A/B-тестування сайту: як перевіряти гіпотези та підвищувати конверсію

Змінити заголовок, скоротити форму, додати ціну чи перенести кнопку вище? Кожна з цих ідей може покращити сайт, нічого не змінити або навіть зменшити кількість заявок. Думка дизайнера, власника чи менеджера не дає надійної відповіді — її дає поведінка реальних користувачів.

A/B-тестування дозволяє одночасно показати аудиторії дві версії сторінки та порівняти їх за заздалегідь обраною бізнес-метрикою. Однак випадковий поділ трафіку ще не робить експеримент коректним. Потрібні гіпотеза, достатня вибірка, стабільне вимірювання і правила ухвалення рішення до запуску.

Що таке A/B-тестування

A/B-тест — це рандомізований експеримент із двома або більше варіантами однієї сторінки чи функції. Варіант A зазвичай є поточною контрольною версією, а варіант B містить зміну, яку потрібно перевірити. Обидва варіанти показуються паралельно випадково розподіленим групам користувачів.

Наприклад, половина відвідувачів бачить форму з сімома полями, а інша половина — форму з трьома. Основною метрикою може бути частка успішних відправлень, а захисною — частка кваліфікованих заявок. Якщо коротка форма збирає більше контактів, але відділ продажів отримує значно більше нецільових звернень, назвати її переможцем не можна.

Google визначає A/B-тест як рандомізований експеримент із двома або більше варіантами тієї самої вебсторінки. Важливі слова тут — рандомізований, одночасний і та сама мета.

Чим A/B-тест відрізняється від звичайної зміни сайту

Порівняння «до» і «після» слабше за паралельний тест. У різні періоди можуть змінитися реклама, сезонність, ціни, конкуренти, склад аудиторії, день тижня та робота відділу продажів. Якщо конверсія зросла після редизайну, це ще не доводить, що причиною був редизайн.

В A/B-тесті обидва варіанти працюють у той самий період, тому зовнішні фактори впливають на них приблизно однаково. Рандомізація зменшує ризик, що одна версія отримає тільки гарячих користувачів, а інша — холодний трафік.

Коли A/B-тестування справді потрібне

A/B-тест доречний, якщо:

• сторінка має стабільний трафік і вимірювану цільову дію;

• є конкретна проблема у воронці;

• команда має кілька правдоподібних рішень;

• зміна може помітно вплинути на заявки, продажі або дохід;

• результат можна впровадити для значної частини аудиторії;

• бізнес готовий залишити контрольну версію до завершення тесту.

Не варто запускати тест лише тому, що інструмент це дозволяє. Якщо кнопка не працює, форма надсилає помилки або сторінка повільно відкривається, це дефекти — їх виправляють без експерименту.

Коли трафіку недостатньо

Найчастіша проблема малого бізнесу — не відсутність ідей, а мала кількість цільових дій. Якщо сайт отримує кілька заявок на місяць, тест дрібної зміни може тривати надто довго.

У такій ситуації краще:

• дослідити записи сесій і карти кліків;

• провести інтерв’ю з клієнтами та відділом продажів;

• перевірити форми, мобільну версію і швидкість;

• аналізувати воронку за кроками, а не лише фінальну заявку;

• тестувати більшу, концептуальну зміну з потенційно сильним ефектом;

• використати рекламу для окремого лендингу, якщо це економічно виправдано;

• зібрати достатньо даних і лише тоді запускати експеримент.

За малого трафіку якісне дослідження часто дає більше користі, ніж статистично слабкий тест.

Починайте не з кольору кнопки, а з проблеми

Сильна гіпотеза має чотири частини:

Якщо ми [змінимо елемент], то [метрика] зміниться, тому що [пояснення з даних], і це підтвердимо за [критерієм успіху].

Приклад: «Якщо на першому екрані показати стартову ціну та три складові послуги, частка переходів до форми зросте, тому що користувачі з реклами зараз шукають вартість і залишають сторінку до блоку цін. Успіх — зростання відправлених форм без падіння частки кваліфікованих лідів».

Фраза «зробимо кнопку зеленою, бо вона буде помітнішою» — слабка гіпотеза, якщо карти кліків і записи сесій не показують, що люди не знаходять CTA.

Де брати гіпотези

Джерела сильних гіпотез:

• воронка GA4: найбільший перехід між кроками;

• пошукові запити й оголошення: що люди очікують побачити;

• записи сесій: повторні кліки, повернення, зависання;

• карти кліків і скролу;

• помилки форм та внутрішнього пошуку;

• запитання клієнтів до менеджерів;

• причини програних угод у CRM;

• звернення в підтримку;

• usability-тести;

• аналіз конкурентів як джерело ідей, а не доказ їх ефективності.

Як пріоритезувати тести

Коли гіпотез десятки, оцініть кожну за трьома критеріями ICE:

• Impact — очікуваний вплив на ключову метрику;

• Confidence — сила доказів на користь гіпотези;

• Ease — простота реалізації та вимірювання.

Оцініть кожен критерій від 1 до 10 і порахуйте середнє. Спочатку запускайте не найкрасивішу ідею, а тест із великим потенційним впливом, сильними доказами й прийнятною складністю.

Для критичних змін додайте оцінку ризику: юридичні обмеження, можливий вплив на SEO, швидкість, оплату, інтеграції та якість лідів.

Виберіть метрики до запуску

Основна метрика

Одна метрика, за якою ухвалюється рішення: покупка, завершена заявка, бронювання, дохід на користувача або перехід до наступного критичного кроку.

Допоміжні метрики

Пояснюють механіку результату: клік по CTA, початок форми, додавання в кошик, перехід до оплати, середній чек.

Захисні метрики

Не дозволяють виграти за рахунок шкоди іншій частині бізнесу: повернення, скасування, помилки, швидкість, маржа, частка кваліфікованих лідів, звернення в підтримку.

Не змінюйте головну метрику після того, як побачили результат. Інакше команда ризикує знайти випадкову «перемогу» серед багатьох показників.

Скільки має тривати A/B-тест

Універсальної відповіді «сім днів» або «два тижні» немає. Потрібна вибірка залежить від:

• базової конверсії контрольного варіанта;

• мінімального ефекту, який має бізнес-цінність;

• кількості варіантів;

• обраного рівня статистичної впевненості;

• бажаної статистичної потужності;

• частки трафіку, що потрапляє в тест.

Перед запуском введіть ці параметри в калькулятор вибірки. Наприклад, чим нижча базова конверсія і чим менший ефект потрібно виявити, тим більше користувачів знадобиться. Різницю між 2% і 2,1% довести набагато складніше, ніж між 2% і 3%.

Тест має охопити повні бізнес-цикли, зокрема будні й вихідні, але календар сам по собі не замінює потрібну вибірку. Не зупиняйте експеримент у перший день, коли варіант B став лідером.

Що таке статистична значущість простими словами

Вища конверсія варіанта B ще не гарантує, що він кращий. Частина різниці може виникнути випадково через склад аудиторії.

Статистична значущість оцінює, наскільки результат узгоджується з реальною різницею, а не випадковим шумом у межах обраної моделі. Порогове значення часто встановлюють на рівні 95%, але воно не означає «95% гарантії успіху в майбутньому». Потрібно також перевірити вибірку, величину ефекту, якість даних і бізнес-цінність.

Зростання на 0,1 процентного пункту може бути статистично переконливим на великому трафіку, але не окупити розробку. І навпаки, сильний відсотковий стрибок на кількох конверсіях може бути випадковим.

Як провести A/B-тест: 9 кроків

1. Знайдіть вузьке місце

Визначте сторінку, сегмент і крок воронки, де втрата найбільша або найдорожча.

2. Зберіть докази

Поєднайте кількісні дані GA4 з якісними сигналами: записами сесій, опитуваннями, CRM і розмовами з продажами.

3. Сформулюйте гіпотезу

Запишіть зміну, очікуваний результат, причину та критерій успіху.

4. Визначте метрики

Зафіксуйте одну основну, кілька допоміжних і захисних метрик.

5. Розрахуйте вибірку

Вкажіть базову конверсію, MDE, рівень значущості, потужність і кількість варіантів. Оцініть, чи має сайт достатній трафік.

6. Створіть варіант B

Змініть лише те, що стосується гіпотези. Якщо повністю перебудувати сторінку, ви дізнаєтеся, яка версія краща, але не зрозумієте, який елемент спричинив ефект.

7. Проведіть QA

Перевірте обидва варіанти на мобільних і десктопних пристроях, усі події, форми, оплату, швидкість, відсутність миготіння та стабільне закріплення користувача за одним варіантом.

8. Запустіть і не втручайтеся

Не змінюйте рекламу, сторінку та правила підрахунку без критичної причини. Задокументуйте будь-які зовнішні події.

9. Проаналізуйте й зафіксуйте рішення

Перевірте основну та захисні метрики, вибірку, технічні аномалії і сегменти. Впровадьте переможця, повторіть тест або відхиліть гіпотезу. Негативний результат теж створює знання.

GA4 та інструмент експерименту

Google Optimize більше не доступний. Для запуску вебексперименту потрібна стороння платформа або власна технічна реалізація. GA4 може приймати ідентифікатор експерименту та варіанта, а потім допомагати аналізувати поведінку груп.

Практична схема:

1. платформа випадково призначає варіант;

2. користувач стабільно бачить той самий варіант;

3. на сторінці надсилаються experiment_id і variant_id;

4. основні дії надходять у GA4 як події;

5. результати аналізуються за варіантами й бізнес-метриками;

6. CRM підтверджує якість лідів і реальний продаж.

GA4 не замінює статистичний механізм платформи експерименту. Google прямо зазначає: для A/B-тесту в Analytics потрібна інтеграція зі стороннім інструментом.

10 ідей для A/B-тестування сайту

Що тестувати	Приклад гіпотези	Основна метрика
Заголовок першого екрана	Результат замість загального слогана	Перехід до форми або заявка
Офер	Пакет із чітким складом замість «індивідуальної ціни»	Кваліфікована заявка
Ціна	Стартова ціна або діапазон на сторінці	Заявка та її якість
CTA	Конкретна дія замість «Дізнатися більше»	Клік і завершена дія
Форма	Менше полів на першому кроці	Успішна відправка
Соціальний доказ	Кейс поруч із CTA	Перехід до контакту
Мобільна дія	Закріплена кнопка дзвінка або запису	Дзвінок чи бронювання
Картка товару	Доставка й повернення біля кнопки	Додавання в кошик
Checkout	Гостьове оформлення без обов’язкової реєстрації	Покупка
Структура лендингу	Заперечення й гарантії раніше у сценарії	Дохід на користувача

Не копіюйте чужий «успішний тест» без перевірки. Те, що спрацювало для іншого бренду, є лише ідеєю для вашої гіпотези.

Типові помилки

• запуск без базової проблеми та гіпотези;

• одночасне тестування багатьох не пов’язаних змін;

• мала вибірка;

• дострокова зупинка після перших позитивних цифр;

• вибір переможця лише за кліками, коли бізнесу потрібні продажі;

• ігнорування мобільного сегмента;

• різні джерела трафіку нерівномірно потрапляють у варіанти;

• одна людина бачить A, а потім B;

• події GA4 надсилаються двічі або зникають;

• варіант сповільнює сторінку;

• аналіз десятків метрик у пошуку випадкової перемоги;

• впровадження без повторної перевірки після завершення тесту.

Як аналізувати результат

Поставте п’ять запитань:

1. Чи набрана запланована вибірка?

2. Чи досягнуто заздалегідь обраний статистичний критерій?

3. Чи достатній ефект для окупності впровадження?

4. Чи не погіршилися захисні метрики?

5. Чи немає технічної помилки або перекосу між групами?

Потім перевірте ключові сегменти: мобільні й десктопні пристрої, нові й постійні користувачі, основні джерела трафіку. Сегментний результат слід вважати дослідницьким, якщо він не був визначений до запуску і не має достатньої вибірки.

Що робити з переможцем, поразкою та невизначеним результатом

Варіант B переміг: перевірте захисні метрики, впровадьте зміну в основний продукт, повторно перевірте аналітику й спостерігайте за результатом після розгортання.

Контроль переміг: залиште A, задокументуйте висновок і уточніть, чому гіпотеза не спрацювала. Це захистило бізнес від невдалої зміни.

Результат невизначений: не називайте тест провальним. Можливо, ефект менший за MDE, зміна слабка або трафіку недостатньо. Вирішіть, чи варто продовжити за правилами методу, створити сильніший варіант або перейти до іншої гіпотези.

План першого тесту

1. Перевірте, що ключові події GA4 і продажі в CRM вимірюються коректно.

2. Оберіть одну важливу сторінку з достатнім трафіком.

3. Знайдіть найбільше тертя у воронці.

4. Сформуйте 10 гіпотез і оцініть їх за ICE.

5. Виберіть одну основну метрику та дві захисні.

6. Розрахуйте вибірку до розробки варіанта.

7. Підготуйте B і пройдіть QA-чекліст.

8. Запустіть тест із зафіксованими правилами.

9. Збережіть результат у журналі експериментів.

10. Перетворіть висновок на наступну гіпотезу.

Висновок

A/B-тестування — не конкурс двох макетів і не спосіб підтвердити улюблену ідею. Це дисциплінований процес: знайти проблему, сформувати пояснення, визначити метрику, зібрати достатньо даних і прийняти рішення за правилами, встановленими до запуску.

Сильна програма експериментів не обіцяє, що кожен тест переможе. Вона робить зміни сайту менш ризикованими, накопичує знання про аудиторію та допомагає спрямовувати бюджет розробки туди, де він впливає на заявки, продажі й дохід.

Якщо потрібно налаштувати воронку, підготувати гіпотези та технічно запустити тест, BB STUDIO може провести аудит аналітики й розробити експеримент під реальний обсяг трафіку.

Часті питання

Що таке A/B-тестування простими словами?

Це одночасне порівняння двох версій сторінки на випадково розподілених групах користувачів, щоб визначити, яка краще впливає на заздалегідь обрану метрику.

Чи можна провести A/B-тест у Google Analytics 4?

GA4 використовується для збору й аналізу даних експерименту, але для розподілу трафіку та керування варіантами потрібен сторонній інструмент або власна реалізація.

Скільки має тривати тест?

До досягнення запланованої вибірки та критеріїв методу з урахуванням повних бізнес-циклів. Фіксованої тривалості для всіх сайтів не існує.

Який рівень конверсії вважати хорошим?

Універсального числа немає. Порівнюйте сайт із власною базовою конверсією, сегментами, економікою та якістю цільових дій, а не із середнім показником іншої ніші.

Чи варто тестувати колір кнопки?

Лише якщо є докази, що видимість CTA є проблемою, і сайт має достатньо трафіку для виявлення невеликого ефекту. Частіше офер, форма, ціна або структура дають сильніші гіпотези.

Що робити сайту з малим трафіком?

Почати з якісних досліджень, технічних виправлень і аналізу воронки. Тестувати варто великі зміни з потенційно помітним ефектом або накопичити достатню вибірку.