A/B-тест лендінгу: 8 гіпотез за 30 хвилин з AI

Найбільша помилка SMB-маркетологів у тестуванні лендінгів — вважати ідейку rate-limit'ом. Не вона. 8 тестових гіпотез на сторінку — за 30 хвилин з AI. Rate-limit — це трафік, і саме тому більшість команд першими тестують не ті дві ідеї.

Чому ідейка A/B тестів здається повільною?

Бо більшість команд ставиться до кожного тесту як до унікального креативного акту замість прогону відомої рубрики. З фреймом — PASTOR, AIDA або проста сітка важелів — за 30 хвилин у тебе 8 варіантів, і решта мітингу — на складніше питання: які два варті трафіку?

Визначення: PASTOR-фреймворк — Problem, Amplify, Story/Solution, Transformation, Offer, Response; копірайтерська структура, що чисто мапиться на секційну логіку лендінгу для генерації гіпотез.

Фрейм не пише тест. Він прибирає вагання «з чого почати», що з'їдає перші 25 хвилин кожної ідейної сесії.

Що таке реальна A/B-гіпотеза?

Не «давайте зелену кнопку». Реальна гіпотеза має три частини: зміна, прогнозований напрям ефекту, і механізм.

Визначення: Тестова гіпотеза — записане твердження, що поєднує (а) конкретну зміну, (б) прогнозований напрям uplift конверсії, (в) механізм поведінки користувача, що має дати uplift.

Погано: «Тестуємо новий headline». Добре: «Замінити headline на outcome-orientований, бо поточний підкреслює фічу; outcome-формулювання має підняти CTR CTA на 8-15% за рахунок зменшення трансляційного зусилля покупця».

Гіпотеза без механізму — це бажання. З бажання неможливо вчитися, коли воно не справдилось — а більшість тестів не справджуються.

Матриця 4 важелі × 2 фрейми

Чотири важелі, два фрейми, вісім гіпотез. Усе.

Важіль 1: Headline

Фрейм 1 (PASTOR) — Problem-amplifier («Все ще витрачаєш 12 годин на тиждень на...») Фрейм 2 (AIDA) — Attention-grabber («Найшвидший спосіб...»)

Важіль 2: CTA

Фрейм 1 (PASTOR) — Response-focused («Отримати 7-денну діагностику») Фрейм 2 (AIDA) — Action-focused («Почати free trial»)

Важіль 3: Social proof

Фрейм 1 (PASTOR) — Story/Solution (трансформація одного названого клієнта) Фрейм 2 (AIDA) — Desire-building (logo bar + агрегатна цифра)

Важіль 4: Hero image/секція

Фрейм 1 (PASTOR) — Візуалізація проблеми (показуємо поточний біль) Фрейм 2 (AIDA) — Візуалізація outcome (показуємо бажане майбутнє)

Вісім гіпотез. 20 хвилин AI-assisted writing. 10 хвилин людського sanity-check.

Copy/paste промпт ідейки

Той, що перетворює 30 хвилин мітингу на чергу тестів.

Роль: Senior conversion copywriter, генерація A/B
гіпотез для SMB [N] людей у [галузь].

Вхідні:
- URL поточного лендінгу: [URL]
- Поточний headline: [текст]
- Поточний primary CTA: [текст]
- Поточний social proof: [опис]
- Поточний hero: [опис]
- Основна персона покупця: [2 речення]
- Топ-конверсійна ціль: [текст]
- 3 останні результати тестів (win, loss, neutral): [список]

Для кожного з 4 важелів (headline, CTA, social proof, hero):
1. PASTOR-варіант.
2. AIDA-варіант.
3. Для кожного — гіпотеза у формі:
   "Замінити X на Y, бо [механізм], очікуваний uplift
   у [метрика] на [діапазон]."
4. Скор 1-5 за:
   - Defensibility проти brand voice
   - Дистанція від поточної версії
   - Трафік, потрібний на детекцію значущого uplift
5. Фларгати варіант, що суперечить "lost" тесту з
   вхідних — auto-DROP, якщо з тих пір не дізналися
   чогось нового.

Вивід: 8-варіантна markdown-таблиця — 2 на важіль —
з гіпотезою, механізмом, балами і рекомендацією
ship/drop.

Жорстко: не пропонуй варіанту, чий механізм ти не можеш
сформулювати в одне речення. Без механізму — auto-DROP.

Правило «без механізму auto-DROP» — те, що зупиняє AI від заповнення черги зелено-кнопковими варіантами.

Tool tip (Course for Business): Ідейка A/B-тестів — найзрозуміліший демо принципу Augment, don't replace: AI генерує вісім, людина залишає дві, команда вчиться з самого вибору. У 5-денній програмі на другий день — Shoulder-to-Shoulder hot seat, де маркетинг-лід генерує гіпотези live, а чемпіон проговорює рубрику sanity-check уголос. Ratio AI Champions (1:15-20) означає одного тренованого чемпіона на ~17 людей, який тримає ритм пріоритизації тестів. Програма: https://course.aiadvisoryboard.me/business.

Team scan (звіт AI champions після тижня 1)

• Adoption: маркетинг-лід прогнала 8-гіпотезний промпт на 3 лендінгах цього тижня
• Use case: AI згенерував 24 кандидати; команда залишила 6 у чергу
• Saved time: ідейні мітинги стиснулися з ~90 хв до ~30 хв на сторінку
• Adoption: дизайнер вперше в sanity-check раунді
• Use case: зловив 2 гіпотези, що суперечили минулим результатам — флаг DROP
• Saved time: інакше витратили б ~5 днів трафіку на тести, які наперед програшні
• Adoption: аналітик рахує traffic-required для кожної shortlisted гіпотези
• Use case: одну гіпотезу dropped — uplift вимагав 11 тижнів трафіку на 95% confidence
• Saved time: запобігли тесту, що блокував би сторінку на 2 місяці
• Adoption gap: product team поки не приєдналася; потрібен PM-контекст для hero-варіантів

Micro-case (що змінюється за 7-14 днів)

B2B services фірма на 60 людей крутила ~1 A/B-тест на місяць на основному лендінгу — результати приходили ~через 6 тижнів від старту, бо ідейні мітинги з'їдали 90 хвилин, а пріоритизаційні дебати — ще 2 тижні. Після 5-денної програми команда взяла матрицю 4 важелі × 2 фрейми. Перший тиждень: 24 гіпотези на 3 сторінки в трьох 30-хв сесіях. Sanity-check викинув 14 (без механізму або проти минулих lost-тестів). З решти 10 traffic-required фільтр зрізав ще 4. Дві high-conviction відправили в тест одразу, 4 в чергу на наступний місяць. Каденс тестів — з одного на місяць до двох на тиждень. Win rate — 20-25%, без істотних змін, але вчилися з у 8 разів більшої кількості відправлених тестів, а мітинги «що б нам тестувати наступним» припинилися.

Note on this case: Приклад ілюстративний — на типових патернах у компаніях 30-500 людей, не за одним клієнтом. Цифри — округлені наближення поширених діапазонів, не гарантії.

Tool tip (Course for Business): A/B-програми стагнують не через ідейку — через ритм. 5-денна програма інсталює ритм: понеділок промпт, вівторок sanity-check, середа ship, тижневий readout. Shoulder-to-Shoulder hot seat — місце, де чемпіони коучують маркетинг-команду через перші три раунди, поки ритм не приживеться. Забронюй 30-хв call — намапимо перший тиждень для твоєї команди: https://course.aiadvisoryboard.me/business.

FAQ

Хіба AI-варіанти не звучатимуть всі однаково? Так — якщо в промпті немає brand-voice обмеження. З явним brand voice + вимогою механізму AI робить варіанти, диференційовані на позиціонуванні, а не на словах. Sameness — це проблема промпту.

Як обирати між двома сильними гіпотезами? Трафік, потрібний на детекцію прогнозованого uplift, при 95% confidence. Якщо A потребує 4 тижні, а B — 11, відправляй A першою, незалежно від того, яка цікавіша. Time-to-learning б'є теоретичний uplift.

Чи потрібен A/B-тул? Для ідейки — ні. Для запуску тестів — так, навіть базовий split-тул. Без вимірювання це не A/B-тести, а серія здогадок — гірше.

А multivariate? Для SMB з менше ніж ~5000 конверсій/місяць на сторінці — лишайся на A/B. Multivariate ділить той самий трафік на більше клітинок і детектить менше перемог. Multivariate — для сторінок з достатнім трафіком.

Чи це працює для сторінок з низьким трафіком (<1000 відвідин/місяць)? Так для ідейки. Ні для тестування — на такому об'ємі немає статистичної потужності для нічого, крім масивних uplift'ів. Використовуй метод ідейки, щоб обрати одну зміну на місяць за якістю гіпотези, відправ без формального A/B і реві результат якісно.

Висновок

Згенерувати A/B-гіпотези — не боттлнек, це дешева частина. Чотири важелі, два фрейми, вісім гіпотез, 30 хвилин. Дорога частина — дисципліна «гіпотеза без механізму auto-DROP», traffic-aware пріоритизація і тижневий ритм. Навчи команду ритму, і win rate не дуже зміниться, а швидкість навчання компаундує.

Відкрий промпт. Обери сторінку з найбільшим трафіком. Прожени матрицю завтра вранці.

Якщо хочеш, щоб кожен співробітник за 5 днів випустив свою першу AI-автоматизацію — забронюй 30-хв call, ми намапимо перший тиждень: https://course.aiadvisoryboard.me/business.