Analytics och testning

Tips för A / B-test på Google Play-experiment

För Android-apputvecklare, Google Play-experiment kan ge värdefull insikt och öka installationen. Att köra ett väldesignat och välplanerat A / B-test kan göra skillnaden mellan att en användare installerar din app eller en konkurrent. Det finns dock många fall där test har körts felaktigt. Dessa misstag kan fungera mot en app och skada dess prestanda.

Här är en guide för användning Google Play-experiment för A / B-testning.

Ställa in ett Google Play-experiment

Du kan komma åt experimentkonsolen från app-instrumentpanelen för Google Play Developer Console. Gå till Lagra närvaro på skärmens vänstra sida och välj Experiment med butiksuppgifter. Därifrån kan du välja "Nytt experiment" och ställa in ditt test.

Det finns två typer av experiment du kan köra: Standardgrafikexperiment och Lokaliserat experiment. Standardgrafikexperiment kör bara tester i regioner med det språk du valt som standard. Lokaliserat experiment, å andra sidan, kommer att köra ditt test i vilken region som din app finns i.

Det förstnämnda låter dig testa kreativa element som ikoner och skärmdumpar, medan det senare låter dig testa dina korta och långa beskrivningar.

När du väljer dina testvarianter, kom ihåg att ju fler varianter du testar desto längre tid kan det ta för att få handlingsbara resultat. För många varianter kan resultera i att testerna behöver mer tid och trafik för att skapa ett konfidensintervall som avgör möjlig omvandlingseffekt.

Förstå experimentresultaten

När du kör tester kan du mäta resultaten baserat på First Time Installers eller Retained Installers (One Day). Första gången installatörer är de totala konverteringarna kopplade till varianten, med behållna installatörer som användare som behöll appen efter den första dagen.

Konsolen ger också information om aktuell (användare som har appen installerad) och skalad (hur många installationer du hypotetiskt skulle ha fått om varianten fick 100% av trafiken under testperioden).

Google Play-experiment och A / B-testning

Konfidensintervallet på 90% genereras efter att testet har körts tillräckligt länge för att få handlingsbar insikt. Den visar en röd / grön stapel som anger hur konverteringar teoretiskt skulle justeras om varianten distribuerades live. Om fältet är grönt är det ett positivt skift, rött om det är negativt, och / eller båda färgerna betyder att det kan svänga i båda riktningarna.

Bästa metoder att tänka på för A / B-test i Google Play

När du kör ditt A / B-test vill du vänta tills konfidensintervallet är fastställt innan du gör några slutsatser. Installationer per variant kan förskjutas under hela testprocessen, så utan att testet körs tillräckligt länge för att skapa en nivå av förtroende kan varianterna fungera annorlunda när de tillämpas live.

Om det inte finns tillräckligt med trafik för att skapa ett konfidensintervall kan du jämföra omvandlingstrender varje vecka för att se om det finns några konsekvenser.

Du vill också spåra påverkan efter utplacering. Även om konfidensintervallet anger att en testvariant skulle ha presterat bättre kan dess faktiska prestanda fortfarande skilja sig, särskilt om det fanns ett rött / grönt intervall.

Efter att ha distribuerat testvarianten, håll koll på intryck och se hur de påverkas. Den verkliga effekten kan vara annorlunda än förutsagt.

När du har bestämt vilka varianter som fungerar bäst vill du itera och uppdatera. En del av målet med A / B-testning är att hitta nya sätt att förbättra. När du har lärt dig vad som fungerar kan du skapa nya varianter med tanke på resultaten.

Google Play-experiment och A / B-testresultat

Till exempel när Gummicube arbetade med AVIS genomgick flera omgångar A / B-test. Detta hjälpte till att avgöra vilka kreativa element och meddelanden som bäst konverterade användare. Detta tillvägagångssätt gav en 28% ökning i konverteringar från enbart grafiska funktionstester.

Iteration är viktigt för din apps tillväxt. Det hjälper dig att ständigt skruva upp ratten på dina omvandlingar när dina ansträngningar växer.

Slutsats

A / B-testning kan vara ett bra sätt att förbättra din app och din totala App Store-optimering. När du ställer in ditt test, se till att du begränsar antalet varianter du testar samtidigt för att påskynda testresultaten.

Under testet, övervaka hur dina installationer påverkas och vad Confidence Interval visar. Ju fler användare som ser din app, desto bättre är dina chanser att skapa en konsekvent trend som validerar resultaten.

Slutligen vill du ständigt itera. Varje iteration kan hjälpa dig att lära dig vad som omvandlar användare bäst, så att du bättre kan förstå hur du optimerar din app och skala. Genom att ta en metodisk metod för A / B-testning kan en utvecklare arbeta för att öka sin app ytterligare.

David Bell

Dave Bell är en entreprenör och erkänd pionjär inom mobilunderhållning och distribution av digitalt innehåll. Dave är medgrundare och VD för Gummicube - den ledande globala leverantören av data, teknik och tjänster för App Store Optimization.

Vad tror du?

Den här sidan använder Akismet för att minska spam. Läs om hur din kommentardata behandlas.

Relaterade artiklar