Tekst źródłowy strony Test A/B

[[Plik:A-B testing example.png|mały|Przykład testu A/B w którym zmiana koloru przycisku przekłada się na zmianę współczynnika kliknięć (uwaga: dane procentowe na rysunku prawdopodobnie nie mają charakteru empirycznego)]]
'''Testy A/B''' – [[Metoda naukowa|metoda badawcza]] polegająca na porównaniu dwóch lub więcej wersji [[strona internetowa|strony internetowej]] lub [[Aplikacja mobilna|aplikacji mobilnej]]<ref>{{Cytuj książkę | nazwisko = Valledy | imię = Ken | tytuł = The Startup Lexicon | wydawca = Right Book Press | data = 2022 | strony = 13 | isbn = 978-1-912300-76-1 | nazwisko2 = Carey | imię2 = Eamonn}}</ref> celem wybrania tej wersji, która lepiej spełnia stawiane przed nią zadania. Porównywana może być aktualnie funkcjonująca wersja strony (z reguły „A”) i wersje alternatywe („B” – np. poprzednia lub nowsza)<ref>{{Cytuj |autor = Ron Kohavi, Roger Longbotham |tytuł = {{J|en|Online Controlled Experiments and A/B Tests}} |data = 2017-04-17 |url = https://www.exp-platform.com/Documents/2015%20Online%20Controlled%20Experiments_EncyclopediaOfMLDM.pdf}}</ref><ref>[https://business.trustedshops.pl/blog/czym-sa-testy-a-b/ ''Czym są testy A/B i dlaczego warto je stosować w sklepach internetowych''], business.trustedshops.pl.</ref>.

== Przedmiot badania ==
Za pomocą testów A/B można porównywać:
* strony różniące się wybraną jedną cechą np. różne wersje [[nagłówek|nagłówków]] czy kolorystyki,
* strony różniące się wieloma cechami.

Istotną charakterystyką testów A/B jest to, że w jednym badaniu porównuje się dokładnie jedną zmienną: zmienną tą może być np. wygląd nagłówka, ale również [[wygląd]] strony traktowany jako całość.

Test polega na skierowaniu strumienia tego samego [[odsetek ruchu|odsetka ruchu]] na każdą z badanych wersji danej strony oraz porównaniu ich współczynników [[Konwersja danych|konwersji]], czyli procentowej wielkości określającej stosunek użytkowników strony, którzy wykonali pożądaną akcję (np. [[nabycie|zakup]]) do wszystkich użytkowników danej strony. Na tej podstawie można wnioskować o wpływie badanej zmiennej na to, jak strona spełnia postawiony przed nią cel.

Czas trwania testu A/B nie jest określony, jednak ze statystycznego punktu widzenia test powinien być zakończony wtedy, gdy uzyskane różnice [[współczynnik konwersji|współczynników konwersji]] są istotne statystycznie. Aby upewnić się, czy uzyskane wyniki są [[poziom istotności|istotne statystycznie]], zwykle stosuje się [[Test dla proporcji|test proporcji]].

== Historia ==
Podobnie jak w większości dziedzin, ustalenie daty pojawienia się nowej metody jest trudne, ze względu na jej ciągłą ewolucję. Znaczącej zmiany dokonano, gdy zamiast wykonywać testy na podstawie informacji z populacji przeprowadzono test na samych próbkach. Pomysł ten wykorzystał w 1908 r. [[William Sealy Gosset]] ([[pseudonim]] Student), podając funkcję zależną od wyników pomiarów <math>X_i,</math> a niezależną od <math>\sigma</math><ref>{{cytuj książkę |autor = Dixon Eleri, Emily Enos, Scott Brodmerkle |tytuł = {{J|en|A/B Testing}} |url = http://projecteuclid.org/euclid.ss/1177013437 |wydawca = {{J|en|The Institute of Mathematical Statistics}} |miejsce = |rok = 1987 |strony = 45–52 |isbn = |język =}}</ref>.

Inżynierowie [[Google]] przeprowadzili swój pierwszy test A/B w 2000 r., próbując ustalić, jaka będzie optymalna liczba wyników do wyświetlenia na stronie wyników wyszukiwania. Pierwszy test nie powiódł się z powodu zbyt wolnego czasu ładowania. Wykorzystywane w późniejszych latach testy A/B były bardziej zaawansowane. Do 2011 r. Google przeprowadził ponad 7000 różnych testów<ref>{{Cytuj stronę |url = https://www.pardot.com/blog/abcs-ab-testing/ |tytuł = {{J|en|The ABCs of A/B Testing}} |nazwisko = Hanington |imię = Jenna |data = 2012-07-12 |data dostępu = 2019-06-09}}</ref>. Około 2010 r. stosowana była przez ponad 50% przedsiębiorstw<ref name="Chaffey">{{cytuj |autor = Dave Chaffey, Mark Patron |tytuł = {{J|en|From web analytics to digital marketing optimization: Increasing the commercial value of digital analytics}} |czasopismo = {{J|en|Journal of Direct, Data and Digital Marketing Practice}} |data = 2012-07 |data dostępu = 2021-03-22 |wolumin = 14 |numer = 1 |s = 30–45 |doi = 10.1057/dddmp.2012.20 |język = en}}</ref>.

== Zalety i wady testów A/B ==
Testy A/B umożliwiają podejmowanie szybkich decyzji dotyczących elementów [[architektura informacji|architektury informacji]] strony lub szaty graficznej. Są proste do przeprowadzenia, a ich wyniki są łatwe do [[Interpretacja (informatyka)|interpretacji]]. 

Największym minusem testów A/B jest brak możliwości testowania w jednym czasie wielu zmiennych, a co za tym idzie brak możliwości zbadania korelacji między zmiennymi, np. za pomocą testu A/B nie wywnioskujemy, jakie jest najlepsze powiązanie typu nagłówka i kolorystyki strony. Testy A/B nie sprawdzą się również w przypadku optymalizacji stron internetowych dla SEO. Zmiany wprowadzane na żywo nie są widoczne dla botów Google, które potrzebują znacznie więcej czasu na ich zaindeksowanie i uwzględnienie w obliczeniu rankingu.

== Przypisy ==
{{Przypisy}}

== Bibliografia ==
* Ash T., {{K|en|Landing Page Optimization – The Definitive Guide to Testing and Tuning for Conversions}}, {{J|en|Wiley Publishing, Inc.}}, 2008

[[Kategoria:Testowanie oprogramowania]]
[[Kategoria:Badania marketingowe]]