Tips untuk Pengujian A / B di Eksperimen Google Play

Google Play

Untuk pengembang aplikasi Android, Eksperimen Google Play dapat memberikan wawasan berharga dan membantu meningkatkan pemasangan. Menjalankan pengujian A / B yang dirancang dengan baik dan terencana dapat membuat perbedaan antara pengguna yang menginstal aplikasi Anda atau milik pesaing. Namun, ada banyak contoh di mana pengujian tidak dijalankan dengan benar. Kesalahan ini dapat merusak aplikasi dan merusak kinerjanya.

Berikut adalah panduan untuk menggunakan Eksperimen Google Play untuk Pengujian A / B.

Menyiapkan Eksperimen Google Play

Anda dapat mengakses konsol Eksperimen dari dalam dasbor aplikasi Konsol Pengembang Google Play. Pergi ke Keberadaan Toko di sisi kiri layar dan pilih Eksperimen Cantuman Store. Dari sana, Anda dapat memilih "Eksperimen Baru" dan menyiapkan pengujian Anda.

Ada dua jenis eksperimen yang dapat Anda jalankan: Eksperimen Grafik Default serta Eksperimen yang Dilokalkan. Eksperimen Grafik Default hanya akan menjalankan pengujian di wilayah dengan bahasa yang Anda pilih sebagai default. Eksperimen yang Dilokalkan, di sisi lain, akan menjalankan pengujian di wilayah mana pun tempat aplikasi Anda tersedia.

Yang pertama memungkinkan Anda menguji elemen kreatif seperti ikon dan tangkapan layar, sedangkan yang kedua juga memungkinkan Anda menguji deskripsi pendek dan panjang Anda.

Saat memilih varian pengujian, perlu diingat bahwa semakin banyak varian yang Anda uji, semakin lama waktu yang dibutuhkan untuk mendapatkan hasil yang dapat ditindaklanjuti. Terlalu banyak varian dapat mengakibatkan pengujian membutuhkan lebih banyak waktu dan lalu lintas untuk menetapkan interval keyakinan yang menentukan kemungkinan dampak konversi.

Memahami Hasil Eksperimen

Saat Anda menjalankan pengujian, Anda dapat mengukur hasil berdasarkan Penginstal Pertama Kali atau Penginstal yang Ditahan (Satu Hari). Pemasang Pertama Kali adalah total konversi yang terkait dengan varian, dengan Pemasang yang Ditahan sebagai pengguna yang menyimpan aplikasi setelah hari pertama.

Konsol juga memberikan informasi tentang Saat Ini (pengguna yang telah memasang aplikasi) dan Berskala (berapa banyak pemasangan yang secara hipotetis akan Anda peroleh jika varian menerima 100% lalu lintas selama periode pengujian).

Eksperimen Google Play dan Pengujian A / B

Interval Keyakinan 90% dibuat setelah pengujian berjalan cukup lama untuk mendapatkan wawasan yang dapat ditindaklanjuti. Ini menunjukkan bilah merah / hijau yang menunjukkan bagaimana konversi secara teoritis akan menyesuaikan jika varian diterapkan secara langsung. Jika batang berwarna hijau, artinya pergeseran positif, merah jika negatif, dan / atau kedua warna berarti dapat berayun ke salah satu arah.

Praktik Terbaik yang Perlu Dipertimbangkan untuk Pengujian A / B di Google Play

Saat Anda menjalankan pengujian A / B, Anda harus menunggu hingga interval kepercayaan ditetapkan sebelum membuat kesimpulan apa pun. Pemasangan per varian dapat bergeser selama proses pengujian, jadi tanpa menjalankan pengujian cukup lama untuk menetapkan tingkat kepercayaan, varian mungkin bekerja secara berbeda saat diterapkan secara langsung.

Jika lalu lintas tidak cukup untuk membuat interval keyakinan, Anda dapat membandingkan tren konversi minggu demi minggu untuk melihat apakah ada konsistensi yang muncul.

Anda juga ingin melacak dampak pasca-penerapan. Meskipun Confidence Interval menyatakan bahwa varian pengujian akan memiliki performa yang lebih baik, performa sebenarnya masih dapat berbeda, terutama jika ada interval merah / hijau.

Setelah menerapkan varian pengujian, perhatikan tayangan dan lihat bagaimana pengaruhnya. Dampak sebenarnya mungkin berbeda dari yang diperkirakan.

Setelah Anda menentukan varian mana yang berkinerja terbaik, Anda pasti ingin mengulang dan memperbarui. Bagian dari tujuan pengujian A / B adalah menemukan cara baru untuk meningkatkan kualitas. Setelah mempelajari apa yang berhasil, Anda dapat membuat varian baru dengan mengingat hasilnya.

Eksperimen Google Play dan Hasil Pengujian A / B

Misalnya, saat bekerja dengan AVIS, Gummicube melalui beberapa putaran pengujian A / B. Ini membantu menentukan elemen kreatif dan perpesanan apa yang paling baik untuk mengkonversi pengguna. Pendekatan tersebut menghasilkan peningkatan konversi sebesar 28% hanya dari pengujian grafik fitur.

Iterasi penting untuk pertumbuhan aplikasi Anda. Ini membantu Anda terus-menerus memutar tombol pada konversi Anda saat upaya Anda berkembang.

Kesimpulan

Pengujian A / B bisa menjadi cara yang bagus untuk meningkatkan aplikasi Anda dan secara keseluruhan Pengoptimalan App Store. Saat menyiapkan pengujian, pastikan Anda membatasi jumlah varian yang Anda uji sekaligus untuk mempercepat hasil pengujian.

Selama pengujian, pantau bagaimana penginstalan Anda terpengaruh dan apa yang ditampilkan Interval Keyakinan. Semakin banyak pengguna yang melihat aplikasi Anda, semakin besar peluang Anda untuk membuat tren konsisten yang memvalidasi hasil.

Terakhir, Anda ingin terus mengulang. Setiap iterasi dapat membantu Anda mempelajari apa yang mengonversi pengguna terbaik, sehingga Anda dapat lebih memahami cara mengoptimalkan aplikasi dan skala Anda. Dengan mengambil pendekatan metodis untuk pengujian A / B, pengembang dapat bekerja untuk mengembangkan aplikasinya lebih lanjut.

Bagaimana menurut Anda?

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.