A/B Test הוא בדיקה שבה אתה מציג שתי גרסאות של כותרת (A ו-B) לחלקים שווים מהקהל, ומודד איזו גרסה גרמה ליותר אנשים לקלוק / לקרוא / לפנות. הכלי המקובל: Meta Ads (מאפשר 2-5 גרסאות), Google Ads, או Mailchimp או Klaviyo למיילים. במודעות, A/B Test מובנה בכלי עצמו. במייל, רוב פלטפורמות שיווק יודעות לעשות 'Subject Line Test' אוטומטית.

כדי לדעת שתוצאה היא לא רק מקריות, צריך מינימום של 100-200 חשיפות לכותרת, או 30+ קליקים. עד אז, ההפרש לא מובהק סטטיסטית. נוסחה פרקטית: אם CTR הצפוי הוא 2% וההפרש המינימלי שאתה רוצה לזהות הוא 0.5% - צריך כ-2,000 חשיפות לכל גרסה. למיילים: אם רשימה של 1,000 נמענים, שלח 100 ל-A, 100 ל-B, חכה 6 שעות, שלח את המנצחת ל-800 הנותרים. ככה אתה גם בודק וגם מנצל את הניצחון.

חנות בדקה 2 שורות נושא לקמפיין: A - 'מבצע שישי - 20% הנחה על הכל'. B - 'הצמיד שאמא שלך הייתה רוצה (אבל לא ביקשה)'. שלחה כל אחת ל-150 אנשים, אחרי 4 שעות בדקה: A קיבלה 19% פתיחה (28 פתיחות), B קיבלה 41% פתיחה (62 פתיחות). שלחה את B ל-700 הנותרים, קיבלה 23 הזמנות בערך 8,400 ש"ח. ההפרש - 39 הזמנות יותר ממה שהייתה מקבלת אם הייתה שולחת את A. בדיקה של 4 שעות.

1) לבדוק יותר משינוי אחד בו זמנית - אם שינית גם כותרת וגם תמונה, לא תדע מה השפיע. 2) להחליט אחרי 20 קליקים - מדגם קטן מדי. 3) להפסיק את הבדיקה כי 'נראה שזה כבר ברור' - תחושה לא מחליפה נתונים. 4) לא לתעד תוצאות - אחרי 5 בדיקות אתה לא זוכר מה עבד למה.