Для промоутеров приложений получение достойного рейтинга в App Store требует оптимизации метаданных, отображаемых на страницах вашего приложения, для улучшения видимости и коэффициента конверсии установки. Возможно, вы создали отличную иконку, но здесь нельзя доверять своим инстинктам, и реакция пользователя не всегда так хороша, как вы ожидаете. Вот почему необходимо провести A/B-тестирование, прежде чем в элементы списка будут внесены какие-либо изменения, влияющие на коэффициент конверсии.
Google является пионером в области A/B-тестирования в Интернете. Google интегрирует инструмент A/B-тестирования в консоль Google Play. Здесь вы можете увидеть больше информации о том, как экспериментировать со списками магазинов в Google Play, а также лучшие советы по проведению A/B-тестирования. Google Store недавно объявил об изменениях в мониторинге и конфигурации для экспериментов со списками магазинов, чтобы помочь разработчикам лучше контролировать A/B-тестирование. Специалисты по ASO должны быть в курсе этих новых возможностей и понимать, что они означают.
Какие изменения были внесены в
эксперимент Google Store ? Как это повлияет на анализ статистики, мы предоставим вам подробную справку здесь.
Нажмите "Подробнее", чтобы развивать свой бизнес в области приложений и игр с помощью службы продвижения приложений ASO World прямо сейчас.
Какие новые функции добавлены в Google Play Experiment?
На картинке выше показаны новые возможности эксперимента Google Paly. Важно отметить, что описанные функции пока доступны не всем разработчикам, а для оптимизации страницы вашего магазина в Google Play вам больше не понадобится сторонний калькулятор размера выборки и продолжительности тестирования. Новая конфигурация параметров позволит получить более надежные результаты испытаний на основе доверительных интервалов и минимальных обнаруживаемых эффектов. Кроме того, возможность настройки экспериментальных параметров помогает рассчитать размер выборки и время завершения.
Вы также можете посетить наш предыдущий блог, чтобы узнать о стратегии A/B-тестирования ASO для страницы продукта вашего приложения, например:
Стратегия A/B-тестирования ASO: как повысить конверсию с помощью A/B-тестирования вашего приложения .Зная подробные метрики A/B-тестирования ASO:
- Уровень достоверности
- Эффективность
- Минимальный обнаруживаемый эффект
- Номер варианта, размер выборки и продолжительность испытания
Что мы делаем для развития вашего приложения?
* Растите с помощью наших решений для развития приложений — выберите
"Служба установки ключевого слова" для достижения ТОП-поиска в App Store и максимизируйте трафик вашего приложения. Или нажмите «Продвигать сейчас» выше (чтобы увеличить количество установок приложения для видимости приложения).
*
Что такое служба гарантированного ранжирования по ключевым словам? В чем его преимущество?
Уровень достоверности
Существует важное различие между
доверительным уровнем и
доверительным интервалом . Уверенность показывает, насколько вы уверены в том, что если вы повторите тест, результаты теста будут такими же. Значения уровня достоверности выражаются в процентах (например, уровень достоверности 90 %). В качестве альтернативы, при выполнении проверки гипотезы иногда упоминается уровень значимости, который равен 1 минус уровень достоверности. Например, если доверительный уровень равен 90 %, уровень значимости равен 10 %.
Доверительный интервал — это диапазон результатов, которые, как мы ожидаем, будут иметь истинное значение. Например, доверительный интервал 90 % — это диапазон значений, которые можно определить с вероятностью 90 % и которые содержат истинное среднее значение.
Эффективность
Эффективность — это вероятность принятия правильного решения об отклонении нулевой гипотезы (когда она действительно неверна). Когда достигается более высокая эффективность, вывод о ложности нулевой гипотезы может быть сделан с большей точностью. С другой стороны, когда экспериментальная мощность недостаточна, обычно происходит то, что мы не можем отвергнуть нулевую гипотезу, хотя на самом деле она неверна. Как мы можем избежать этой ошибки и гарантировать, что мы не получим ложноотрицательный результат?
Во-первых, увеличить размер выборки. 15 000 пользователей более надежны, чем 500 пользователей, верно? Во-вторых, уменьшите количество вариантов. В идеале у вас будет контрольный вариант + тестовый вариант. Вы также можете рассмотреть A/B/B-тестирование, которое, по нашему опыту, сводит к минимуму вероятность ложных срабатываний или ложноположительных результатов.
Минимальный обнаруживаемый эффект
В эксперименте MDE — это наименьшее относительное изменение коэффициента конверсии, которое вам нужно обнаружить. Другими словами, это гипотеза, позволяющая контролировать увеличение коэффициента конверсии между версиями и группами вариантов в тесте.
Например, если базовый коэффициент конверсии равен 20 %, а MDE установлен на 10 %, тест обнаружит любое изменение, которое выводит коэффициент конверсии за пределы абсолютного диапазона, который в нашем примере находится между 18 % и 22 % (относительный изменение на 10% означает абсолютное изменение коэффициента конверсии на 2%). В дополнение к этому, чем меньше MDE, тем больше размер выборки, необходимый для достижения значимости.
Номер варианта, размер выборки и продолжительность испытания
Время — деньги в A/B-тестировании, и мы хотим получить результаты теста как можно быстрее (желательно 7-14 дней). Мы также хотим, чтобы наш тест был положительным. Поэтому мы хотим сосредоточиться на планировании, постановке целей, создании надежных предположений и оценке показателей приложения или игры, прежде чем мы начнем экспериментировать. Факторами, в значительной степени влияющими на ход эксперимента, являются количество ежедневных посетителей, размер выборки, базовый коэффициент конверсии и количество вариантов, которые мы хотим протестировать. Все эти факторы могут повлиять на продолжительность теста.
При локальном тестировании, если рынок имеет низкий коэффициент конверсии и недостаточно ежедневных посещений, тест будет продолжать «требовать больше данных» в течение более длительного периода времени или на неопределенный срок. ASOWorld может предоставить вам
службу установки ключевых слов , а также
службу отзывов и рейтингов , которые помогут вашему приложению получить больше впечатлений в магазине приложений и увеличить количество загрузок. Затем вы можете найти подходящую базу пользователей для запуска A/B-тестирования.
Допустим, у нас коэффициент конверсии 19% в стране и в среднем около 600 посетителей в день. По калькулятору нам нужно более 9000 пользователей на вариант и на прохождение теста уходит 22 дня. Этот тест будет проблематичным, верно? Ненужный. Хотя важно иметь хороший коэффициент конверсии и большое количество посетителей при тестировании, иногда вы можете быть удивлены. Несколько раз с нами случалось так, что даже при коэффициенте конверсии около 20% и 1000 посетителей в день эксперимент давал результаты примерно через 14 дней.
Также полезно тестировать большие различия в графических элементах, а не вносить незначительные изменения в определенные элементы. Если ваша платная деятельность активна на рынке, где вы хотите провести A/B-тестирование, вы можете использовать рост аудитории и анализировать органический рост при измерении результатов. В целом, чтобы закончить такие эксперименты, вам не потребуется 22 дня, и вы можете влиять на показатели конверсии, проводя правильные тесты. Это не означает, что вы должны тестировать каждую страну, но если ваш целевой рынок нуждается в улучшении, вы обязательно захотите попробовать.
Рекомендации по A/B-тестированию в Google Play
Однако есть много случаев, когда тесты выполнялись неправильно. Мы обобщили рекомендации по правильному проведению экспериментов со списком приложений в Google Play для повышения конверсии.
- Определите четкую цель
- Ориентируйтесь на нужных людей
- Тестируйте только 1 вариант за раз
- Проверяйте 1 элемент за раз
- Отдавайте предпочтение визуальным элементам над словами
- Не тестируйте по всему миру
- Эксперименты должны охватывать максимально возможную тестовую аудиторию.
- Тестируйте не менее 7 дней, даже если у вас есть выигрышный тест через 24 часа.
- Запуск A/B/B тестов для пометки ложноположительных результатов
- Не применяйте победный тест Google Play на iOS
- Следите за тем, как влияют на ваши установки после применения выигрышного теста
A/B-тестирование — неотъемлемая часть стратегии
оптимизации магазина приложений . Для разработчиков Android Google Play Store List Experiments — важный инструмент для A/B-тестирования списка магазинов. Это свободно. Это позволяет разработчикам проводить хорошо продуманные и хорошо спланированные тесты A/B, чтобы найти наиболее эффективную графику и локализованный текст, которые могут привести к более высокому коэффициенту конверсии и большему количеству загрузок.
*И вы можете посетить наш A/B-тест ASO для обновленной страницы продукта iOS 15:
iOS15: A/B-тестирование страницы вашего продукта .
Лучшая комбинация этих показателей для получения достоверных результатов эксперимента.
В новых экспериментах Google Play, которые вам нужны сейчас, в рамках мастера настройки экспериментов Google вам нужно будет настроить тесты, выбрав несколько параметров:
-
Минимальный обнаруживаемый эффект (MDE) = определяет минимальное «повышение», которое вы хотите принять в качестве фактора при объявлении победителя теста (отвергает нулевую гипотезу, то есть «нет значимой разницы в производительности между вариантами теста)». Чем выше это значение, тем меньше образцов требуется для теста (поскольку тест менее чувствителен и будет обнаруживать только значимые выпуклости, хотя тесты с большей вероятностью придут к заключению, что выпуклости не обнаружены).
-
Уровень достоверности = Вероятно, более известный фактор, который в основном означает, что результат не является вероятностью ошибки, для уровня достоверности 90% результат, который вы получите, будет 1 из 1 из 10 экспериментов как ложноположительный.
-
Экспериментальные цели . Вам нужно выбрать между первой и первой загрузками, зарезервированными для D-1, в качестве метрики, которую вы используете для измерения производительности каждого варианта.
Как ASOWorld может вам помочь?
Новые функции Google Experiments действительно дают вам больше контроля и больше данных для каждого из ваших экспериментов Google. Если вы потратите время на настройку тестов на основе уникальных характеристик производительности вашего приложения/игры, вы сможете запускать тесты, которые должны быть более точными, чем предыдущие версии экспериментов.
Но не каждая маркетинговая команда может постоянно обращаться к хорошим специалистам по данным и статистикам, чтобы помочь с настройкой тестов, а результаты, которые не настраивают параметры теста правильно, почти всегда приводят к неправильным результатам. Если вам нужна помощь, вы можете бесплатно проконсультироваться со специалистом ASOWorld.
Эксперименты Google по-прежнему могут пойти не так. Помимо того, что вы полагаетесь на результаты эксперимента при принятии решений, как вы проверяете, подходят ли ваши метаданные для вашего приложения? Вы можете провести A/B-тестирование, используя новые эксперименты, предлагаемые Google Play, так же, как вы можете попробовать наш
сервис ASO , который может предоставить вам оптимизацию ваших метаданных о снимках экрана, значках, видео, описаниях, заголовках и т. д. , чтобы предоставить вам комплексную стратегию ASO.
Это изменение может повлиять на ASO Google Play, что повлияет на разработку планов доставки для разработчиков. К счастью, эксперты из нашей команды ASOWorld уже активно следят за этим обновлением, поэтому, если вам нужна помощь, обратитесь к нашим экспертам и не забудьте подписаться на наш блог.
Мобильный рост приложений,App Store оптимизация,Алгоритм ранжирования Google Play,
COVID-19 UPDATE 
