Consellos para probas A / B en experimentos de Google Play

Google Play

Para os desenvolvedores de aplicacións Android, Experimentos de Google Play pode proporcionar información valiosa e axudar a aumentar as instalacións. Realizar unha proba A / B ben deseñada e planificada pode marcar a diferenza entre un usuario que instala a túa aplicación ou a dun competidor. Non obstante, hai moitos casos nos que as probas se executaron incorrectamente. Estes erros poden funcionar contra unha aplicación e prexudicar o seu rendemento.

Aquí tes unha guía para usar Experimentos de Google Play para A proba A / B.

Configuración dun experimento de Google Play

Podes acceder á consola Experiment desde o panel de control da aplicación Google Play Developer Console. Ir a Presenza na tenda á esquerda da pantalla e seleccione Experimentos de fichaxe en tenda. A partir de aí, pode seleccionar "Novo experimento" e configurar a proba.

Hai dous tipos de experimentos que podes realizar: Experimento gráfico predeterminado Experimento localizado. O Experimento gráfico predeterminado só executará probas en rexións co idioma que seleccionou como predeterminado. Localized Experiment, por outra banda, executará a proba en calquera rexión na que estea dispoñible a túa aplicación.

O primeiro permítelle probar elementos creativos como iconas e capturas de pantalla, mentres que o segundo tamén permite probar as súas descricións curtas e longas.

Ao elixir as variantes de proba, teña en conta que cantas máis variantes probe, máis tempo pode levar para obter resultados concretos. Demasiadas variantes poden provocar que as probas necesiten máis tempo e máis tráfico para establecer un intervalo de confianza que determine o posible impacto da conversión.

Comprensión dos resultados do experimento

Mentres executas probas, podes medir os resultados en función de instaladores por primeira vez ou instaladores retidos (un día). Os primeiros instaladores son o total de conversións asociadas á variante, sendo os instaladores retidos os usuarios que mantiveron a aplicación despois do primeiro día.

A consola tamén ofrece información sobre Current (usuarios que teñen a aplicación instalada) e Scaled (cantas instalacións gañaría hipotéticamente se a variante recibise o 100% do tráfico durante o período de proba).

Experimentos de Google Play e probas A / B

O intervalo de confianza do 90% xérase despois de que a proba se executou o tempo suficiente para obter información útil. Mostra unha barra vermella / verde que indica como se adaptarían teoricamente as conversións se a variante se despregase en directo. Se a barra é verde, é un cambio positivo, o vermello se é negativo e / ou as dúas cores significa que podería balance en calquera dirección.

Mellores prácticas a ter en conta para as probas A / B en Google Play

Cando estea a realizar a proba A / B, deberá esperar a que se estableza o intervalo de confianza antes de sacar conclusións. As instalacións por variante poden cambiar ao longo do proceso de proba, polo que, sen realizar a proba o tempo suficiente para establecer un nivel de confianza, as variantes poden ter un rendemento diferente cando se aplican en directo.

Se non hai tráfico suficiente para establecer un intervalo de confianza, pode comparar as tendencias de conversión semana a semana para ver se hai consistencias que xorden.

Tamén quererá facer un seguimento do impacto posterior ao despregamento. Mesmo se o intervalo de confianza afirma que unha variante de proba tería un mellor rendemento, o seu rendemento real aínda podería diferir, especialmente se houbese un intervalo vermello / verde.

Despois de implementar a variante de proba, fíxate nas impresións e observa como se impactan. O verdadeiro impacto pode ser diferente do previsto.

Despois de determinar que variantes funcionan mellor, quererá repetir e actualizar. Parte do obxectivo das probas A / B é atopar novas formas de mellorar. Despois de aprender o que funciona, podes crear novas variantes tendo en conta os resultados.

Experimentos de Google Play e resultados de probas A / B

Por exemplo, cando traballaba con AVIS, Gummicube pasou por varias roldas de probas A / B. Isto axudou a determinar que elementos creativos e mensaxes mellor converteron aos usuarios. Ese enfoque produciu un aumento do 28% nas conversións só das probas gráficas de funcións.

A repetición é importante para o crecemento da túa aplicación. Axúdalle a aumentar continuamente as marcas das conversións a medida que medran os seus esforzos.

Conclusión

As probas A / B poden ser unha boa forma de mellorar a túa aplicación e o teu conxunto Optimización de tendas de aplicacións. Ao configurar a proba, asegúrese de limitar o número de variantes que proba á vez para axilizar os resultados da proba.

Durante a proba, controle como se afectan as súas instalacións e que mostra o intervalo de confianza. Cantos máis usuarios vexan a túa aplicación, mellores son as túas posibilidades de establecer unha tendencia constante que valide os resultados.

Por último, quererá repetir constantemente. Cada iteración pode axudarche a saber o que converte mellor aos usuarios, polo que podes entender mellor como optimizar a túa aplicación e escala. Ao adoptar un enfoque metódico para as probas A / B, un desenvolvedor pode traballar para aumentar a súa aplicación aínda máis.

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.