A/B тест лендинга без магии: как реально сравнивать варианты страницы

Почему A/B тесты лендингов умирают в отчётах, а не в гипотезах

Если назвать вещи своими именами, во многих компаниях A/B тест лендинга — это «сделали две версии, посмотрели через пару дней, выбрали ту, где цифра побольше». В лучшем случае — по кликам, в худшем — по ощущениям.

Реальность такая: без нормальной постановки гипотезы, понятного целевого действия и базового понимания статистической значимости теста вы просто раскидываете трафик между вариантами страницы. В свежих гайдах по A/B‑тестированию для лендингов постоянно повторяется одна и та же мысль: тесты, которые не доходят до достаточного объёма данных и останавливаются «на глаз», дают ложноположительные результаты и стоят дороже, чем любой платный инструмент тестирования.

Если смотреть на это трезво, A/B‑тестирование посадочных страниц — это не про «креативность маркетолога», а про дисциплину: один чёткий вопрос, одно главное целевое действие, аккуратное распределение трафика и договорённость, когда мы считаем, что тест состоялся.

Что вообще считать A/B тестом, а что — просто «сравнили два лендинга»

Не каждый запуск новой страницы — A/B‑тест

Бывает, что маркетолог говорит: «Мы протестировали новый лендинг, CR вырос с 2 до 3%». Спрашиваешь — как тестировали? Ответ: «Старый выключили, новый включили, через неделю сравнили цифры». Это не A/B тест лендинга, это последовательное сравнение, где на результат влияет всё: сезонность, трафик, креативы, даже день недели.

Сплит тест посадочной — это когда:

• Одновременно живут минимум два варианта страницы (A и B).
• Трафик делится между ними в заданной пропорции (чаще всего 50/50).
• Для обоих вариантов одинаковы источники трафика, период, настройки кампаний.
• Есть одно чёткое целевое действие (конверсия в заявку, клик по CTA, регистрация).

Без этих условий вы делаете не A/B‑тест, а просто меняете посадочно‑креативную связку и смотрите на общий результат. Иногда этого достаточно, но это другая тактика.

Гипотезы для A/B теста: без фраз «проверим, вдруг взлетит»

Гипотеза — это не «посмотрим, какая из двух кнопок лучше». Рабочая формула обычно выглядит так:

• Исходные наблюдения: что болит? Например: «Большая часть мобильного трафика не доходит до формы, по тепловым картам видно, что люди зависают выше блока с CTA.»
• Изменение: что конкретно меняем? «Вариант B поднимает блок с формой выше, убирает лишний текст и оставляет 3 поля вместо 6.»
• Ожидаемый эффект: что хотим увидеть? «Ожидаем рост конверсии в заявку по мобильному трафику минимум на 20% относительно базового уровня.»

Гипотезы для A/B теста с такой структурой легче обсуждать с командой и защищать перед руководителем маркетинга: понятно, на какой участок воронки цель, что именно меняется и ради какой дельты вы вообще затеваете эксперимент.

Что тестировать на лендинге в первую очередь, а что оставить на потом

Таблица: приоритеты для тестирования элементов лендинга

Приоритет	Что тестировать	Когда имеет смысл
Высокий	Оффер и заголовок	Низкий CR, много отказов, слабый интерес
Высокий	Первый экран и CTA	Плохой scroll depth, мало кликов по CTA
Средний	Структура блоков	Люди «застревают», много скроллов туда‑сюда
Средний	Форма (кол-во полей, шаги)	Много кликов по CTA, мало отправок
Низкий	Цвет кнопки, иконки, фон	Только после работы с оффером и структурой

Если говорить откровенно, нет смысла начинать сплит тест посадочной с оттенка кнопки, пока вы не уверены, что оффер вообще понятен и первый экран не превращает трафик в отказы. В обзорах по A/B‑тестированию лендингов как минимум советуют сначала проходить цикл «оффер → первый экран → форма → соцдоказательство», и только потом добивать текстовые нюансы и визуал.

Как понять, что у вас вообще есть трафик для A/B теста

Статистическая значимость теста без занудства

Кому‑то это не понравится, но статистическая значимость теста — это не «мы два дня посмотрели, тут вариант B выигрывает, можно считать победителя».

Что важно знать практику, а не аналитику‑статисту:

• Чаще всего для A/B‑теста по конверсии лендинга берут уровень значимости 95% (риск ошибиться 5%) и мощность теста около 80%.
• Чтобы увидеть реальную разницу между вариантами, нужно набрать достаточно конверсий на каждый вариант, а не только показы или клики.
• Во многих гайдах по A/B‑тесту лендинга в качестве грубых ориентиров фигурируют 100–200 конверсий на вариант и минимум 2–4 недели прогона, чтобы захватить типичные колебания по дням и каналам. Но реальные требования зависят от базового CR, ожидаемого эффекта и количества вариантов, поэтому под конкретный тест объём выборки лучше считать через калькулятор статистической значимости, а не опираться только на усреднённые цифры.

В реальных проектах это означает простую вещь: если страница даёт 1–3 заявки в день, то полноценный A/B‑тест с честной статистикой или будет идти очень долго, или должен проверять очень крупные изменения, а не цвет кнопки.

Что делать, если трафика мало

Если у вас не 10 000 визитов в неделю, это не значит, что про тестирование элементов лендинга можно забыть. Скорее, нужно менять подход:

• Тестировать крупные изменения: новый оффер, другую структуру, радикально другой первый экран.
• Сравнивать не два чуть отличающихся варианта, а «старый подход» против «новой концепции», даже если формально это последовательные запуски, а не чистый A/B.
• Подключать больше качественных данных: интервью, юзабилити‑тесты, запись сессий.

Будем говорить по‑честному: при очень низком трафике математически «идеальный» A/B‑тест посадочной — не самая эффективная инвестиция времени. Но это не повод не экспериментировать вообще, просто часть гипотез стоит проверять более грубыми методами.

Мини‑кейсы: как A/B‑тестирование посадочных страниц работает в жизни

Кейc 1. B2B‑сервис: один CTA вместо четырёх

Ситуация: лендинг B2B‑сервиса, куда ведут тёплый трафик. На первом экране четыре равноправные кнопки: «Оставить заявку», «Скачать презентацию», «Посмотреть кейсы», «Запросить прайс». CR в заявку — около 2,5%.

Гипотеза: если мы уберём лишние CTA с первого экрана и оставим один главный плюс один второстепенный (например, «Оставить заявку» и «Скачать кейс»), то конверсия в заявку вырастет, потому что людям будет проще принять решение.

Что сделали в A/B тесте лендинга:

• Вариант A — текущая версия с четырьмя кнопками.
• Вариант B — один основной CTA («Запросить план внедрения») и один облегчённый («Получить кейс» ниже).
• Трафик поровну, цель — конверсия в заявку, тест шёл чуть больше трёх недель, пока оба варианта не набрали по 150+ конверсий.

Результат: по итогам сплит теста посадочной вариант B показал рост CR в заявку примерно на 18% относительно базовой версии, при этом не просело качество лидов (по данным CRM). В итоге новый вариант ушёл «в прод» как основной.

Кейc 2. Онлайн‑образование: форма в один шаг против формы в два шага

Ситуация: лендинг онлайн‑школы, где заявка на курс оформляется через форму на 8 полей. CR в заявку 1,4% по холодному трафику, 2,6% по ретаргету.

Гипотеза: если разделить форму на два шага и в первом попросить только минимальный набор контактов (имя, email/телефон), то больше людей «засейвится» на первом шаге, и в сумме по воронке будет больше заявок.

Дизайн A/B теста:

• Вариант A — текущая форма в один шаг.
• Вариант B — форма в два шага: контакты на первом, детали (город, опыт, комментарий) на втором.
• Цель — конверсия в заполненную первую и полностью заполненную форму.
• Тест крутили около месяца до набора нужного числа конверсий для статистически значимого сравнения.

Результат: в варианте B конверсия в первый шаг выросла примерно в 1,7 раза, но часть пользователей не доходила до конца. В сумме по воронке конверсия в полностью заполненную заявку выросла на ~25% относительно базового варианта, что для такого трафика — очень заметный прирост.

Практический чек‑лист: как запустить нормальный A/B тест лендинга

Шаг 1. Определить, что именно вы хотите улучшить

• Конверсию в заявку?
• Конверсию формы?
• Клики по ключевому CTA?

Без ответа на это сравнение вариантов страницы будет бессмысленным: одна версия выиграет по кликам, другая — по заявкам, и спор можно продолжать бесконечно.

Шаг 2. Собрать исходные данные

• Базовый CR страницы и формы.
• Типичный объём трафика в неделю.
• Основные источники трафика (по возможности — разбивка).

С этими цифрами вы уже можете прикинуть, сколько по времени пойдёт A/B тест лендинга и есть ли смысл в принципе замахиваться на мелкие изменения.

Шаг 3. Сформулировать гипотезу и выбрать элемент для теста

• Опирайтесь на данные: где люди отваливаются, что видно в тепловых картах, что говорят менеджеры и пользователи.
• Сформулируйте гипотезу в формате «Если мы сделаем X, то Y вырастет на Z %, потому что…».
• Выберите один ключевой элемент: оффер, первый экран, CTA, форму, соцдоказательство. Не всё сразу.

Шаг 4. Настроить сплит тест посадочной

• Пропишите, какой процент трафика идёт на вариант A и B (по умолчанию 50/50).
• Убедитесь, что системы аналитики корректно различают варианты и считают конверсии отдельно. Для российского рынка в 2026 году чаще всего используют встроенные A/B‑механики рекламных систем, тесты в конструкторах лендингов и решения поверх Яндекс Метрики и систем веб‑аналитики. Для базового уровня этого более чем достаточно.
• Один A/B тест — один основной KPI. Остальные метрики смотрите как дополнительные.

Шаг 5. Не трогать тест до нужного объёма данных

• Не смотреть каждый день на «кривую лидов» и не отключать вариант, который неделю проигрывает: это прямой путь к ложным выводам.
• Дайте тесту пройти хотя бы два‑три полных цикла по трафику (как правило, не меньше двух недель) или до набора оговорённого числа конверсий.

Шаг 6. Зафиксировать выводы и внедрить новый стандарт

• По каждому A/B тесту лендинга фиксируйте: что меняли, зачем, какой эффект получили, какова была статистическая значимость теста.
• Победивший вариант становится новой «контрольной» версией, от которой вы стартуете следующие гипотезы.

Когда A/B‑тест лендинга превращается в самообман

1. Тестируют всё и сразу
   Запускают вариант, где одновременно поменяли и оффер, и заголовки, и визуал, и форму. Потом смотрят на результат и не понимают, что именно сработало. Гораздо эффективнее менять один ключевой элемент за тест: сначала оффер и первый экран, потом — структуру, потом — форму. Так вы сможете объяснить, откуда взялась дельта, а не просто радоваться «зелёной» цифре.
2. Останавливают тест «по ощущениям»
   Через несколько дней смотрят в отчёт: «Вариант B выигрывает, выключаем A, чтобы не сливать трафик». В итоге тест останавливают до того, как набрали вменяемый объём конверсий, и получают ложных «победителей». Лучше заранее договориться, сколько конверсий и какой минимальный срок вам нужен, и не дёргать настройки, пока тест не добежит до этих порогов.
3. Меряют только клики по CTA
   Классическая история: один вариант даёт больше кликов по кнопке, но в заявках выигрывает другой. Если смотреть только на CTR кнопки, можно радостно выбрать версию, которая отлично собирает «любопытство», но хуже приносит заявки. Для лендингов, заточенных под лидогенерацию, главная метрика — конверсия в заявку, клики по CTA — вспомогательная.
4. Не фиксируют базовый CR перед стартом
   Запускают тест, смотрят, что стало «вроде лучше», и спорят, насколько это значимо. Без зафиксированного базового CR (страницы, формы, перехода из клика в заявку) сравнивать особенно не с чем. Потратьте 10 минут до старта: выпишите текущие цифры и договоритесь, какая дельта для вас вообще имеет смысл (например, не меньше +10–15% к CR, а не «+0,3 процентных пункта»).
5. Дробят трафик между кучей вариантов
   Запускают сразу 3–4 варианта страницы, чтобы «быстрее найти победителя», и в итоге месяцами гоняют тесты без статистической значимости — у каждого варианта слишком мало конверсий. Для большинства проектов лучше начинать с чистого A/B: один контрольный вариант, один экспериментальный. До мультивариантных историй имеет смысл доходить, только когда у вас реально много трафика и зрелый процесс CRO.
6. Тестируют без проверки трекинга
   Ещё одна боль: A/B тест настроили, трафик пошёл, а через неделю выясняется, что события в аналитике срабатывают криво, часть заявок не трекается, а часть целей задвоена. В итоге любой результат можно оспорить. Перед тем как запускать сплит‑тест посадочной, прогоните пару тестовых конверсий по каждому варианту и убедитесь, что события и цели действительно записываются туда, куда нужно.

Ориентиры по цифрам: когда A/B‑тестирование посадочных страниц имеет смысл

• Если страница даёт хотя бы десятки конверсий в неделю, A/B тест лендинга по одному ключевому элементу (оффер, экран, форма) уже может быть осмысленным, особенно при заметной ожидаемой дельте.
• При CR в районе 2–5% и желаемом росте хотя бы на 10–20% ориентируйтесь на сотни конверсий на вариант, а не десятки, чтобы заявлять победителя с вменяемой статистической значимостью теста.
• Если у вас трафика мало, то думаем не «как бы провести идеальный A/B тест», а «какой крупный шаг в структуре или оффере мы можем проверить и увидеть карту до/после».

Главное — не воспринимать статистическую значимость теста как магический рубеж, а как способ защититься от иллюзий, когда разница между вариантами возникла случайно.

Как выжать максимум из A/B тестов лендингов

Если резюмировать для маркетолога, который отвечает и за трафик, и за посадочные:

• Не называйте A/B тестом любой запуск новой посадочной — тестом считается одновременное сравнение вариантов страницы с понятным целевым действием.
• Стройте A/B тест лендинга от данных и гипотез, а не от вкуса: сначала смотрим, где реально «течёт» воронка, потом решаем, что менять.
• Начинайте тестирование элементов лендинга с оффера, первого экрана, CTA и формы, а не с цвета кнопки и иконок.
• Следите за статистической значимостью теста и количеством конверсий на вариант, а не за «кривой за вчера».
• Документируйте результаты экспериментов и превращайте удачные варианты в стандарты, от которых будете отталкиваться дальше.