ข้อมูลที่จำเป็นในการวิเคราะห์ในการทดสอบ A / B

การทดสอบ A / B หรือเรียกอีกอย่างว่าการวิเคราะห์ A / B เป็นการทดสอบที่ใช้กันอย่างแพร่หลายโดยเฉพาะในโลกของการตลาดซึ่ง ช่วยให้เราสามารถสร้างตัวเลือกที่ถูกต้องที่สุดระหว่างสองตัวเลือกขึ้นไป. จากข้อมูลเปรียบเทียบระหว่างตัวเลือกต่างๆข้อมูลเหล่านี้ช่วยให้เราทราบในเชิงประจักษ์ว่าผลิตภัณฑ์ใดเหมาะสมที่สุด นอกจากนี้ยังใช้กันอย่างแพร่หลายในการออกแบบเว็บเช่นเพื่อช่วยในการตัดสินใจเกี่ยวกับการจัดเรียงองค์ประกอบต่างๆ ด้วยวิธีนี้เราสามารถมั่นใจได้ว่าการเสร็จสิ้นขั้นสุดท้ายของสิ่งที่อ้างถึงคือสิ่งที่ปรับให้เข้ากับผู้ใช้และ / หรือลูกค้าจำนวนมากขึ้น

มาดูกันว่ามันคืออะไรและทำงานอย่างไร และพารามิเตอร์ใดที่เหมาะสมที่สุดในการพิจารณาเพื่อให้แน่ใจว่าการทดสอบ A / B ประสบความสำเร็จมากที่สุด

การทดสอบ A / B คืออะไร?

การทดสอบ A / B เป็นการวิเคราะห์พฤติกรรมที่ ดึงผลลัพธ์จากการนำเสนอตัวเลือกต่างๆให้กับผู้ใช้จริง. มีวัตถุประสงค์เพื่อพิจารณาว่าตัวเลือกใดได้ผลดีที่สุดและเหมาะสมที่สุด ในการดำเนินการนี้จะมีการนำเสนอตัวเลือกอย่างน้อยหนึ่งตัวเลือกโดยมีการเปลี่ยนแปลง "เล็กน้อย" ระหว่างสองตัวเลือกและมีการเปรียบเทียบว่าตัวเลือกใดใกล้เคียงกับวัตถุประสงค์ของเรามากที่สุด ไม่ว่าจะเพื่อวัตถุประสงค์ในการให้ข้อมูลเพื่อวัตถุประสงค์ในการประเมินมูลค่าเพื่อแสวงหาผลกำไรที่สูงขึ้นหรือลักษณะพื้นฐานของวัตถุประสงค์ของเรา

ตัวอย่างที่ 1: เรามีเว็บไซต์และต้องการวาง "ปุ่มคำกระตุ้นการตัดสินใจ" แต่เราไม่รู้ว่าตำแหน่งใดดีกว่ากัน เนื่องจากเกณฑ์ของเราเป็นแบบอัตนัย (ไม่ใช่เชิงประจักษ์) เราจึงนำเสนอข้อเสนอ 3 ข้อ ในหนึ่งในนั้นเราวางไว้ในโซน A อีกโซนหนึ่งในโซน B และอีกโซนหนึ่งที่เราจะเรียกว่าซีเราส่งสิ่งพิมพ์ / บทความดังกล่าวหรือนำเสนอในรูปแบบต่างๆ 3 รูปแบบเพื่อให้ได้ข้อมูลประมาณ 12.000 ผู้ใช้แบ่งออกเป็น 3 กลุ่ม 4.000 คน หลังจากนั้นเราจะสามารถทราบได้ว่า 3 วิธีใดได้ผลมากที่สุด และนั่นคือสิ่งที่เราจะเลือก

ตัวอย่างที่ 2: การทดสอบ A / B สามารถขยายหรือลดได้มากเท่าที่เราต้องการลองจินตนาการว่าเราสามารถปรับปรุงตัวอย่างก่อนหน้านี้ได้ เรามีตำแหน่งที่เราจะวาง "คำกระตุ้นการตัดสินใจ" แต่ปรากฎว่าเรามีโมเดลที่มีศักยภาพสองแบบและเรายังไม่แน่ใจว่าแบบใดจะน่าสนใจกว่ากัน อีกครั้งเราสามารถนำเสนอตัวเลือก A และตัวเลือก B ให้กับผู้คนจำนวนเท่า ๆ กัน หลังจากดูว่ารายการใดได้รับผลกระทบมากที่สุดเราจะเลือกใช้ตัวเลือกนั้น

เหตุผลในการวิเคราะห์ A / B

• ปรับปรุงการออกแบบเว็บไซต์ของคุณ: ข้อสรุปเหล่านี้สามารถสรุปได้จาก Google Analytics เกี่ยวกับเว็บไซต์ที่ผู้ใช้เข้าชมมากขึ้นจากเค้าโครงหน้าเมนู ฯลฯ มีประโยชน์มากหากคุณต้องการเลือกใช้ธีมหรือการออกแบบที่กำหนดไว้ล่วงหน้าและคุณไม่รู้ว่าจะเลือกธีมใด
• การเพิ่มประสิทธิภาพเว็บ: สอดคล้องกับตัวอย่างในส่วนก่อนหน้า ช่วยให้เราสามารถระบุได้ว่าแบนเนอร์การออกแบบตำแหน่งหรือสีใดที่เหมาะสมกว่าและประสบความสำเร็จมากขึ้น ในกรณีเหล่านี้ Adsense ช่วยให้การทดสอบเหล่านี้ทำได้ง่ายมาก
• เพิ่มผลกำไร: การพิจารณาว่าสิ่งใดมีประสิทธิภาพสูงสุดจะทำให้คุณได้รับประโยชน์ที่ดีขึ้น ตั้งแต่การแปลงเว็บไปจนถึงการโปรโมตผลิตภัณฑ์หรือป้ายโฆษณา
• อย่าไปบ้า: และในบางครั้งแม้แต่สำหรับนักการตลาดเองก็ยากมากที่จะกระโดดลงไปในความว่างเปล่าโดยไม่ต้องมีความคิดที่ขัดแย้ง ไม่ต้องพูดนอกเรื่องเพื่อพยายามเดาว่าบรรทัดใดดีที่สุดจะช่วยให้คุณดำเนินการต่อกับแต่ละไอเดียที่คุณมีอย่างมั่นคงและแน่นอน หลีกเลี่ยงความหงุดหงิดจากการสูญเสียตัวเองโดยไม่รู้ว่าทำไมผลลัพธ์ถึงไม่ดีขึ้น
• ดำเนินการโฆษณาที่มีประสิทธิภาพจริงๆ: โฆษณาประเภทใดจะมีประสิทธิภาพสูงสุด? จะทำที่ไหนและหมายความว่าอย่างไร? การทดสอบ A / B จะช่วยให้คุณเลือกแบบทดสอบที่ดีที่สุดสำหรับคุณ นอกจากนี้คุณสามารถวางใจในข้อมูล AdWords เพื่อดูว่าแคมเปญออนไลน์ใดอาจมีประสิทธิภาพมากที่สุดสำหรับคุณ
• ค้นพบกำหนดผู้ชมของคุณและรักษาไว้: แต่ละคนเลือกแบรนด์ด้วยเหตุผลบางประการและการรู้ว่าพวกเขาคาดหวังอะไรจากแบรนด์นั้นจะช่วยให้คุณตัดสินใจได้ดีที่สุด ด้วยวิธีนี้ความเสี่ยงของ "การตกราง" กับเนื้อหาที่คุณต้องการแสดงจะลดลง ผู้ใช้ของคุณเองจะเป็นคนที่ชอบคุณผ่านการทดสอบ A / B ดังนั้นคุณจะสามารถเสนอสิ่งที่ทำให้พวกเขาเข้าหาแบรนด์ของคุณได้ต่อไป

ขั้นตอนในการทำแบบทดสอบ A / B

• กำหนดวัตถุประสงค์ที่จะดำเนินการ: พิจารณาว่าเราต้องการรวมสิ่งใหม่ ๆ จากผลิตภัณฑ์การออกแบบแคมเปญโฆษณาหรือองค์ประกอบใด ๆ ของหน้า Landing Page ของเรา ในทางตรงกันข้ามให้วัดว่าเรามีปัญหาในบางสิ่งที่เราสร้างขึ้น แต่ไม่ได้ผล
• เพิ่มทางเลือกอื่น: เมื่อเราระบุสิ่งที่ต้องการวิเคราะห์ได้แล้วให้นำเสนอข้อเสนอต่างๆที่จะทดสอบ หากไม่เคยทำมาก่อนจะมีข้อผิดพลาดทั่วไปเช่นการทดสอบที่แตกต่างกันมากเกินไป ข้อผิดพลาดทั่วไปอีกประการหนึ่งคือการเปรียบเทียบสิ่งที่ไม่ปะติดปะต่อกันตัวอย่างเช่นวิดีโอหรือรูปภาพ ผลลัพธ์อาจไม่น่าเชื่อถือมากนักหรือเกี่ยวข้องกับแนวคิดสุดท้ายเพียงเล็กน้อย หลีกเลี่ยงการเปรียบเทียบสิ่งที่แตกต่างกันอย่างลึกซึ้ง
• ทำการทดสอบ: ส่งการทดสอบในลักษณะทั่วไปและผู้ใช้แบบสุ่ม อาจเป็นได้ทั้งทางไปรษณีย์หรือหน้า Landing Page หรือผลิตภัณฑ์เอง ขึ้นอยู่กับเทคโนโลยีและประเภทขององค์ประกอบที่เรากำลังวิเคราะห์เราจะตัดสินใจทำไม่ทางใดก็ทางหนึ่ง ไม่ว่าในกรณีใดสิ่งสำคัญที่นี่คือการสามารถดึงข้อมูลว่าตัวเลือกใดประสบความสำเร็จมากกว่ากัน
• สรุปข้อสรุป: ส่วนที่เราสนใจพร้อมผลลัพธ์ที่อยู่ในมือเราสามารถประเมินได้ว่าประสบความสำเร็จมากขึ้น ในกรณีที่เป็นผลิตภัณฑ์ใหม่เราสามารถกำหนดได้ว่าสินค้าใดที่จะขายได้มากที่สุด
• ดำเนินการ: กำหนดว่าให้ผลลัพธ์มากที่สุดเราจะนำสิ่งที่ให้ผลลัพธ์ที่ดีกว่าไปใช้โดยมั่นใจล่วงหน้าว่าจะได้ผล

สรุปผลการวิจัย

มีเครื่องมือมากมายบนอินเทอร์เน็ตเพื่อทำการทดสอบการวิเคราะห์ A / B. ดังที่เราได้กล่าวไปแล้ว Google Analytics, Adsense, Adwords ให้ความเป็นไปได้เหล่านี้แก่เรา แต่เรายังมีเครื่องมืออื่น ๆ เช่น การทดสอบ Nelio ABปลั๊กอินสำหรับ WordPress หากคุณไม่ใช่หนึ่งในผู้ที่ใช้ WordPress มีเว็บไซต์และ บริษัท ที่ให้บริการเช่น เพิ่มประสิทธิภาพมุ่งเน้นไปที่การประเมินผลลัพธ์เท่านั้น

การทำความคุ้นเคยกับการวิเคราะห์ด้วยการทดสอบ A / B สามารถนำไปสู่ ใช้ตำแหน่งทางวิทยาศาสตร์ในการตัดสินใจ. ถ้าเป็นเช่นนั้นใช้ประโยชน์จากมัน! ความสามารถในการตัดสินใจเลือกตัวเลือกที่ดีและประสบความสำเร็จสำหรับคุณจะทำให้คุณได้รับสิ่งเดียวกัน และยิ่งคุณเล่นในภาคของคุณปริมาณมากขึ้นการวิเคราะห์แต่ละขั้นตอนก็จะยิ่งน่าสนใจมากขึ้นเท่านั้น