11 個簡單的登陸頁面拆分測試想法，以找到獲勝者 [已驗證]

產品團隊想要更多的產品照片。

銷售團隊需要電話號碼、表格和電子郵件。

法律團隊需要表格中的條款。

創意團隊希望他們的視頻全屏顯示。

營銷團隊只想要轉化。

我們都去過那裡。

每個人都知道著陸頁上應該包含什麼。 他們認為他們知道什麼會起作用。

錯誤的。

我們誰也不知道什麼是最有效的。 至少一開始不會。 承認有時很令人沮喪，但這是事實。

那麼你是怎麼想出來的呢？

登陸頁面拆分測試。

毫無疑問，將登錄頁面納入您的數字營銷策略的最大好處。 您可以輕鬆地測試所有內容，這改變了遊戲規則。

複製、消息傳遞、佈局、設計、報價、CTA、表格……

沒有什麼是禁區。

哎呀，登陸頁面就像您營銷的科學實驗室。 輕鬆收集用戶行為數據，對如何改進營銷做出有根據的猜測，並測試這些假設以查看您（或產品、銷售或創意）是否正確。

結果？

逐步提高您的營銷活動轉化率。 AKA 更多的錢在你的口袋裡。

將著陸頁拆分測試想像成將科學方法應用於您的營銷。 拆分測試不是依靠直覺或直覺做出決定，而是為您提供經驗數據。

拆分測試消除了轉換優化中的猜測。

我們將探索您需要了解的有關著陸頁拆分測試的所有信息，以及 11 種高影響力、低工作量的拆分測試，這些測試可以保證提高您的轉化率。

著陸頁拆分測試（也稱為 A/B 測試）是一項對照實驗，它在著陸頁的兩個不同版本之間平均分配一組隨機流量 (50/50)，以發現哪個版本的轉化效果最好。

這是轉化率優化的基本原則之一。

術語“A/B”是指著陸頁的兩種不同變體。 術語“拆分”是指在兩個變體之間平均分配流量。

拆分測試一次只測試一個著陸頁變量。 多變量實驗同時測試變量的組合。

例如，A/B 拆分測試可能會進行受控實驗，以查看新的報價、標題、CTA 或表單是否比原來的表現更好。 但不是一下子。 它會首先測試標題，然後運行不同的實驗來測試 CTA，依此類推。

另一方面，多變量測試將衡量標題#1 + CTA #1 + Form #1 是否同時轉換好於 Headline #2 + CTA #2 + Form #2。

A/B 測試登陸頁面是評估可能導致大結果的小更改的好方法。

• 數據：通過 A/B 測試，科學統治世界。 您可以根據數據和真實的用戶行為做出決策，而不是根據直覺、本能或資歷（通常是錯誤的）做出決策。
• 轉換： A/B 測試的全部意義在於測試您的用戶體驗假設。 因此，找到能夠帶來更多轉化的成功變體只是時間問題。 然後另一個。 還有一個。
• 用戶研究：拆分測試登陸頁面允許您在將它們推送到您的網站或您的活動中之前進行煙霧測試和驗證消息傳遞、定位和優惠 - 非常寶貴的用戶數據。
• 全局提升：一個好的 A/B 測試將測試您可以在整個站點（例如主頁或產品頁面）推出的元素，而不僅僅是在登錄頁面上。 登陸頁面上的勝利成為整個網站的勝利，隨著時間的推移呈指數增長。
• 金錢 (ROI)：最後，更好地了解您的客戶加上更多的轉化率等於以更低的成本獲得更多的收入。 簡單的。

著陸頁拆分測試需要四個關鍵組件才能正常工作：

1. 假設：每個成功的拆分測試都始於一個基於證據的假設，即為什麼您認為您的目標客戶或用戶以某種方式執行。 您的拆分測試將驗證或使您的假設無效。
2. 控制變體 (A) ：您的控制變體是保持不變的著陸頁； 這是 A/B 測試中的 A。 首先，您的控件變體是您的原始著陸頁設計。 但是經過幾次 A/B 測試後，您的原始設計很可能會輸給挑戰者，在這種情況下，挑戰者將成為未來 A/B 測試的控制變體。
3. 挑戰者變體 (B)：挑戰者變體是您將用於測試假設的新版登錄頁面； 這是 A/B 測試中的 B。 如果它的轉化率高於變體 A，則可以將其稱為冠軍變體。
4. 統計顯著性（置信水平）：最重要的是，要讓 A/B 測試自信地預測一個版本的轉化率永遠高於另一個版本，它需要具有統計顯著性的樣本量。 如果沒有足夠的流量，您的數據可能會撒謊。 每個變體需要多少人看？ 通常以數千計。 你怎麼知道你是否有統計意義？ 我們使用 CXL 的 A/B 測試計算器（它會為您完成所有計算）。 所有的 A/B 測試都應該達到 90-95% 的置信水平。

拆分測試什麼時候結束？ 它沒有——至少，它不應該。

每個優秀的拆分測試程序都會穿上新的冠軍變體，然後將其與新的挑戰者對抗。 沖洗並重複您的方式以獲得更高的轉化率。

例如：

實驗 1：控制頁面與變體 A

→ 結果表明，變體 A（新 CTA）優於對照版本。

實驗 2：變體 A 與變體 B

→ 結果顯示變體 A 優於變體 B。仍然是贏家。

實驗 3：變體 A 與頁面 C

→ 結果顯示變體 C 優於變體 A（新贏家）

等等…

您可以在著陸頁上進行哪些拆分測試？

從字面上看任何東西。

當涉及到 A/B 測試策略時，從能夠產生最大影響但需要最少努力的變量開始。

例如，在首先測試更好的報價之前對 ROI 計算器進行 A/B 測試是沒有意義的。

更好的報價將需要幾分鐘的時間來改變，但可能會導致大量的轉換增加，而 ROI 計算器可能需要數週的時間來設計（以及大量的金錢和資源）並導致未知的轉換提升，無論好壞。

那麼高影響/低努力變量是什麼樣的？ 我們有 11 個登陸頁面拆分測試的想法：

1. 轉化目標
2. 關注率
3. 消息匹配
4. 提供
5. 形式
6. 號召性用語 (CTA)
7. 社會證明
8. 佈局
9. 標題
10. 設計
11. 複製

當談到著陸頁目標時，試著只為一個目標而努力。

例如，如果您的主要轉化目標是增加免費試用，那麼您不應向訪問者提供任何其他選項，例如安排演示、下載白皮書、訂閱時事通訊或聯繫銷售人員。

我明白這並不總是那麼非黑即白。 有時，提供次要轉換目標非常有意義。

但總的來說，您包含的轉化目標越多，您獲得的轉化次數就越少。

事實上，添加多個轉化目標可以將著陸頁轉化率降低 266%。

如果您的目標網頁包含多個目標或優惠，您可以做的第一件事是 A/B 測試只有一個優惠的目標網頁版本。

以 GatherContent 為例，他們可以運行一個實驗來測試刪除他們的第二個 CTA（預訂演示）是否會增加免費試用：

關注率是指頁面上的鏈接數量與轉化目標數量的比較。

對於目標網頁，您的注意力比例應為 1:1。

換句話說，如果您只有一個轉化目標，那麼著陸頁上應該只有一個鏈接。

這意味著刪除導航菜單、社交媒體圖標、內部鏈接和頁腳鍊接（當然，法律術語和服務鏈接除外）。

例如，當 YuppieCheck 運行 A/B 測試以查看刪除導航是否會推動更多銷售時，他們發現它實際上將轉化率提高了 100%（從 3% 到 6%）：

消息匹配是指將廣告和廣告系列的文案和報價與著陸頁上的文案和報價相匹配的做法。

當廣告或廣告系列做出承諾時，您的目標網頁需要兌現該承諾。

登陸頁面和廣告在風格、語氣、信息或措辭上經常存在差異，從而導致潛在客戶體驗破裂——最終導致更多的反彈和更少的轉化。

另一方面，強大的信息匹配會保持從廣告到感謝頁面的相同承諾。

如果您的廣告標題、優勢、優惠或樣式與著陸頁的標題、優勢、優惠或樣式不匹配，請運行更符合您的信息的 A/B 測試（並觀察您的轉化率跳躍）。

歸根結底，一切都取決於不可抗拒的報價。

即使是最好的文案、設計、佈局或標題也無法彌補不吸引人的報價。

更改您的報價以最少的努力提供最大的好處。

您如何 A/B 測試您的著陸頁優惠？

• 加急：限時、限貨、預售紅利、先買/後付
• 增值：折扣、免費試用、捆綁包、BOGO、定價層、免費送貨

例如，Acuity A/B 通過將其從具有有限功能的“終身免費”計劃更改為具有所有可能功能的“14 天免費試用”PRO 計劃來測試他們的報價。

結果？ 付費註冊增加了 268%：

著陸頁表單是任何著陸頁元素中研究最多的變量之一。

並且有充分的理由，考慮到超過 67% 的登陸頁面訪問者如果遇到任何復雜情況會永遠放棄您的表單。

哎呀，我們甚至寫了一篇關於登陸頁面表單的整篇文章：高轉換登陸頁面表單的 17 個關鍵元素 [已驗證]。

當談到 A/B 測試登陸頁面表單時，您幾乎可以測試任何東西：

• 表單域數
• 表單標籤
• 佔位符
• 顯微鏡
• 號召性用語按鈕
• 單列與雙列
• 水平或垂直
• 多步驟表格
• 彈出與嵌入

例如，Arenaturist 發現將其形式從水平佈局更改為垂直佈局可提高 52% 的轉化率：

在現在著名的 A/B 測試中，Expedia 發現從結帳表單中刪除“公司名稱”字段可以將轉化率提高到 1200 萬美元/年。

一個好的著陸頁 CTA 清晰、引人注目且以行動為導向。

與使用“提交”或“發送”等模糊、通用的號召性用語副本不同，高轉化率的 CTA 傳達了明顯的好處。

事實上，包含好處的 CTA 按鈕已被證明可以增加 15% 的選擇加入。

Copy 不是您可以進行 A/B 測試的唯一 CTA 元素：

• 按鈕對比度：增加轉化次數與按鈕顏色的關係不大，而與顏色對比度有關。 測試不同的顏色對比，看看哪個轉化率更高。
• Affordance：你的 CTA 看起來像一個真正的按鈕有多少？ 平淡無奇？ 還是帶有陰影的 3D？
• 點擊觸發器：點擊觸發器是指 CTA 按鈕下方或周圍的縮微副本，旨在吸引點擊，例如“無需 CC”或星級。
• 放置：首屏上方、首屏下方、頁眉中、其他地方？
• CTA 樣式：帶下劃線的文本？ 大按鈕？ 小按鈕？ 帶箭頭圖標？ 帶有電子郵件圖標？

例如，在 Unbounce 的這個古老但很好的 A/B 測試中，他們發現在 CTA 按鈕副本中更改一個單詞會使轉化率提高 90%：

66% 的客戶表示，社會證明的存在增加了他們購買的可能性。

評論、推薦、星級評分、客戶數量、客戶徽標、信任徽章、用戶統計...

社會證明就像轉化金：在你的著陸頁上撒一點，看著你的轉化率上升。

當談到 A/B 測試登陸頁面社交證明時，請考慮以下幾點：

• 展示位置：在您的表單上、首屏、福利旁邊、作為點擊觸發器等。
• 數量： 10 個推薦？ 嘗試 100 多個推薦。
• 多樣性：不僅僅是推薦，還有客戶數據、業務年限、集成徽標、客戶徽標、信任徽章、背書等。
• 可信度：可識別的客戶徽標或小型企業客戶徽標
• 質量：嘗試將照片和姓名添加到推薦書或“經過驗證的買家”標籤中

例如，對於我們的一位 medspa 客戶，我們發現在他們的登陸頁面推薦中添加程序名稱和日期可以將轉化率提高 18.7%。

登陸頁面內容的結構在轉換訪​​問者方面起著重要作用。

例如，您的目標網頁是否使用 F 形層次結構？ 根據眼動追踪軟件，您的訪問者會自然地從左到右並從左到右（呈 F 形）閱讀您的目標網頁。

還是您的目標網頁使用 Z 形層次結構？ 眼動追踪軟件還表明，Z 形圖案適用於字數較少的著陸頁。

您可以進行 A/B 測試的其他著陸頁佈局元素包括：

• 部分順序
• 圖像放置
• CTA 展示位置
• 首屏之上

一個好的著陸頁標題會吸引註意力並傳達明確的價值主張。

您可以使用直覺或直覺從您寫下的 100 個標題中選擇您認為轉換效果最好的標題，但只有 A/B 測試才能揭示您的客戶最喜歡哪個標題。

在 KlientBoost，我們喜歡 A/B 測試登陸頁面的標題。

例如，我們目前正在測試我們的營銷計劃頁面的標題。

請記住，A/B 測試是隔離單個變量而不是多個變量的實驗。

但這並不意味著您不能拆分測試兩種完全不同的設計風格，同時保持其他一切相同或隔離單獨的設計元素，例如：

• 調色板
• 圖像學
• 英雄射擊
• 自定義圖形
• 攝影
• 樣式（例如粗體字體與細字體）

例如，Highrise 發現 A/B 測試不同的圖像作為他們的英雄鏡頭（女性和男性客戶之間）會導致不同的轉化率：

您不僅可以 A/B 測試不同的價值主張、信息、利益或號召性用語，還可以 A/B 測試語氣、寫作風格和格式——所有這些對轉化的貢獻都不同。

當 Groove A/B 測試他們的著陸頁副本（加上重新設計以適應新副本）時，他們將轉化率提高了 100%，從 2.3% 提高到 4.7%。

在您可以運行有效的著陸頁拆分測試之前，您首先需要一些先決條件：

交通量

正如我們前面提到的，如果您只能向每個著陸頁發送數百名訪問者，您將不會獲得具有統計意義的 A/B 測試結果。 對於財力雄厚或影響力有限的小品牌，A/B 測試可能不起作用。

用戶行為數據

所有有效的著陸頁 A/B 測試都以假設開始。 但是，要提出一個關於您認為會增加轉化率的假設，首先，您需要知道他們為什麼會受苦。 從 Google Analytics（分析）數據開始，同時探索 VWO、HotJar 或 CrazyEgg 熱圖等可用性工具。 （PS 我們寫了一篇關於登陸頁面工具的整篇文章。）

A/B 測試工具

對於大多數人來說，您的登錄頁面構建器將充當您的 A/B 測試工具。 例如，Unbounce、Leadpages 或 Instapage。 對於財力雄厚的企業品牌，您可能需要考慮使用 Optimizely 之類的工具。

選中這三個框後，就可以進行實驗了。

老實說，這並不難。

事實上，您可以將一個有效的 A/B 測試過程分解為 13 個簡單的步驟（其中許多我們已經回顧過）。

️ 使用現有數據和研究來確定問題領域。

️ 優先考慮高影響、低工作量的變量進行測試（例如，首先測試報價或表單字段，而不是 ROI 計算器或工具）。

️ 一次隔離一個自變量進行測試。

️ 制定一個您將接受測試的假設。

️ 設計“挑戰者”變體與原版（“控制”）競爭

️ 重複校對步驟，然後發布挑戰者

️ 在挑戰者變體和控制變體之間拆分流量 (50/50)（同時測試兩個變體）。

️ 衡量轉化率的增加或減少

️ 使用置信度計算器驗證統計顯著性（例如：CXL 的 A/B 測試計算器）。 需要 90-95% 的置信度來指定獲勝者。

️ 指定一個“冠軍”登陸頁面變體。

️ 將 100% 的流量發送到新的冠軍變體。

️ 最後測量下游指標。 例如，更改報價可能會增加潛在客戶，但潛在客戶質量可能會下降（即減少已完成的銷售）。

️ 計劃下一次拆分測試。 沖洗並重複。

注意：我不能充分強調上述清單中的第 12 步（測量下游指標）。

想想下游指標，如滯後指標。 儘管一個變量可能會增加即時轉化率（領先指標），但它也可能會降低潛在客戶質量，並最終導致長期銷售額下降。 注意。

登陸頁面拆分測試可幫助您的營銷部門做出數據驅動的決策。 數據驅動的決策每次都超越直覺或直覺（至少在著陸頁轉換方面）。

請記住，有效的拆分測試需要流量、數量和強有力的假設。

如果只有 100 人看過，你就不能自信地指定一個獲勝的變體。

最好的 A/B 拆分測試不會測試任意元素； 他們研究當前的用戶行為，並對如何更好地影響它做出有根據的猜測。 然後檢驗這個假設。

快樂的 A/B 測試，並為更高的轉化率歡呼。