Konsiloj por A / B-Testado pri Eksperimentoj de Google Play

Google Play

Por programistoj de Android-programoj, Eksperimentoj de Google Play povas doni valorajn informojn kaj helpi pliigi instalojn. Ludi bone projektitan kaj bone planitan A / B-teston povas fari la diferencon inter uzanto instalanta vian programon aŭ konkurencan. Tamen ekzistas multaj kazoj, kiam testoj estis nedece faritaj. Ĉi tiuj eraroj povas funkcii kontraŭ programo kaj difekti ĝian rendimenton.

Jen gvidilo por uzi Eksperimentoj de Google Play por A / B testado.

Agordi Eksperimenton de Google Play

Vi povas aliri la Eksperimentan konzolon de la aplika panelo de Google Play Developer Console. Iru al Butika Ĉeesto maldekstre de la ekrano kaj elektu Butiklistaj Eksperimentoj. De tie, vi povas elekti "Nova Eksperimento" kaj agordi vian teston.

Estas du specoj de eksperimentoj, kiujn vi povas fari: Defaŭlta Grafika Eksperimento kaj Lokalizita Eksperimento. Defaŭlta Grafika Eksperimento faros testojn nur en regionoj kun la lingvo, kiun vi elektis kiel defaŭlta. Lokalizita Eksperimento, aliflanke, faros vian teston en iu ajn regiono, en kiu via programo disponeblas.

La unua permesas testi kreivajn elementojn kiel ikonoj kaj ekrankopioj, dum la dua ankaŭ permesas provi viajn mallongajn kaj longajn priskribojn.

Kiam vi elektas viajn testajn variantojn, memoru, ke ju pli multaj variantoj vi testas, des pli longe ĝi povas preni por efektivigi rezultojn. Tro multaj variantoj povas rezultigi, ke la testoj bezonas pli da tempo kaj trafiko por establi konfidencan intervalon, kiu determinas la eblan konvertiĝan efikon.

Kompreno de la Eksperimentaj Rezultoj

Dum vi plenumas testojn, vi povas mezuri la rezultojn surbaze de Unua Fojo-Instaliloj aŭ Retenitaj Instaliloj (Unu Tago). Unualokaj Instaliloj estas la totalaj konvertiĝoj ligitaj al la varianto, kaj Retenitaj Instaliloj estas uzantoj, kiuj konservis la programon post la unua tago.

La konzolo ankaŭ provizas informojn pri Nunaj (uzantoj, kiuj havas la programon instalitan) kaj Skalitan (kiom da instaloj vi hipoteze akirus, se la varianto ricevus 100% de la trafiko dum la testperiodo).

Google Play-Eksperimentoj kaj A / B-Testado

La 90% -Fidintervalo estas generita post kiam la testo daŭris sufiĉe longe por akiri prilaboreblajn komprenojn. Ĝi montras ruĝan / verdan stangon, kiu indikas kiel konvertiĝoj teorie adaptiĝus se la varianto estus deplojita vivanta. Se la stango estas verda, ĝi estas pozitiva movo, ruĝa se ĝi estas negativa, kaj / aŭ ambaŭ koloroj signifas, ke ĝi povus svingiĝi en ambaŭ direktoj.

Bonaj Praktikoj Konsiderindaj por A / B-Testado en Google Play

Kiam vi plenumos vian A / B-teston, vi volos atendi ĝis la konfida intervalo establiĝos antaŭ ol fari iujn konkludojn. Instalaĵoj por varianto povas ŝanĝiĝi tra la testprocezo, do sen plenumi la teston sufiĉe longe por estigi fidindan nivelon, la variantoj povus rezulti alimaniere kiam ili estas aplikataj vivaj.

Se ne sufiĉas trafiko por estigi konfidencan intervalon, vi povas kompari konvertiĝajn tendencojn semajnon post semajno por vidi ĉu aperas iuj konsistencoj.

Vi ankaŭ volas spuri efikan post-deplojon. Eĉ se la Konfidenca Intervalo asertas, ke testvariaĵo pli bone rezultus, ĝia reala agado povus ankoraŭ diferenci, precipe se estus ruĝa / verda intervalo.

Post deplojo de la testvariaĵo, atentu impresojn kaj rigardu kiel ili efikas. La vera efiko povas esti malsama ol antaŭvidita.

Post kiam vi determinis, kiaj variantoj plej efikas, vi volos ripeti kaj ĝisdatigi. Parto de la celo de A / B-testado estas trovi novajn manierojn plibonigi. Lerninte kio funkcias, vi povas krei novajn variantojn konsiderante la rezultojn.

Eksperimentoj de Google Play kaj Rezultoj de Provoj A / B

Ekzemple, kiam vi laboris kun AVIS, Gummicube trapasis multnombrajn provojn A / B. Ĉi tio helpis determini kiajn kreivajn elementojn kaj mesaĝojn plej bone konvertis uzantojn. Tiu aliro donis 28% pliigon de konvertiĝoj nur de la grafikaj provoj.

Ripeto gravas al la kresko de via programo. Ĝi helpas vin kontinue aperigi la ciferdiskon pri viaj konvertiĝoj dum viaj penoj kreskas.

konkludo

A / B-testado povas esti bonega maniero plibonigi vian programon kaj vian entute App Store Optimization. Kiam vi starigas vian teston, certigu, ke vi limigu la nombron da variantoj, kiujn vi provas samtempe, por plirapidigi la testajn rezultojn.

Dum la testo, kontrolu kiel influas viaj instaladoj kaj kion montras la Fida Intervalo. Ju pli multaj uzantoj vidas vian programon, des pli bonas viaj ŝancoj establi konsekvencan tendencon, kiu validigas la rezultojn.

Laste, vi volas konstante ripeti. Ĉiu ripeto povas helpi vin lerni, kio plej konvertas uzantojn, do vi povas pli bone kompreni kiel optimumigi vian programon kaj skalon. Alprenante metodan aliron al A / B-testado, programisto povas labori por kreskigi sian programon plu.

Kion vi pensas?

Ĉi tiu retejo uzas Akismeton por redukti spamon. Lernu, kiel via komento datiĝas.