Google annonserte i januar at de vil legge ned Google Optimize etter 30. september i år. Det gjør at mange bedrifter og organisasjoner nå er på jakt etter et nytt verktøy. Men hva skal man tenke på når man velger et A/B-testverktøy? Hvilke funksjoner er viktigst? Og hvor lang tid tar en migrering?
Google Optimize så dagens lys for over 5 år siden og er Googles eget A/B-testverktøy som har hatt en gratisversjon og en betalt versjon, Optimize 360. Mange har valgt å bruke Google Optimize siden det er automatisk integrert med Google Analytics, noe som har gjort det enkelt for brukere av Google-suiten, og gratisversjonen av Optimize har gjort det lett å komme i gang med A/B-testing uten å betale for et verktøy. Men det har vært mange begrensinger.
Google skriver på Optimize Resource Hub at de investerer i A/B-testing i Google Analytics 4, men ettersom Optimize ikke har mange av de funksjoner som deres kunder etterspør så har de besluttet å investere i mer effektive løsninger.
Så hva skal jeg gjøre om jeg bruker Google Optimize i dag?
Da er det på høy tid å begynne å se på alternative verktøy. Google skriver at de investerer i løsninger som er mye mer effektive for deres kunder, og de vil antageligvis komme tilbake med mer info om hva det innebærer. Uansett er det nå bare tiden og veien på å finne et nytt verktøy og få alt på plass uten å måtte pause sitt eksperimenteringsprogram, så ikke utsett dette.
Hvilket verktøy skal jeg velge i steden?
Hvilket A/B-testverktøy du skal velge avhenger av ulike ting, men de aller fremste tingene du må ha i tankene er:
- Hvilket teknisk miljø skal det integreres med
- Hvilken type endring man vil gjøre
- Hva dere kan betale for et verktøy for å få Return on investment
Teknisk miljø
De siste årene har det blitt vanligere med ulike JavaScript-rammeverk m.m. der det ikke holder å legge inn verktøyets script-tag og deretter bare begynne å bruke den visuelle editoren (noe vi heller ikke anbefaler). Det er også vanligere med statiskt innhold og sider som caches på CDN-nettverk. I flere av disse miljøene trengs et verktøy som kan tilpasses for å fungere i denne typen arkitektur.
Hvis du er usikker på hva som funker på ditt nettsted så snakk med utviklerne dine, eller kontakt oss på Conversionista. Har du tidigere hatt Google Optimize har du antageligvis allerede oppdaget om det kreves særskilte workarounds ved implementasjonen eller ved oppsett av tester. Har Optimize fungert out-of-the-box behøver du nok ikke tenke på dette, og da finnes eksempel på verktøy du kan titte på i dette innlegget: Hvilket A/B-testverktøy er best – for deg?. Hvis ikke må du nok undersøke hvilke verktøy som fungerer for akkurat ditt nettsted.
Type endringer
En annen sak som du behøver besvare er hvilke typer av endringer du ønsker å gjøre med ditt A/B-testverktøy og hvilke ressurser du har.
Det finnes hovedsaklig 2 ulike former A/B-testverktøy, og det du velger påvirker hvilke endringer du vil kunne teste.
Client-side verktøy
…kaller man ofte verktøy som legges inn på nettstedet gjennom en script tag. Endringene utføres deretter i en visuell editor, alternativt gjennom å legge til JavaScript, html og css i verktøyets editor. Når nettsiden laddes i nettleseren aktiveres A/B-testverkøyet som da gjør endringene på siden ved hjelp av JavaScript. Endringene gjøres i nettleseren, på klienten, altså client-side. Ettersom endringerne gjøres på originalsiden mens den lastes i nettleseren så er typen endringer man kan gjøre begrenset til først og fremst visuelle endringer, som for eksempel flytte rundt eller gjemme element, legge til tekst eller bytte bilder. Fordelen er at det (oftest) går å sette opp tester uten utviklingskompetanse og det kreves ingen deploy for å starte en test.
Eksempel på client-sideverktøy:
- (Google Optimize, men ikke lenge til)
- Optimizely Web
- VWO
- AB Tasty
- Kameleoon
- Webtrends Optimize
- Adobe Target
- Convert
Fullstack/server-side
Motsatsen til client-side er server-side. Det innebærer at verktøyet er implementert i nettsidens kildekode, og endringerne gjøres på serveren før siden sendes til nettleseren. Det finnes mange ulike rammeverk og kodespråk, og alle kjører ikke på samme server. Felles for disse løsningene er dog at de integreres i koden, og A/B-testendringene utføres oftest av utviklere. Det innebærer at man i tillegg til å kunne teste enkle endringer, og kan teste mye mer avanserte endringer enn med en client-sideløsning. Dett kan foreksempel være prissetting, algoritmer og endringer på produktnivå.
Ulempen er at det kreves utviklingsressurser og hyppige deployer for å starte tester, men det er også mer stabilt og har mindre påvirkning på lastetiden enn client-side.
Eksempel på fullstack-verktøy:
- Optimizely Feature Experimentation (tidligere Fullstack)
- VWO Fullstack
- Flagship by AB Tasty
- A/B Smartly
- GrowthBook
- Kameleoon Full Stack
- Webtrends Optimize
- Adobe Target
- SiteSpect
Prisnivå
For at du skal få Return on Investment på ditt eksperimenteringsprogram så behøver du også fundere på hvor mye trafikk du har og hva du kan betale for verktøyet. Dyrere verktøy har ofte flere funksjoner, mer support etc. Visse verktøy kan også koste mer om du vil kjøre flere tester samtidig, eller utnytte visse testtyper og så videre.
Du vil ikke begrense deg ved å betale for for lite trafikk, eller for få funksjoner, for da vil du ikke kunne skalere ditt eksperimentprogram eller kunne få ut maksimal verdi. Men har du begrenset med trafikk til dit nettsted og har vanskelig for å nå signifikante resultat, eller er i starten av din A/B-testreise, så vil du ikke heller investere i et verktøy der kostnaden spiser opp hele gevinsten av ditt eksperimentprogram.
Begynn med å se på hvor mye trafikk du har samt hvor mange tester du vil og kan få til å kjøre på et år. Tenk så gjennom hvilke funksjoner du behøver. Skal verktøyet kunne integreres med spesifikke tredjepartsprogram? Vil du kjøre tester på din egen data? Server-side eller client-side?
Se på hvilke verktøy som har de funksjoner som du behøver, og be deretter om tilbud.
Sammendrag
For ikke å miste fart i testingen anbefaler vi å snarest se på alternativ till Google Optimize. Begynn med å fundere over hvilket teknisk miljø verktøyet skal fungere i, hvilken type av endringer dere vil utføre og hvilke ressurser dere har til å sette opp tester. Se også på hvor mye trafikk dere har, i hvilken utstrekning dere kommer til å teste og hvilket budsjett dere har. Ikke glem at verktøyet må oppfylle krav for GDPR og personvern.
Om du vil ha hjelp til å undersøke alternativ til Google Optimize så ikke nøl med å ta kontakt med oss. Vi hjelper deg med en vurdering ut fra dine behov.
