Email A/B Testing: 올바르게 하는 방법

어떤 것이 더 좋습니까: 짧은 텍스트인가 긴 텍스트인가? GIF인가 정적 이미지인가? 흰색 CTA 버튼인가 보라색 CTA 버튼인가?

완벽한 이메일 마케팅 전략을 만드는 과정에는 수많은 옵션과 의사 결정이 있으며, 이는 캠프레인에 강력한 CTOR과 CTR을 가져옵니다. 그리고 이메일 캠페인은 여전히 소셜 미디어보다 마케터들의 가장 중요한 마케팅 채널 중 하나로 간주되고 있기 때문에 압박감이 많습니다.

그렇다면 전략적인 방식으로 이메일 캠페인 전략을 개발하려면 어떻게 해야 할까요?

이 기사에서는 이 및 다양한 문제에 답변하여 캠페인을 위한 지능형 A/B 테스트를 구축하고 결과를 더 효과적으로 만드는 데 도움을 드립니다.

이메일 마케팅에서 A/B 테스트란 무엇인가

이메일 마케팅 캠페인에서 A/B 테스트는 동일한 이메일의 두 가지 변형을 보내서 어느 버전이 더 잘 작동하는지 확인하기 위해 변수를 변경하는 방법입니다. A/B 테스트에는 다음과 같은 변경 사항이 포함될 수 있습니다:

• 이메일 시각적 디자인
• 다양한 주제줄
• 다양한 톤 오브 보이스/텍스트 길이(일명 카피)
• 다양한 유형의 CTA

A/B 테스트(스플릿 테스트라고도 함)는 마케터가 나중에 최고의 결과를 제공하고 더 많은 열기 및 클릭스루를 생성하며 대상 선호도 및 이메일 성능 전반에 대한 정보를 제공하는 정보를 수집하는 데 도움이 될 수 있습니다.

이메일 A/B 테스트가 필요한 이유

정기적으로 이메일 캠페인을 사용하는 마케터는 A/B 테스트를 사용합니다. 왜냐하면 이것이 이메일 캠페인의 어느 버전이 가장 잘 작동하는지 통계적으로 증명할 수 있는 유일한 방법이기 때문입니다. 또한 일반적인 것보다 더 빠르게 대상을 알아가고 팀 전략을 그에 따라 최적화할 수 있는 방법이기도 합니다.

즉, A/B 테스트 없이는 맹목적으로 추측하지 않고 이메일 마케팅을 최대한 활용할 수 없습니다. A/B 스플릿 테스트는 이메일 캠페인이 필요로 하는 조정 및 전략을 결정하기 위한 필요한 데이터를 제공합니다. 다음을 배우고 개선할 수 있는 기회를 제공합니다:

• 어떤 주제줄이 더 좋은 열기 비율을 가져오는가
• 어떤 종류의 시각/GIF/이모지가 더 많은 관심을 끌고 있는가
• 더 많은 열기를 얻기 위해 언제 보내는 것이 최선인가
• 어떤 종류의 CTA 버튼이 더 많은 클릭을 가져오는가
• 어떤 이메일 시각적 템플릿이 더 많은 전환을 가져오는가
• 어떤 프리헤더가 더 많은 열기를 가져오는가

이것들은 A/B 테스트가 드러내는 "비결"일 뿐이지만, 측정하려는 내용에 따라 훨씬 더 많은 정보를 제공할 수 있습니다. 전환과 판매에 영향을 미치고 이끌어내는 요소를 찾는 것이 모든 마케터가 추구하는 것이며, A/B 테스트에서 나오는 데이터가 이에 도움이 될 수 있습니다.

A/B 테스트 전에 고려할 사항

이메일 캠페인을 실험할 때는 A/B 테스트를 시작하기 전에 여러 사항을 고려하는 것이 중요합니다. 다음은 A/B 테스트를 시작할 때 따라야 할 몇 가지 규칙입니다.

동시에 테스트

더 긴 시간 동안 동일한 이메일의 두 버전을 테스트하는 것은 현명하지 않습니다. A/B 메일 테스트를 실행할 때는 동시에 테스트해야 합니다. 그렇지 않으면 성능의 차이가 이메일의 다른 변수로 인한 것인지 또는 고려하지 못한 외부 요인(예: 다른 요일이나 다른 월에 보내기)으로 인한 것인지 알 수 없습니다. 유일한 예외는 이메일 전송에 최적의 시간을 테스트하는 경우입니다. 이 경우 당연히 다른 시간에 이메일을 테스트해야 합니다.

시간 경과에 따른 데이터 생성

A/B 테스트가 전송하는 두 변형 간의 차이를 통계적으로 볼 수 있도록 충분한 시간을 주는 것이 중요합니다. 한 연구에 따르면 예를 들어 2시간 대기 시간은 80% 이상의 경우 사상 최고의 승자를 올바르게 예측하며 12시간 이상은 90% 이상의 경우 올바릅니다. 따라서 테스트가 충분히 오래 실행되어 중요한 결과를 볼 수 있도록 하십시오.

한 번에 하나의 변수만 테스트

동시에 여러 가지 다른 것들을 테스트하고 싶을 수도 있지만, 한 가지 변수를 선택하고 그에 따라 A/B 테스트의 성능을 측정하는 것이 모범 사례입니다. 이렇게 하면 정확히 무엇이 메일 성능의 변화에 책임이 있는지 확실할 수 있습니다. 다변량 테스트라고 불리는 또 다른 테스팅 프로세스가 있으며, 이는 독립적으로 탐색할 수 있습니다.

동등한 샘플 그룹으로 전송

더 결론적인 결과를 얻으려면 유사하고 동등하며 동시에 무작위 대상으로 테스트하십시오. 특히 동시에 두 개 이상의 대상을 테스트하는 경우입니다.

대상 크기가 중요

HubSpot에 따르면 통계적으로 관련성이 있는 결과를 얻으려면 최소 1,000명의 연락처로 이루어진 A/B 전송 목록이 있어야 합니다. 그보다 적으면 통계적으로 관련성이 있는 결과를 얻기 위해 사용되는 A/B 테스트 목록의 비율이 점점 커집니다.

A/B 테스트 도구 사용

이메일, 웹사이트 또는 랜딩 페이지를 테스트하든 최소한의 노력으로 이를 수행하는 가장 좋은 방법은 HubSpot 또는 MailChimp와 같은 A/B 테스트 도구를 사용하는 것입니다. 그렇게 하면 실험에서 테스트하고 데이터를 더 쉽게 수집할 수 있습니다.

기본 메트릭 식별

A/B 테스트가 동시에 여러 성능 메트릭에 영향을 미칠 수 있지만, 테스트를 실행하기 전에 초점을 맞출 기본 메트릭을 설정하는 것이 좋습니다. 이를 "종속" 변수라고 합니다. 나중에 사용자 행동의 결과를 결정하는 변경 내용입니다. 어떤 메트릭이 귀하에게 가장 중요한지 선택하면 이 변수를 결정하고 A/B 테스트를 최상의 방식으로 설정하는 데 도움이 됩니다.

A/B 테스트의 이점

아직 시작하지 않았다면 지금 바로 A/B 테스트를 시작해야 하는 이유는 무엇입니까?

스플릿 테스팅의 기술을 익히는 것은 가치가 있으며, 다음은 몇 가지 이점입니다:

웹 트래픽 증가

사람들을 웹사이트, 제품 또는 랜딩 페이지로 유도하는 것은 이메일 캠페인의 첫 번째 목표입니다. 원하는 수의 사람들이 연결된 CTA 버튼을 클릭하는 것이 마케터가 A/B 테스트를 만들고 나중에 데이터를 볼 때 바라는 것입니다.

더 많은 전환

A/B 이메일 테스트에서 변경하는 변수는 하나의 주요 목적이 있으며, 이는 양식을 클릭하고 작성하는 사람의 수를 늘려 웹사이트의 리드로 전환시키는 것입니다. 전환율을 높이는 것은 스플릿 테스팅의 주요 이점 중 하나입니다.

바운스 율 낮추기

A/B 테스트는 다른 카피, 소개, CTA 버튼, 레이아웃 등을 시도하여 웹사이트의 바운스율을 낮추는 데 도움이 될 수 있습니다. 이 모든 것은 대상 고객을 더 잘 알아가고 데이터를 통해 대상의 선호도를 배우는 것과 관련이 있으므로 전략을 더 잘 조정할 수 있습니다.

A/B 테스트용 도구

올바른 도구를 사용하지 않으면 효율적인 A/B 테스트를 할 수 없으며, 행복한 새 고객을 얻을 수 있습니다.

A/B 테스트 실행 도구

• Optimizely – 선도적인 A/B 테스트 도구 중 하나로, 쉬운 편집 액세스, 저장된 대상, IP 주소의 소급 필터링, 직관적인 데이터 표시를 허용합니다.
• SiteSpect – 첫 번째 서버 측 테스팅 솔루션 중 하나로, 더 복잡한 테스팅이 가능하지만 더 높은 기술 정보가 필요합니다. SiteSpect는 HTML이 서버를 떠나기 전에 HTML을 편집하므로 브라우저 기반 테스팅 플랫폼에서 발생하는 많은 문제를 방지합니다.
• AB Tasty – 이 도구는 A/B 테스트, 스플릿 테스트, 다변량 테스트 및 시각적 편집, 콘텐츠 개인화를 실행할 수 있게 해주며, 마케팅 팀을 위해 특별히 설계되었습니다.
• Crazy Egg – A/B 테스트, 열량지도, 유용성 테스트를 제공하며, 웹사이트의 각 페이지에 대해 변형을 테스트할 수 있습니다. 코드 조각을 추가하면 됩니다. Crazy Egg는 가장 직관적인 변형 테스팅 도구 중 하나이므로 코딩 경험이 필요하지 않습니다.
• Evolv – 머신러닝 알고리즘을 사용하여 다변량 테스팅을 활용하고 콘텐츠를 쉽게 개인화하고 실험할 수 있는 비교적 새로운 도구입니다.
• Google Optimize – 표준 A/B 테스트뿐만 아니라 다변량 테스트, 스플릿 URL 테스트, 서버 측 실험을 제공하는 무료 도구입니다.

A/B 테스트에서 데이터 수집 도구

• UsabilityHub – 실제 사용자와 함께 테스트 옵션을 검증한 후 이 테스트에서 데이터를 제공할 수 있습니다.
• Google Analytics – 데이터 수집 및 분석을 위한 가장 인기 있는 도구 중 하나인 GA를 사용하면 A/B 테스트의 결과를 중단하고 다양한 세그먼트(디바이스, 지역 등)별로 행동을 볼 수 있습니다.
• HotJar – 열량지도, 스크롤 추적, 펀넬 추적, 피드백 폴, 설문 조사, 녹화를 통해 데이터를 제공하는 SaaS 도구입니다.
• Mouseflow – 트래픽 소스, 위치, 플랫폼 등을 포함한 고급 사용자 세분화를 제공합니다.
• SessionCam – 이 도구는 세션 녹화를 제공하고 열량지도를 추가하여 기존의 데이터 수집 기술보다 더 동적이고 비용 효율적인 방법을 제공합니다.

하지만 어떤 도구를 선택하든 한 가지는 확실합니다. A/B 테스트는 지금까지 수행한 작업의 이야기를 말해주고 다음에 수행해야 할 작업을 알려주는 데이터 인사이트를 통해서만 의미가 있다는 것입니다.

결과 분석

고객을 알아가고, 열기 및 클릭스루 비율을 높이고, 더 많은 전환을 만드는 데 도움이 되도록 테스트하고 자주 테스트하는 것이 필요합니다. 하지만 결국 모든 것은 수집하는 데이터로 귀결됩니다.

강력한 데이터 분석 기능을 갖춘 올인원 디지털 워크플레이스를 사용하는 것이 A/B 테스트가 필요로 하는 것입니다. 처음부터 끝까지 이메일 마케팅 전략을 실행할 수 있도록 도와주는 데이터 기반 기능을 제공합니다.

Slingshot은 다음을 통해 결과 개선을 도울 수 있습니다:

• 몇 초 만에 아름다운 대시보드를 구축하여 통합된 모든 소스에서 데이터를 가져오고 A/B 테스트의 전체 이야기를 한눈에 표시함으로써 데이터를 최상으로 유지합니다.

• 즉시 팀과 결과를 공유하고 데이터가 있는 같은 공간에서 그들을 위해 작업을 만들고 피드백 및 실행 항목으로 후속 조치를 하여 진행 상황이 절대 손실되지 않도록 합니다.

• 효과적인 협업을 달성하고, 모든 것을 올인원으로 만들고, 작업 및 대시보드의 컨텍스트에서 직접 통신합니다. 모든 작업 주위에 토론과 채팅을 만들어 모든 사람을 최신 상태로 유지합니다.
• 올인원 디지털 워크플레이스를 신뢰하여 강력한 이메일 마케팅을 달성하고, 과제를 극복하며, 과정에서 팀을 위한 데이터 기반 의사 결정 문화를 만듭니다.