A/B‑тест сайта: как понять, какой вариант продаёт

Дизайнер говорит, что новый первый экран лучше, маркетолог хочет вернуть старый, а продажи за неделю то выросли, то упали. Спор «какой вариант сайта лучше» решает A/B‑тест. Разберём, что это такое простыми словами, что стоит тестировать в интернет‑магазине, на каких ошибках тесты врут и сколько заказов нужно, чтобы верить результату

Короткий ответ

A/B‑тестирование сайта — это когда посетителей в одно и то же время случайно делят на две группы: одна видит старый вариант, другая новый. Меняют одну вещь и сравнивают заказы, а не клики. Верить результату можно, когда в каждом варианте набралось хотя бы несколько десятков заказов и тест шёл полные недели. Бесплатный инструмент — Varioqub от Яндекс Метрики, но для него на сайт нужно добавить код

AB тест: что это простыми словами

Представьте две одинаковые витрины, у которых отличается только ценник. Покупатели сами по себе, случайно, идут то к одной, то к другой. Через месяц вы считаете, где купили больше. Это и есть сплит‑тест сайта: вариант A — как сейчас, вариант B — с одной правкой

Важны два условия. Группы должны быть случайными, и варианты должны работать одновременно. Тогда погода, зарплата, реклама и праздники одинаково действуют на обе группы, и разница в заказах объясняется только правкой

Что тестировать в интернет‑магазине

Тестировать стоит то, что видит большинство посетителей и что влияет на решение купить:

• Первый экран главной — баннер с товаром против баннера с преимуществом;
• Заголовок — про товар или про выгоду покупателя;
• Главное фото карточки — товар на белом фоне или в жизни;
• Цена и скидка — показывать зачёркнутую цену или только итоговую;
• Кнопка — текст, цвет, место на экране телефона;
• Порог бесплатной доставки — от 3 000 или от 5 000 ₽ (пример, не данные клиентов)

Мелочи вроде оттенка иконки в подвале тестировать бессмысленно: разница будет меньше случайного шума, и тест не закончится никогда

Сколько нужно заказов, чтобы доверять результату

Заказы приходят неравномерно. Даже если два варианта абсолютно одинаковые, за неделю один наберёт 9 заказов, другой 13 — просто случайно, как орёл и решка не выпадают строго по очереди. Поэтому разница «9 против 13» ещё ничего не доказывает

Чем больше заказов, тем меньше случайность влияет на итог. Рабочий ориентир для магазина — несколько десятков заказов в каждом варианте, а лучше 100 и больше. Чем меньше разница между вариантами, тем больше заказов нужно, чтобы её разглядеть: заметить рост на 50% проще, чем на 5%

Пример, не данные клиентов: 2 000 посетителей в каждом варианте, 30 заказов против 42. Похоже на победу B, но при таких числах разница ещё может быть случайной. Если через две недели будет 60 против 84 при вдвое большем трафике, картина уже надёжнее

Проверьте свои цифры: впишите посетителей и заказы двух вариантов — калькулятор скажет, есть ли победитель или пока рано судить

Шесть ошибок, из‑за которых тест врёт

1. Мало трафика. При 300 посетителях в неделю и 3 заказах тест на 5% разницы займёт годы. Такому магазину сначала нужен трафик
2. Остановили рано. На третий день B «выигрывает», тест выключают. Через неделю разница часто исчезает. Решайте, сколько идёт тест, до старта — минимум полные 2 недели
3. Поменяли три вещи сразу. Новый заголовок, фото и цена в одном варианте — и непонятно, что сработало, а что мешало
4. Смотрели на клики вместо заказов. Яркая кнопка собирает больше нажатий, но заказов может стать меньше. Главная цифра — конверсия в заказ и выручка
5. Сравнили разные недели. «Неделю было так, неделю так» — это не A/B‑тест: на вторую неделю пришлась зарплата или новая реклама
6. Попали на праздник или распродажу. Чёрная пятница и 8 Марта меняют поведение покупателей. Результат такого теста не переносится на обычные недели

Как провести A/B тест: чем делать

Varioqub — сервис экспериментов Яндекс Метрики. Он делит посетителей на выборки, берёт данные из Метрики и показывает в отчёте, какой вариант лучше по выбранным целям, с цветовой отметкой значимости. Правки можно сделать в визуальном редакторе: текст, картинки, ссылки, названия кнопок, цвет элементов. Базовая версия доступна по умолчанию, расширенные возможности — в платных тарифах

Условие одно: на сайте должен стоять счётчик Метрики и отдельный код Varioqub в head или через Google Tag Manager. На своём сайте это небольшая задача для программиста

На Яндекс Ките Метрика подключается в «Интеграциях», но возможности добавить код Varioqub в справке Кита мы не нашли (на сентябрь 2026). Остаётся последовательный тест: две недели блок A, две недели блок B, потом сравнение конверсии. Честно: это хуже настоящего A/B‑теста, потому что недели разные. Чтобы снизить шум, берите одинаковые по сезону недели, не меняйте в это время рекламу и цены, и повторите пару A → B → A. Если B выигрывает оба раза, ему можно верить больше

Кто ведёт тесты

Один тест — это гипотеза, срок, замер и решение. Когда таких тестов десятки, нужен порядок: журнал правок, одна правка за раз, итог в заказах. Так устроено ведение магазина в ZVENO: правки сайта дважды в неделю по цифрам из Метрики, 50 000 ₽ в месяц. Если магазина ещё нет, соберём его на Яндекс Ките под ключ сразу с Метрикой и целями

Коротко

• A/B‑тест — два варианта одновременно на случайных группах посетителей, одна правка за раз
• Тестируйте первый экран, заголовок, фото карточки, цену и скидку, кнопку, порог доставки
• Судите по заказам и выручке; ориентир — десятки заказов в каждом варианте и минимум 2 полные недели
• Разные недели, праздники и остановка на третий день делают тест бесполезным
• Инструмент — Varioqub от Метрики; на Ките пока только последовательный тест с оговорками