Home Arrow Icon Knowledge base Arrow Icon Global Arrow Icon Hvilken rolle spiller A/B -test i Scopelys Liveops -strategi


Hvilken rolle spiller A/B -test i Scopelys Liveops -strategi


A/B-test er en vigtig komponent i Scopely's LiveOps-strategi, der muliggør datadrevne beslutninger og kontinuerlig forbedring af spilleroplevelsen [2] [7]. Liveops er dataintensiv, så test er vigtig for at undgå fejl i et spil [1].

Hvad er A/B -test?
A/B -test, også kendt som delt test, er en metode til sammenligning af to versioner af en webside eller app for at bestemme, hvilken der fungerer bedre [2] [6]. I A/B -test får forskellige brugere tilfældigt lidt forskellige versioner af et produkt (spil), og målinger foretages for at se, hvilken mulighed der fungerer bedre [1] [2]. Den vindende mulighed rulles derefter ud til et bredere publikum [1]. A/B -test hjælper med at foretage omhyggelige ændringer i brugeroplevelser, mens de indsamler data om virkningen af ​​disse ændringer [2]. Det hjælper med at konstruere hypoteser og lære, hvilke elementer og optimeringer af oplevelser, der påvirker brugeradfærd mest [2].

A/B -testplanen:
Før implementering af en A/B -test er det vigtigt at oprette en plan. Trin i planen inkluderer [1]:
1. Eksperimentideer
2. Option Generation (Hvad vil nøjagtigt ændre sig for forskellige grupper)
3. metrisk valg
4. prøveforberedelse
5. Foreløbig test
6. Eksperiment
7. Fortolkning af resultaterne

Eksempler på A/B -testideer:
* Designtestning af forskellige designs, såsom en knap versus to knapper, og teksten på hver af dem [1].
* Opkald til handlingstestning af forskellige opfordringer til handling [1].
* Priser og kampagner Testpriser og kampagner [1].
* Annonceringstest af forskellige reklamer [1].
* Push -meddelelser og timing -test Push -meddelelser og deres timing [1].

Forværrede tests:
I stedet for klassiske A/B-tests kan "forringede tests" være mere omkostningseffektive for LiveOps-begivenheder [1]. I en forværret test får en gruppe brugere bevidst en underordnet mulighed [1]. For eksempel, hvis du vil tilføje flere niveauer til et spil, men er usikre på resultaterne, for en gruppe nye spillere, kan du reducere antallet af niveauer og for den anden gruppe efterlade alle niveauerne [1]. Hvis de spillere, der har afsluttet alle niveauer, viser bedre resultater, er det nødvendigt med flere niveauer [1].

Option Generation:
A/B -test kan have mere end to muligheder, fordi der også er multivariat test [1]. For eksempel kan du køre en prisprøve og en teksttest samtidig (multivariat test) [1].

Prøveforberedelse:
Den vigtigste ting, når man kører en A/B -test, er at bruge en gruppe mennesker, der aldrig har stødt på den ændrede funktionalitet [1]. Derfor køres test ofte på en tutorial eller på downloadformularen, det vil sige på de mennesker, der først installerer spillet/applikationen [1]. Picking skal også være tilfældig; Det er grundlæggende forkert at sende brugere, der kom onsdag til en gruppe og brugere, der kom torsdag ind i en anden [1]. Den rigtige måde er at kombinere dem begge i et segment og tilfældigt distribuere dem i to grupper [1].

Almindelige fejl i A/B -test:
* Forkert hypotese og test af ændringer, der er vanskelige at spore [1].
* Gunstig fortolkning af de eksperimentelle resultater [1].
* Stol på intuition [1].
* Overvejer ikke publikum (nye/ikke nye, trafikkilder, betaler/betaler ikke) [1].
* For få brugere [1].
* Kørsel af flere test på samme tid [1].
* Mangel på forudgående test [1].
* Forkert valg af målinger [1].
* Forkert prøvestørrelse (for lille eller for stor) [1].

Integrering af appanalyse:
Integrering af APP Analytics i liveops giver dig mulighed for at indsamle værdifulde data om brugernes adfærd, præferencer og interesser [4]. A/B -test er en kraftfuld måde at teste to versioner af en funktion og indsamle brugerfeedback [4]. For at integrere analyser har du brug for effektiv dataindsamlingspraksis [4]. Vælg en analytisk platform, der er brugervenlig og har robuste kapaciteter til brugersegmentering, datavisualisering og overholdelse af privatlivets fred [4].

Citater:
[1] https://www.devtodev.com/resources/articles/a-b-testing-in-liveops
[2] https://www.optimizely.com/optimization-glossary/ab-testing/
[3] https://www.adlibertas.com/guest-post-starting-a-live-ops-strategy/
[4] https://www.appsflyer.com/blog/measurement-analytics/liveops-changing-gaming-landscape/
[5] https://wnhub.io/news/marketing/item-42838
[6] https://vwo.com/ab-testing/
[7] https://www.tag-games.com/blog/5-tips-foreffective-live-ops
[8] https://www.gamedvelopoper.com/business/a-b-tests-for-analysing-liveops-dart-1