Сплит-тест прелендингов: как не слить трафик на псевдостатистике

Давайте декомпозируем этот кейс на составляющие метрики. Преленды тестируют не по «нравится/не нравится», а по связке **CTR → CR → EPC → CPA**. Если крео ведёт на разные проклы, сравнивайте не общий ROI, а именно вклад преленда в конверсию вниз по воронке.

Базовая схема: один оффер, один источник, один гео, одинаковый спенд на каждый вариант. Менять одновременно можно только один параметр — заголовок, первый экран, офферный блок или CTA. Иначе вы не поймёте, что именно дало прирост. На малом объёме смотрите не на финальный апрув, а на ранний сигнал: клики в кнопку, переходы на лендинг, глубину скролла. 📉

Критичные ошибки: сравнивать вариант с разным трафиком, стопать тест по первой пачке лидов, игнорировать холд и задержку апрува, лить на разные дни недели без выравнивания. Если у одного преленда выше CR, но ниже качество лидов, итоговый EPC может оказаться хуже. Цифры не врут, в отличие от авторов успешных кейсов.

Оптимальная логика: сначала отсекаем слабые связки по **CTR преленда**, потом добираем объём только на тех, где растёт **CR в лид** и не проседает **апрув**. Итоговый ROI здесь вытянули исключительно за счет кастомного прелендинга.

Не ищите «победителя» по одному показателю: сплит должен подтверждаться связкой метрик, иначе вы оптимизируете шум, а не воронку.