Testy A/B na Amazon: reguła 1000 wyświetleń nie pochodzi od Amazon
|
11 min czytania
Ostatnia aktualizacja: 23.10.2026
Zapytaj, czemu Twój ASIN nie pojawia się w Manage Your Experiments, i usłyszysz, że potrzeba 1000 wyświetleń strony produktu w ciągu ostatnich 30 dni. Ta liczba krąży wszędzie, sprzedawcy spierają się o nią na forach samego Amazona, a nie występuje ona w żadnej dokumentacji Amazona. Amazon publikuje inną miarę, w innej jednostce, i ta różnica wyjaśnia większość zamieszania wokół narzędzia, które poza tym jest jedyną uczciwą pętlą informacji zwrotnej, jaką dostaje listing.
Manage Your Experiments to wbudowane narzędzie Amazona do testów A/B dla sprzedawców zarejestrowanych w Brand Registry. Dzieli kupujących na dwie grupy, pokazuje każdej z nich inną wersję tytułu, zdjęć, punktów wypunktowanych, opisu, treści A+ albo historii marki, i raportuje, która wersja wypadła lepiej. Amazon nie publikuje progu liczby wyświetleń strony jako warunku kwalifikacji. Mówi, że ASIN potrzebuje wystarczającego ruchu w ostatnich tygodniach, co w większości kategorii oznacza kilkadziesiąt zamówień tygodniowo lub więcej.
Skąd bierze się liczba 1000 wyświetleń?
Od sprzedawcy, z wątku na forum, opisującego to, co uważał za regułę. Wątek zaczyna się tak: "Obecnie Amazon wymaga, aby ASIN miał co najmniej 1000 wyświetleń strony produktu w ciągu ostatnich 30 dni, zanim można przeprowadzić eksperyment". To rozsądna skarga, wskazująca trzy symptomy, które rozpozna każdy, kto korzystał z tego narzędzia.
- "Tygodniowe odświeżanie powoduje, że kwalifikacja jest niekonsekwentna, więc ASIN może się kwalifikować w jednym tygodniu, a w następnym spadać poniżej progu."
- "Liczby wyświetleń strony nie zgadzają się między Manage Your Experiments a Business Reports, co utrudnia ustalenie, na czym się oprzeć."
- "Nowsze lub niszowe produkty są praktycznie odcięte od korzystania z jednego z najwartościowszych narzędzi optymalizacyjnych Amazona."
Pracownik Amazona odpowiedział, i ta odpowiedź jest bardziej interesująca przez to, czego nie mówi, niż przez to, co mówi. Indy_Amazon w pełni przyznaje opisane symptomy: "Macie rację co do tych problemów. Wymóg istnieje, aby eksperymenty miały wystarczającą siłę statystyczną do uzyskania sensownych wyników, ale rozumiem waszą frustrację związaną z niekonsekwencją tygodniowych odświeżeń i rozbieżnościami między różnymi narzędziami raportowania". Amazon potwierdza niekonsekwencję i rozbieżności w raportowaniu. Nie potwierdza progu, ale też go nie koryguje.
Co faktycznie publikuje Amazon?
Test ruchu wyrażony w zamówieniach, z wyraźnym przyznaniem, że wartość się zmienia. Strona pomocy Manage Your Experiments mówi: "ASIN kwalifikuje się, jeśli należy do Twojej marki i otrzymał wystarczający ruch w ostatnich tygodniach, aby można było przeprowadzić na nim eksperyment. Pozwalamy prowadzić eksperymenty tylko na ASIN-ach o wysokim ruchu, aby zwiększyć szansę na wiarygodne wyłonienie zwycięzcy na koniec eksperymentu. W zależności od kategorii, ASIN-y o wysokim ruchu mogą otrzymywać kilkadziesiąt zamówień tygodniowo lub więcej".
| Co mówią sprzedawcy | Co mówi strona Amazona | Dlaczego to ma znaczenie |
|---|---|---|
| 1000 wyświetleń strony produktu | "wystarczający ruch w ostatnich tygodniach" | Żadna liczba nie jest publikowana |
| Wyświetlenia strony | "kilkadziesiąt zamówień tygodniowo lub więcej" | ASIN z dobrą konwersją kwalifikuje się przy dużo mniejszym ruchu |
| Jeden sztywny próg | "W zależności od kategorii" | Próg zmienia się między kategoriami |
| Mój ASIN jest oznaczony jako niekwalifikujący się | "ASIN-y o bardzo niskim ruchu mogą się wcale nie pojawić" | Nieobecność to status, nie błąd |
Czemu zmiana jednostki ma większe znaczenie niż sama liczba
Próg liczony wyświetleniami i próg liczony zamówieniami zachowują się bardzo różnie dla tego samego produktu. ASIN konwertujący na poziomie ośmiu procent potrzebuje ułamka ruchu w porównaniu z tym konwertującym na poziomie jednego procenta, aby osiągnąć tę samą liczbę zamówień, więc dwa listingi z identyczną liczbą wyświetleń mogą znaleźć się po przeciwnych stronach granicy. To też spójne wyjaśnienie tygodniowego 'migotania' kwalifikacji, o którym piszą sprzedawcy: eksperyment potrzebuje wystarczającej liczby konwersji, aby odróżnić dwie wersje, a konwersje zmieniają się bardziej niż same wyświetlenia. Zadeklarowanym celem Amazona jest, abyś mógł "wiarygodnie wyłonić zwycięzcę", a zwycięzcę wyłania się na podstawie zakupów.
Korekta jest węższa, niż się wydaje, i nie oznacza, że skarga sprzedawcy jest błędna. Własna odpowiedź Amazona przyznaje, że kwalifikacja się zmienia i że jego liczby nie zgadzają się z Business Reports, a jeden fragment działa wbrew tezie tego artykułu, i warto to jasno powiedzieć: Indy_Amazon radzi uruchomienie Sponsored Products, "aby zwiększyć widoczność i podciągnąć liczbę wyświetleń strony do progu". Czyli personel Amazona na forum mówi językiem wyświetleń i traktuje próg jako coś realnego, podczas gdy dokumentacja Amazona mówi językiem zamówień i nie publikuje żadnej liczby. Żadne z tych źródeł nie potwierdza 1000. Zmienia się diagnoza: ASIN, który dobrze konwertuje, może przekroczyć granicę przy dużo mniejszym ruchu, niż się oczekuje, więc kupowanie wyświetleń jest rozsądną rzeczą do wypróbowania, ale słabą rzeczą, na której warto się oprzeć.
Co można testować i jak działa podział?
Sześć typów treści, w trzynastu sklepach, jeden eksperyment na ASIN w danym momencie. Amazon wymienia "zdjęcia produktu, tytuły produktu, punkty wypunktowane produktu, opis produktu oraz treści A+ i historię marki", a typ Multi-Attribute pozwala połączyć kilka z nich w jednym eksperymencie. Narzędzie działa "w USA, Kanadzie, Meksyku, Wielkiej Brytanii, Niemczech, Francji, Hiszpanii, Włoszech, Holandii, Polsce, Szwecji, Indiach i Japonii, dla partnerów sprzedających będących zarejestrowanymi właścicielami marek w programie Amazon Brand Registry".
Mechanizm ma znaczenie, bo typowy model mentalny testów A/B jest tu po prostu błędny. Amazon nie zmienia Twojej treści w czasie, lecz: "klienci przeglądający treść produktu są losowo dzieleni na dwie grupy. Jedna grupa widzi wersję A treści, druga wersję B, przez cały czas trwania eksperymentu. To znaczy, że eksperymenty nie polegają na cyklicznej zmianie treści w czasie". Wersja testowa towarzyszy klientowi wszędzie, więc eksperymentalny tytuł "będzie widoczny w wynikach wyszukiwania, na stronie szczegółów produktu oraz w koszyku i podczas zakupu". Amazon dodaje w nawiasie uspokajające zastrzeżenie: "(Uwaga: eksperymenty nie wpływają na pozycje w wyszukiwaniu)".
Własne propozycje testów Amazona są w sprzeczności z typowymi radami dotyczącymi tytułów
Strona ze wskazówkami Amazona sugeruje "skrócenie tytułu produktu do mniej niż 100 znaków, aby zredukować szum i zachęcić więcej klientów do odwiedzenia strony szczegółów". To inna liczba niż limity znaków wymuszane na poziomie samego listingu, i jest podana jako hipoteza do przetestowania, a nie reguła do wdrożenia, co jest dokładnie właściwym podejściem. Jeśli dotąd przycinałeś tytuły do limitu wynikającego z zasad, interesującym eksperymentem jest sprawdzenie, czy jeszcze krótsza wersja również działa lepiej. Nasz przewodnik po zasadach dotyczących tytułów produktów na Amazon wyjaśnia, gdzie faktycznie leżą sztywne limity.
Jak długo trwa test?
Domyślnie od ośmiu do dziesięciu tygodni, albo cztery, jeśli pozwolisz zdecydować Amazonowi. Dokumentacja jest tu jednoznaczna: "Czas trwania eksperymentu wynosi zwykle 8 do 10 tygodni. Daje nam to czas na zebranie możliwie dużej ilości danych". Alternatywą jest uruchomienie testu do momentu uzyskania istotności statystycznej, a nie do konkretnej daty, co Amazon wspiera "w eksperymentach dotyczących tytułu, zdjęcia i punktów wypunktowania", i co można połączyć z automatyczną publikacją: "Połącz opcję Experiment to Significance z Auto-Publish, aby automatycznie opublikować zwycięską treść, gdy tylko eksperyment osiągnie istotność statystyczną, czasem już po 4 tygodniach".
Niecierpliwość ma swoją cenę, i Amazon to wprost tłumaczy. "Każde 'zerknięcie' na wyniki przed zakończeniem eksperymentu zwiększa ryzyko podjęcia decyzji na podstawie niereprezentatywnych wyników, co zmniejsza wiarygodność eksperymentu". Strona ze wskazówkami powtarza to w innej formie: zakończenie testu przed czasem oznacza, że "zwiększasz ryzyko przeszacowania wpływu eksperymentu albo nawet wybrania błędnej wersji". To najczęstszy sposób, w jaki sprzedawca zamienia dobry test w błędną decyzję. Dwie strony Amazona różnią się nawet co do tego, jak często zmiana wyników byłaby w ogóle widoczna: strona z wynikami mówi, że "wyniki eksperymentu są aktualizowane raz w tygodniu, aż do zakończenia eksperymentu", a FAQ podaje, że "wyniki eksperymentu obliczamy co tydzień albo co dwa tygodnie". Żadna z nich nie uzgadnia tego z drugą, co samo w sobie jest argumentem za tym, by nie podglądać wyników.
Jak czytać wynik?
Ostrożnie, bo dwie z kluczowych liczb znaczą mniej, niż się wydaje. Wskaźnik prawdopodobieństwa to nie poziom ufności w zwykłym rozumieniu. Amazon definiuje go tak: "jeśli mówimy, że istnieje 75% prawdopodobieństwa, że wersja A jest lepsza, oznacza to, że 75% obliczonych przez nas możliwych wpływów wskazuje na prawdopodobny wzrost sprzedaży lub liczby sztuk po opublikowaniu wersji A". To udział modelowanych wyników wskazujących w jedną stronę, co jest użyteczne, ale nie jest tym samym co siedemdziesiąt pięć procent szans na wzrost Twojej sprzedaży.
Prognoza roczna to jedno mnożenie
Amazon jest w tej kwestii niezwykle szczery: "Aby oszacować wpływ w perspektywie roku, obliczamy średni dzienny wzrost sprzedaży zwycięskiej treści i mnożymy go przez 365. To szacunek, który nie uwzględnia sezonowości, zmian cen ani innych czynników wpływających na Twój biznes w realnym świecie". Test przeprowadzony w okresie sezonowego szczytu sprzedaży przeniesie ten szczyt na całe dwanaście miesięcy prognozy. Własne sformułowanie Amazona, łącznie z dość nietypową nazwą kolumny: "Kolumna Likely pokazuje medianę (50. percentyl) zakresu obliczonych możliwych wyników. Kolumny Best Case i Worse Case pokazują 95% przedział ufności tych wyników". Czytaj przedział, nie nagłówkową liczbę, i pamiętaj o ostrzeżeniu Amazona, że dla wyników o niskiej wiarygodności "wpływ w scenariuszu 'worst case' może być negatywny".
Amazon wymienia cztery przyczyny, a pierwszą sprzedawcy tworzą sami: "Zmiana wprowadzona w treści była na tyle mała, że nie wpłynęła istotnie na zachowanie klientów". Pozostałe to zbyt mały ruch, dwie wersje, które były "podobnie efektywne w generowaniu sprzedaży", oraz zmiana, która "nie jest czymś, na czym zależy większości klientów przy podejmowaniu decyzji zakupowej".
Jak przeprowadzić eksperyment, który czegoś Cię naucza
- Zanim zaczniesz planować, sprawdź, czy ASIN jest dostępny - Kwalifikowalność ustala Amazon i odświeża ją co tydzień, a ASIN-y z niskim ruchem mogą w ogóle nie znaleźć się na liście. Najpierw otwórz selektor. Jeśli ASIN jest nieobecny, a nie oznaczony jako niekwalifikujący się, to właśnie przypadek niskiego ruchu, i żadne czekanie na wzrost licznika odwiedzin strony tego nie zmieni.
- Wybierz zmianę wystarczająco dużą, by dało się ją wykryć - Dwie wersje różniące się jednym słowem po dziesięciu tygodniach dadą wynik nierozstrzygnięty. Amazon prosi o wersje, które są "bardzo różne od siebie", na przykład znacznie krótszy tytuł, realnie inne zdjęcie główne, albo treść A+ z innymi modułami ułożonymi w innej kolejności.
- Wybierz czas trwania albo istotność statystyczną z rozmysłem - Stały czas trwania to zwykle osiem do dziesięciu tygodni. Opcja Experiment to Significance, dostępna dla testów tytułu, zdjęcia i punktów wypunktowania, kończy się, gdy dane wystarczą do podjęcia decyzji, i w połączeniu z Auto-Publish może zamknąć się już po czterech tygodniach. Wybierz jedną z opcji przy konfiguracji, a nie zmieniaj decyzji w połowie testu.
- Dla treści A+ i Brand Story, dopasuj zestawy ASIN-ów dokładnie - Amazon nie pozwoli uruchomić eksperymentu, w którym obie wersje są przypisane do różnych ASIN-ów: "wymagamy, aby obie wersje treści miały dokładnie takie same ASIN-y zastosowane, zanim będzie można wysłać eksperyment". Napraw to w menedżerze treści A+, nie na ekranie eksperymentu.
- A potem nie dotykaj - Wyniki aktualizują się z grubsza co tydzień, a zaglądanie do nich w trakcie trwania testu jest formalnie opisane jako szkodliwe dla jego wiarygodności. Jeśli nie możesz się powstrzymać, skorzystaj z Auto-Publish, dzięki czemu decyzję podejmą dane, a nie tydzień, w którym akurat sprawdziłeś wyniki.
- Publikuj zwycięską wersję świadomie - Nic nie dzieje się automatycznie, jeśli nie włączyłeś opcji Auto-Publish. Aby zachować obecną treść, po prostu nie robisz nic. Aby opublikować wersję testową, skorzystaj ze standardowych narzędzi do zarządzania ofertami lub z menedżera A+ Content dla treści A+ i Brand Story.
Co zrobić z ASIN-ami, które nigdy nie zakwalifikują się do testu
W większości katalogów znajdziesz garstkę kwalifikujących się ASIN-ów i długi ogon tych, które się nie zakwalifikują. Własna propozycja Amazona dla tego ogona to testowanie ręczne i obserwacja raportów biznesowych, co sam Amazon przyznaje nie jest kontrolowanym eksperymentem, cytując: "To nie jest tak czyste jak kontrolowany eksperyment", ale daje "wskazania co do kierunku zmian". Lepszym wykorzystaniem kwalifikujących się ASIN-ów jest traktowanie ich jako budżetu badawczego dla reszty asortymentu: to, co wygrywa na Twojej najlepiej sprzedającej się ofercie, zwykle jest tym samym typem zmiany, który wygrywa na tych dwudziestu, których nie da się przetestować. Jedno potwierdzone odkrycie dotyczące Twoich zdjęć lub struktury tytułu, zastosowane w całej kategorii, jest warte więcej niż slot testowy zużyty na wariant, którego nikt nie zobaczy.
Testowanie ma sens tylko wtedy, gdy widzisz, co stało się z marżą po jego zakończeniu, bo tytuł, który podnosi liczbę sztuk, ale przesuwa miks sprzedaży w stronę wariantu o gorszej marży, to nie jest wygrana. Posiadanie liczby sztuk, opłat i marży na każdy ASIN w jednym miejscu to właśnie to, co zmienia wynik eksperymentu w decyzję biznesową, a dashboard analityczny dla sprzedawców, który śledzi zysk na ASIN, daje Ci liczbę, której sam eksperyment nie pokazuje. Nasz przewodnik po treściach A+ opisuje, co umieścić w testowanych wersjach.
Czy ASIN potrzebuje 1000 wyświetleń strony, aby się zakwalifikować?
Amazon nigdy nie opublikował tej liczby. Jego strona pomocy mówi, że ASIN potrzebuje wystarczającego ruchu w ostatnich tygodniach, a ASIN-y o wysokim ruchu "mogą otrzymywać nawet kilkadziesiąt zamówień tygodniowo lub więcej", w zależności od kategorii.
Czemu nie mogę znaleźć mojego ASIN w narzędziu?
Amazon wyświetla status kwalifikacji dla większości kandydujących ASIN-ów, ale zaznacza, że "ASIN-y o bardzo niskim ruchu mogą wcale się nie pojawić". Brak ASIN-a na liście jest więc sygnałem dotyczącym ruchu, a nie błędem.
Czy eksperymenty szkodzą mojej pozycji w wyszukiwaniu?
Nie. Amazon zaznacza w swoim podsumowaniu, że eksperymenty nie wpływają na pozycje w wyszukiwaniu, mimo że treść eksperymentalna pojawia się w wynikach wyszukiwania dla grupy, która ją widzi.
Jak długo powinien trwać eksperyment?
Zwykle od ośmiu do dziesięciu tygodni przy stałym czasie trwania. Eksperyment do istotności statystycznej (Experiment to Significance) kończy się, gdy wyniki są statystycznie istotne, a w połączeniu z funkcją Auto-Publish może zakończyć się już po czterech tygodniach.
Co właściwie oznacza prawdopodobieństwo 75%?
Te 75% możliwych wyników, które Amazon zamodelował, wskazuje na prawdopodobny pozytywny wzrost liczby sztuk lub sprzedaży dla danej wersji. To udział zamodelowanych scenariuszy, a nie obietnica dotycząca Twojego kolejnego kwartału.
Na których rynkach dostępna jest funkcja Manage Your Experiments?
USA, Kanada, Meksyk, Wielka Brytania, Niemcy, Francja, Hiszpania, Włochy, Holandia, Polska, Szwecja, Indie i Japonia, dla zarejestrowanych właścicieli marek odpowiedzialnych za jej sprzedaż.
Stop Juggling Tools. SellerMagnet Combines Everything You Need.
Join a smarter way to manage your Amazon store.
Recommended Articles
Automatyzacja Amazon PPC i licytacja AI w 2026 roku
Dynamiczne, stałe i oparte na regułach licytowanie w Sponsored Products na Amazon wyjaśnione na podstawie danych samego Amazona, praktyczny przykład licytacji oraz miejsce, w jakim AI Optimizer, taki jak PPC Manager (beta) od SellerMagnet, wprowadza automatyzację na poziomie całego konta.
Read more
Amazon Quick dla sprzedawcow: co naprawde widzi
Ogloszenie Amazona o Amazon Quick i wtyczce Selling Partner: co moze powiedziec podlaczonemu sprzedawcy, a co wciaz wymaga Seller Central.
Read more
Amazon Brand Registry 2026: Wymagania i koszty
Wymagania Amazon Brand Registry, realny koszt rejestracji znaku towarowego w USD i EUR, kroki rejestracji, co zmienia się po dołączeniu oraz przykład liczbowy pokazujący zwrot z inwestycji.
Read more
Brak dostępnych proponowanych opcji zakupu: przyczyny i rozwiązania
Dlaczego listing pokazuje „Brak dostępnych proponowanych opcji zakupu” w 2026 roku, prawdziwe przyczyny po tym, jak Amazon zniósł próg kwalifikacji sprzedawców, i dokładne rozwiązanie każdej z nich.
Read more
Błąd zawyżonej ceny na Amazon: dlaczego dezaktywowane są oferty
Dlaczego Amazon dezaktywuje ofertę z powodu "Potencjalnego błędu zawyżonej ceny", co konkretnie wywołuje to w 2026 roku i jak ustawić cenę minimalną/maksymalną, by temu zapobiec.
Read more
AWD vs FBA w 2026: realne koszty i kiedy AWD się opłaca
Porównanie stawek magazynowych Amazon AWD i FBA w 2026 krok po kroku, reguły rabatów Smart Storage i Amazon Managed oraz przykład liczbowy na cztery miesiące pokazujący, kiedy AWD realnie oszczędza pieniądze, a kiedy nie.
Read more
