다변량 랜딩 페이지 최적화

Multivariate landing page optimization

다변량 랜딩 페이지 최적화(MVLPO)는 웹 페이지의 여러 가지 시각적 요소(예: 그래픽, 텍스트)를 평가하는 랜딩 페이지 최적화의 특정 형태이다.예를 들어, 주어진 페이지에는 제목에 대해 k개의 선택지, 주요 이미지 또는 그래픽에 대해 m개의 선택지, 회사 로고에 대해 n개의 선택지가 있을 수 있습니다.이 예에서는 k×m×n 랜딩 페이지 구성을 보여 줍니다.

1998년 Moskowitz Jacobs Inc.가 LEGO의 시뮬레이션/시범 프로젝트로 MVLPO를 위한 첫 번째 실험 설계를 적용했습니다.MVLPO는 2003년 또는 2004년까지 주류 접근법이 되지 않았다.

다변량 랜딩 페이지 최적화는 실제(생산) 환경에서 또는 시뮬레이션 및 시장 조사 조사를 통해 실행할 수 있습니다.

개요

다변량 랜딩 페이지 최적화는 웹 페이지 요소의 구조화된 조합을 테스트하는 실험 설계(예: 이산 선택, 결합점 분석, 다구치 방법, IDDEA 등)에 기초한다.일부 공급업체(예: Memetrics.com)는 가능한 모든 요소 조합을 검정하는 "완전 요인" 접근법을 사용합니다.이 방법에서는 통계적 유의성을 얻기 위해 기존의 Taguchi 부분 설계보다 더 작은 표본 크기(일반적으로 수천 개)가 필요합니다.이 품질은 2000년에 선택 모델이 노벨상을 받은 이유 중 하나이다.시뮬레이션 환경에서 일반적으로 사용되는 부분 설계는 가능한 조합의 작은 부분 집합을 테스트해야 하며 오차 범위가 더 크다.이 접근법에 대한 일부 비판자들은 웹 페이지 요소 간의 상호작용 가능성 및 대부분의 부분적 디자인이 이 문제를 해결할 수 없다는 점에 의문을 제기합니다.

부분 설계의 한계를 해결하기 위해 RDE(Rule Developing Experimention) 패러다임에 기반한 고급 시뮬레이션 방법이 [1]도입되었습니다.RDE는 응답자별로 개별 모델을 작성하고 요소 [2]간의 모든 시너지 및 억제 효과를 검출하며 방향적인 세분화를 밝혀내며 테스트 및 시간 [3]경과에 따른 데이터베이스화를 가능하게 합니다.

라이브 환경 실행

라이브 환경 MVLPO 실행에서는 특별한 툴이 페이지를 동적으로 변경하여 방문자가 실험 설계에 따라 작성된 랜딩 페이지의 다른 실행으로 유도됩니다.시스템은 방문자와 방문자의 행동(전환율, 페이지 작성 시간 등)을 추적합니다.데이터가 충분히 축적되면 시스템은 개별 구성요소가 목표 측정치에 미치는 영향(예: 전환율)을 추정합니다.

라이브 환경 실행에는 다음과 같은 이점이 있습니다.

  • 실제 경험으로 다양한 효과를 테스트할 수 있습니다.
  • 방문자에게 일반적으로 투명함
  • 비교적 심플하고 실행 비용도 가능

라이브 환경 실행에는 다음과 같은 단점이 있습니다.

  • 고비용
  • 프로덕션 수준의 웹 사이트 수정에 따른 복잡성 증가
  • 통계적으로 신뢰할 수 있는 데이터를 얻기 위해 오랜 시간이 필요합니다.이 상황은 결정에 필요한 데이터를 생성하는 트래픽 양의 변화에 기인합니다.
  • 사이트 관리자가 잠재적인 고객을 잃고 싶지 않은 경우 트래픽이 적고 중요도가 높은 웹 사이트에 적합하지 않을 수 있습니다.

시뮬레이션(설문조사) 실행

시뮬레이션(조사) MVLPO 실행에서 기초는 고급 시장 조사 기술로 구성됩니다.연구 단계에서 응답자는 랜딩 페이지의 실험적으로 설계된 조합 세트를 제시하는 설문조사를 하게 된다.응답자들은 일부 요소(예: 구매 의도)에 따라 각 버전을 평가했습니다.연구 단계가 끝나면 개별 페이지 또는 전체 페이지 패널에 대해 회귀 분석 모델이 생성됩니다.결과는 다양한 랜딩 페이지 실행에 대한 페이지 요소의 유무를 응답자의 등급과 관련짓는다.이러한 결과는 상호작용 [4]유무에 관계없이 하위 그룹 또는 시장 세그먼트에 최적화된 최상위 요소 조합으로 새로운 랜딩 페이지를 합성하는 데 사용할 수 있다.

시뮬레이션 실행에는 다음과 같은 이점이 있습니다.

  • 실제 환경 실행과 비교하여 많은 경우 준비 및 실행이 빠르고 용이함
  • 트래픽이 적은 웹 사이트에 적용 가능
  • 페이지 설계에 대한 제어가 강화되어 보다 견고하고 풍부한 데이터를 생성할 수 있습니다.

시뮬레이션 실행에는 다음과 같은 단점이 있습니다.

  • 실제 가동 환경이 아닌 시뮬레이션 환경으로 인해 편견이 발생할 수 있습니다.
  • 응답자를 모집하고 선택적으로 인센티브를 부여할 필요성

레퍼런스

  1. ^ Howard R. Moskowitz; Alex Gofman (2007-04-11). Selling Blue Elephants: How to make great products that people want BEFORE they even know they want them. Wharton School Publishing. p. 272. ISBN 0-13-613668-0.
  2. ^ 알렉스 고프만, 2006년컨조인트 분석에서 밝혀진 긴급 시나리오, 시너지 및 억제.감각학회지, 21(4) : 373-414.doi : 10.111/j.1745-459X . 2006 . 00072 . x
  3. ^ Alex Gofman (2007-09-21). "Improving the 'Stickiness' of Your Website". InformIT Network. Financial Times Press. Retrieved 2007-09-22.
  4. ^ 알렉스 고프만, 하워드 모스코위츠, 토니 메츠.2009. 웹 디자인에 과학 통합:소비자 주도형 웹 사이트 최적화.소비자 마케팅 저널, 26(4): 286-298. doi: 10.1108/07363760910965882.