischen zwei Varianten) der Standardansatz zum Testen von Online-Konvertierungen. Die Idee mit dem A / B-Split-Test besteht darin, zu einem Gewinner zu kommen und dann mehrmals zu spülen und zu wiederholen, wobei jedes Mal näher an die Seite kommt, die die maximale Anzahl an Besuchern konvertiert. Obwohl es ziemlich effektiv ist, hat A / B Split Testing einige kritische Einschränkungen, die wir gleich besprechen werden.

Die Frage ist, ist dies eine robuste Möglichkeit, wirklich die beste Conversion-Seite zu erreichen? Es gibt eine Reihe von Problemen mit dem Prozess im Bild oben dargestellt:

Erstens, wenn wir davon ausgehen, dass jeder Test eine Woche dauert, dauert der Prozess, um zu einer Gewinnseite zu gelangen, schmerzlich lange fünf Wochen. Dies ist nicht nur eine lange Zeit, in der Ihre Website auf erfolgreiche Conversions angewiesen ist, sondern in fünf Wochen im Internet viel passieren kann. Selbst eine Änderung in der Art und Weise, wie Google Ihre Seite indiziert, könnte eine drastisch andere Gruppe von Nutzern liefern (genau wie wir es im neuesten Google-Update "Pinguin" gesehen haben). Dies bedeutet, dass wir Äpfel und Orangen zwischen dem ersten Split-Test und dem letzten Test fast anderthalb Monate später vergleichen könnten.
Zweitens, obwohl wir wissen, dass Seite Eins im ersten Test Seite zwei übertroffen hat, können wir nicht sicher sein, dass Seite zwei die Seite drei nicht übertreffen würde, da wir sie nicht Seite an Seite verglichen haben.

Eine bessere Alternative zu dieser Methode ist der Vergleich aller Seitenvariationen untereinander und gleichzeitig, wie hier gezeigt:

In diesem Beispiel können wir (zweifelsfrei) sicher sein, dass Page Four tatsächlich die Seite mit der besten Leistung ist, da alle Seiten innerhalb desselben Zeitraums gegeneinander getestet werden, wobei wir (wie wir annehmen können) eine konsistente Besucherbasis haben.

Was wir heute tun werden, ist die Verwendung von Google Analytics 'Experiments, um drei Seitenvariationen nebeneinander statt mehrerer Iterationen der beiden Standardvarianten des traditionellen A / B-Split-Tests auszuführen. Während ich drei Variationen verwende, können Sie derzeit sechs Seitenvariationen in einem einzigen "Experiment" ausführen.

Das Szenario

Im heutigen Projekt wurden wir beauftragt, die Anzahl der erfolgreichen Kontoanmeldungen für ein fiktives Unternehmen zu erhöhen. Sie haben festgestellt, dass eine erhebliche Anzahl von Besuchern der Website auf der Anmeldeseite des Kontos ankommen, aber abreisen, bevor sie das Formular tatsächlich absenden.

Hier sehen Sie einen Screenshot (in der Größe des Tutorials) der aktuellen Anmeldeseite oder Sie können die Seite online anzeigen.

Hinweis: In diesem Tutorial wird nicht auf das Design der Seite und ihre Variationen eingegangen. Wenn Sie sich den Code ansehen möchten, können Sie alle Dateien aus dem Ressourcenabschnitt dieses Lernprogramms herunterladen.

Aus Gründen der Einfachheit und Kürze sind diese Seiten auch ziemlich unverpackt und enthalten keine serverseitigen Skripts zum Sammeln der Formulardaten und sind keine Beispiele für funktionierende Produktionsformulare.

In diesem Stadium können wir nur darüber spekulieren, was der Grund für den Rückgang sein könnte, aber ein guter Ausgangspunkt ist die Länge des Formulars. Derzeit erfordert die Anmeldeseite, dass der Benutzer vierzehn verschiedene Aktionen ausführt, um ein Konto zu erstellen.

Unter der Annahme, dass der Benutzer seine persönlichen Daten (z. B. sein Land und seine bevorzugte Währung) zurückgeben und hinzufügen kann, nachdem sein Konto erstellt wurde, ist eine logische Seitenvariation für Besucher der Website ein reduziertes Formular, das weniger Aktionen erfordert.

Im Hinblick auf diesen Angriffsplan ist hier die zweite Seitenvariation, die wir in unserem Experiment verwenden werden:

Sehen Sie sich die Seite online an.

Für unsere letzte Seitenvariation, lassen Sie uns das Formular noch einmal abschneiden, um nur die absoluten Notwendigkeiten zu enthalten, um ein Konto zu erstellen, nämlich den Benutzernamen, Passwortfelder, E-Mail-Adresse und die Anerkennung der Nutzungsbedingungen.Hier ist ein Bild der dritten Seitenvariation:

Hier ist ein Bild der dritten Seitenvariation:

Sehen Sie sich die Seite online an.

Schließlich haben wir eine Bestätigungsseite, die dem Besucher angezeigt wird, sobald das Formular erfolgreich abgeschlossen wurde.

Sehen Sie sich die Seite online an.

Jetzt, da wir unsere drei Seitenvariationen haben, richten wir die erforderlichen Elemente in Google Analytics ein und testen sie nebeneinander.

Schritt 1: Erstellen Sie ein Google Analytics-Konto

Ich bin mir sicher, dass viele von Ihnen mit Google Analytics bereits vertraut sind, aber der Vollständigkeit halber werden wir jeden Schritt durchlaufen, der erforderlich ist, um Analysen auf der Website zu ermöglichen, ein Ziel zu definieren und das Experiment selbst zu aktivieren.

Gehen Sie zu Google Analytics und melden Sie sich mit Ihrem Google-Konto an (oder richten Sie ein neues Konto ein). Vorausgesetzt, Sie haben Ihrem Profil noch kein Analytics-Konto hinzugefügt, wird Ihnen der folgende Bildschirm angezeigt. Klicken Sie auf die Schaltfläche "Anmelden", um zu beginnen.

Füllen Sie auf der folgenden Seite die Formularfelder aus, die sich auf Ihr Projekt beziehen:

Schritt 2: Fügen Sie das Google Analytics-Snippet hinzu

Die Tracking-Funktion von Google Analytics basiert auf einem JavaScript-Snippet. Auf der folgenden Seite erhalten Sie den erforderlichen Code und Anweisungen zum Hinzufügen zu Ihrer Website. Kopieren Sie den Code einfach in Ihre Zwischenablage und fügen Sie ihn auf jeder Seite ein, die Sie mit Google Analytics erfassen möchten.

Auf der Website wird im Hilfetext vorgeschlagen, dieses Snippet unmittelbar vor dem schließenden </head>-Tag hinzuzufügen. Dadurch wird sichergestellt, dass ein Seitenaufruf registriert wird, auch wenn die gesamte Seite nicht geladen wird, bevor der Benutzer weitergeht. Es wird jedoch als bewährte Vorgehensweise angesehen, Ihre Skripts vor dem abschließenden <body> Tag am Ende einer HTML-Seite anzuhängen.

Während beide Ansätze gut funktionieren, möchten wir in dieser Situation sicherstellen, dass unsere Anmeldeseiten vollständig geladen werden, bevor das Analytics-Skript ausgelöst wird.

Für dieses Projekt habe ich dieses Skript zu den drei Anmeldeseiten (signup1.html, signup2.html & signup3.html) und der Seite confirmation.html hinzugefügt.


<!doctype html>

<head>
<!-- head content -->
</head>

<html>
<body>

<!-- page markup / content -->

  <script type="text/javascript">
    var _gaq = _gaq || [];
    _gaq.push(['_setAccount', 'UA-33487303-1']); // This UA code identifies the page as part of the Analytics account.
    _gaq.push(['_trackPageview']);
    _gaq.push(['_setDomainName', 'none']);

    (function() {
    var ga = document.createElement('script'); ga.type = 'text/javascript'; ga.async = true;
    ga.src = ('https:' == document.location.protocol ? 'https://ssl' : 'http://www') + '.google-analytics.com/ga.js';
    var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(ga, s);
    })();
  </script>

</body>
</html>

Nachdem Sie den Code hinzugefügt haben, laden Sie die Seiten per FTP auf einen Webserver hoch. Es ist auch wichtig zu beachten, dass Google Analytics oft 24 - 48 Stunden benötigt, um mit der Datensammlung zu beginnen. Seien Sie daher in den ersten Tagen vor dem Besuch Ihrer Besucherdaten geduldig.

Schritt 3: Erstellen Sie ein Ziel

Bevor wir das Experiment selbst starten und aktivieren, müssen wir ein Ziel für die Messung erstellen.

Google Analytics kann so konfiguriert werden, dass sehr anspruchsvolle Ziele erstellt und überwacht werden, einschließlich Mehrkanal-Zieltrichter und E-Commerce-Tracking. Im heutigen Beispiel halten wir es einfach, indem wir eine erfolgreiche Konvertierung (d. H. Unser Ziel) als URL-Ziel /confirmation.html definieren. Mit anderen Worten, wir möchten jede Instanz eines Benutzers verfolgen, der eine der drei Formularvariationen abschließt, indem er auf "Senden" klickt und auf der Seite "Danke für die Registrierung bei uns" ankommt.

Wählen Sie auf der Google Analytics-Benutzeroberfläche im linken Menü den Eintrag "Übersicht" aus der Überschrift "Conversions":

Wenn dies das erste Ziel ist, das Sie eingerichtet haben, sollten Sie automatisch zur Seite "Neues Ziel erstellen" weitergeleitet werden. Falls nicht, klicken Sie oben rechts auf dem Bildschirm auf den Menüpunkt "Admin" und vergewissern Sie sich, dass Sie auf den Tab "Ziele" schauen.

Geben Sie Ihrem neuen Ziel einen Namen, wählen Sie den Zieltyp als URL-Ziel aus und geben Sie den Pfad ein, in diesem Fall /confirmation.html.

Wenn Ihrem Ziel ein tatsächlicher Dollarwert zugeordnet ist (z. B. eine bezahlte Mitgliedschaft für eine Website), können Sie diesen Betrag dem Textfeld "Zielwert" hinzufügen. Wir werden heute keinen Tortrichter mehr benutzen, also können wir unser neues Ziel speichern.

Schritt 4: Greifen Sie auf das Experiment-Feature zu

Mit unserer Zielsetzung können wir jetzt ein Experiment starten, um zu bestimmen, welche unserer Seiten die besten Ergebnisse in Bezug auf eine erfolgreiche Kontoregistrierung erzielen.

Wählen Sie im Bereich "Inhalt" des linken Hauptmenüs "Tests" aus.

Hinweis: Wie bei vielen Google-Produkten wird das Feature "Tests" im Rahmen eines gestaffelten Rollouts bereitgestellt. Wenn Sie derzeit keinen Zugriff auf Tests haben, müssen Sie Geduld üben und darauf warten, dass Ihr Google-Konto mit dieser Funktion aktualisiert wird.

Fügen Sie zunächst die URL der Seite hinzu, die wir testen möchten, in diesem Fall signup1.html. Dies ist keine Live-URL - sie wird nur für die Zwecke des Tutorials verwendet.

Schritt 5: Erstellen Sie ein Experiment

Nach dem Zugriff auf die Experimentierfunktion wird ein Assistent zur Erstellung von vier Schritten angezeigt.

Beginnen Sie mit der Bestätigung der Kontrollseite (z. B. /signup1.html) und fügen Sie dann die URLs für jede der Seitenvariationen hinzu. Stellen Sie sicher, dass Sie jeder Variation einen aussagekräftigen Namen und nicht nur einen generischen Titel "Variation 1 / Variation 2 / Variation 3" geben - dies wird die Analyse des Experiments in den späteren Phasen wesentlich erleichtern.

Auf der nächsten Seite des Assistenten für die Registrierung von Experimenten verweisen wir auf das Ziel, das wir in Schritt 3 als messbare Metrik erstellt haben.

In diesem Experiment möchten wir Seitenvariationen für 100% der Besucher bereitstellen. Wenn Sie umfangreiche Änderungen an einer etablierten Website vornehmen, können Sie die Anzahl der Besucher begrenzen, die an dem Test teilnehmen, um mögliche Auswirkungen zu minimieren.

Auf der dritten Seite erhalten Sie einen weiteren Codeblock, der zur Kontrollseite hinzugefügt wird (in diesem Fall /signup1.html). Fügen Sie diesen Code oben auf der Steuerungsseite direkt nach dem öffnenden <head>-Tag hinzu. Beachten Sie, dass wir diesen Code - im Gegensatz zum Tracking-Code - unbedingt ganz oben auf der Seite haben möchten, da die Seitenvariationen so den Besuchern angezeigt werden.

Der endgültige Code für die Kontrollseite (z. B. /signup1.html) sieht folgendermaßen aus:


<!doctype html>

<head>
  <!-- Google Analytics Content Experiment code -->
<script>function utmx_section(){}function utmx(){}(function(){var
k='62181940-0',d=document,l=d.location,c=d.cookie;
if(l.search.indexOf('utm_expid='+k)>0)return;
function f(n){if(c){var i=c.indexOf(n+'=');if(i>-1){var j=c.
indexOf(';',i);return escape(c.substring(i+n.length+1,j<0?c.
length:j))}}}var x=f('__utmx'),xx=f('__utmxx'),h=l.hash;d.write(
'<sc'+'ript src="'+'http'+(l.protocol=='https:'?'s://ssl':
'://www')+'.google-analytics.com/ga_exp.js?'+'utmxkey='+k+
'&utmx='+(x?x:'')+'&utmxx='+(xx?xx:'')+'&utmxtime='+new Date().
valueOf()+(h?'&utmxhash='+escape(h.substr(1)):'')+
'" type="text/javascript" charset="utf-8"></sc'+'ript>')})();
</script><script>utmx('url','A/B');</script>
<!-- End of Google Analytics Content Experiment code -->

  <meta charset="utf-8">
  <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1">
  <title>Signup Form 1</title>

  <!-- Stylesheet -->
  <link rel="stylesheet" href="style.css">

  <!-- google webfonts -->
  <link href='http://fonts.googleapis.com/css?family=Open+Sans:400,300,600' rel='stylesheet' type='text/css'>
  </head>

Laden Sie Ihre neue Kontrollseite mit dem Experimensskript auf Ihren Server hoch.

In der vierten Phase können Sie überprüfen, ob alles ordnungsgemäß funktioniert und dass Google Analytics alle Seiten registriert und bereit ist, mit der Durchführung des Tests zu beginnen.

Schritt 6: Testen Sie Ihr Experiment

Gute Arbeit! Sie haben Ihr erstes Google Analytics-Experiment erstellt und sind der Conversion-Rate einen Schritt näher gekommen.

Da das Experimentierfeld 24 bis 48 Stunden benötigt, um mit der Anzeige von Daten zu beginnen, stellen Sie sicher, dass unser Experiment tatsächlich verschiedene Seitenvariationen liefert.

Öffnen Sie Ihren Browser und navigieren Sie zur Kontrollseite (z. B. /signup1.html). Wenn das Experiment ordnungsgemäß funktioniert, werden Sie automatisch auf eine der drei Seitenvariationen umgeleitet. In Ihrer Adressleiste wird die Variation mit einer angehängten ID angezeigt, die darauf hinweist, dass das Experiment eine der Variationen für Ihren Browser geliefert hat.

Hinter den Kulissen hat Google Analytics Ihrer Browsersitzung einen Cookie hinzugefügt, der sich daran erinnert, welche Seitenvariation Ihnen geliefert wurde. Wenn Sie die Seite aktualisieren oder später zur Seite zurückkehren, wird Ihnen immer die ursprüngliche Seitenvariation angezeigt. Dies ist ein wesentlicher Bestandteil dafür, dass Sie Ihren Besuchern eine konsistente Benutzererfahrung bieten.

Sie können die Cookies, die Website und die Plugin-Daten Ihres Browsers löschen, um eine andere Variante der Seite zu bedienen.

Schritt 7: Analysieren der Experimentdaten

Einmal erstellt, läuft das Experiment einfach selbst ab und sammelt Daten, bis ein eindeutiger Gewinner von Google Analytics ermittelt werden kann. Die Dauer, die für das Ausführen des Tests benötigt wird, hängt von einer Reihe von Faktoren ab, z. B. von den Gesamtbesuchern und davon, wie genau die Variationen zueinander funktionieren.

Werfen wir einen Blick auf dieses Experiment, während es gerade läuft, und wählen Sie einige Punkte aus, die es zu diskutieren lohnt.

Die Standarddiagrammdaten stellen die Conversion-Rate jeder Seitenvariation gegen die Zeit dar, zu der das Experiment ausgeführt wurde. Dies ist wahrscheinlich die wichtigste Kennzahl, die wir heute für unsere Zwecke berücksichtigen müssen. Mit der Dropdown-Auswahl können Sie auch die Daten zu einer Reihe anderer Messwerte wie Site-Nutzung, erfolgreiche Zielanzahl und eine Auswahl standardmäßiger Analytics-Messwerte wie Seiten pro Besuch, Absprungrate, Prozentsatz neuer Besuche usw. grafisch darstellen.
Auf der rechten Seite wird das laufende Experiment zusammengefasst, wobei die Gesamtbesuche der Testseiten, die verstrichene Zeit und der Teststatus aufgeführt werden. In diesem Fall hat Analytics keinen eindeutigen Gewinner ermittelt.
Ein interessanter Punkt ist, dass Analytics die Seiten nicht unbedingt eins-zu-eins verteilt. Während Sie zu Beginn des Experiments eine vergleichende Anzahl von Besuchen für jede Seitenvariation erwarten konnten. Während das Experiment fortschreitet und eine oder mehrere Seiten die anderen übertreffen, wird Analytics die leistungsstärkeren Seiten bevorzugen. In diesem Fall wurde unsere dritte Variante (die Kurzform) auf etwa 36% der Besucher der Website verteilt, während die Langform (Variante 1) bei rund 31% der Besucher angezeigt wurde.
In der Datentabelle unten auf der Seite vergleicht Analytics die Conversion-Rate jeder Variation mit dem Steuerelement und berechnet die Wahrscheinlichkeit, dass die Variation das Original übertrifft. In diesem Beispiel konnten wir, obwohl wir keinen klaren Gewinner haben, bereits darauf vertrauen, dass beide Varianten bessere Alternativen zur langen Form wären, mit einer besseren Chance als 93%, Besucher erfolgreicher zu konvertieren.

Schritt 8: Ankunft bei einem Gewinner

Wie erwähnt, hängt die Zeit, die benötigt wird, um einen Gewinner zu erreichen, von der Leistung der Seitenvariationen in Bezug auf die Kontrollseite ab. Ob es drei Tage oder drei Wochen dauert, um zu einem Abschluss zu kommen, Sie können ohne Zweifel sicher sein, dass der Gewinner des Experiments in Bezug auf das Ziel, das gemessen wird, tatsächlich die beste Leistung erbringen wird.

Nach acht Tagen mit Daten und 1240 Besuchen hat Analytics den eindeutigen Gewinner erreicht, der (wie Sie es schon vermutet haben) unsere Kurzformelseite ist.

Schritt 9: Wir haben einen Gewinner, was jetzt?

Jetzt, wo unser Experiment abgeschlossen ist, müssen wir etwas unternehmen. Da die Kurzform mit einer Umwandlungsrate von etwa 91,5% so gut funktioniert, ist es am offensichtlichsten, die Kontrollseite (d. H. Die lange Form) durch die Gewinnvariation zu ersetzen.

Von hier aus müssen wir einige zusätzliche Analysen durchführen und eine wichtige Entscheidung treffen. Während wir unser Ziel als Besuche auf der Bestätigungsseite festgelegt haben, ist es nicht unser eigentliches Ziel. Das eigentliche Maß für den Erfolg ist natürlich, dass Menschen den Service nutzen (was auch immer dieser Service ist). Unter der Annahme, dass alle zusätzlichen Informationen erforderlich sind (Land, bevorzugte Währung usw.), wären zusätzliche Analysen erforderlich, um sicherzustellen, dass erfolgreiche Registranten diese Informationen tatsächlich ausfüllen, sobald ihr Konto eingerichtet ist (eine Übung für ein anderes) Experiment).

Schließlich ist die nächste Entscheidung zu treffen, ob die Zeit investiert werden soll oder nicht, um zusätzliche Variationen für unser Formular zu erstellen, um zu versuchen, die 91,5% Conversion-Rate weiter zu verbessern. Zum Beispiel kann eine andere Design- oder Kopiervariante die Conversion-Rate erhöhen. Wirklich, Experimente könnten fortgesetzt werden, bis eine 100% Umwandlungsrate erreicht wird. Damit müssen wir die abnehmende Rendite in Betracht ziehen. Es wird einen Punkt geben, an dem die Zeit und der Aufwand, die zur Verbesserung der Conversion-Rate erforderlich sind, keine angemessene Rendite erbringen, und unsere Zeit würde besser dazu dienen, andere Seiten unserer Site zu testen und zu optimieren.

Fazit

In diesem Tutorial haben wir gerade erst die Oberfläche von Experiments von Google Analytics gekratzt und konnten die Feinheiten der verfügbaren Daten ad infinitum weiter diskutieren. In nur wenigen einfachen Schritten haben wir ein Programm entwickelt, das weit effizienter ist als herkömmliche A / B-Split-Tests und wir haben ein unwiderlegbares Ergebnis erzielt, das die Kontrollseite weit übertrifft.

Während wir ein Experiment erstellt haben, das inhaltlich völlig unterschiedliche Seiten bedient, kann der gleiche Ansatz verwendet werden, um weit subtilere Seitenelemente zu testen. Zum Beispiel können ein andersfarbiger Button, ein etwas anderes Layout oder geringfügige Kopienänderungen zu deutlich verbesserten Conversion-Raten führen - die alle mit dieser Split-Test-Methode getestet werden können.

Wichtig dabei ist, dass diese Herangehensweise an das Testen unserer Designs die effektive Arbeit des Designs zunichte macht. Als Designer, die mit den Stakeholdern der Kunden arbeiten (und oft Entscheidungen des gefürchteten Komitees treffen), ist es leicht, den Wald für die Bäume aus den Augen zu verlieren und Designentscheidungen auf der Basis von Annahmen statt von harten Daten zu treffen. Die Einrichtung eines solchen Split-Test-Programms ist der sicherste Weg, um Ihre Conversions zu verbessern, ganz gleich, was Ihr Ziel sein könnte.

Wie werden Sie Google Experiments verwenden? Hinterlasse einen Kommentar unten - wir würden gerne deine Gedanken hören!