Abstraktné farebné geometrické tvary, ktoré predstavujú cesty A/B testu
Logo andrejkostal.sk

29. 10. 2025 · 2 min čítania

2 min čítania · aktualizované 1. 10. 2026

Ako otestovať zmenu, ktorá sa týka len zľavnených produktov

Minulý týždeň sme riešili otázku, ktorá vyzerala jednoducho: ako otestovať zmenu, ktorá sa týka iba zľavnených produktov. Vylepšovali sme, ako na produktových kartách komunikujeme zľavy, teda lepšie štítky a prehľadnejšiu cenu. Merať sme chceli kliky na produkt a pridanie do košíka, ale len pri zľavnených produktoch, a tie tvoria v danej chvíli zhruba 10-15 % sortimentu.

Prvý nápad bol pustiť test na všetkých a vyhodnocovať len ľudí, ktorí prišli do kontaktu so zľavnenými produktmi. Vyzeralo to čisto, lebo by sme vo variante A aj B porovnávali rovnakých ľudí. Lenže produktové karty sú všade, na úvodnej stránke, v kategóriách aj vo vyhľadávaní, takže zmena môže ovplyvniť, ako ľudia vnímajú celý web.

Tak som namietol, čo ak nové štítky znížia záujem o produkty za plnú cenu. Záujem o zľavy by vtedy vzrástol, ale celkové tržby by klesli. Štítky môžu tiež zmeniť, ako ľudia vnímajú hodnotu produktov, alebo ich naučiť čakať na výpredaje. Keby sme vyhodnotili len ľudí, ktorí klikli na zľavnený produkt, nič z toho by sme nevideli. Unikli by nám zákazníci, ktorí by kúpili za plnú cenu, ale zľava ich odpútala, aj posun v štruktúre nákupov a dopad na tržby a maržu.

Čo sme sa rozhodli

Test pustíme na všetkých a hlavnou metrikou budú tržby. Záujem o zľavnené produkty rozoberieme až potom, keď potvrdíme, že zmena tržbám neškodí.

Platíme za to dlhším testom. Efekt sa rozpustí medzi všetkých používateľov, nielen medzi tých, čo vidia zľavy, a menší celkový efekt potrebuje viac dát, aby sme ho potvrdili s istotou. Zato vidíme dopad na celý biznis a nehrozí nám, že vylepšíme jeden segment a celkový výkon pritom zhoršíme.

Kedy filtrovať

Z diskusie nám zostala jedna otázka, ktorú si kladieme pri teste: môže zmena nepriamo ovplyvniť správanie aj mimo miesta, kde ju vidno? Veľkosť zasiahnutého segmentu tu nerozhoduje.

Štítky so zľavou sú vizuálna zmena na celom webe, a tak môžu presunúť pozornosť aj nákupy medzi produktmi. Preto sme išli na celú vzorku. To isté platí pre redizajn hlavičky alebo navigácie a pre zmeny, pri ktorých biznisu záleží na presune medzi kategóriami.

Pri izolovanej funkcii má filtrovanie zmysel. Ak vyhľadávanie používa 5 % ľudí, zmenu algoritmu vyhodnotíme na nich, a nie na 95 %, ktorí ho nikdy nepoužijú. Redizajn detailu produktu stačí vyhodnotiť na 60 % ľudí, ktorí na detail prídu, a úpravu checkoutu na 15 %, ktorí sa do neho dostanú.

Filtrovanie je bezpečné len vtedy, keď expozíciu zaznamenávate v oboch variantoch. V kontrolnej skupine si teda poznačte aj ľudí, ktorí by zmenu videli, inak sa skupiny porovnávať nedajú. Tento postup sa volá triggered analysis.

Keď si nie sme istí, začneme s celou vzorkou a hlavnými metrikami. Filtrovanú analýzu vieme spraviť aj dodatočne, ale dáta o efektoch, ktoré sme nemerali, späť nezískame. Ešte to dolaďujeme, takže ak ste podobnú dilemu riešili, napíšte mi, ako ste na to išli.