Im Bereich UX entwickeln sich Trends sehr schnell, abhängig von neuem Browsing-Verhalten, der Benutzerfreundlichkeit von Technologien, dem Lernen, der digitalen Kultur... Aber in Bezug auf Auswahlmöglichkeiten, Varianten, Instinkte, professionelle Gegenintuitionen sind Legionen im digitalen Ökosystem.
Wie viele Entscheidungen werden aufgrund von Einflüssen und Kriterien getroffen, die den ursprünglichen Zielen fremd sind? Wie kann man also die Kultur der „Datenlaufwerke“ verbreiten, um eine Reihe von UX-Lösungen zu definieren?
A/B-Testing behebt diese Mängel, indem es Sie über verfeinerte Ergebnisse, über gezieltes User-Feedback aufklärt und so Ihre Entscheidungszyklen verkürzt. Wir werden daher gemeinsam einige gute Praktiken des A/B-Testens entdecken:

Identifizieren Sie Ihre Ziele

Eine gute Planung Ihrer A/B-Tests kann einen großen Unterschied in der Effektivität Ihrer UX-Bemühungen machen. Legen Sie Ihre Conversion-Ziele basierend auf den Metriken fest, die Sie bestimmen möchten um die effektivste UX/UI-Variante im Vergleich zur Originalversion zu zeichnen. Sobald Sie Ihre Ziele identifiziert haben, können Sie beginnen Generieren Sie die A/B-Teststrategie, indem Sie die verschiedenen zu testenden Bildschirme skripten entsprechend der erwarteten Wirkung und der Schwierigkeit der Umsetzung Ihrer Ziele.

Priorisieren Sie Ihre Tests

Eine der bei A/B-Tests häufig beobachteten Versuchungen ist der Wunsch, mit Szenarien mit einem ziemlich fortgeschrittenen Komplexitätsgrad zu beginnen: Kauftrichter, multivariate Tests, Informationshierarchie usw. Aber wie bei allem Lernen ist es am besten, mit dem Einfachsten anzufangen, um die besten Ergebnisse zu erzielen. Strategisch gesehen müssen wir mit Tests beginnen, die echte Hoffnung auf Conversion-Gewinne und einfache Implementierung vereinen.

Passen Sie Ihre Tests an Ihr volumetrisches Ziel an

Um zuverlässige Ergebnisse zu erhalten, ist es wichtig, Zeit für die Konvergenz Ihrer Tests einzuplanen, bis Sie eine gute Zuverlässigkeitsrate erhalten, auch wenn sich schnell ein Trend abzeichnet. Es werden mindestens 5000 Besucher und 100 Conversions pro Variante empfohlen. Über das Volumen hinaus ist es auch ratsam, sich an die Zielbranche anzupassen, beispielsweise ist es relevanter, eine Gewerbeseite am Wochenende zu testen als am Wochenanfang.

A/B-Tests beginnen

Die Tests sollten gleichzeitig ausgeführt werden, um Abweichungen im Timing zu berücksichtigen. In dieser Phase wird jede Interaktion des Benutzers gemessen, gezählt und verglichen, um die effektivste Ergonomie zu ermitteln. Es wird oft empfohlen, in Bezug auf UX Ihre Forschung auf Qualität statt Quantität zu konzentrieren, aber aus Sicht des A/B-Tests kann dies in Frage gestellt werden es ist eine datengesteuerte Methode, wobei der Schlüsselfaktor immer noch die Menge der verfügbaren Daten ist.

Begeben Sie sich in eine Logik der kontinuierlichen Verbesserung

A/B-Tests validieren eine Hypothese, erstellen sie aber nicht!! Durch das Ausführen eines AB-Tests, der eine Variation direkt mit einer gemeinsamen Erfahrung vergleicht, können Sie gezielte Fragen stellen, die eine kontinuierliche Weiterentwicklung Ihrer Benutzererfahrung ermöglichen.

Zeitliche Dynamik des AB-Tests

Die momentane Erfahrung, die der Benutzer während der Interaktion erfährt, die er während des AB-Tests durchführt, wird im Allgemeinen als das Herzstück des Tests angesehen. Dennoch, Ziel dieser Art von Tests ist es, mehrere zeitliche Phasen des getesteten Benutzers zu unterscheiden, um sein Verständnis zu analysieren vor einer Anwendung oder einer Website.

Die statistische Intelligenz von A/B-Tests

Sobald Ihr Experiment beendet ist, ist es an der Zeit, die Ergebnisse zu analysieren… indem Sie die verschiedenen Versionen der getesteten Seiten miteinander konkurrieren lassen, um ihre Effizienz zu verbessern. Das Teilen dieser Daten ermöglicht die Verbreitung der Datenkultur und hilft so bei der Entscheidungsfindung für den strategischen Wandel der Ergonomie.
Dies geschieht, um Hypothesen zu validieren oder nicht, indem statistische Zuverlässigkeitsmaße auf die gesammelten Daten angewendet werden. Es ist wichtig, mit Sicherheit zu wissen, ob die Unterschiede in den Ergebnissen zufällig sind.

Heute zielt das A/B-Testing darauf ab, den besten ergonomischen Kompromiss für alle seine Besucher zu finden, und es ist ein echter Mehrwert für die strategische Entscheidungsfindung. Dies hat jedoch seine Grenzen, zum Zeitpunkt der Personalisierung, der künstlichen Intelligenz, der Anpassungsfähigkeit der Nutzungen, bei denen jeder Inhalt auf die Typologie der Besucher abzielt ... L„Ist A/B-Testing nicht eine Methodik, die sich in einen Diskurs einfügt, Probleme aufzuzeigen, ohne sie zu lösen?
 
Carine Renaud, UX-Evangelist @CarineWhatElse -  UXLab Foundation @UX-Republik