屏幕截图 A/B 测试终极指南

Liza Knotko 作者 

1 分钟阅读

订阅我们的每月简报

探索这份适用于您的应用或游戏的永不失败的 A/B 测试策略分步指南。

这是一篇由 SplitMetrics 的内容营销经理 Liza 撰写的客座博客。


为什么 A/B 测试对于应用商店优化必不可少?

一旦移动发行商听说应用商店优化 (ASO),首先想到的就是商店元数据优化。当然,关键词、应用名称、副标题等对于应用在商店中的可见性至关重要。然而,精明的营销人员知道,文本元素的影响绝不应低估产品页面视觉元素的重要性,尤其是在涉及转化增长时。

毕竟,数千次 SplitMetrics 测试已证明,不到 2% 的应用商店访问者会点击“阅读更多”按钮。事实上,我们倾向于忽略冗长的文本,转而青睐视觉信息,我们在主要应用商店中的行为也不例外。

考虑到应用屏幕截图占据了商店产品页面的重要组成部分,它们往往会吸引用户的大部分注意力。这就是为什么优化屏幕截图比其他商店页面元素更能大幅提升您的应用转化。

然而,在应用商店中随意更改屏幕截图并立即期待惊人结果是徒劳的。事实是,您永远不知道什么会奏效,什么会损害您的应用表现。这就是为什么在应用商店优化中,A/B 测试是必不可少的

ab-testing-1.png.jpg

图片来源:SplitMetrics

A/B 测试分流测试是一种假设验证方法。在此类测试中会比较两个变体,结果有助于找出表现最佳的选项。一方面,A/B 测试背后有简单的机制,但另一方面,其过程并非看起来那么简单。

一旦您决定使用 A/B 测试来完善您的应用元数据元素,您应采取以下所有步骤,以确保获得真正产生影响的可靠结果。

查看这份应用商店优化中 A/B 测试的新手指南

以下是任何高质量 A/B 测试策略的核心要素:

  1. 分析和变体头脑风暴
  2. 屏幕截图设计
  3. 运行您的 A/B 实验
  4. 结果评估
  5. 结果实施和后续实验

让我们详细阐述这份永不失败的 A/B 测试策略的每个步骤。

A/B 测试前分析与变体头脑风暴

您首先应该记住的是,任何 A/B 测试活动如果缺乏坚实的假设,都注定失败。为了分流测试而进行分流测试毫无意义。因此,首先,您应该提出一个值得验证的屏幕截图想法。

想知道从何获取此类想法吗?答案很简单——研究。将主要应用商店视为橱窗,确定您的应用类别和整个商店中的最佳屏幕截图实践。不言而喻,您首先应以行业领导者为榜样。

在识别有关应用商店屏幕截图的最新趋势时,是时候优先考虑想法并详细阐述测试假设了。思考如何体现最佳应用商店屏幕截图实践。以下是一些值得测试的假设:

  • 如果我更改屏幕截图的方向,我的应用将获得更多安装量。例如,Rovio 测试了垂直屏幕截图与水平屏幕截图。结果是,纵向方向获胜,愤怒的小鸟 2 的转化率增加了 13%;

ab-testing-2.png.jpg

图片来源:SplitMetrics

  • 如果屏幕截图能突出价值和优势,而不仅仅是应用的功能,用户将更频繁地安装我的应用;
  • 使用所有可用的屏幕截图将有利于我的应用转化;
  • 使用社会认同(用户评价、媒体提及和奖项)将使我的应用对应用商店访问者更具吸引力;
  • 如果我在第一个屏幕截图中体现我的应用最新功能,我的应用转化将增长。

ab-testing-3.png

图片来源:Apple

仅仅研究竞争对手的产品页面是绝对不够的。

  • 您应该对市场有清晰的市场洞察
  • 对目标受众的深入分析是您的 A/B 测试成功的另一个要素。您应该了解您的理想用户——他们的年龄、性别、兴趣等。
  • 流量来源的资格鉴定是此分析阶段的另一项重要活动

此步骤还涉及目标设定和选择您计划启动的实验类型。它可能是在您的产品页面上测试屏幕截图,或在搜索结果和类别搜索的背景下进行测试。第一种实验类型将有助于提升您的产品页面的整体转化,而后者将显示您的屏幕截图在竞争对手旁边的表现。

阅读这些技巧,设计最佳应用屏幕截图并鼓励用户下载您的应用

变体创建

既然您有几个待测试的假设,是时候将这些想法付诸实际屏幕截图了。

例如,ZiMAD 决定测试重新设计的屏幕截图,用于游戏《泡泡鸟 4》。新的屏幕截图反映了经典的游戏屏幕截图布局:图像前景中的主要角色、游戏背景、突出功能的强大标题。

该公司希望测试游戏类别的最佳实践是否能提高其产品页面的转化能力。然而,他们在“游戏背景”方面并非那么直接:他们的新背景包含了艺术叠加、真实屏幕截图和游戏元素。结果,新版本使转化提升了 32%。

ab-testing-4.png

图片来源:SplitMetrics

如果您计划在屏幕截图中使用简单模式(纯色背景和设备),则无需设计师,因为有大量的屏幕截图构建工具可以帮助您完成此操作。

ab-testing-5.png

图片来源:the AppLaunchpad

然而,如果您计划应用更具创意的东西(连接式或启动画面屏幕截图),专业的平面设计师技能是必不可少的。

ab-testing-6.png

图片来源:Apple

运行 A/B 测试实验

首先,您应该选择一个 A/B 测试工具。如果您只有 Android 应用,可以考虑Google Play Experiments。Facebook 广告是另一个选择,因为您可以在广告横幅中测试各种屏幕截图。

另一个替代方案是SplitMetrics,它是一个一体化分流测试平台,可帮助您为 iOS 和 Android 应用运行实验。此外,它还使得预发布实验成为可能。

无论您选择哪个平台,您的实验都应遵守以下规则:

  • 变体应看起来像商店页面,以使用户自然地行为;
  • 流量应在变体之间平均分配;
  • 一次测试只验证一个假设;
  • 您的实验应有足够的流量,以达到统计学上显著的结果(此数量取决于应用的转化率和流量质量:转化率越高,所需用户越少);
  • 请记住利用您在分析阶段发现的流量来源和目标定位;
  • 运行一周的 A/B 测试是合理的,以记录用户在不同工作日的行为。

测试结果评估

接下来是大多数发行商最喜欢的部分——结果评估。这是真相大白之时,您会发现您的假设是正确还是错误。结果可能明显也可能模糊,您重新设计的屏幕截图可能胜过对照版本,也可能导致转化下降。

无论如何,务必记住,在 A/B 测试中没有所谓的负面结果。即使您钟爱的新设计屏幕截图集表现不佳,它仍然是一个结果,阻止了您产品页面上的粗心更改以及进一步的转化下降。

例如,Mallzee 进行了一系列A/B 测试,他们绝大多数的假设都被证明是错误的。然而,这个看似灾难性的结果阻止了该公司转化率下降 25%。此案例再次证明测试是必不可少的,在应用商店优化中没有猜测的余地。

ab-testing-7.png

图片来源:SplitMetrics

在此步骤中,如果您使用高级 A/B 测试工具,您可以了解并分析商店访问者在安装应用前如何与您的产品页面互动。互动漏斗、页面停留时间、滚动热图等指标将帮助您更好地了解您的目标用户,从而完善您的营销策略。

结果实施与后续实验

在此阶段您有两个选择:

  1. 如果您有明显的获胜变体,您可以立即在应用商店中实施更改后的屏幕截图;
  2. 您可以在后续测试中使用您的 A/B 实验结果。

您可能会问:“如果我对初始测试结果相当满意,为什么还要在后续测试上浪费时间呢?”首先,恭喜您成功进行了 A/B 测试。其次,除非您的转化率达到 100%(这几乎不可能),否则仍有很多工作要做。

事实是,优秀的应用程序之所以能保持领先地位,是因为它们从未停止开发产品并优化所有可能影响转化的元素。以 Prisma 为例,这款应用被 Apple 评为 2016 年最佳应用程序之一。Prisma 进行了一系列测试来优化屏幕截图,结果使转化率惊人地提升了 12.3%。

ab-testing-8.png

图片来源:SplitMetrics

考虑到该应用的病毒式流行,这一增长意味着每天数千次的额外下载量。然而,团队并未止步,并继续尝试不同的屏幕截图。

这些实验使转化率的增长更进一步,最终达到了 19.7%。这再次证明总有改进的空间。

ab-testing-9.png

图片来源:SplitMetrics


总结

每个应用发行商都必须明白,应用商店优化是一个持续的过程,一次屏幕截图 A/B 测试几乎不会产生什么影响。这份应用商店优化清单可以帮助您在着手进行应用商店优化时找到方向。您还可以查看 AppTweak 的终极应用商店优化清单

同样重要的是要记住,iOS 和 Android 用户在商店中的行为方式不同。无论这多么诱人,切勿将例如 Apple App Store 上的实验结果应用于您在 Google Play 中的产品页面。这可能导致转化率大幅下降。

如果您决心改善产品页面的转化,务必武装自己,保持耐心和目标感。不断前进,并持续试验您的屏幕截图布局以扩大成果。祝您好运!

您觉得这篇文章有用吗?有任何问题或想分享您的 A/B 测试经验吗?请在下方留言!

Start a 7-day free trial


Liza Knotko
作者
Liza Knotko is Сontent Marketing Manager at SplitMetrics, an app A/B testing tool trusted by Rovio, MSQRD, Prisma and Zeptolab. SplitMetrics helps mobile app developers hack app store optimization by running A/B experiments and analyzing results.