วิธีการทดสอบ A/B: คู่มือฉบับสมบูรณ์ตั้งแต่ต้นจนจบ

คุณอาจรู้อยู่แล้วว่าเทคนิคที่ดีที่สุดในการเพิ่มประสิทธิภาพของ Conversion บนเว็บไซต์คือการสร้างการทดสอบ A/B แต่เมื่อคุณพิจารณาสร้างการทดสอบ A/B บนเว็บไซต์ของคุณ มีคำถามมากมายเกิดขึ้น: ฉันควรทดสอบหน้าใด ฉันควรสร้างการทดสอบ A/B ประเภทใด ฉันจะสร้างได้อย่างไร การทดสอบ A/B ควรสิ้นสุดเมื่อใด และเมื่อการทดสอบ A/B เสร็จสิ้น ฉันควรทำอย่างไร โพสต์นี้จัดทำขึ้นเพื่อเป็นแนวทางในการช่วยคุณสร้างการทดสอบ A/B อย่างเป็นระบบ ตอบคำถามข้างต้นทั้งหมด และตรวจสอบให้แน่ใจว่าคุณได้ผลลัพธ์ที่ดีที่สุดบนเว็บไซต์ของคุณ

การทดสอบ A/B คืออะไร

การทดสอบ A/B คือการทดสอบการออกแบบที่ช่วยให้เราสร้าง รูปแบบต่างๆ ของหน้าเดียวกัน เพื่อเปรียบเทียบพฤติกรรมของผู้ใช้ในตัวเลือกต่างๆ และสามารถประเมินได้ว่าเวอร์ชันใดให้ผลลัพธ์ที่ดีที่สุด

เมื่อคุณวิเคราะห์ข้อมูลแล้ว คุณสามารถสรุปได้ว่าเวอร์ชันใดตอบสนองได้ดีกว่าและเมื่อใดที่ผลลัพธ์เป็นไปในเชิงบวกมากกว่า ตัวอย่างเช่น เมื่อไม่กี่ปีที่ผ่านมา โอบามาเพื่อสร้างรายได้ให้กับแคมเปญของเขา ได้ทำการทดสอบกับรูปแบบต่างๆ ของหน้า Landing Page ของเว็บที่รวมรูปภาพและปุ่มต่างๆ

และผลลัพธ์ก็คือด้วยเวอร์ชันที่ชนะ เขาสามารถเพิ่มรายได้ได้ถึง 60 ล้านดอลลาร์ เมื่อเทียบกับเวอร์ชันดั้งเดิม ไม่เลวเลยใช่มั้ย?

เมื่อทำการทดสอบ A/B องค์ประกอบที่จะทดสอบบนเว็บไซต์ของคุณไม่เพียงแต่ต้องเป็นหน้าเท่านั้น แต่ยังรวมถึงเมนู วิดเจ็ต ธีม เทมเพลต ฯลฯ โดยปกติเราเรียกว่า "เวอร์ชันดั้งเดิม" "เวอร์ชันควบคุม" หรือ " ตัวแปร A กับเวอร์ชันที่มีอยู่ก่อนทำการทดสอบ และ "รูปแบบต่างๆ" "รูปแบบต่างๆ" หรือ "ทางเลือก B, C และอื่นๆ" ที่ไม่ใช่เวอร์ชันดั้งเดิม ความแตกต่างระหว่างรูปแบบต่างๆ อาจมีตั้งแต่การเปลี่ยนแปลงที่ละเอียดอ่อนมากเมื่อเทียบกับเวอร์ชันดั้งเดิมไปจนถึงรูปแบบที่มีการเปลี่ยนแปลงอย่างรุนแรง

ยิ่งไปกว่านั้น การทดสอบ A/B ถูกสร้างขึ้นเพื่อวัตถุประสงค์ในการวิเคราะห์พฤติกรรมของผู้ใช้เพื่อให้บรรลุเป้าหมายที่กำหนดไว้ล่วงหน้า เราได้เห็นแล้วในตัวอย่างก่อนหน้านี้ว่า จุดประสงค์คือเพื่อให้ได้มาซึ่งรายได้เพิ่มขึ้นสำหรับการรณรงค์ทางการเมือง แต่ก็สามารถที่จะได้รับสมาชิกจดหมายข่าวมากขึ้น, ตอบสนองต่อแบบฟอร์มมากขึ้น, ยอดขายผลิตภัณฑ์เพิ่มขึ้น เป็นต้น

ประโยชน์ของการทดสอบ A/B

ฉันเดาว่าประโยชน์ของการทดสอบ A/B นั้นชัดเจนจากตัวอย่างข้างต้น การทดสอบ A/B ช่วยให้คุณเพิ่มรายได้ด้วยวิธีที่พิสูจน์แล้ว โดยอิงจากข้อมูลจริงเกี่ยวกับพฤติกรรมของผู้เยี่ยมชมของเรา แต่ไม่ใช่แค่เรื่องรายได้เท่านั้น การทดสอบ A/B ยังช่วยให้เราสามารถ:

• ปรับปรุงประสบการณ์ผู้ใช้ การทดสอบ A/B ช่วยให้เราสามารถเปรียบเทียบความชอบและรสนิยมที่แตกต่างกันของผู้เยี่ยมชมของเรา การทดสอบแต่ละครั้งที่เราทำ เราจะปรับปรุงด้านต่างๆ ของเว็บไซต์ของเราที่เรารู้ว่าประสบความสำเร็จมากกว่า และในทางกลับกัน เราจะไม่ทำการเปลี่ยนแปลงการออกแบบที่อาจส่งผลกระทบในทางลบต่อผู้ใช้ของเรา
• ปรับปรุงอัตราตีกลับและลดแรงเสียดทานของผู้ใช้ การทดสอบ A/B ช่วยปรับปรุงการคลิกผลิตภัณฑ์ บทความ และโฆษณาของเรา ระบุสิ่งที่ดีที่สุดและสิ่งที่ผู้เยี่ยมชมของเราละเลย
• ปรับปรุงอัตราการแปลง เมื่อเราพูดถึงคอนเวอร์ชั่น เราไม่เพียงแต่พูดถึงการเพิ่มรายได้เท่านั้น แต่ยังรวมถึงผู้ใช้ดำเนินการตามที่ต้องการด้วย เช่น การให้คำปรึกษาในรายละเอียดของผลิตภัณฑ์หรือการสมัครรับจดหมายข่าวของเรา
• ปรับปรุงการวิเคราะห์ของเรา Google Analytics ให้ข้อมูลมากมายเกี่ยวกับสิ่งที่เกิดขึ้นบนเว็บไซต์ของเรา แต่การทดสอบ A/B ในวิธีที่ง่ายมาก จะบอกเราว่าทางเลือกหนึ่งดีกว่าอีกทางหนึ่งหรือไม่
• ทดสอบทุกอย่างบนเว็บไซต์ของเรา ข้อดีอย่างหนึ่งของการทดสอบ A/B คือช่วยให้คุณสามารถทดสอบองค์ประกอบการออกแบบและเนื้อหาได้ ไม่เพียงแค่รูปภาพและปุ่มเท่านั้น คุณยังสามารถทดสอบรูปแบบตัวอักษร เปลี่ยนเมนู แบบฟอร์ม หรือวิดเจ็ตใดๆ ที่คุณมี หรือแม้แต่ลองใช้ธีม WordPress ที่แตกต่างกัน และดูว่ารูปแบบใดทำงานได้ดีที่สุด การทดสอบ A/B เป็นเครื่องมือเดียวที่ช่วยให้คุณดำเนินการทดสอบประเภทนี้ได้
• ลดความเสี่ยง และที่ดีที่สุดคือคุณทราบด้วยข้อมูลจริงและผ่านการพิสูจน์แล้วว่าการเปลี่ยนแปลงที่คุณทำกับเว็บไซต์ของคุณหลังจากทำการทดสอบ A/B มีความน่าเชื่อถือมากกว่าความคิดเห็นของใครๆ มันจะเป็นความคิดเห็นของผู้ใช้ของคุณเองอย่างแม่นยำที่จะตัดสินการเปลี่ยนแปลงที่คุณควรทำเพื่อปรับปรุงเว็บไซต์ของคุณ

ก่อนสร้างการทดสอบ A/B

หากคุณต้องการปรับผลลัพธ์ของการทดสอบ A/B บนเว็บไซต์ของคุณให้เหมาะสม ก่อนอื่นคุณควรดำเนินการดังต่อไปนี้ พวกเขาจะช่วยคุณระบุข้อมูลที่คุณควรดำเนินการและการทดสอบ A/B ที่คุณควรสร้าง

กำหนดวัตถุประสงค์ KPI และตัวชี้วัดการแปลงเป้าหมายสำหรับเว็บไซต์ของคุณ

ขั้นแรก ระบุสิ่งที่คุณต้องการบรรลุด้วยเว็บไซต์ของคุณ อะไรคือเป้าหมายการแปลง KPI และตัวชี้วัดการแปลงเป้าหมายสำหรับเว็บไซต์ของคุณ ตัวอย่างเช่น หากคุณมีร้านอาหาร วัตถุประสงค์ประการหนึ่งของเว็บไซต์ของคุณคือเพื่อเพิ่มการจองออนไลน์ ในกรณีนี้ KPI จะเป็นจำนวนการจองที่ทำผ่านแบบฟอร์มการติดต่อของเว็บไซต์ของคุณ และตัวชี้วัด Conversion เป้าหมายอาจต้องได้รับ ตัวอย่างเช่น 100 แบบฟอร์มการจองออนไลน์

มาดูตัวอย่างอื่นกัน: เราขายการสมัครรับข้อมูลปลั๊กอิน WordPress และหนึ่งในนั้นคือการทดสอบ Nelio A/B วิธีหนึ่งในการโปรโมตคือโดยการเผยแพร่โพสต์บนบล็อกเช่นเดียวกับที่คุณกำลังอ่านอยู่ ซึ่งเราพยายามช่วยให้ผู้อ่านของเราเรียนรู้เพิ่มเติมเกี่ยวกับการทดสอบ A/B ในกรณีนี้ เป้าหมายการแปลงหนึ่งของบล็อกคือการทำให้ผู้อ่านไปที่แผนการทดสอบ Nelio A/B และหน้าราคา KPI คือจำนวนการเข้าชมหน้านั้น และตัวชี้วัดเป้าหมายของเราคือการเข้าชม 2,000 ครั้งต่อเดือน

นั่นคือ ก่อนการวิเคราะห์ประเภทใดก็ตาม ให้ระบุช่องทางการแปลงของผู้เยี่ยมชมของคุณ: ขั้นตอนที่พวกเขาทำผ่านและหน้าต่างๆ ที่พวกเขาเข้าชมตั้งแต่วินาทีที่เข้าสู่เว็บไซต์ของคุณจนกระทั่งพวกเขาถูกแปลง (เช่น ดำเนินการเหล่านั้นที่จะตอบสนองวัตถุประสงค์ ของเว็บไซต์ของคุณ)

รวบรวมข้อมูลและวิเคราะห์ว่าคุณกำลังบรรลุเป้าหมายหรือไม่

จากช่องทาง Conversion เป้าหมาย KPI และเมตริกเป้าหมาย คุณวิเคราะห์ด้วยเครื่องมือที่คุณมีในปัจจุบันว่าคุณได้รับผลลัพธ์ใด และความแตกต่างตามความคาดหวังของเมตริกเป้าหมายที่คุณตั้งไว้ จำไว้ว่าเราต้องการข้อมูลที่เราสามารถดำเนินการได้ ในการดำเนินการนี้ ให้เริ่มด้วยการวิเคราะห์แบบศึกษาสำนึก กล่าวคือ ประเมินแต่ละหน้าของช่องทางการแปลงของคุณตามเกณฑ์ชุดต่อไปนี้ และประเมินว่าคุณสามารถปรับปรุงผลลัพธ์ได้หรือไม่:

• หน้าเว็บตรงตามความคาดหวังของผู้ใช้ในแง่ของเนื้อหาและการออกแบบหรือไม่ เราจะปรับปรุงได้อย่างไร?
• เนื้อหาและข้อเสนอในหน้านี้ชัดเจนที่สุดหรือไม่ เราจะทำให้ชัดเจนขึ้นหรือง่ายขึ้น?
• อะไรทำให้เกิดความลังเลในหน้านี้หรือทำให้กระบวนการยุ่งยากขึ้น? เราทำให้มันง่ายขึ้นได้ไหม?
• อะไรอยู่ในหน้าที่ไม่ช่วยให้ผู้ใช้ดำเนินการ?
• และสุดท้าย เราสามารถเพิ่มแรงจูงใจของผู้ใช้ได้หรือไม่?

Google Analytics เป็นเครื่องมือที่ดีที่ให้ข้อมูลมากมายที่คุณต้องการเพื่อตอบคำถามข้างต้น ตัวอย่างเช่น คุณสามารถดูเวลาเฉลี่ยในแต่ละหน้า อัตราตีกลับ ตำแหน่งที่ผู้ใช้คลิก ฯลฯ เครื่องมืออื่นๆ ที่มีประโยชน์มากในระยะนี้ ได้แก่ แผนที่ความหนาแน่น คลิกแผนที่ และแผนที่เลื่อน ข้อมูลเหล่านี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับสิ่งที่ดึงดูดความสนใจของผู้ใช้ในแต่ละหน้า รวมถึงสิ่งที่พวกเขาละเลย กล่าวโดยย่อ จะช่วยให้คุณเข้าใจพฤติกรรมของผู้ใช้ได้ดีขึ้น

ตัวอย่างเช่น ด้วย Google Analytics เราพบว่าเกือบครึ่งหนึ่งของผู้เข้าชมหน้าการทดสอบ A/B ของ Nelio เข้าชมหน้าการกำหนดราคาของเรา ซึ่งถือว่าไม่เลว แต่สโครลแมปช่วยให้เราระบุได้ว่าผู้เยี่ยมชมส่วนใหญ่ไม่ได้เข้าไปเกินครึ่งหน้าแรกของหน้า Landing Page เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับผลิตภัณฑ์ของเรา ที่นี่เราสามารถหาพื้นที่ที่มีศักยภาพในการปรับปรุงได้

หลังจากการวิเคราะห์นี้ คุณจะได้รับรายการโดยละเอียดของแง่มุมทั้งหมดที่คุณคิดว่าสามารถปรับปรุงบนเว็บไซต์ของคุณได้ ในตัวอย่างข้างต้น เราสรุปได้ว่าเราควรปรับปรุงหน้าการทดสอบ A/B ของ Nelio เพื่อพยายามให้ผู้เข้าชมเลื่อนลงมา

สร้างสมมติฐานเพื่อการปรับปรุง

ถัดไป สำหรับแต่ละปัญหาที่ระบุ ให้สร้างสมมติฐานการปรับปรุง ตัวอย่างเช่น หากในจุดก่อนหน้านี้ เราพบว่าเรามีปัญหาของผู้เยี่ยมชมของเราอยู่ในครึ่งแรกของหน้าการทดสอบ A/B ของ Nelio บางทีถ้าเราปรับเปลี่ยนขนาดของครึ่งแรกและทำให้ชื่อและข้อความน่าสนใจยิ่งขึ้น ผู้เข้าชมของเราจะได้รับการสนับสนุนให้ดูส่วนที่เหลือของหน้า

ในตอนท้าย คุณจะได้รับรายการปัญหาพร้อมกับสมมติฐานสำหรับการปรับปรุง

จัดเรียงรายการที่จะปรับปรุงโดยผลกระทบสูงสุดและต้นทุนต่ำสุด

เมื่อคุณสร้างการทดสอบ A/B บนเว็บไซต์ของคุณ คุณไม่สามารถทดสอบทั้งหมดพร้อมกันได้ เนื่องจากผลลัพธ์ที่ได้จะผสมกันและเป็นการยากที่จะสรุปผลที่เชื่อถือได้ ด้วยเหตุผลนี้ งานต่อไปที่ต้องทำคือการจัดลำดับความสำคัญของรายการที่ได้รับในจุดก่อนหน้าในแนวทางปฏิบัติ: การปรับปรุงใดสามารถมีผลกระทบมากกว่าและเปลี่ยนแปลงได้ง่ายกว่า

การปรับปรุงที่จะมีผลกระทบมากที่สุดมักจะเกิดขึ้นบนหน้าที่เข้าชมบ่อยที่สุดและเหนือสิ่งอื่นใดคือบนหน้าการกำหนดราคา เกี่ยวกับต้นทุนของการเปลี่ยนแปลงนั้นจะขึ้นอยู่กับสมมติฐานที่คุณได้ทำไว้ในจุดก่อนหน้า: การเปลี่ยนชื่อหรือสีไม่เหมือนกัน ตัวอย่างเช่น การสร้างวิดีโอมัลติมีเดียใหม่ เป็นต้น

แม้ว่าในอุดมคติแล้ว คุณควรลงเอยด้วยการพยายามปรับปรุงรายการทั้งหมด แต่คำแนะนำของฉันคือการเริ่มต้นด้วยสิ่งที่สามารถสร้างผลลัพธ์ที่ดีกว่าได้

และนั่นแหล่ะ หลังจากขั้นตอนเหล่านี้ทั้งหมด คุณสามารถเริ่มการทดสอบ A/B ของรายการแรกในรายการสั่งซื้อของคุณได้

วิธีสร้างการทดสอบ A/B

หากคุณมาไกลถึงขนาดนี้ แสดงว่าคุณได้ทำงานที่ยากที่สุดแล้ว การสร้างการทดสอบ A/B นั้นง่ายมากหากคุณใช้เครื่องมือที่เหมาะสม ในการทำเช่นนี้ เราขอแนะนำให้คุณอ่านบทความเกี่ยวกับปลั๊กอินการทดสอบ A/B ต่างๆ สำหรับ WordPress เป็นข้อดีทั้งหมดหากคุณใช้ปลั๊กอิน WordPress เช่น Nelio A/B Testing เพื่อสร้างการทดสอบ A/B:

• คุณสามารถสร้างการทดสอบองค์ประกอบใดก็ได้ในเว็บไซต์ของคุณ

• คุณกำหนดตัวแปรโดยใช้ตัวแก้ไข WordPress ที่กำหนดไว้ล่วงหน้าแบบเดียวกัน โดยไม่ต้องใช้เครื่องมือภายนอกใดๆ
• ช่วยให้คุณกำหนดเป้าหมายและการกระทำของ Conversion ได้หลากหลาย
• และยังช่วยให้คุณแบ่งกลุ่มผู้เข้าชมที่คุณต้องการเข้าร่วมการทดสอบได้อีกด้วย

ในเวลาไม่กี่นาที คุณจะสามารถสร้างการทดสอบเพื่อตรวจสอบสมมติฐานของคุณได้

ระหว่างการทดสอบ A/B

เมื่อสร้างการทดสอบแล้ว ด้วยเครื่องมือทดสอบ A/B ที่ดี คุณเพียงแค่ต้องระบุว่าการทดสอบ A/B ควรเริ่มต้นขึ้น จะแบ่งผู้เยี่ยมชมของคุณออกเป็นกลุ่มต่างๆ ตามที่คุณมีรูปแบบต่างๆ และผู้เข้าชมแต่ละรายจะเห็นรูปแบบเดียวกันเสมอ นอกจากนี้ จะมีหน้าที่รับผิดชอบในการรวบรวมข้อมูลการแปลงเพื่อให้คุณทราบได้ตลอดเวลาว่าการทดสอบนั้นอยู่ในสถานะใด

หน้าผลลัพธ์ของเครื่องมือทดสอบ A/B ควรให้ข้อมูลเกี่ยวกับสถานะ (หากมีการเข้าชมเพียงพอที่จะตัดสินผู้ชนะ) และกราฟต่างๆ เกี่ยวกับอัตรา Conversion ของเวอร์ชันดั้งเดิมและรูปแบบต่างๆ ที่คุณสร้างขึ้น

การทดสอบ A/B ควรทำงานนานแค่ไหน? ขึ้นอยู่กับความซับซ้อน (ยิ่งมีตัวแปรมาก ยิ่งซับซ้อน) และจำนวนผู้เยี่ยมชมการทดสอบ (ยิ่งมีผู้เข้าชมมาก คุณก็จะได้ข้อมูลผลการทดสอบที่น่าเชื่อถือได้เร็วยิ่งขึ้น)

หากคุณหยุดการทดสอบเร็วเกินไป คุณอาจไม่ได้ผลลัพธ์ที่มีความหมาย ในขณะที่การทดสอบทำงานนานเกินไปอาจทำให้คุณสูญเสีย Conversion และการขายเนื่องจากรูปแบบการทดสอบที่ทำงานได้ไม่ดี รวมถึงการพลาดโอกาสในการสร้างการทดสอบใหม่ สามารถให้ผลลัพธ์ที่ดียิ่งขึ้นแก่คุณได้ การทดสอบของเรามักใช้เวลาประมาณสองถึงสี่สัปดาห์ แต่หากคุณมีเว็บไซต์ที่มีการเข้าชมมากกว่ามาก โดยใช้เวลาน้อยลง คุณก็จะได้ผลลัพธ์ที่ยอดเยี่ยม

เมื่อสิ้นสุดการทดสอบ A/B

การทดสอบสามารถยุติได้ด้วยเหตุผลหลายประการ: มีรูปแบบที่ชนะและผลลัพธ์มีนัยสำคัญทางสถิติ เวอร์ชันดั้งเดิมคือผู้ชนะ และผลลัพธ์ก็มีนัยสำคัญทางสถิติเช่นกัน หรือคุณเพียงแค่ตัดสินใจสิ้นสุดการทดสอบเพราะได้ดำเนินการทดสอบไปแล้ว นานเกินไปโดยไม่ได้รับผลลัพธ์ที่ระบุว่าเป็นผู้ชนะที่ชัดเจน

หากมีรูปแบบที่ชนะยินดีด้วย! ตอนนี้ คุณเพียงแค่ต้องบอกเครื่องมือทดสอบ A/B ให้ใช้เวอร์ชันที่ชนะเป็นเวอร์ชันสุดท้ายและเวอร์ชันเดียวที่ผู้เยี่ยมชมของคุณควรเห็นนับจากนี้เป็นต้นไป

แต่ก็สามารถเกิดขึ้นได้ว่าผลลัพธ์ที่ได้ไม่เป็นไปตามที่คาดไว้ ในกรณีนี้ การทดสอบช่วยให้คุณเข้าใจว่าสมมติฐานของคุณไม่ถูกต้อง การทดสอบ A/B ช่วยให้เราตรวจสอบความคาดหวังของเราและนำเราไปสู่แนวทางแก้ไขที่ดีที่สุด

การเพิ่มประสิทธิภาพการแปลงบนเว็บไซต์ของเราเป็นกระบวนการที่เกิดซ้ำของการวิเคราะห์ข้อมูล การสร้างสมมติฐานสำหรับการปรับปรุง การสร้างการทดสอบ และการหาข้อสรุปเกี่ยวกับผลลัพธ์ที่ได้ ฉันขอแนะนำอย่างยิ่งให้คุณดูการทดสอบต่างๆ ที่เรากำลังสร้างบนเว็บไซต์ของเราและผลลัพธ์ที่เราได้รับ ฉันแน่ใจว่าสิ่งเหล่านี้จะช่วยให้คุณเข้าใจได้อย่างรวดเร็วว่ากระบวนการเพิ่มประสิทธิภาพการแปลงของเว็บไซต์ประกอบด้วยอะไรบ้าง

ภาพเด่นของ Bannon Morrissy บน Unsplash