تست A/B چیست؛ ۴ مزیت و ۱۵ مرحله اجرای موفق آن

تست A/B به‌عنوان یکی از ابزارهای مهم بهینه سازی سایت و اپلیکیشن، یک تست مناسب برای سنجش دو نسخه از یک وب‌سایت یا اپلیکیشن است که در نهایت با رفتارشناسی و تجزیه و تحلیل رفتار کاربران باعث بهبود تجربه کاربری و در نهایت افزایش ترافیک سایت و نرخ تبدیل می‌شود. در این مقاله شما را با ۴ مزیت و ۱۵ مرحله اجرای موفق تست A/B آشنا خواهیم کرد.

تست A/B چیست؟

تست A/B چیست

 

تست A/B که از آن به عنوان تست مقسم نیز استفاده می‌شود نوعی آزمایش بازاریابی است که در آن شما مخاطبین خود را تقسیم می‌کنید تا تغییرات یک کمپین را ارزیابی کرده و تعیین کنید کدام یک از آن‌ها عملکرد بهتری دارند. به بیان دیگر شما می‌توانید نسخه A از یک بخش از محتوای بازاریابی را به نصفی از مخاطبین خود نمایش داده و نسخه B را به بقیه آن‌ها نشان دهید.

برای اینکه تست A/B را اجرا کنید باید دو نسخه متفاوت از یک بخش از محتوا را با تغییراتی روی یک متغیر ایجاد کنید. سپس  این نسخه‌ها را به دو مخاطب با سایز مشابه نشان داده و تحلیل می‌کنید که کدام یک از آن‌ها در دوره زمانی معینی (دوره‌ای که به اندازه کافی در آن وقت داشته باشید تا بتوانید از نتایج خود نتیجه‌گیری کنید) عملکرد بهتری دارند.

تست A/B به بازاریابان کمک می‌کند مشاهده کنند که نسخه‌ای از بخشی از محتوای بازاریابی چگونه در برابر نسخه دیگر عملکرد بهتری دارد. در اینجا دو نوع از تست‌های A/B که شما ممکن است برای افزایش نرخ تبدیل خود استفاده کنید آورده شده است:

مقالات مرتبط : بازاریابی اپلیکیشن موبایل یا اپلیکیشن مارکتینگ؛ ۱۰ استراتژی توسعه اپ‌های موبایل

 

مثال اول : تست تجربه کاربری

تست A/B - تجربه کاربری

 

شاید شما بخواهید ببینید آیا قرار دادن دکمه فراخوان در بالای صفحه اصلی به جای اینکه آن را در نوار کناری بگذارید باعث می‌شود نرخ کلیک روی آن افزایش پیدا کند.

برای اینکه این موضوع را با تست A/B ارزیابی کنید، یک صفحه وب جایگزین دیگر ایجاد کنید که همان تغییر را در آن لحاظ کرده باشید. این طراحی موجود یا کنترل، ورژن A شما نام می‌گیرد. ورژن B چلنجر نام دارد. سپس شما این دو ورژن را به درصدی از پیش تعیین شده از بازدیدکنندگان سایت نشان می‌دهید. درصد بازدیدکنندگانی که هر ورژن را مشاهده می‌کنند باید مشابه باشد. بدانید چگونه به سادگی یک مولفه از وب‌سایت خودتان را با HubSpot’s Marketing Hub  تست A/B کنید.

 مثال دوم : تست طراحی

تست A/B - تست طراحی

شاید شما بخواهید بدانید آیا تغییر دکمه فراخوان موجب افزایش نرخ کلیک می‌شود یا خیر.

برای اینکه این تئوری را تست A/B کنید باید یک دکمه جایگزین فراخوان با رنگ متفاوتی طراحی کنید که به همان صفحه فرود هدایت شود. اگر شما از دکمه قرمز فراخوان در محتوای بازاریابی خود استفاده می‌کنید و دکمه سبز بعد از تست نرخ کلیک بیشتری به خود اختصاص داد باعث می‌شود که رنگ پیش‌فرض دکمه فراخوان شما از هم اکنون به بعد به سبز تغییر داده شود.

تست A/B و سئو

گوگل مجوز تست A/B را صادر کرده و از آن حمایت می‌کند و بیان کرده است که اجرای تست A/B یا تست‌های چندمتغیره هیچ خطری برای رنک جستجوی وب‌سایت ندارد. با این حال این امکان وجود دارد که رنک سرچ شما  با سوء استفاده از ابزار تست A/B با اهدافی همچون مخفی‌سازی به خطر بیافتد.

گوگل بعضی از بهترین روش‌هایش را اعلام کرده است تا تضمین کند چنین اتفاقی نمی‌افتد.

عدم مخفی‌سازی

مخفی‌سازی روشی برای نشان دادن محتوای متفاوت در موتورهای جستجو می‌باشد به جای اینکه محتوای عادی به یک کاربر نمایش داده شود. مخفی‌سازی ممکن است باعث شود سایت شما دچار تنزل رتبه شده و یا از نتایج جستجو حذف شود. برای اینکه از مخفی‌سازی جلوگیری کنید از اینکه بخش بازدیدکننده بخواهد  براساس آدرس آی‌پی یا نمایندگی کاربری محتوای متفاوتی را به گوگل بات نشان دهد سوء استفاده نکنید.

از rel=”canonical” استفاده کنید

اگر شما با ‏URL های متعدد تست مقسم را اجرا می‌کنید باید از ویژگی rel=”canonical”استفاده کنید تا تغییرات را در نسخه اصلی صفحه نشان دهید. انجام این کار باعث می‌شود که گوگل بات با نسخه‌های متعدد همان صفحه گیج نشود.

از ریدایرکت ۳۰۲ به جای ریدایرکت ۳۰۱ استفاده کنید

اگر شما از تست A/B استفاده می‌کنید که URL اصلی را به URL متغیر ریدایرکت می‌کند، از ریدایرکت ۳۰۲ (موقتی) به جای ریدایرکت ۳۰۱ (دائمی) استفاده کنید. این به موتورهای جستجوی همانند گوگل می‌گوید که ریدایرکت موقتی است و آن‌ها باید به جای اینکه URL تست را شاخص‌بندی کنند باید URL اصلی را نگه دارند.

تنها تا زمانیکه نیاز است آزمایش کنید

اجرای تست برای زمانی بیش از حد لازم خصوصاً زمانیکه شما در حال اعمال تغییر به صفحه خود برای درصد بیشتری از کاربران هستید، به عنوان تلاشی به منظور گول زدن موتورهای جستجو برداشت شود. گوگل توصیه می‌کند که سایت خود را آپدیت کنید و به محض اینکه تست به نتیجه رسید تمام تغییرات تست را از سایتتان حذف کنید و از اجرای طولانی مدت تست‌ها اجتناب کنید.

مزیت‌های تست A/B

تست A/B برای تیم بازاریابی بسته به اینکه شما تصمیم به اجرای چه تستی می‌گیرید مزایایی را به ارمغان می‌آورد. گذشته از این‌ها این تست‌ها برای کسب‌وکار ارزش بالایی دارند چراکه هزینه آن‌ها کم اما نتیجه آن‌ها بسیار عالیست.

فرض کنید  شما یک تولیدکننده محتوا را با حقوق ۵۰ هزار دلار در سال استخدام کرده‌اید. این تولیدکننده محتوا در هر هفته ۵ مقاله را برای وبلاگ شرکت که در نهایت ۲۶۰ مقاله در سال می‌شود تولید کرده است. اگر پست‌های متوسط در بلاگ شرکت ۱۰ سرنخ ایجاد کند می‌توان گفت که برای کسب‌وکار ایجاد کردن ده سرنخ تنها ۱۹۲ دلار هزینه داشته (حقوق ۵۰ هزار دلاری ÷ ۲۶۰ مقاله= ۱۹۲ دلار برای هر مقاله)، این تغییر قابل توجهی می‌باشد.

۱. افزایش ترافیک وب‌سایت

تست کنید که آیا استفاده از پست‌های متفاوت بلاگ  یا عناوین متفاوت در صفحه وب باعث می‌شود که تعداد افرادی که روی یک عنوان هایپرلینک شده کلیک می‌کنند تا به وب‌سایتتان بروند تغییر کند یا خیر. در نتیجه این موجب افزایش ترافیک وب‌سایت می‌شود.

۲. نرخ تبدیل بالاتر

تست A/B -  نرخ تبدیل

تست استفاده از مکان‌های متفاوت، رنگ‌های متفاوت و یا حتی انکر تکست(متن قابل کلیک در لینک) متفاوت در فراخوان، می‌تواند تعداد افرادی که روی این فراخوان‌ها کلیک می‌کنند تا به صفحه فرود شما بیایند تغییر کند و این موجب افزایش تعداد افرادی می‌شود که در وب‌سایت شما فرمی را پر کرده، اطلاعات تماسشان را برایتان ارسال کرده و تبدیل به سرنخ می‌شوند.

۳.  نرخ پرش کمتر

تست A/B -  نرخ پرش کمتر

اگر بازدیدکنندگان وب‌سایت شما به سرعت پس از بازدید از وب‌سایتتان آن را ترک کنند (و یا بپرند)،  تست مقدمه‌های متفاوت برای پست  وبلاگ، فونت‌های متفاوت و یا تصاویر متفاوت می‌تواند این نرخ پرش یا نرخ بانس ریت سایت را کاهش داده و بازدیدکنندگان بیشتری را حفظ کند.

۴. ترک کمتر صفحات پرداخت

طبق گزارش MightyCall کسب‌وکارهای تجارت الکترونیکی مشاهده کرده‌اند که ۴۰ تا ۷۵ درصد از مشتریانشان با وجود انتخاب محصولاتی در سبد خریدشان سایت را ترک کرده‌اند .از این فرآیند با عنوان «ترک صفحه خرید» یاد می‌شود. تست کنید که آیا استفاده از تصاویر متفاوت محصولات، طراحی‌های متفاوت صفحه خرید و حتی هزینه‌های ارسال می‌تواند موجب کاهش نرخ ترک شود.

اکنون برای شروع اجرا و ارزیابی تست A/B بهتر است که از یک چک‌لیست استفاده کنیم.

مراحل اجرای آزمایش A/B

 پیش از تست A/B

در نظر داشته باشید که قبل از اجرای تست مراحل زیر را انجام هید.

۱. متغیر برای انجام تست انتخاب کنید

هنگامی که شما صفحات وب و ایمیل‌های خود را بهینه‌سازی می‌کنید ممکن است متغیرهایی که به دنبال تست آن‌ها هستید را بیابید، اما برای اینکه ارزیابی کنید این تغییر چقدر موثر واقع می‌شود باید یک متغیر مستقل را عایق‌سازی کرده و عملکرد آن را ارزیابی کنید. در غیر این صورت نمی‌توانید اطمینان حاصل کنید که کدام یک از متغیرها موجب تغییر در عملکرد شده‌اند.

شما می‌توانید برای یک صفحه وب یا ایمیل از بیش از یک متغیر استفاده کنید. تنها اطمینان حاصل کنید که به طور همزمان آن‌ها را تست کنید. به عناصر متعدد در منابع و جایگزین‌های آن‌ها برای طراحی، ورد و طرحشان نگاهی بیاندازید. دیگر چیزهایی که می‌توانید به تست آن‌ها بپردازید شامل خطوط سابجکت ایمیل، نام ارسال کننده و راه‌های دیگری برای شخصی‌سازی ایمیل شما می‌باشد.

۲. هدف خودتان را شناسایی کنید

اگرچه شما چندین معیار برای هر تست در نظر می‌گیرید، یک معیار اولیه پیش از این که تست را اجرا کنید در نظر بگیرید. در حقیقت پیش از اینکه دومین تغییر را اعمال کنید، این کار را انجام دهید. این «متغیر وابسته» شما نام دارد. به این فکر کنید که این متغیر در انتهای تست تقسیم قرار است کجا قرار بگیرد. ممکن است یک فرضیه رسمی بیان کرده و نتایج خودتان را براساس این پیش‌بینی بسنجید.

اگر تا آن زمان صبر پیشه کردید تا ببینید کدام معیارها برایتان اهمیت بیشتری دارند، اهدافتان چه هستند و تغییراتی که پیشنهاد داده‌اید ممکن است چگونه روی رفتار کاربر تأثیر بگذارد، این امکان وجود دارد که آنگونه که باید تست را اجرا نکنید.

۳. یک کنترل و یک چلنجر ایجاد کنید

اکنون شما دارای متغیر مستقل، متغیر وابسته و نتیجه مطلوب هستید. از این اطلاعات به عنوان کنترل برای اجرای نسخه تغییر نیافته هر چیزی که در حال تست آن هستید استفاده کنید. اگر در حال تست یک صفحه وب هستید این صفحه وب تغییر نیافته‌ای است که هم اکنون وجود داشته. اگر در حال تست یک صفحه فرود هستید این طراحی و رونوشت صفحه فرودی است که در حالت عادی از آن استفاده می‌کنید. از آنجا یک تغییر و یا یک چلنجر ایجاد کرده وب‌سایت صفحه ورود یا ایمیلی که می‌خواهید در مقابل کنترل آن را تست کنید. برای مثال اگر سردرگم هستید که آیا قرار دادن یک گواهی‌نامه در صفحه فرود تفاوتی به وجود می‌آورد یا خیر، صفحه کنترل خودتان را بدون گواهینامه اجرا کنید، سپس با یک گواهینامه تغییر را اعمال کنید.

۴. گروه‌های نمونه خود را به صورت تصادفی و مساوی تقسیم‌بندی کنید

در تست‌هایی که شما کنترل بیشتری روی مخاطبین دارید همانند ایمیل‌ها، باید با یک یا چند مخاطبی که تعدادشان برابر است تست را انجام دهید تا بتوانید به نتایج قطعی دست پیدا کنید.

اینکه شما چگونه این کار را انجام می‌دهید به نوع ابزار تست A/B بستگی دارد که از آن استفاده می‌کنید. اگر شما ۱ مشتری HubSpot Enterprise هستید که در حال اجرای تست A/B در یک ایمیل است HubSpot  به صورت اتوماتیک ترافیک را برای تغییراتی که در نظر گرفته‌اید تقسیم‌بندی می‌کند. لذا هر تغییر شما نمونه تصادفی از بازدیدکنندگان را دریافت می‌کند.

۵. اندازه نمونه خود را تعیین کنید (در صورتیکه قابل اجرا باشد)

تست A/B - اندازه نمونه

اینکه شما چگونه اندازه نمونه خود را تعیین می‌کنید به ابزار تست A/B و نوع تست A/B که انجام می‌دهید بستگی دارد. اگر شما در حال تست A/B یک ایمیل هستید شاید بخواهید یک تست A/B را به بخش کوچک‌تری از لیست خود ارسال کنید تا بتوانید نتایج آماری را دریافت کنید. در نهایت شما یک برنده را انتخاب کرده و تغییر برنده را برای باقی لیست ارسال می‌کنید (کتاب الکترونیکی علم تست مقسم را در انتهای این مقاله آورده شده است را مشاهده کرده تا بتوانید دقیق‌تر اندازه نمونه خود را محاسبه کنید). اگر شما یک مشتری HubSpot Enterprise هستید می‌توانید برای تعیین اندازه گروه نمونه خود با استفاده از یک اسلایدر کمک بگیرید. این اسلایدر به شما اجازه می‌دهد یک تست A/B ۵۰/۵۰ از هر اندازه نمونه را اجرا کنید– اگرچه دیگر مقسم‌های نمونه به یک لیست حداقل ۱۰۰۰ نفر گیرنده‌ای نیاز دارند.

۶. درمورد میزان اهمیت نتایجتان تصمیم‌گیری کنید

زمانیکه شما معیار هدف خود را انتخاب کردید درمورد میزان اهمیت نتایجتان فکر کنید تا بدانید کدام تغییر را نسبت به دیگری انتخاب کنید فکر کنید. اهمیت آماری یک بخش بسیار مهم دیگر از فرآیند تست A/B می‌باشد که اغلب از آن اشتباه برداشت می‌شود. اگر درمورد اهمیت آماری از نقطه نظر بازاریابی نیاز به یک تجدید داشتید توصیه می‌کنم پست این وبلاگ را مطالعه کنید.

۷. اطمینان حاصل کنید که در هر کمپین تنها یک تست را اجرا کنید

تست بیش از یک چیز برای یک کمپین حتی اگر آن تست روی همان دارایی انجام نشود موجب پیچیده شدن نتایجتان می‌شود. برای مثال اگر شما یک کمپین ایمیل که به یک صفحه فرود ریدایرکت می‌شود را تست A/B کنید و همزمان صفحه فرود را نیز تست A/B کنید از کجا متوجه خواهید شد کدام تغییر موجب افزایش سرنخ شده است؟

در طول تست A/B

در طول تست A/B نیز مراحل زیر حائز اهمیت است

۸. از ابزار تست A/B استفاده کنید

برای این که تست A/B را در وب‌سایت یا در یک ایمیل تست کنید باید از ابزار تست A/B استفاده کنید. اگر شما یک مشتری HubSpot Enterprise هستید، نرم‌افزار HubSpot دارای ویژگی‌هایی است که به شما اجازه تست A/B ایمیل‌ها، فراخوان‌ها و صفحات فروش را می‌دهد. برای کسیکه مشتری HubSpot Enterprise نیست دیگر گزینه‌ها شامل آزمایش‌های تحلیل گوگل می‌باشد که به شما امکان تست A/B بیش از ده نسخه از یک صفحه وب و مقایسه عملکرد آن با استفاده از نمونه تصادفی کاربران را می‌دهد.

۹. تست هر دو تغییرات به صورت همزمان

زمان‌بندی نقش مهمی را در نتایج کمپین بازاریابی شما بازی می‌کند، این زمان‌بندی می‌تواند ساعتی از روز، روزی از هفته و یا ماهی از سال باشد. اگر شما قرار است که نسخه A را در طول یک ماه و نسخه B را در طول ماه بعدی اجرا کنید، چگونه متوجه می‌شوید که عملکرد تغییر یافته به دلیل طراحی متفاوت است یا ماه متفاوت؟

زمانیکه شما تست A/B را انجام می‌دهید، باید هر دو تغییر را هر زمان اجرا کنید. در غیر این صورت نتایجتان درجه دوم می‌باشند.

۱۰. زمانی کافی را به تست A/B اختصاص دهید تا بتواند داده‌هایی مفید تولید کند

شما به دنبال این هستید که اطمینان حاصل کنید تستتان به اندازه کافی وقت برای اجرا داشته تا اندازه نمونه قابل توجهی را به دست آورید. در غیر این صورت سخت است که تشخیص دهید اختلاف آماری قابل توجهی بین این دو تغییر وجود داشته یا خیر. چقدر زمان برای اجرای تست مناسب است؟ بسته به شرکت و اینکه شما چگونه تست A/B را اجرا می‌کنید، کسب نتایج قابل توجه آماری می‌تواند در عرض چند ساعت، چند روز یا چند هفته رخ دهد. بخش مهمی از این که چقدر زمان لازم است تا نتایجی قابل توجه آماری را کسب کنید این است که چقدر ترافیک دریافت می‌کنید. لذا اگر کسب‌وکار شما ترافیک زیادی را به سمت وب‌سایتتان جذب نکرد باید زمان بیشتری به اجرای تست A/B اختصاص دهید.

۱۱. از کاربران واقعی درخواست ثبت بازخورد کنید

تست A/B با داده‌های کمیتی کارهای زیادی می‌کند، اما این لزوما به شما کمک نمی‌کند درک کنید چرا افراد نسبت به بقیه کارهای معینی را انجام می‌دهند، در حالیکه شما در حال انجام تست A/B هستید. چرا نباید از کاربران واقعی بازخوردی کیفی جمع‌آوری کنید؟ یکی از بهترین راه‌ها برای پرسیدن نظرات بقیه استفاده از نظرسنجی می‌باشد. شما ممکن است در سایتتان یک نظرسنجی خروجی داشته باشید که از کاربران می‌پرسد چرا روی دکمه فراخوان کلیک نکرده‌اند و یا یک نظرسنجی در صفحات تشکر داشته باشید که از بازدیدکنندگان می‌پرسد چرا روی یک دکمه کلیک کرده‌اند و یک فرم را پر کردند.

بعد از تست A/B

بعد از تست A/B نیز موارد زیر را مد نظر قرار دهید.

۱۲. روی معیار هدفتان تمرکز کنید

اگرچه شما معیارهای متعددی را ارزیابی می‌کنید حواستان را به معیار هدف اولیه به هنگام انجام تحلیل جمع کنید. برای مثال اگر دو تغییر از یک ایمیل را تست کردید و سرنخ را به عنوان معیار اولیه خود در نظر گرفتید دیگر حواستان را پرت نرخ کلیک نکنید. ممکن است شما مشاهده کنید که نرخ کلیک بالا و نرخ تبدیل کم است که در این حالت ممکن است تغییری را انتخاب کنید که دارای نرخ کلیک کمتر است.

۱۳. اهمیت نتایجتان را با استفاده از ماشین حساب تست A/B ارزیابی کنید

اکنون که شما تعیین کرده‌اید کدام تغییر عملکرد بهتری دارد، زمان آن است که تعیین کنید آیا نتایج شما از نظر آماری قابل توجه هستند یا خیر؟ به بیانی دیگر آیا می‌توان به اندازه کافی برای اعمال تغییر به آن‌ها اعتماد کرد؟ برای دانستن این موضوع باید تست اهمیت آماری را انجام دهید. می‌توانید این کار را به صورت دستی انجام دهید و یا می‌توانید نتایج آزمایش آن را به ماشین حساب رایگان تست A/B بدهید. برای هر تغییری که تست کردید می‌توانید تعداد کل سعی و تلاش‌های خودتان را وارد کنید، همانند ایمیل‌های ارسال شده یا ایمپرشین‌های دیده شده. سپس تعداد اهدافی که کامل شده‌اند را نیز وارد کنید. معمولاً شما برای این مورد به کلیک‌ها نگاه می‌کنید اما می‌توان دیگر انواع تبدیل‌ها را نیز در نظر گرفت.

۱۴. براساس نتایج اقدامی را اتخاذ کنید

اگر یک تغییر نسبت به دیگری از نظر آماری بهتر است شما دارای یک برنده بین این دو تغییر هستید. با غیر فعال کردن متغیر بازنده در ابزار تست A/B تست خود را تکمیل کنید. اگر هیچکدام از این تغییرات از نظر آماری بهتر نبودند متوجه می‌شوید که متغیر تست شده شما روی نتایج تاثیری نداشته و تست را بی‌نتیجه اعلام می‌کنید. در این حالت به متغیر اصلی پایبند باشید و یا تست دیگری را اجرا کنید. می‌توانید از داده‌های شکست خورده استفاده کنید تا به شما کمک کنند در اجرای تست جدیدتان تعداد تکرار را بدست آورید.

۱۵. برای تست بعدی A/B خود برنامه‌ریزی کنید

تست A/B ای که هم اکنون آن را انجام داده اید به شما کمک می‌کند راهی جدید برای موثرتر کردن محتوای بازاریابیتان بیابید، اما کار را به همین جا ختم نکنید. همیشه برای بهینه‌سازی نیز جایی هست.

امتیاز کاربران
[تعداد: 2    میانگین: 5/5]

برچسب ها :

منبع : optimizely.com hubspot.com

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *