اختبار ترتيب المنتجات على جدول التسعير

يمكن أن تكون صفحات التسعير التي نجدها على الإنترنت متنوعة جدًا وأصلية ، ولكنها تشترك في هدف مشترك: بيع المنتجات والخدمات بأكثر الطرق فعالية ممكنة.

سنتحدث اليوم عن صفحات التسعير وجداول التسعير الخاصة بها على وجه الخصوص. هذه هي الكتل التي تعرض المنتجات أو الخدمات المختلفة المعروضة للبيع مع أسعارها وتفاصيلها. أنا متأكد من أنك رأيتها من جميع الأنواع: أكثر إيجازًا ، وأكثر تفصيلاً ، بتصميم أكثر أو أقل. وربما توافق على أن أهميتها حيوية للأعمال التجارية عبر الإنترنت.

نظرًا لأنه عنصر وثيق الصلة ، فمن الحاسم حقًا مراقبة درجة فعاليته. نحن بحاجة إلى فهم مدى نجاحهم في العمل. وبالطبع ، يعد الاختبار المستمر للتغييرات في طريقة عرض صفحاتنا هو أفضل ما يمكننا فعله لمعرفة ما إذا كان بإمكاننا تحسين عدد المبيعات التي نحصل عليها.

في هذه المقالة سنرى بالتفصيل حالة صفحة التسعير الخاصة بنا لاختبار Nelio A / B. وعلى وجه التحديد ، سنستكشف تغييرًا سهلًا للغاية لتطبيقه في جدول الأسعار قد يجعلنا نحسن (أو لا) مبيعاتنا.

تغيير ترتيب المنتجات

عادةً ما يعرض جدول الأسعار الموجود على صفحة الويب المنتجات في عدة أعمدة. في كل منها نرى تفاصيل المنتج جنبًا إلى جنب مع خصائصه الأكثر صلة ، وبالطبع سعره.

يتم ترتيب جداول التسعير بحيث يظهر أرخص منتج في العمود الأول ويتم ترتيب المنتجات التالية بحيث يرتفع سعرها. لكن هذا قد لا يكون دائمًا على هذا النحو.

في حالة ما إذا كنا سنناقش اليوم جدول المنتجات الخاص بنا يتبع هذا الترتيب ، لكننا نريد اختبار ما إذا كان تغيير ترتيب المنتجات سيحصل على المزيد من الاهتمام من خلال تغيير ترتيب المنتجات. أدناه لديك مقارنة توضح النسختين المراد اختبارهما:

إذا قمت بتحريك الحاجز أعلى اليسار أو اليمين ، فسترى التغييرات في ترتيب المنتجات. في الأصل ، كما قلنا سابقًا ، تنتقل هذه الأسعار من الأرخص إلى الأغلى ثمناً ، لكننا سنغيرها لنرى ما إذا كانت المنتجات الأغلى تتلقى نقرات أكثر.

يمكننا قياس المبيعات بشكل مباشر ، لكننا فضلنا التركيز على التحويل الجزئي للنقر على زر الاشتراك. عندما لا يحتوي موقع الويب الخاص بك على حركة مرور ضخمة ، ركز على تحسين التحويلات الصغيرة التي يمكن أن تمنحك معرفة أسرع وتحسينًا محتملاً يسهل فهمه وتطبيقه.

نظرًا لأن موقعنا تم تطويره بالكامل في WordPress ، فإن ما سنفعله هو اختبار A / B باستخدام اختبار Nelio A / B لتحليل المتغيرين لترتيب المنتجات في جدول الأسعار.

تم إنشاء موقعنا بالكامل باستخدام كتل Gutenberg. معظمها عبارة عن كتل شائعة تأتي بالفعل افتراضيًا في المحرر ، لكننا أنشأنا أيضًا بعض الكتل الإضافية لتغطية الاحتياجات الخاصة لموقعنا على الويب.

ومع ذلك ، في صفحة تسعير اختبار Nelio A / B ، فإن الكتلة الأولى مع جدول التسعير ليست كتلة. كونها معقدة للغاية ، ولأننا لا نغيرها بشكل متكرر ، فقد حافظنا عليها كما كانت قبل ظهور Gutenberg في حياتنا: تم تعريفها في قالب صفحة خاص داخل موضوعنا. رمز تراث ، حبيبي!

يحتوي هذا القالب على الكتلة الأولى المحددة في PHP + HTML + JS + CSS ، ثم يأخذ محتوى الصفحة (الذي تم تعريفه باستخدام كتل Gutenberg) ويعرضه أدناه.

في هذه الحالة ، لتحديد المتغير في اختبار A / B ، يجب علينا أولاً نسخ قالب الصفحة في السمة الخاصة بنا وتغيير ترتيب المنتجات مباشرةً في ملف PHP. بمعنى آخر ، نقوم بإنشاء نموذج جديد ، نسخة من النموذج السابق ، ونقوم بتغيير ترتيب المنتجات. يبدو الأمر معقدًا إلى حد ما ، لكنه في النهاية مجرد تغيير بسيط في ترتيب كتلتين من كود PHP / HTML.

في لقطة الشاشة أعلاه ، يمكنك رؤية تعريف اختبار A / B الذي أنشأناه. يحتوي النموذج الأصلي ، المسمى "[Compat] Testing Pricing 2020" ، على ترتيب المنتج الافتراضي ، أي أرخص خطة أولاً ، ثم الخطة الوسيطة ، وأخيراً الخطة الأغلى تكلفة.

كمتغير اخترنا القالب الذي أنشأناه للتو. أطلقنا على هذا النموذج الجديد "[Compat] Testing Pricing 2020 (Alternative Order)" ويظهر المنتج الأغلى ثمناً أولاً ، ثم الوسيط ، وأخيراً الأرخص.

يسمح لك Nelio A / B Testing بإجراء اختبار A / B للقوالب. يكتشف القوالب المحددة في المظهر الخاص بك وعندما تقوم بإنشاء الاختبار ، يمكنك تحديد إصدار التحكم ومتغيراته. إذا كانت الصفحة تستخدم نموذجًا يتم اختباره ، فإن Nelio A / B Testing يعرض للزائرين هذا النموذج أو المتغيرات من الاختبار لمعرفة أيهما يعمل بشكل أفضل وفقًا لأهداف التحويل المحددة.

في حالتنا ، كما ترى في الجزء السفلي من لقطة الشاشة السابقة ، لدينا 4 أهداف تحويل محددة. سيتيح لنا ذلك دراسة نتائج الاختبار من 4 وجهات نظر مختلفة:

1. ما هي نسبة النقر إلى الظهور التي تتلقاها الحزمة الأساسية (الأرخص).
2. ما هي نسبة النقر إلى الظهور التي تتلقاها الحزمة الاحترافية (السعر المتوسط).
3. ما هي نسبة النقر إلى الظهور التي تتلقاها حزمة المؤسسة (الأغلى ثمناً).
4. ما هي نسبة النقر إلى الظهور التي يتلقاها أي زر اشتراك.

فرضيتنا التي يجب اختبارها هي أنه من خلال تغيير ترتيب المنتجات ، ستحصل المنتجات الأكثر تكلفة على نقرات أكثر عندما تظهر أولاً (اعتدنا على القراءة من اليسار إلى اليمين). إذا كان الأمر كذلك ، فقد يكون لدينا المزيد من مبيعات هذه المنتجات ، وبالتالي زيادة عائداتنا.

تحليل النتائج

لقد أجرينا اختبار A / B قيد التشغيل لمدة شهرين تقريبًا. في ذلك الوقت ، تم تحليل سلوك أكثر من 1600 زائر. يمكنك ان ترى النتائج اسفل:

كما ترى ، بالنسبة للهدف الذي يقيس النقرات على أي خطة في جدول التسعير ، فإن النتائج ليست قاطعة. على الرغم من أن النموذج ذو الترتيب العكسي (أغلى الأسعار المعروضة أولاً) يحتوي على معدل تحويل أعلى إلى حد ما ، فإن الاختلافات ضئيلة للغاية بحيث لا يمكن الحصول على نتائج بثقة إحصائية كافية لاختيار أحد الإصدارات كفائز.

لذلك ، نحن نواجه رسمًا تقنيًا من وجهة نظر إحصائية. لم يتمكن أي من الإصدارين من إثبات نفسه باعتباره الإصدار الذي يجذب المزيد من النقرات.

دعنا الآن نلقي نظرة على نتائج النقرات للحصول على أرخص منتج ، الخطة الأساسية لـ Nelio A / B Testing :

في لقطة الشاشة أعلاه ، ترى أنه في هذه الحالة ، يؤدي عرض المنتج الأرخص أولاً إلى المزيد من النقرات على هذا المنتج أكثر مما لو نقلناه إلى العمود الأخير (العمود الموجود على اليمين) من جدول الأسعار.

يحقق متغير الترتيب العكسي معدل نقر يزيد بنسبة 26٪ عن نسخة التحكم. ومع ذلك ، فإن الثقة الإحصائية ، على الرغم من ارتفاعها (أكثر من 80٪) ، لا تسمح لنا بالتأكد بما يكفي من أننا أمام خيار فائز واضح.

دعنا الآن نلقي نظرة على الحالة من منظور النقر إلى الخطة الاحترافية (تلك ذات السعر المتوسط):

في هذه الحالة ، لا يغير المخطط ترتيب ظهوره في الجدول لأنه يظل في المركز في كلا المتغيرين. ما التغييرات هو ترتيب الخطط المصاحبة لها. اكتشفنا هنا أنه عندما تكون الخطة التي تظهر أولاً في الجدول هي الأغلى ثمناً ، فإن الخطة الوسيطة تتلقى أكثر من 50٪ تحسنًا في نسبة النقر إلى الظهور.

إنها حالة واضحة لكيفية عمل عقولنا. نرى الخطة الأولى ويبدو أنها باهظة الثمن ، ولكن بالطبع ، قد لا تبدو أرخصها جيدة بالنسبة لنا. في هذه الحالة نميل إلى تفضيل الخطة المتوسطة. علم النفس البشري الأساسي.

ومع ذلك ، يخبرنا المكون الإحصائي للاختبار مرة أخرى أن الثقة ليست حاسمة بما يكفي أيضًا: تزيد قليلاً عن 80٪. نتمنى لو وجدنا قيمة أعلى ، أعلى من 90٪ على الأقل. لكن الأمر ليس كذلك.

دعنا الآن نلقي نظرة على الحالة من وجهة نظر الحزمة الأغلى ثمناً ، خطة المؤسسة :

من الواضح أن النتائج منطقية. إذا وضعناها أولاً ، فإن الخطة الأغلى تجذب المزيد من الاهتمام. على وجه التحديد ، فقد تحسن بنسبة 22٪ تقريبًا في نسبة النقر إلى الظهور. لكن في هذه الحالة ، نواجه معدلات تحويل متشابهة جدًا بين المتغيرات بحيث لا يمكن للإحصاءات أن تضمن أن أحد الإصدارات أفضل حقًا من الآخر.

الاستنتاجات

لقد كان من المثير للاهتمام أن نرى كيف يمكن للتغيير البسيط في الترتيب الذي نعرض به المنتجات وأسعارها في الجدول أن يكون له تأثير على سلوك الزائر.

ومع ذلك ، لم يتمكن الاختبار من إعطائنا قيم ثقة إحصائية عالية بما يكفي للمغامرة بتطبيق المتغير الذي تظهر فيه المنتجات بترتيب تنازلي للسعر كخيار نهائي.

في الوقت الحالي ، لن نجري أي تغييرات في ترتيب المنتجات داخل الجدول ، ولكن من المحتمل جدًا أن نكرر هذا الاختبار في المستقبل للتحقق من صحة الفرضية أو دحضها.

كما ترى ، هناك أوقات تثير فيها نتائج اختبار A / B شكوكًا أكثر من تلك التي تحل مشكلتك. لكن المهم هنا هو المعرفة التي نحصل عليها والتفكير في هذه النتائج. إنها الطريقة الوحيدة للتحسين والتنقل في الاتجاه الصحيح.

عند الاطلاع على هذه المعلومات ، هل كنت ستجري أي تغييرات في جدول الأسعار؟ التعليق أدناه مع رأيك حول هذا الموضوع. سأكون سعيدا لقراءة أفكارك حول هذا الموضوع.

صورة مميزة بواسطة Micheile Henderson على Unsplash.