승자를 찾기 위한 11가지 쉬운 랜딩 페이지 분할 테스트 아이디어 [검증됨]

제품 팀은 더 많은 제품 샷을 원합니다.

영업 팀은 전화 번호, 양식 및 이메일을 원합니다.

법무팀은 양식 내의 조건을 원합니다.

크리에이티브 팀은 비디오 전체 화면을 원합니다.

마케팅 팀은 전환만 원합니다.

우리는 모두 거기에 있었다.

누구나 랜딩 페이지에 무엇이 있어야 하는지에 대한 아이디어가 있습니다. 그들은 무엇이 효과가 있을지 안다고 생각 합니다.

잘못된.

무엇이 가장 효과가 있을지 아무도 모릅니다. 적어도 처음에는 아닙니다. 가끔은 인정하기 민망하지만 사실입니다.

어떻게 알아낼 수 있습니까?

방문 페이지 분할 테스트.

랜딩 페이지를 디지털 마케팅 전략에 통합할 때 얻을 수 있는 가장 큰 이점은 바로 이것입니다. 말 그대로 모든 것을 테스트할 수 있는 용이성은 게임 체인저입니다.

복사, 메시징, 레이아웃, 디자인, 제안, CTA, 양식…

금지된 것은 없습니다.

랜딩 페이지는 마케팅을 위한 과학 실험실과 같습니다. 사용자 행동 데이터를 쉽게 수집하고, 마케팅을 개선할 수 있는 방법에 대해 정보에 입각한 추측을 하고, 이러한 가설을 테스트하여 귀하(또는 제품, 판매 또는 크리에이티브)가 옳았는지 확인하십시오.

결과?

마케팅 캠페인 전환율을 점진적으로 개선합니다. 주머니에 더 많은 돈이 있습니다.

마케팅에 과학적 방법을 적용하는 것과 같은 방문 페이지 분할 테스트를 생각해 보십시오. 결정을 내리기 위해 직감이나 직관에 의존하는 대신 분할 테스트는 경험적 데이터를 제공합니다.

분할 테스트는 전환 최적화에서 추측을 배제합니다.

랜딩 페이지 분할 테스트에 대해 알아야 할 모든 것과 전환율을 높일 수 있는 11가지 효과가 높고 노력이 적게 드는 분할 테스트를 살펴보겠습니다.

방문 페이지 분할 테스트(A/B 테스트라고도 함)는 두 개의 서로 다른 방문 페이지 버전 간에 무작위 트래픽 그룹을 균등하게(50/50) 배포하여 가장 전환이 잘 되는 버전을 찾는 통제된 실험입니다.

전환율 최적화의 기본 원칙 중 하나입니다.

"A/B"라는 용어는 방문 페이지의 두 가지 변형을 나타냅니다. 그리고 "분할"이라는 용어는 트래픽을 두 변형 간에 균등하게 분할하는 것을 의미합니다.

분할 테스트는 한 번에 하나의 방문 페이지 변수 만 테스트합니다. 다변수 실험은 변수 조합을 동시에 테스트합니다.

예를 들어, A/B 분할 테스트는 새로운 제안, 헤드라인, CTA 또는 양식이 원본보다 실적이 더 좋은지 여부를 확인하기 위해 통제된 실험을 수행할 수 있습니다. 그러나 한 번에 아닙니다. 예를 들어 헤드라인을 먼저 테스트한 다음 CTA를 테스트하기 위해 다른 실험을 실행하는 식입니다.

반면에 다변수 테스트는 헤드라인 #1 + CTA #1 + 양식 #1이 동시에 헤드라인 #2 + CTA #2 + 양식 #2보다 더 잘 변환되는지 여부를 측정합니다.

A/B 테스트 랜딩 페이지는 큰 결과로 이어질 수 있는 작은 변화를 평가하는 좋은 방법입니다.

• 데이터: A/B 테스트를 통해 과학이 세상을 지배합니다. 직관, 본능 또는 연공서열(종종 잘못된 경우가 많음)을 기반으로 결정을 내리는 대신 데이터와 실제 사용자 행동을 기반으로 결정을 내릴 수 있습니다.
• 전환: A/B 테스트의 요점은 사용자 경험 가설을 테스트하는 것입니다. 결과적으로 더 많은 전환을 유도하는 성공적인 변형을 찾는 것은 시간 문제일 뿐입니다. 그럼 다른. 그리고 또 다른.
• 사용자 연구: 분할 테스트 랜딩 페이지를 사용하면 웹사이트나 캠페인에서 라이브로 푸시하기 전에 메시징, 포지셔닝 및 제안을 연기 테스트하고 검증할 수 있습니다. 이는 귀중한 사용자 데이터입니다.
• 글로벌 상승도: 좋은 A/B 테스트는 방문 페이지뿐만 아니라 사이트 전체(예: 홈페이지 또는 제품 페이지)를 롤아웃할 수 있는 요소를 테스트합니다. 방문 페이지의 승리는 시간이 지남에 따라 기하급수적인 전체 웹사이트의 승리가 됩니다.
• 돈(ROI): 마지막으로, 고객에 대한 더 나은 이해와 더 많은 전환은 더 낮은 비용으로 더 많은 수익을 창출합니다. 단순한.

방문 페이지 분할 테스트가 제대로 작동하려면 4가지 주요 구성요소가 필요합니다.

1. 가설: 모든 성공적인 분할 테스트는 대상 고객 또는 사용자가 특정 방식으로 수행했다고 생각하는 이유에 대한 증거 기반 가설로 시작됩니다. 분할 테스트는 가설을 검증하거나 무효화합니다.
2. 대조 변형(A) : 대조 변형은 동일하게 유지되는 방문 페이지입니다. A/B 테스트에서 A입니다. 시작하려면 제어 변형이 원래 방문 페이지 디자인입니다. 그러나 여러 A/B 테스트 후에 원래 디자인이 도전자에게 패할 가능성이 높으며 이 경우 도전자는 향후 A/B 테스트의 제어 변형이 됩니다.
3. 도전자 변형(B): 도전자 변형은 가설을 테스트하는 데 사용할 새 버전의 방문 페이지입니다. A/B 테스트에서 B입니다. 변형 A보다 높게 전환되는 경우 챔피언 변형이라고 부를 수 있습니다.
4. 통계적 유의성(신뢰 수준): 가장 중요한 것은 A/B 테스트에서 한 버전이 다른 버전보다 영구적으로 더 높게 전환될 것이라고 자신 있게 예측하려면 통계적으로 유의한 표본 크기가 필요하다는 것입니다. 트래픽이 충분하지 않으면 데이터가 거짓말을 할 수 있습니다. 각 변형을 보려면 얼마나 많은 사람들이 필요합니까? 일반적으로 수천. 통계적 유의성이 있는지 어떻게 알 수 있습니까? 우리는 CXL의 A/B 테스트 계산기를 사용합니다(모든 계산을 대신합니다). 모든 A/B 테스트는 90-95% 신뢰 수준을 목표로 해야 합니다.

분할 테스트는 언제 종료되나요? 그렇지 않습니다. 적어도 그렇게 해서는 안됩니다.

모든 좋은 스플릿 테스트 프로그램은 새로운 챔피언 변형을 적용한 다음 새로운 도전자와 경쟁합니다. 더 높은 전환율을 위해 헹구고 반복하십시오.

예를 들어:

실험 1: 대조 페이지와 대안 A

→ 결과는 변종 A(새로운 CTA)가 대조군 버전을 능가하는 것으로 나타났습니다.

실험 2: 변형 A 대 변형 B

→ 결과는 변형 A가 변형 B를 능가하는 것으로 나타났습니다. 여전히 승자입니다.

실험 3: 대안 A와 페이지 C

→ 결과에 따르면 변형 C가 변형 A보다 실적이 우수함(신규 승자)

등등…

랜딩 페이지에서 무엇을 분할 테스트할 수 있습니까?

말 그대로 아무거나.

A/B 테스트 전략과 관련하여 가장 큰 영향을 미치지만 최소한의 노력이 필요한 변수부터 시작하십시오.

예를 들어 더 나은 제안을 먼저 테스트하기 전에 ROI 계산기를 A/B 테스트하는 것은 이치에 맞지 않습니다.

더 나은 제안은 변경하는 데 몇 분이 걸리지만 잠재적으로 엄청난 전환 증가로 이어질 수 있는 반면 ROI 계산기는 엔지니어링(및 막대한 비용과 리소스)에 몇 주가 걸리고 좋든 나쁘든 알 수 없는 전환 향상으로 이어질 수 있습니다.

그렇다면 높은 영향/낮은 노력 변수는 어떻게 생겼습니까? 11가지 랜딩 페이지 분할 테스트 아이디어가 있습니다.

1. 전환 목표
2. 주의력 비율
3. 메시지 일치
4. 권하다
5. 양식
6. 클릭 유도문안(CTA)
7. 사회적 증거
8. 형세
9. 표제
10. 설계
11. 복사

랜딩 페이지 목표와 관련하여 단 하나의 목표를 위해 노력하십시오.

예를 들어, 주요 전환 목표가 무료 평가판을 늘리는 것이라면 방문자에게 데모 예약, 백서 다운로드, 뉴스레터 구독 또는 영업 담당자에게 문의와 같은 다른 옵션을 제공해서는 안 됩니다.

나는 그것이 항상 그렇게 흑백이 아니라는 것을 이해합니다. 때로는 보조 전환 목표를 제공하는 것이 완벽합니다.

그러나 일반적으로 더 많은 전환 목표를 포함할수록 얻을 수 있는 전환은 줄어듭니다.

실제로 전환 목표를 두 개 이상 추가하면 방문 페이지 전환율을 266%까지 낮출 수 있습니다.

방문 페이지에 여러 목표 또는 제안이 포함된 경우 가장 먼저 할 수 있는 일은 단 하나의 제안으로 방문 페이지 버전을 A/B 테스트하는 것입니다.

GatherContent를 예로 사용하여 두 번째 CTA(데모 예약)를 제거하면 무료 평가판이 증가하는지 여부를 테스트하는 실험을 실행할 수 있습니다.

주의 비율은 전환 목표의 수에 비해 페이지의 링크 수를 나타냅니다.

랜딩 페이지의 경우 관심 비율은 1:1이어야 합니다.

즉, 전환 목표가 하나만 있는 경우 방문 페이지에 링크가 하나만 있어야 합니다.

이는 탐색 메뉴, 소셜 미디어 아이콘, 내부 링크 및 바닥글 링크를 제거하는 것을 의미합니다(물론 법적 용어 및 서비스 링크 제외).

예를 들어, YuppieCheck는 A/B 테스트를 실행하여 탐색 기능을 제거하면 더 많은 판매를 유도할 수 있는지 확인했으며 실제로 전환율이 3%에서 6%로 100% 증가했음을 발견했습니다.

메시지 일치는 광고 및 캠페인의 사본 및 제안을 방문 페이지의 사본 및 제안과 일치시키는 관행을 말합니다.

광고나 캠페인이 약속할 때 방문 페이지는 그 약속을 이행해야 합니다.

너무 자주 방문 페이지와 광고의 스타일, 어조, 메시지 또는 문구가 다르기 때문에 잠재 고객에게 분열된 경험을 제공하고 궁극적으로 이탈은 증가하고 전환은 감소합니다.

반면 강력한 메시지 일치는 광고에서 감사 페이지까지 동일한 약속을 유지합니다.

광고 제목, 혜택, 제안 또는 스타일이 방문 페이지의 제목, 혜택, 제안 또는 스타일과 일치하지 않는 경우 메시지와 더 잘 일치하는 A/B 테스트를 실행하고 전환이 급증하는 것을 확인하세요.

결국 모든 것이 거부할 수 없는 제안에 달려 있습니다.

최고의 카피, 디자인, 레이아웃 또는 헤드라인도 매력적이지 않은 제안을 보상할 수 없습니다.

제안을 변경하면 가장 적은 노력으로 가장 큰 이점을 얻을 수 있습니다.

방문 페이지 제안을 어떻게 A/B 테스트할 수 있습니까?

• 긴급성 추가: 제한된 시간, 제한된 공급, 사전 판매 보너스, 지금 구매/나중에 지불
• 가치 추가: 할인, 무료 평가판, 번들, BOGO, 가격 계층, 무료 배송

예를 들어, Acuity A/B는 기능이 제한된 "평생 무료" 플랜에서 가능한 모든 기능이 포함된 "14일 무료 평가판" PRO 플랜으로 변경하여 제안을 테스트했습니다.

결과는? 유료 가입 268% 증가:

방문 페이지 양식은 모든 방문 페이지 요소에서 가장 많이 연구된 변수 중 하나입니다.

그리고 랜딩 페이지 방문자의 67% 이상이 복잡한 문제가 발생하면 양식을 영원히 포기할 것이라는 점을 고려하면 그럴만한 이유가 있습니다.

젠장, 우리는 랜딩 페이지 양식에 대한 전체 기사를 쓰기도 했습니다. 전환율이 높은 랜딩 페이지 양식을 위한 17가지 핵심 요소 [Proven].

A/B 테스트 랜딩 페이지 양식과 관련하여 다음과 같은 거의 모든 것을 테스트할 수 있습니다.

• 양식 필드 수
• 양식 레이블
• 자리 표시자
• 축소 복사
• 클릭 유도문안 버튼
• 단일 열 대 이중 열
• 수평 또는 수직
• 다단계 양식
• 팝업 대 포함

예를 들어 Arenaturist는 가로 레이아웃에서 세로 레이아웃으로 형태를 변경하면 전환율이 52% 증가한다는 사실을 발견했습니다.

이제 유명한 A/B 테스트에서 Expedia는 체크아웃 양식에서 "회사 이름" 필드를 제거하면 연간 1200만 달러의 전환율이 증가한다는 사실을 발견했습니다.

좋은 랜딩 페이지 CTA는 명확하고 매력적이며 행동 지향적입니다.

"제출" 또는 "보내기"와 같은 모호하고 일반적인 클릭 유도문안 문구를 사용하는 대신 전환율이 높은 CTA는 분명한 이점을 전달합니다.

실제로 혜택이 포함된 CTA 버튼은 옵트인을 15% 증가시키는 것으로 나타났습니다.

복사가 A/B 테스트할 수 있는 유일한 CTA 요소가 아닙니다.

• 버튼 대비: 전환을 늘리는 것은 버튼 색상보다는 색상 대비와 더 관련이 있습니다. 다른 색상 대비를 테스트하여 더 높은 전환율을 확인합니다.
• Affordance: CTA는 실제 버튼처럼 보이나요? 평평하고 평범한? 또는 그림자가 있는 3D?
• 클릭 트리거 : 클릭 트리거는 "CC 필요 없음" 또는 별점과 같이 클릭을 유도하도록 설계된 CTA 버튼 아래 또는 주변의 마이크로카피를 나타냅니다.
• 배치: 스크롤 없이 볼 수 있는 부분 위, 스크롤 없이 볼 수 있는 부분, 헤더 안, 다른 곳?
• CTA 스타일: 밑줄이 그어진 텍스트? 큰 버튼? 작은 버튼? 화살표 아이콘으로? 이메일 아이콘으로?

예를 들어 Unbounce의 이 구식이지만 좋은 A/B 테스트에서 그들은 CTA 버튼 문구에서 한 단어를 변경하면 전환율이 90% 증가한다는 사실을 발견했습니다.

고객의 66%는 사회적 증거가 있으면 구매 가능성이 높아진다고 말했습니다.

리뷰, 평가, 별점, 고객 수, 고객 로고, 신뢰 배지, 사용자 통계…

사회적 증거는 전환의 금과 같습니다. 방문 페이지에 이를 약간 뿌리고 전환이 증가하는 것을 지켜보십시오.

A/B 테스트 랜딩 페이지 사회적 증거와 관련하여 다음을 고려하십시오.

• 배치: 양식, 스크롤 없이 볼 수 있는 부분, 혜택 옆, 클릭 트리거 등
• 수량: 10개의 평가? 100개 이상의 평가를 시도하십시오.
• 다양성: 평가뿐만 아니라 고객 데이터, 사업 기간, 통합 로고, 고객 로고, 신뢰 배지, 보증 등
• 신뢰성: 인식 가능한 클라이언트 로고 또는 소규모 비즈니스 클라이언트 로고
• 품질: 후기나 "확인된 구매자" 태그에 사진과 이름을 추가해 보세요.

예를 들어, medspa 고객 중 하나의 경우 방문 페이지 평가에 절차 이름과 날짜를 추가하면 전환율이 18.7% 증가한다는 사실을 발견했습니다.

방문 페이지 콘텐츠의 구조는 방문자를 전환하는 데 큰 역할을 합니다.

예를 들어 방문 페이지에서 F자형 계층 구조를 사용합니까? 시선 추적 소프트웨어에 따르면 방문자는 자연스럽게 방문 페이지를 왼쪽에서 오른쪽으로, 아래로(F 모양) 읽습니다.

아니면 방문 페이지에서 Z자형 계층 구조를 사용합니까? 시선 추적 소프트웨어는 또한 Z자형 패턴이 단어 수가 적은 방문 페이지에 잘 작동함을 보여주었습니다.

A/B 테스트할 수 있는 다른 방문 페이지 레이아웃 요소는 다음과 같습니다.

• 섹션 순서
• 이미지 배치
• CTA 배치
• 스크롤 없이 볼 수 있는 부분

좋은 랜딩 페이지 헤드라인은 주의를 끌고 명확한 가치 제안을 전달합니다.

직감이나 직감을 사용하여 적어 둔 100가지 중에서 가장 전환이 잘 될 것이라고 생각되는 헤드라인을 선택할 수 있지만 A/B 테스트를 통해서만 고객이 가장 좋아하는 헤드라인을 알 수 있습니다.

KlientBoost는 A/B 테스트 랜딩 페이지 헤드라인을 좋아합니다.

예를 들어, 현재 마케팅 계획 페이지의 헤드라인을 테스트하고 있습니다.

A/B 테스트는 많은 변수가 아닌 단일 변수를 분리하는 실험임을 기억하십시오.

하지만 그렇다고 해서 완전히 다른 두 가지 디자인 스타일을 분할 테스트하면서 나머지는 모두 동일하게 유지하거나 다음과 같은 개별 디자인 요소를 분리할 수 없다는 의미는 아닙니다.

• 색상 팔레트
• 도상학
• 영웅샷
• 커스텀 그래픽
• 사진술
• 스타일(예: 굵은 글꼴 대 얇은 글꼴)

예를 들어, Highrise는 (여성 고객 대 남성 고객 간의) 히어로 샷으로 서로 다른 이미지를 A/B 테스트하면 서로 다른 전환율이 발생한다는 사실을 발견했습니다.

다양한 가치 제안, 메시지, 혜택 또는 클릭 유도문안을 A/B 테스트할 수 있을 뿐만 아니라 A/B 테스트 어조, 작문 스타일 및 형식도 가능합니다. 이 모든 것이 전환에 다르게 기여합니다.

Groove A/B가 방문 페이지 사본을 테스트했을 때(새 사본에 맞게 재설계) 전환율이 2.3%에서 4.7%로 100% 증가했습니다.

효과적인 방문 페이지 분할 테스트를 실행하기 전에 먼저 몇 가지 요구 사항이 필요합니다.

트래픽 양

앞서 언급했듯이 각 방문 페이지에 수백 명의 방문자만 보낼 수 있다면 통계적으로 유의미한 A/B 테스트 결과를 얻지 못할 것입니다. 주머니가 얕거나 도달 범위가 제한된 소규모 브랜드의 경우 A/B 테스트가 작동하지 않을 수 있습니다.

사용자 행동 데이터

모든 효과적인 방문 페이지 A/B 테스트는 가설에서 시작됩니다. 그러나 무엇이 전환을 증가시킬 것이라고 생각하는지에 대한 가설을 세우려면 먼저 그들이 처음부터 왜 고통을 겪고 있는지 알아야 합니다. Google Analytics 데이터로 시작하지만 VWO, HotJar 또는 CrazyEgg 히트맵과 같은 사용성 도구도 살펴보십시오. (추신: 랜딩 페이지 도구에 대한 전체 기사를 작성했습니다.)

A/B 테스트 도구

대부분의 경우 랜딩 페이지 빌더가 A/B 테스트 도구 역할을 합니다. 예: Unbounce, Leadpages 또는 Instapage. 주머니가 더 큰 기업 브랜드의 경우 Optimizely와 같은 도구를 고려할 수 있습니다.

이 세 개의 확인란을 선택했으면 실험을 수행할 차례입니다.

솔직히 그렇게 어렵지 않습니다.

실제로 효과적인 A/B 테스트 프로세스를 13개의 간단한 단계로 나눌 수 있습니다(많은 부분이 이미 검토됨).

️ 문제 영역을 식별하기 위해 기존 데이터와 연구를 사용합니다.

️ 테스트할 영향력이 크고 노력이 적은 변수에 우선 순위를 둡니다(예: ROI 계산기나 도구가 아닌 제안 또는 양식 필드를 먼저 테스트).

️ 한 번에 하나의 독립 변수를 분리하여 테스트하십시오.

️ 테스트할 가설을 세워보세요.

️ 원본("컨트롤")과 경쟁하도록 "도전자" 변형을 디자인합니다.

️ 교정 단계를 반복한 후 도전자를 게시하십시오.

️ 도전자 변종과 대조군 변종 간에 트래픽을 분할(50/50)합니다(두 변종을 동시에 테스트).

️ 전환율 증가 또는 감소 측정

️ 신뢰 수준 계산기(예: CXL의 A/B 테스트 계산기)를 사용하여 통계적 유의성을 확인합니다. 승자를 지정하려면 90-95% 신뢰 수준이 필요합니다.

️ "챔피언" 방문 페이지 변형을 지정합니다.

️ 트래픽의 100%를 새로운 챔피언 변형으로 보냅니다.

️ 다운스트림 메트릭을 마지막으로 측정합니다. 예를 들어 제안을 변경하면 리드가 증가할 수 있지만 리드 품질이 떨어질 수 있습니다(예: 마감된 판매 감소).

️ 다음 분할 테스트를 계획하십시오. 헹구고 반복합니다.

참고: 위의 체크리스트에서 12단계를 충분히 강조할 수 없습니다(다운스트림 측정항목 측정).

후행 지표와 같은 다운스트림 메트릭을 생각해 보십시오. 하나의 변수가 즉각적인 전환(선행 지표)을 증가시킬 수 있지만 리드 품질을 저하시키고 궁극적으로 장기적인 매출 감소 로 이어질 수도 있습니다. 주의를 기울이십시오.

랜딩 페이지 분할 테스트는 마케팅 부서가 데이터 기반 결정을 내리는 데 도움이 됩니다. 그리고 데이터 기반 결정은 항상 직관이나 직감을 능가합니다(적어도 랜딩 페이지 전환에 관해서는).

효과적인 분할 테스트에는 트래픽, 볼륨 및 강력한 가설이 필요합니다.

100명만 본 경우에는 승리한 변형을 자신 있게 지정할 수 없습니다.

그리고 최고의 A/B 분할 테스트는 임의의 요소를 테스트하지 않습니다. 그들은 현재 사용자 행동을 조사하고 더 나은 영향을 미칠 수 있는 방법에 대해 교육받은 추측을 합니다. 그런 다음 그 가설을 테스트하십시오.

행복한 A/B 테스트와 더 높은 전환율을 응원합니다.