Nutzerforschung als Grundlage für A/B Tests, die bessere Ergebnisse bringen

1. Erster zertifizierter Optimiz -‐Partner in Österreich Nutzerforschung als Grundlage für A/B Tests, die bessere Ergebnisse bringen

2. Nutzerforschung als Grundlage für A/B Tests, die bessere Ergebnisse bringen Lotte Larsen & Nina Bordet, Gründerinnen & geschäftsführende Gesellschafterinnen lottelarsen@mindberry.com ninabordet@mindberry.com Fabian Liebig, Marketing Manager DACH fabian@optimizely.com & Zielgerichteter Testen: wie Sie smarte Test-‐Hypothesen entwickeln, um von Anfang an die richtigen Dinge zu testen

3. mindberry hilft Webseiten benutzer-‐ freundlicher & profitabler zu machen Schwerpunkte: • Nutzerforschung • Conversion Optimierung ü Mehr als 1000 Split-‐Tests ü Nutzerforschung auf 5 Kontinenten in 20 unterschiedlichen Industrien ü Tausende Stunden Beobachtung und Analyse von Online Nutzerverhalten ü Erster, zertifizierter Optimizely-‐Partner in Österreich ü Mitorganisator UX Camp Vienna ü Vorträge auf Universitäten und Konferenzen

4. Magische Formel für • Buttons • Layouts • Copy • etc

5. Was auf einer Seite funktioniert, bringt auf einer anderen nicht automatisch Resultate

6. Was auf einer Seite funktioniert, bringt auf einer anderen nicht automatisch Resultate

7. Magische Formel: • Eigene Besucher verstehen • mit gewonnen Erkenntnissen Test-‐Hypothesen bilden

8. 3 Beispiele, wie wir mit Nutzerforschung smarte Test-‐Hypothesen entwickelt haben Designer-‐Kleider-‐Verleih Reiseportal Bettwäsche-‐Spezialist

9. Nutzerforschungserkenntnisse als Bestandteil einer guten Hypothese Basierend auf der Nutzerforschungs-Erkenntnis ____________________________________________________ nehmen wir an, dass, eine Veränderung von _________________________ zu _____________________ zu __________________________ führt. (Erkenntnis aus der Analyse) (Vorschlag zur Lösung des Problems)(Ist-‐Zustand von Element, das getestet werden soll) (erwarteter Effekt auf den gewünschten KPI)

10. Beipiel #1: Ein Reiseportal für Gruppenreisen

11. Heat map (Produktseite) à Viele Klicks auf „What‘s included“

12. Remote User-‐Tests (Produktseite) à Nicht klar, was im Preis inkludiert ist „Does it include the flights? Or does it not include the flights? Does it include the hotels? It tells you the meals are included. I think this website is definitely lacking a full breakdown of the price...because it is not 100% clear.“ „Does this include the flight? I am guessing not...that would be more expensive.“ „From what I have initially seen here it is not clear what is included in the price and I think that is slightly frustrating because you need to know what to book.“ „I am looking for something where food & launching is included, I am not exactly sure what's going on here, but I am kind of guessing.“

13. Analyse Anfragen von Buchungsabspringern à Häufige Nachfragen: „What‘s included“ „Would you please tell me if the overnight accommodations are included for the $409. price on the five day Hebridean Hopper?.... There is also no mention of food costs. Please inform. Thank you!“ „I am not sure I understand completely but are only five breakfast meals included and accommodation for every night?“ „Does this tour include any food or accommodation?“ „Hello -‐ what is included in this tour?“

14. Entwicklung von Hypothese basierend auf Erkenntnissen aus der Nutzerforschung Basierend auf der Nutzerforschungs-Erkenntnis ____________________________________________________ nehmen wir an, dass, eine Veränderung von _________________________ zu _____________________ zu __________________________ führt. dass Nutzern nicht klar ist, was im Buchungspreis inkludiert ist einer wesentlich prominenteren, schnell ersichtlichen Info mit Details, was inkludiert ist der Information auf der Produktdetailseite zum Thema „was ist inkludiert“ einer Steigerung der Buchungsabschlüsse

15. Beispiel #2: Ein Designer Kleiderverleih

16. Analyse der Chat-‐Dialoge

17. Hi, was mache ich, wenn ich feststelle, dass das Kleid nicht passt?... Kann ich ein Kleid auch in mehreren Größen bestellen? Analyse der Chat-‐Dialoge à Sorge, dass das Kleid nicht passt

18. Interview mit Kundenservice-‐Team

19. Interview mit Kundenservice-‐Team à Sorge, dass das Kleid nicht passt

20. Onsite-‐Exit-‐Umfrage

21. Onsite-‐Exit-‐Umfrage à Sorge, dass das Kleid nicht passt

22. Entwicklung von Hypothese basierend auf Erkenntnissen aus der Nutzerforschung Basierend auf der Nutzerforschungs-Erkenntnis ____________________________________________________ nehmen wir an, dass, eine Veränderung von _________________________ zu _____________________ zu __________________________ führt. dass Besucherinnen besorgt sind, dass das Kleid nicht passen wird einem deutlichen Hinweis, dass mehrere Kleider vorab zur Anprobe bestellt werden können den Informationen auf der Produktseite zu Zusatz-‐Services einer Steigerung der Bestellungen

23. Und so wurde es umgesetzt...

24. Und so wurde es umgesetzt... Mehr Details zu Tests mit Laremia: http://www.mindberry.com/de/post/wie-wir-mehr-frauen- verfuehrten-sich-besser-anzuziehen-und-conversions-um-250- steigerten http://www.mindberry.com/de/post/uxcamp-vienna-2015- beitrag-schnell-durch-nutzerforschung-die-user-experience- verbessern

25. Beipiel #3: Ein Bettwäsche-‐Spezialist

26. Session Replays à Filter werden bei der Auswahl häufig genutzt

27. User Tests à Filter sind bei Produktauswahl hilfreich „Ich suche gerne mit der Filter-‐ Funktion, damit ich ausgrenzen kann, was mich nicht interessiert.“ „Sortier-‐Funktion gefällt mir sehr gut.“ Mehrere User Tester nutzen sehr intensiv Filter um die richtigen Produkte zu finden. belsonno Mitbewerber Mitbewerber

28. Entwicklung von Hypothese basierend auf Erkenntnissen aus der Nutzerforschung Basierend auf der Nutzerforschungs-Erkenntnis ____________________________________________________ nehmen wir an, dass, eine Veränderung von _________________________ zu _____________________ zu __________________________ führt. dass Nutzer sehr häufig die Filter-‐Optionen bei der Produktauswahl nutzen einem breiteren Angebot an Filtermöglichkeiteneiner geringen Anzahl an Filteroptionen einer Steigerung der Aufträge

29. Und so wurde es umgesetzt... Anzeige von 8 Filter-‐ Möglichkeiten statt 4

30. FAZIT #1 Unterschiedlicher Kontext – unterschiedliche Bedürfnisse

31. 3 Shops à 3 unterschiedliche Nutzerbedürfnisse „What‘s included?“„Was, wenn Kleid nicht passt“ „Es ist schwer richtiges Produkt zu finden“ Designer-‐Kleider-‐Verleih Reiseportal Bettwäsche-‐Spezialist

32. FAZIT #2 Nutzerforschung -‐ der Mix macht es aus

33. GEDANKENVERHALTEN Wie bewegen sich Besucher auf der Seite? Wo verlassen sie die Seite (den Verkaufstrichter)? Wo klicken sie, was interessiert sie besonders? ? Warum (nicht)?

34. Der MIX macht es aus...

35. FAZIT #3 Smarte Hypothesen basieren auf Erkenntnis aus Nutzerforschung

36. Nutzerforschungserkenntnisse als Bestandteil einer guten Hypothese Basierend auf der Nutzerforschungs-Erkenntnis ____________________________________________________ nehmen wir an, dass, eine Veränderung von _________________________ zu _____________________ zu __________________________ führt. (Erkenntnis aus der Analyse) (Vorschlag zur Lösung des Problems)(Ist-‐Zustand von Element, das getestet werden soll) (erwarteter Effekt auf den gewünschten KPI)

37. FAZIT #4 Bessere Hypothese à größeren Wahrscheinlichkeit eine ansehnliche Steigerung der Conversion zu erzielen

38. www.mindberry.com @mindberryCRO www.mindberry.com/de/ newsletter VIELEN DANK! Lotte Larsen Nina Bordet