การทดสอบ A/B: เป็นหรือไม่เป็น

ไม่มีความเจ็บปวดไม่มีกำไรและนำไปสู่การไม่มี ในการเปลี่ยนการเข้าชมที่โฆษณาของคุณนำมาสู่การขาย คุณต้องเพิ่มประสิทธิภาพไซต์ของคุณอย่างต่อเนื่องโดยการปรับปรุงประสบการณ์ของผู้ใช้ การเปลี่ยนแปลงพฤติกรรมของผู้ใช้ และเพิ่มอัตรา Conversion ของคุณ แต่คุณจะแน่ใจได้อย่างไรว่าการเปลี่ยนแปลงที่คุณใช้จะทำให้เกิดผลลัพธ์ที่คาดหวัง นั่นคือสิ่งที่การทดสอบ A/B มีไว้สำหรับ ในบทความ เราจะบอกคุณว่าการทดสอบ A/B คืออะไร วิธีดำเนินการ และความแตกต่างที่ควรค่าแก่การใส่ใจ

การทดสอบ A/B ในด้านการตลาดนั้นเหมือนกับการทดสอบแยก — การเปรียบเทียบหน้าเว็บไซต์สองรูปแบบที่แตกต่างกันด้วยพารามิเตอร์เพียงตัวเดียว เป้าหมายของการทดสอบ A/B คือการพิจารณาว่าตัวเลือกใดในสองตัวเลือกนี้มีประสิทธิภาพมากกว่าและทำให้เกิด Conversion มากขึ้น

สมมติว่าคุณขายซอฟต์แวร์ คุณมีหน้า Landing Page พร้อมคำอธิบายผลิตภัณฑ์และปุ่มที่ด้านล่างของหน้าเพื่อสมัครรับเวอร์ชันทดลอง ในการเพิ่มจำนวนสมาชิก คุณต้องเพิ่มปุ่มบนหน้า Landing Page สำหรับผู้ที่รู้จักผลิตภัณฑ์ของคุณแล้วหรือต้องการลองทันทีโดยไม่ต้องอ่านรายละเอียด

ในการตรวจสอบว่าสมมติฐานของคุณถูกต้องหรือไม่ - คุณจะได้รับสมาชิกเพิ่มขึ้นโดยเพิ่มปุ่มอื่น - คุณสร้างสำเนาของหน้า Landing Page เดิมและเพิ่มปุ่มลงไป จากนั้น คุณแบ่งผู้เยี่ยมชมเพจออกเป็นสองกลุ่ม: กลุ่มหนึ่งจะแสดงหน้าเดิม (ตัวแปร A) และอีกกลุ่มที่จะแสดงหน้าที่อัปเดต (ตัวแปร B) เมื่อสิ้นสุดการทดสอบ คุณจะเปรียบเทียบตัวบ่งชี้ประสิทธิภาพ (ในตัวอย่างของเรา จำนวนการสมัครรับข้อมูล) และตัดสินผู้ชนะ

มาดูสิ่งสำคัญบางประการที่การทดสอบ A/B (หรือการทดสอบแยก) ช่วยให้เราบรรลุผล

1. เข้าใจผู้ใช้ของคุณดีขึ้นและให้สิ่งที่พวกเขาต้องการ ไม่ว่าคุณจะทำอีคอมเมิร์ซและการตลาดออนไลน์มานานแค่ไหน การพึ่งพาประสบการณ์ส่วนตัวของคุณเพียงอย่างเดียวถือเป็นความผิดพลาด

แม้ว่าดูเหมือนว่าคุณสามารถคาดการณ์พฤติกรรมของผู้ใช้เว็บไซต์และเข้าใจวิธีการจัดระเบียบเนื้อหาได้อย่างแม่นยำ เพื่อให้พวกเขาดำเนินการอย่างรวดเร็วที่สุดผ่านช่องทางการขาย ให้ทำการทดสอบ A/B ผลลัพธ์อาจทำให้คุณประหลาดใจ

จากการฝึกฝนแสดงให้เห็นว่าสมมติฐานของเราไม่ตรงกับความเป็นจริงเสมอไป ดังนั้นเราจึงไม่สามารถตัดสินใจได้ว่าสิ่งใดดีที่สุดสำหรับลูกค้าของเราโดยอาศัยความเชื่อของเราเองเท่านั้น

2. พึ่งพาข้อมูลมากกว่าความคิดเห็นของผู้เชี่ยวชาญ ความท้าทายที่สองซึ่งเกิดขึ้นจากครั้งแรกคือความเป็นไปได้ในการเปลี่ยนแปลงไซต์และลดความเสี่ยงที่เกี่ยวข้อง

บ่อยครั้ง สมมติฐานขึ้นอยู่กับความคิดเห็นส่วนตัวที่อาจไม่ตรงกับมุมมองของผู้ชม ด้วยเหตุนี้ การเปลี่ยนแปลงที่เกิดขึ้นโดยไม่มีการทดสอบ A/B จึงไม่เกิดผลตามที่ต้องการ — หรือแย่กว่านั้นคือลดการแปลง

ดังนั้น เมื่อคุณต้องเผชิญกับคำถามว่าจะใช้อะไรในการตัดสินใจ — ข้อมูลหรือความคิดเห็นของผู้เชี่ยวชาญ — ให้เลือกข้อมูลเสมอ

3. ปรับแต่งการสื่อสารกับลูกค้า ลูกค้าใช้อุปกรณ์ต่างๆ มาจากแหล่งต่างๆ โต้ตอบกับไซต์ของคุณแตกต่างกัน เรียกดูและซื้อสินค้าต่างๆ...

บริการวิเคราะห์เว็บ เช่น Google Analytics และ Yandex.Metrics ช่วยให้คุณรวมข้อมูลนี้และจัดระบบความรู้เกี่ยวกับผู้ใช้ นักการตลาดรวบรวมข้อมูลเกี่ยวกับหน้าที่ผู้ใช้เข้าชมและสิ่งที่พวกเขาทำกับพวกเขา ทำให้สามารถแบ่งผู้ชมออกเป็นกลุ่มๆ ได้หลายสิบหรือหลายร้อยกลุ่ม และเรียนรู้ว่าผู้ใช้ที่มาจากการเข้าชมที่เกิดขึ้นเองหรือที่เสียค่าใช้จ่ายมีพฤติกรรมอย่างไร

แต่เราไม่ได้ใช้ข้อมูลนี้อย่างถูกต้องเสมอไป และไม่ได้บีบให้เกิดประโยชน์สูงสุดเสมอไป ตัวอย่างง่ายๆ: โครงการออนไลน์ส่วนใหญ่ยังคงแสดงเนื้อหาเดียวกันต่อผู้ใช้ทั้งหมด โดยไม่คำนึงถึงพฤติกรรมและแหล่งที่มาของการเข้าชม:

หากคุณกำลังทำเช่นนั้น การทดสอบแยกสามารถช่วยคุณแก้ไขสถานการณ์และปรับแต่งเนื้อหาในไซต์ของคุณได้

ตอนนี้เรามาดูขั้นตอนหลัก (และความแตกต่าง) ของการทดสอบแยกกัน:

สิ่งแรกที่คุณต้องทำคือระบุรายการจุดอ่อนในเว็บไซต์ของคุณ ในการดำเนินการนี้ คุณสามารถ:

• สำรวจข้อมูลใน Google Analytics และระบบวิเคราะห์เว็บอื่นๆ เพื่อดูว่าหน้าใดมีอัตราความล้มเหลวสูง ความลึกในการเลื่อนต่ำ และอัตรา Conversion ต่ำ
• ใช้ Webvisor และคลิกแผนที่ความร้อนเพื่อทำความเข้าใจว่าผู้ใช้โต้ตอบกับองค์ประกอบของไซต์ของคุณอย่างไร
• วิเคราะห์กรณีการสนับสนุนหรือสัมภาษณ์ลูกค้าที่ใช้งานอยู่เพื่อดูว่าพวกเขาขาดอะไรในไซต์

ตัวอย่างเช่น สมมติว่าคุณดูช่องทางอีคอมเมิร์ซที่เพิ่มประสิทธิภาพใน Google Analytics และพบว่ามีคนเพียงไม่กี่คนที่เพิ่มสินค้าบางรายการลงในรถเข็นช็อปปิ้ง ในขณะเดียวกัน คุณมีจุดขายออฟไลน์และรู้ว่าผลิตภัณฑ์นี้เป็นที่นิยม ในกรณีนี้ อาจมีบางอย่างผิดปกติกับร้านค้าออนไลน์ของคุณ

เมื่อคุณตัดสินใจว่าจะแก้ไขอะไรแล้ว คุณต้องคิดให้แน่ชัดว่าจะแก้ไขอย่างไร หากไม่มีสมมติฐาน A/B การทดสอบก็ไม่สมเหตุสมผล — คุณค่าจากสิ่งที่คุณค้นพบจะมีเพียงเล็กน้อย คุณควรเข้าใจวัตถุประสงค์ของการทดสอบอย่างชัดเจน องค์ประกอบใดของหน้าเว็บที่คุณจะทดสอบ และผลลัพธ์เชิงปริมาณที่คุณต้องการบรรลุ

เมื่อตั้งสมมติฐาน ให้ดันกลับตรงข้ามกับช่องทางการแปลงของคุณ ถามตัวเอง: ฉันควรเปลี่ยนอะไรในส่วนหนึ่งของหน้าเพื่อย้ายผู้ใช้ผ่านช่องทางได้เร็วขึ้น" ตรวจสอบสมมติฐานหนึ่งข้อต่อการทดสอบ มิฉะนั้น จะเป็นการยากที่จะกำหนดว่าการเปลี่ยนแปลงใดส่งผลต่อผลลัพธ์สุดท้ายในระดับใด

สิ่งที่สามารถทดสอบได้:

• สี ขนาด ข้อความ และตำแหน่งของปุ่มแปลง
• หัวเรื่อง — เปลี่ยนข้อความ; ทำให้สั้นลง น่าสนใจยิ่งขึ้น และตรงประเด็นมากขึ้น
• แบบฟอร์ม — ลดจำนวนฟิลด์หรือเพิ่มคำแนะนำเครื่องมือและกรอกตัวอย่าง
• แลนดิ้ง — เปลี่ยนโครงสร้างหน้า ฟอนต์ หรือจานสี
• เนื้อหา — เพิ่มรูปภาพและวิดีโอคุณภาพสูง, สิ่งดึงดูดใจ, ข้อเสนอส่งเสริมการขาย, คำว่า "ฟรี" เป็นต้น

ตัวบ่งชี้ประสิทธิภาพที่คุณเลือกขึ้นอยู่กับสมมติฐานและเป้าหมายที่คุณต้องการบรรลุ ซึ่งอาจเป็นรายได้ จำนวนการซื้อ อัตราการแปลง ขนาดเช็คเฉลี่ย แอปพลิเคชันและการสมัคร อัตราความล้มเหลว ฯลฯ

ขั้นตอนต่อไปคือตรวจสอบให้แน่ใจว่าคุณได้ใช้และบันทึกเมตริกที่จำเป็นทั้งหมดแล้ว โดยคุณจะต้องสรุปผลเมื่อสิ้นสุดการทดสอบ ในงานของเรา เราพบกรณีที่ลูกค้าระบุจุดอ่อนและตั้งสมมติฐานแต่ไม่ได้กำหนดระบบเมตริกอย่างถูกต้อง เพื่อให้พวกเขาเข้าใจว่าอัตราการแปลงมีการเปลี่ยนแปลงอย่างแม่นยำเนื่องจากการเปลี่ยนแปลงปุ่ม เป็นต้น ไม่ใช่ เพราะปัจจัยอื่นๆ

พิจารณาปัจจัยต่อไปนี้ก่อนทำการทดสอบของคุณ:

• ขนาดตัวอย่างขั้นต่ำ เพื่อให้แน่ใจว่าผลการทดสอบของคุณมีนัยสำคัญทางสถิติและสามารถเชื่อถือได้ ให้กำหนดจำนวนผู้เข้าร่วมที่ต้องการ คุณสามารถทำได้ด้วยเครื่องคิดเลขออนไลน์ฟรี เช่น Abtasty และ Optimizely สมมติว่าอัตราการแปลงของหน้า Landing Page เดิมของคุณคือ 5% และคุณคาดหวังว่าหน้าเวอร์ชันทดสอบจะสูงถึง 7% เอฟเฟกต์ที่มองเห็นได้ขั้นต่ำในกรณีนี้คือ 40% ป้อนตัวเลขเหล่านี้ลงในเครื่องคิดเลข แล้วคุณจะเห็นว่าคุณต้องการคนอย่างน้อย 1964 คนต่อตัวแปร:

• ปัจจัยภายนอก: ฤดูกาล วันหยุด หุ้น สภาพอากาศ อัตราแลกเปลี่ยนเงินตรา เป็นต้น ดังนั้นปัจจัยภายนอกจึงไม่บิดเบือนผลการทดสอบ การแสดงหน้าทั้งสองเวอร์ชันพร้อมกันในช่วงเวลาเดียวกันจึงเป็นสิ่งสำคัญ
• ทดสอบการแปลงมาโครก่อน หากคุณตั้งเป้าหมายที่จะเข้าชมหน้าใดหน้าหนึ่ง มีแนวโน้มว่าผู้ใช้จะบรรลุเป้าหมายแต่จะไม่ทำธุรกรรมหรือจะไม่ดำเนินการตามเป้าหมายอื่น จำเป็นต้องคำนึงถึงกระบวนการโดยรวมของคุณเสมอเพื่อทำความเข้าใจว่าการกระทำใดของผู้ใช้บนไซต์ที่มีลำดับความสำคัญสูงสุด
• พิจารณาประเภทของอุปกรณ์ หากคุณเริ่มการทดสอบกับการเข้าชมเว็บไซต์ของคุณทั้งหมด และคุณมีเวอร์ชันสำหรับอุปกรณ์เคลื่อนที่และเดสก์ท็อป ให้ตรวจสอบว่าตัวเลือกการทดสอบมีลักษณะอย่างไรบนอุปกรณ์เคลื่อนที่
• ยกเว้นการรับส่งข้อมูลภายใน เพื่อให้การกระทำของพนักงานของคุณบนเว็บไซต์ไม่บิดเบือนสถิติ ซึ่งสามารถทำได้ใน Google Analytics โดยใช้การกรองที่อยู่ IP

หลังจากที่คุณได้พิจารณาปัจจัยเหล่านี้แล้ว คุณสามารถทำการทดสอบได้ อีกสักครู่ เราจะบอกคุณเกี่ยวกับเครื่องมือที่คุณสามารถใช้เพื่อดำเนินการนี้

เมื่อสิ้นสุดการทดลอง ให้วิเคราะห์ผลลัพธ์ ตัวอย่างเช่น สมมติว่าอัตรา Conversion เดิมในหน้า Landing Page ของคุณคือ 3% คุณคิดว่าคุณสามารถเพิ่มเป็น 5% และรูปแบบการทดสอบแสดง 3.5% อัตราการแปลงเพิ่มขึ้นแต่เพียงเล็กน้อย ตอนนี้คุณต้องตัดสินใจว่าจะแนะนำการเปลี่ยนแปลงในไซต์หรือลองใช้สมมติฐานอื่น

คุณสามารถตรวจสอบว่าผลการทดสอบแยกมีนัยสำคัญทางสถิติหรือไม่โดยใช้เครื่องคำนวณออนไลน์หรือวิธีทางสถิติ

อ่านเพิ่มเติมเกี่ยวกับกำลังทางสถิติ ความยาวตัวอย่าง ช่วงความเชื่อมั่น นัยสำคัญทางสถิติ และวิธีวัดค่าเหล่านี้ในบทความของเราเกี่ยวกับสถิติในการวิเคราะห์เว็บ หรือวิธีการเป็นนักวิทยาศาสตร์ข้อมูลที่แท้จริง
หากกระบวนการนี้ประสบความสำเร็จและคุณได้รับข้อมูลที่เชื่อถือได้ ให้นำผู้ชนะหน้า Landing Page มาที่ไซต์และดำเนินการทดสอบครั้งต่อไป

ข้อผิดพลาดที่เป็นไปได้เมื่อวิเคราะห์ผลลัพธ์:

• การประเมินผลลัพธ์ก่อนกำหนด เราแนะนำให้ทำการทดสอบแยกเป็นเวลาอย่างน้อย 14 วัน คุณสามารถยกเว้นกฎนี้ได้หากงานเปิดอยู่ คุณกำลังทดสอบการเปลี่ยนแปลงเล็กน้อยที่ไม่ส่งผลต่อการทำงานโดยรวมของไซต์ (เช่น คุณได้เปลี่ยนสีของปุ่ม) และคุณกำลังใช้ Google เพิ่มประสิทธิภาพ หากคุณเห็นในรายงาน Optimize ว่าตัวเลือกใหม่ชนะด้วยความน่าจะเป็น 80-90% คุณสามารถหยุดการทดสอบได้ ตัวชี้วัดไม่น่าจะเปลี่ยนแปลงอย่างมาก
• การประเมินผลลัพธ์ที่เกณฑ์ความถูกต้องน้อยกว่า 95% เป็นอีกเมตริกหนึ่งจากรายงาน Optimize เมื่อคุณทำการทดสอบ Google Optimize จะพิจารณาความถูกต้องของผลลัพธ์สุดท้าย หากต่ำกว่า 95% Optimize จะแนะนำให้ทำการทดสอบต่อไป คุณสามารถดูเกณฑ์นี้ในแท็บพร้อมกับการทดสอบที่ทำงานอยู่
• ละเว้นผลการทดสอบเป็นผู้เยาว์ ใครไม่อยากแปลงเป็นสองเท่าทั้งหมดในคราวเดียว! อย่างไรก็ตาม อัตรา Conversion ที่เพิ่มขึ้นเล็กน้อย (ในแวบแรก) ดังกล่าวถึง 2-3% ก็ไม่ใช่ผลลัพธ์ที่แย่ โดยเฉพาะอย่างยิ่งหากการเปลี่ยนแปลงในหน้า Landing Page มีขนาดเล็ก
• ไม่ตรวจสอบตัวบ่งชี้ทั่วโลกสำหรับไซต์ของคุณ ท้ายที่สุด คุณต้องตรวจสอบตัวบ่งชี้ไซต์ทั่วโลก ไม่ใช่แค่สิ่งที่คุณได้เลือกไว้เป็นส่วนหนึ่งของการทดสอบ พารามิเตอร์ตัวเดียวอาจไม่เพียงพอในการประเมินผลกระทบของการเปลี่ยนแปลง ตัวอย่างเช่น ขนาดเช็คโดยเฉลี่ยอาจลดลง และรายได้รวมอาจเพิ่มขึ้นโดยการเพิ่มอัตราการแปลง ดังนั้น ตรวจสอบ KPI ที่เชื่อมต่อถึงกันทั้งหมด

หากต้องการเรียกใช้การทดสอบ A/B คุณต้องสร้างเวอร์ชันทดสอบของหน้าเว็บ แบ่งกลุ่มผู้ชมของคุณ และคำนวณเมตริกเป้าหมายสำหรับแต่ละกลุ่มแยกกัน หากคุณมีทักษะการเขียนโปรแกรมและมีทรัพยากรเพียงพอ คุณสามารถทำการทดสอบ A/B ได้ด้วยตนเอง แต่ทำได้ง่ายกว่าและสะดวกกว่าด้วยความช่วยเหลือของเครื่องมือพิเศษ

เราได้เตรียมตารางขนาดเล็กที่เปรียบเทียบเครื่องมือทดสอบแยกยอดนิยม:

ที่ OWOX BI เราใช้ Google Optimize สำหรับการทดสอบ ดังนั้นเราจะเน้นที่คุณสมบัติของเครื่องมือนี้มากขึ้น

Optimize เป็นบริการออนไลน์ที่เชื่อมต่อกับเว็บไซต์ของคุณ และให้คุณทดลองด้วยวิธีต่างๆ ในการแสดงเนื้อหา

Optimize ช่วยให้คุณใช้ข้อมูลที่คุณได้สะสมไว้ใน Google Analytics เพื่อเสนอหน้าเว็บเวอร์ชันที่สะดวกที่สุดสำหรับผู้ใช้และให้ผลกำไรสูงสุดสำหรับธุรกิจของคุณ

• ความสมบูรณ์ของข้อมูล ในการตั้งค่าและวิเคราะห์การทดสอบ คุณสามารถใช้วัตถุประสงค์และกลุ่มจาก Google Analytics คุณสามารถใช้เมตริกปกติจาก Google Analytics ที่คุณรู้จักและชื่นชอบได้
• โอกาสที่เพียงพอสำหรับการปรับเปลี่ยนในแบบของคุณ หลังจากเสร็จสิ้นการทดสอบแล้ว คุณสามารถกำหนดค่าการสาธิตเนื้อหาต่างๆ โดยใช้ผู้ชมและตัวแปรของ Google Analytics ที่ติดตั้งใช้งาน เช่น ใน dataLayer ใน Google Tag Manager หากการทดลองทำให้คุณสามารถปรับปรุงประสิทธิภาพการทำงานของเว็บไซต์ของคุณสำหรับผู้ใช้ทั่วไป การปรับเปลี่ยนในแบบของคุณตามข้อมูลเกี่ยวกับผู้ใช้จะช่วยให้คุณได้รับผลตอบแทนที่สูงขึ้นในแต่ละส่วน
• การผสานรวมกับผลิตภัณฑ์อื่นๆ ของ Google เพื่อการกำหนดเป้าหมายและการวิเคราะห์ที่ลึกซึ้งยิ่งขึ้น (Google Ads, Data Studio, Tag Manager เป็นต้น)
• อินเทอร์เฟซที่สะดวกและเข้าใจง่าย โปรแกรมแก้ไขภาพช่วยให้คุณสามารถกำหนดค่าและเริ่มการทดสอบใหม่โดยไม่ต้องให้นักพัฒนาเข้ามาเกี่ยวข้อง ช่วยลดเวลาในการทำการทดลองลงอย่างมาก
• ส่งผลต่อความเร็วในการโหลดหน้าเว็บน้อยที่สุด
• ไม่จำเป็นต้องสรุปข้อมูล เตรียมรายงาน และใช้สูตรทางสถิติ เพื่อตรวจสอบผลลัพธ์ด้วยตนเอง Google Optimize ทำทุกอย่างด้วยตัวเอง

• จนถึงขณะนี้ ไม่สามารถใช้ Google Optimize เพื่อทดสอบแอปพลิเคชันมือถือได้

• คุณไม่สามารถกำหนดเวลาการทดสอบได้ นั่นคือ หากคุณต้องการเตรียมการทดสอบหลายสิบครั้งแต่ไม่สามารถเริ่มการทดสอบพร้อมกันได้ด้วยเหตุผลบางประการ หรือหากมีข้อจำกัดในเวอร์ชันฟรีเกี่ยวกับจำนวนการทดสอบพร้อมกัน หรือคุณไม่ต้องการลอง หลายสิบตัวเลือกในกลุ่มผู้ชมกลุ่มเดียวกัน ซึ่งอาจกลายเป็นปัญหาได้ คุณจะต้องเปิดการทดสอบแต่ละครั้งด้วยตนเองในอินเทอร์เฟซ นี่ไม่ใช่ข้อบกพร่องที่สำคัญ แต่อย่างไรก็ตาม คุณสามารถทำเช่นนี้ได้ในบริการอื่นๆ
  

Google Optimize ทำงานคล้ายกับเครื่องมืออื่นๆ สำหรับการทดสอบและการปรับเปลี่ยนในแบบของคุณ:

1. ขั้นแรก คุณต้องสร้างรูปแบบต่างๆ ของหน้า ป๊อปอัป และวัตถุอื่นๆ ที่คุณจะแสดงให้ผู้ใช้เห็น
2. จากนั้น คุณต้องกำหนดเป้าหมาย (ตัวชี้วัด) โดยที่คุณจะกำหนดตัวเลือกที่ชนะ สิ่งเหล่านี้อาจเป็นเมตริกที่สร้างขึ้นใน Optimize เช่น จำนวนการดูหน้าเว็บ ระยะเวลาเซสชัน ธุรกรรม รายได้และอัตราความล้มเหลว หรือเป้าหมายที่กำหนดเองจาก Google Analytics
3. หลังจากนั้น คุณต้องระบุผู้ชมที่จะเข้าร่วมในการทดสอบและเริ่มต้นการทดสอบ ในขั้นตอนนี้ คุณต้องตัดสินใจว่าจะรับความเสี่ยงได้มากเพียงใดโดยแสดงตัวเลือกการทดสอบให้ผู้ใช้เห็น คุณสามารถกระจายการรับส่งข้อมูลระหว่างสองตัวเลือกเท่าๆ กัน หรือตัวอย่างเช่น แบ่ง 20/80 นอกจากนี้ ในขั้นตอนนี้ คุณต้องเลือกว่าจะแสดงการทดสอบในส่วนใดของผู้ชม แสดงให้ทุกคนเห็น หรือใช้ 20% และแจกจ่ายสองตัวเลือกของคุณระหว่างพวกเขา ทำไมคุณอาจต้องการทำเช่นนี้? ในกรณีที่คุณมีร้านค้าขนาดใหญ่ คุณไม่แน่ใจในสมมติฐานของคุณ และคุณไม่ต้องการเสี่ยงกับการเข้าชมครึ่งหนึ่ง

นอกเหนือจากการทดสอบ A/B แบบคลาสสิกแล้ว ใน Optimize คุณสามารถเรียกใช้การทดสอบหลายตัวแปรได้ (ซึ่งคุณมีองค์ประกอบที่เปลี่ยนแปลงหลายรายการในชุดค่าผสมหลายชุด) และเปลี่ยนเส้นทาง (สำหรับหน้าที่มี URL และการออกแบบต่างกัน)

คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับอินเทอร์เฟซและการตั้งค่าของ Google Optimize ได้ในบทความเกี่ยวกับวิธีดำเนินการทดสอบ A/B ครั้งแรกด้วย Google Optimize

ด้วยรายงานใน Google Optimize คุณสามารถตรวจสอบผลลัพธ์ระหว่างการทดสอบและวิเคราะห์ข้อมูลที่รวบรวมได้ทันทีหลังจากสิ้นสุด

ข้อกำหนดในรายงาน Optimize:

• การปรับปรุง — ช่วงที่น่าจะเป็นสำหรับอัตราการแปลง
• ความน่าจะเป็นที่ดีที่สุด — ความน่าจะเป็นที่ตัวเลือกนี้ดีกว่าตัวเลือกอื่นทั้งหมด
• ความน่าจะเป็นที่จะเอาชนะเส้นฐาน — ความน่าจะเป็นที่ตัวเลือกนี้จะทำให้อัตราการแปลงดีขึ้นกว่าเดิม
• อัตราการแปลง — อัตราการแปลงเฉลี่ยที่คาดการณ์ไว้
• คอนเวอร์ชั่น — จำนวนเซสชันที่มีคอนเวอร์ชั่น

วิธีตัดสินผู้ชนะ
Google Optimize ใช้การอนุมานแบบเบย์เพื่อสร้างสถิติ โดยไม่ต้องลงรายละเอียด หมายความว่าในระหว่างการทดสอบ คุณสามารถดูได้ใน Optimize รายงานความน่าจะเป็นที่ตัวแปร B จะเป็นผู้ชนะก่อนสิ้นสุดการทดสอบ หากความน่าจะเป็นถึงระดับหนึ่ง เป็นไปได้ที่จะทำการทดสอบให้เสร็จก่อนกำหนดและประหยัดเวลาและเงิน

นอกจากนี้ ทีมงาน Google วางแผนที่จะใช้กลไกสำหรับการกระจายการรับส่งข้อมูลอีกครั้งเพื่อเป็นทางเลือกที่ดีที่สุดก่อนสิ้นสุดการทดสอบ วิธีนี้จะช่วยให้คุณประหยัดเงินได้ เนื่องจากผู้ใช้จำนวนน้อยจะเห็นตัวเลือกที่ไม่มีประสิทธิภาพระหว่างการทดสอบ

หากคุณรวม Optimize เข้ากับบัญชี Google Analytics ของคุณ คุณจะสามารถเรียกดูและวิเคราะห์ผลการทดสอบในอินเทอร์เฟซของ Google Analytics ได้ในส่วน พฤติกรรม / การทดสอบ :

หากการทดสอบของคุณประสบความสำเร็จ คุณสามารถปรับใช้ตัวเลือกที่ชนะบนเว็บไซต์ของคุณได้

• Optimize 360 ​​พิสูจน์แล้วว่าเป็นโซลูชันที่ไม่มีการเข้ารหัสที่แม่นยำสำหรับการทดสอบประสบการณ์ของผู้ใช้บนไซต์ของคุณ
• วิธีดำเนินการทดสอบ A/B ครั้งแรก: ทำให้กระบวนการเป็นอัตโนมัติด้วย Google Optimize
• สถิติในการวิเคราะห์เว็บหรือวิธีการเป็นนักวิทยาศาสตร์ข้อมูลที่แท้จริง
• การสัมมนาผ่านเว็บฟรี: Google Optimize สำหรับการทดสอบและการปรับเปลี่ยนในแบบของคุณ
• วิดีโอสอน
• อภิธานศัพท์
• แนะนำโปรแกรมแก้ไขภาพ
• ปรับใช้ Optimize
• ศูนย์ช่วยเหลือ Optimize
• ความแตกต่างในรายงาน Optimize และ Google Analytics
• โปรแกรมแก้ไขภาพ

PS หากคุณต้องการความช่วยเหลือในการทดสอบ A/B และสร้างตัววัดแบบกำหนดเองสำหรับธุรกิจของคุณ โปรดส่งอีเมลหาเราที่ [email protected] หรือกรอกแบบฟอร์มการติดต่อบนเว็บไซต์ของเรา