6 min čitanja
A/B testiranje djeluje jednostavno: pokažete dvije verzije, usporedite rezultate i zadržite pobjednika. U praksi se najveće pogreške događaju prije prvog posjetitelja — kada nema potvrđenog problema, hipoteza je nejasna, istodobno se mijenja previše elemenata ili se rezultat gleda prerano.
Pouzdan test nije natjecanje dizajna. To je kontrolirani eksperiment koji treba odgovoriti na unaprijed postavljeno pitanje. Google Analytics A/B test definira kao randomizirani eksperiment u kojem se dvije ili više varijanti iste stranice istodobno prikazuju slučajnim skupinama korisnika kako bi se utvrdilo koja bolje ostvaruje određeni cilj [1].
Počnite problemom, ne idejom za gumb
Prije testa morate znati gdje korisnici zapinju i zašto je taj problem poslovno važan. Kombinirajte podatke iz lijevka, ponašanje na stranici, povratne informacije korisnika, upite podršci i razgovore prodajnog tima. Tek tada oblikujte promjenu.
Praktična hipoteza može imati ovaj oblik: Ako za publiku Y promijenimo X, očekujemo promjenu Z jer dokaz D pokazuje problem P. Google Ads također preporučuje jasnu hipotezu povezanu s poslovnim ciljem i testiranje jedne varijable odjednom, jer se kod više istodobnih promjena ne može pouzdano utvrditi uzrok rezultata [2].
Primjer: „Ako na mobilnoj naplati prikažemo konačni trošak prije unosa osobnih podataka, očekujemo više dovršenih kupnji jer snimke sesija i pitanja podršci pokazuju da se korisnici vraćaju u košaricu tražeći ukupnu cijenu.”
Kontrolna i testna varijanta moraju se razlikovati smisleno
Varijanta A je postojeća kontrola, a varijanta B namjerna promjena. Mijenjate li naslov, strukturu ponude, redoslijed polja i boju gumba odjednom, možda ćete dobiti razliku, ali ne i znanje koje se može ponoviti.
To ne znači da su dopuštene samo sitne kozmetičke promjene. Ako dokazi upućuju na problem u cijelom procesu, možete testirati novu cjelovitu naplatu protiv stare. Bitno je da hipoteza jasno opisuje paket promjena i mehanizam kojim bi trebao utjecati na rezultat.
Službene smjernice GOV.UK-a opisuju A/B test kao randomiziranu usporedbu kontrole i varijacije te naglašavaju unaprijed određen uzorak, trajanje i ravnomjernu slučajnu podjelu korisnika [3].
Odaberite jednu primarnu metriku
Primarna metrika donosi odluku. Za checkout to može biti stopa dovršene kupnje ili prihod po korisniku, a za B2B obrazac kvalificirani leadovi po posjetitelju — ne samo broj poslanih obrazaca.
Dodajte zaštitne metrike. Kraći obrazac može povećati broj leadova, ali smanjiti njihovu kvalitetu. Veći popust može povećati konverziju, ali sniziti maržu. Brži klik na CTA može povećati ulazak u naplatu, a istodobno povećati odustajanje na sljedećem koraku.
Prije pokretanja zapišite primarnu metriku, zaštitne metrike, ciljani segment, minimalno važan učinak, planirano trajanje i pravilo odluke. GOV.UK u tehničkim smjernicama preporučuje da se hipoteza, publika i primarna metrika definiraju prije izgradnje testa te da se test provjeri na uređajima, preglednicima i stanjima prijave prije puštanja [4].
Ne zaustavljajte test kada vam se rezultat svidi
Svakodnevno gledanje rezultata i prekid čim varijanta B povede povećavaju vjerojatnost lažnog pobjednika. Unaprijed odredite potreban uzorak i trajanje, obuhvatite puni poslovni ciklus i uzmite u obzir kašnjenje konverzije.
Statistička značajnost ne govori koliko je rezultat poslovno vrijedan niti hoće li se ponoviti u svakoj publici. Google Ads za eksperimente koristi intervale pouzdanosti i dvostrani test na 95-postotnoj razini, ali i dalje morate procijeniti veličinu učinka, trošak implementacije i zaštitne metrike [5].
Neodlučan rezultat nije neuspjeh. Može značiti da je promjena preslaba, uzorak premalen ili da korisnicima element nije važan. Zaključak tada glasi „nismo dokazali učinak u ovom rasponu”, a ne „varijante su sigurno jednake”.
Segmenti služe učenju, ne lovu na pobjednika
Rezultat možete pregledati po uređaju, izvoru prometa ili tipu korisnika, ali oprezno. Što više segmenata pregledavate nakon testa, veća je šansa da slučajnu razliku proglasite uvidom.
Segmentirajte unaprijed samo kada hipoteza očekuje različit učinak — primjerice kada mijenjate isključivo mobilnu navigaciju. Neočekivanu razliku tretirajte kao ideju za novi test, ne kao konačan dokaz.
Zaštitite SEO tijekom testa
Ako varijante imaju zasebne URL-ove, Google preporučuje rel="canonical" prema izvornom URL-u i privremeno preusmjeravanje 302 umjesto trajnog 301. Ne smije se prikazivati jedna verzija Googlebotu, a druga korisnicima, a test treba ukloniti čim prikupi dovoljno podataka [6].
Kod dinamičkog prikaza provjerite brzinu, pomicanje sadržaja i radi li varijanta bez lomljenja analitike. Eksperiment koji mijenja korisničko iskustvo, ali istodobno pokvari mjerenje ili Core Web Vitals, ne daje čist odgovor.
Kada A/B test nije pravi alat
Očitu tehničku grešku, pogrešnu cijenu, pravnu obvezu ili prepreku pristupačnosti ne treba ostaviti polovici korisnika radi testa. Takav problem treba popraviti i provjeriti.
Test nema smisla ni kada nema dovoljno prometa za razuman uzorak, kada se poslovni uvjeti brzo mijenjaju ili kada ne možete dosljedno dodijeliti korisnika istoj varijanti. Tada su korisniji intervjui, testovi upotrebljivosti, analiza snimki, prototipi ili kontrolirana prije/poslije analiza uz jasno navedena ograničenja.
Operativni tijek pouzdanog testa
- Potvrdite problem kvantitativnim i kvalitativnim dokazima.
- Napišite hipotezu i očekivani mehanizam promjene.
- Odredite kontrolu, jednu ključnu promjenu i ciljanu publiku.
- Unaprijed definirajte primarnu i zaštitne metrike.
- Procijenite uzorak, trajanje i minimalno važan učinak.
- Provjerite dodjelu varijanti, analitiku, uređaje i preglednike.
- Pokrenite test bez usputnih izmjena.
- Analizirajte interval procjene, poslovnu vrijednost i segmente planirane unaprijed.
- Zapišite zaključak, provedite pobjedničku promjenu ili oblikujte sljedeću hipotezu.
Najvrijedniji rezultat nije uvijek varijanta B. Vrijednost je u tome da sljedeću odluku donosite s manje neizvjesnosti i da tim gradi vlastitu bazu dokaza, umjesto zbirke tuđih „najboljih praksi”.
Česta pitanja
Što je A/B testiranje?
To je randomizirana usporedba kontrolne i jedne ili više varijanti kako bi se procijenilo koja bolje ostvaruje unaprijed određeni cilj.
Koliko dugo treba trajati A/B test?
Dok ne prikupi unaprijed planirani uzorak i ne obuhvati relevantan poslovni ciklus. Trajanje ovisi o prometu, stopi konverzije, očekivanom učinku i kašnjenju konverzije.
Je li statistička značajnost dovoljna za odluku?
Ne. Treba procijeniti i veličinu učinka, poslovnu vrijednost, trošak provedbe te zaštitne metrike poput marže i kvalitete leadova.
Smije li se testirati više promjena odjednom?
Može se testirati cjelovita nova varijanta, ali tada zaključak vrijedi za paket promjena. Za učenje o pojedinom elementu mijenjajte jednu ključnu varijablu.
Što znači neodlučan rezultat?
Znači da test nije pružio dovoljno dokaza za planirani učinak. Ne dokazuje da su varijante potpuno jednake.
Izvori
Zadnja provjera izvora: 29. listopada 2026.
- Google Analytics — A/B test
- Google Ads — Test with confidence with the Experiments page
- GOV.UK — A/B testing: comparative studies
- GOV.UK Data Community — A/B and multivariate testing
- Google Ads — The statistical methodology behind experiments
- Google Search Central — A/B testing best practices
Povezani članci
Pročitajte i druge članke
