CRO не сводится к A/B-тестированию (и красная кнопка вас не спасёт)
The short version: conversion rate optimization is not A/B testing. Testing is the last, smallest step in a research-led process, and most published tests never reach statistical significance. The real levers are value proposition clarity, trust, and the offer itself. A red button will not fix a page that gives visitors no clear reason to say yes.
Ask most marketers what conversion rate optimization means, and the answer arrives fast: run a test, pick a winner, repeat. It is a tidy story, and mostly wrong. Two myths travel together here. The first is that CRO equals testing. The second is that the tests worth running are cosmetic: a button color, a headline tweak, a CTA word swap. Neither survives the data.
What is conversion rate optimization, if it is not A/B testing?
CRO is the discipline of finding and removing the real reasons a visitor does not take the action a page wants, then confirming the fix with evidence. Testing sits at the end of that chain, as verification. Most of the work happens earlier: reading analytics funnels for where people leave, watching session recordings for where they hesitate, and building a specific, falsifiable hypothesis before any test goes live. Skip that work and a test is not an experiment. It is a guess with a sample size.
How many A/B tests actually produce a winner?
Fewer than most teams assume, and the gap between the myth and the number is exactly why testing alone cannot carry a CRO program.
| Source | Tests examined | Statistically significant win rate |
|---|---|---|
| Optimizely | 127,000+ experiments | 12 percent on the primary metric (Optimizely) |
| ConversionTeam | 2,288 audited tests | 19.1 percent per test (ConversionTeam, to re-verify) |
Independent studies land anywhere from roughly 10 to 22 percent, depending on how strictly "win" is defined, but they agree on the shape: most tests are flat, not victories. That is not an argument against testing. It is an argument against spending scarce testing capacity on low-confidence ideas instead of the hypotheses research already points to.
What actually moves the number, if not the test itself?
Three things, in this order.
- Value proposition clarity. Whether a visitor understands, in seconds, what the offer is, who it is for, and why it beats the alternative.
- Trust. Whether the visitor believes the page and the business behind it before being asked to commit anything.
- The offer. The actual terms on the table: price, risk, packaging, and what is being asked of the visitor relative to what they have earned.
None of these are cosmetic, and none are fixed by swapping a hex code. NextAfter's published experiment log includes a donation-page test where a sharper value proposition lifted conversion by roughly 41 percent, on a sample honest enough to report the result narrowly missed the standard 95 percent confidence bar (NextAfter, to re-verify): exactly the discipline real optimization work requires. On trust, Baymard Institute found that 19 percent of shoppers had abandoned a checkout specifically over payment trust (Baymard Institute). Neither lever shows up in a "before" and "after" button screenshot.
Why did the red button become gospel?
Because one case study was easy to repeat and nobody checked the context. In 2011, HubSpot ran a red button against a green one on a sample of a little over 2,000 visits, and red won by 21 percent (HubSpot, to re-verify, original small-sample test). Green was HubSpot's own dominant brand color, used everywhere on that page, so visitors had gone blind to it. Red was the only warm color on the screen. The lever was contrast against a color-saturated page, not the hue itself, a point conversion researchers including CXL have made consistently since (CXL, to re-verify). A result that specific, from a page that specific, was never a universal law. It just travelled well.
Where does testing actually belong in the process?
Last, and only once research has produced a hypothesis worth the traffic it will cost to test. One CRO agency puts a number on the split: practitioners worth hiring spend roughly 70 percent of their time analyzing data and 30 percent testing, a single-source estimate rather than a survey finding, but directionally consistent with everything above (Strategyc, to re-verify). It also explains why testing gets the credit: a test produces a clean number, research produces judgment, and judgment is harder to put in a slide. A widely repeated, Econsultancy-sourced figure names a longer-standing version of the same imbalance: for every 92 dollars spent acquiring a visitor, only 1 goes toward converting them. Its original report is hard to trace at this remove, so treat it as industry lore, not a fresh study (to re-verify). True or approximate, the direction holds: acquisition gets the budget, and conversion gets what testing can squeeze from the rest.
Value proposition, trust, and offer are where that budget should go first. Testing confirms the fix. It does not find it.
Часто задаваемые вопросы
Нет. Тестирование является лишь одним из этапов проверки внутри CRO, а сам процесс начинается с исследования того, почему посетители не совершают конверсию. Основной рост происходит ещё до запуска теста.
Примерно от 12 до 19 процентов, согласно двум масштабным анализам, охватившим более 127 000 и 2288 проверенных тестов. Независимые исследования показывают диапазон от 10 до 22 процентов. Большинство тестов не дают результата или остаются неубедительными, а не становятся победителями.
Только через контраст, а не через сам оттенок. Знаменитый тест «красное против зелёного», породивший этот миф, проводился на странице, где зелёный уже был доминирующим цветом бренда, поэтому красный просто выделялся на общем фоне. Тестировать стоит контраст, а не цвет ради цвета.
Он дал чёткую, эффектную цифру по итогам одной страницы, и эта цифра распространилась куда шире, чем контекст, в котором она возникла. Рост дал контраст на странице с насыщенным цветом, но этот нюанс терялся каждый раз, когда результат пересказывали как универсальное правило.
Конкретная, проверяемая гипотеза, построенная на фактах: аналитика, показывающая, на каком шаге уходят посетители, записи сессий, показывающие, где они колеблются, и исследование того, что именно их запутывает. Тест без этой основы остаётся лишь догадкой, прикрытой размером выборки.
Ясность ценностного предложения, доверие и сам оффер: понимает ли посетитель, что ему предлагают и почему это лучше альтернативы, верит ли он сайту и соответствуют ли условия оффера тому, что он заслужил.
Универсального соотношения не существует, но специалисты, которые подходят к делу серьёзно, отдают явный приоритет исследованию и диагностике, оставляя тестированию роль последнего шага, который подтверждает гипотезу, а не порождает её.
Давно гуляющая цифра называет соотношение 92 к 1. Её первоисточник проследить сложно, поэтому её стоит воспринимать как отраслевую легенду, а не как новое исследование. При этом общая картина, при которой большая часть бюджета достаётся привлечению, а конверсия получает то немногое, что остаётся, совпадает с опытом практиков.
Ответ на вопросы «что это», «для кого это» и «почему это лучше альтернативы», понятный посетителю за несколько секунд. В одном из опубликованных экспериментов уточнение ценностного предложения дало прирост примерно на 41 процент, а такого масштаба не достигал ни один оттенок кнопки.
Столько, сколько нужно, чтобы построить гипотезу на фактах, а не на догадке, и иметь ясное основание полагать, что изменение повлияет на метрику.
Нет. Редизайн меняет сразу множество переменных, поэтому, когда показатель сдвигается, невозможно сказать, какое именно изменение на это повлияло.
Считать тест стратегией, а не её последним шагом. Сначала нужно выстроить ясность, доверие и оффер, а затем тестировать изменение с наибольшими шансами на успех.