تست A/B فرایندی است که به طور هم‌زمان دو گزینه را مورد آزمایش قرار می‌دهد. مثلا دو نوع از صفحه وب را به کاربران مختلف وب‌سایت نشان می‌دهد و مقایسه می‌کند که کدام‌یک از آن‌ها باعث نرخ تبدیل بیشتر می‌شود.

به طور معمول در تست A/B گزینه‌ای که تبدیلات بیشتری را ارائه می‌دهد، برنده است و این به شما کمک می‌کند سایت خود را برای نتایج بهتر بهینه کنید.

تست A/B یکی از مؤلفه‌های اصلی فرایند بهینه‌سازی نرخ تبدیل (CRO) است. شما می‌توانید اطلاعات کیفی و کمی کاربر را جمع‌آوری کرده و از این داده‌ها برای درک مشتریان بالقوه و بهینه‌سازی قیف فروش استفاده کنید.
مزایای A/B تست

امروزه مشاغل B2B از نرخ تبدیل پایین در ماه ناراضی هستند. همین‌طور فروشگاه‌های تجارت الکترونیک با نرخ بالای رها کردن سبد خرید مواجه‌اند. در همین حال، رسانه‌ها نیز با مشارکت کم بیننده روبرو هستند. نشت در قیف فروش، افت در صفحه پرداخت و … عواملی هستند که نرخ تبدیل را تحت تاثیر قرار می‌دهند.

بیایید ببینیم که چرا باید برای مقابله با همه‌ی این مشکلات آزمایش A/B را انجام دهید:

1) مشکلات کاربر را حل کنید.

کاربران از وب‌سایت شما برای اهداف خاصی مانند اطلاعات بیشتر در مورد محصول یا خدمات، خرید کالا، مرور وب‌سایت، استفاده از مطالب آموزشی و غیره بازدید می‌کنند. در این جریان ممکن است کاربران با مشکلاتی مواجه شوند که این امر به تجربه‌ی بد آن‌ها منجر می‌شود و در نهایت بر نرخ تبدیل شما تاثیر می‌گذارد.

از داده‌های جمع‌آوری‌شده از طریق ابزارهای تجزیه‌وتحلیل رفتار کاربران مانند heatmaps (ابزاری برای آنالیز رفتار)، Google Analytics و نظرسنجی‌های وب‌سایت در جهت حل این مشکلات استفاده کنید.

2) از ترافیک موجود، ROI بهتری دریافت کنید.

تست A/B به شما امکان می‌دهد از ترافیک موجود خود بیشترین بهره را ببرید و بدون نیاز به‌صرف خرید ترافیک جدید، تبدیل را افزایش دهید. حتی جزئی‌ترین تغییرات نیز می‌تواند منجر به افزایش قابل‌توجهی در تبدیل شود.

3) نرخ پرش (Bounce Rate) را کاهش دهید.

ممکن است دلایل زیادی برای نرخ پرش بالای وب‌سایت شما وجود داشته باشد؛ از جمله گزینه‌های زیاد، عدم تطابق انتظارات و موارد دیگر. با آزمایش A/B می‌توانید تغییرات مختلف در وب‌سایت خود را آزمایش کنید تا بهترین نسخه‌ی ممکن را پیدا کنید. این امر باعث بهبود تجربه‌ی کاربر و افزایش مدت‌زمان حضور در وب‌سایت شما می‌شود و به‌این‌ترتیب نرخ پرش کاهش می‌یابد.

4) اصلاحات کم‌خطر را انجام دهید.

با آزمایش A/B به‌جای اینکه کل صفحه را از نو طراحی کنید، تغییراتی جزئی در وب‌سایت خود ایجاد کنید. این کار به خطر انداختن نرخ تبدیل فعلی شما را کاهش می‌دهد. آزمایش A/B به شما امکانی می‌دهد تا منابع خود را برای حداکثر خروجی با حداقل تغییرات، هدف قرار دهید و در ادامه به سمت افزایش ROI گام بردارید.

5) به تحلیل داده های آماری بپردازید.

تست A/B کاملاً مبتنی بر داده است و جایی برای حدس، احساس یا غرایز ندارد. شما می‌توانید بر اساس تحلیل‌های قابل ‌توجه آماری در معیارهایی مانند زمان صرف شده در صفحه، تعداد درخواست‌های نسخه‌ی نمایشی، نرخ کنارگذاشتن سبد خرید، میزان کلیک و غیره، به‌راحتی گزینه‌های «برنده» و «بازنده» را تعیین کنید.

6) با از نو طراحی کردن وب‌سایت، سودآوری بیشتری برای خود رقم بزنید.

طراحی مجدد می‌تواند از یک متن جزئی یا تغییر رنگ در دکمه CTA تا تغییر کامل یک صفحه وب باشد. تصمیم برای اجرای یک نسخه یا نسخه‌ی دیگر همیشه باید مبتنی بر تست A/B باشد. با نهایی شدن طرح، تست را رها نکنید. با فعال‌شدن نسخه‌ی جدید، سایر عناصر صفحه وب را آزمایش کنید تا مطمئن شوید جذاب‌ترین نسخه برای بازدیدکنندگان در حال اجراست.
طراحی تست A/B به چه صورت است؟

یک برنامه تست A/B ساختاریافته می‌تواند با مشخص‌کردن مهم‌ترین عواملی که به بهینه‌سازی نیاز دارند، تلاش‌های بازاریابی را سودآورتر کند.

آزمایش A/B شامل مراحل زیر است:

مرحله ۱: تحقیق کنید.

قبل از ساختن یک طرح تست A/B لازم است تحقیقات کاملی در مورد نحوه‌ی عملکرد وب‌سایت انجام شود. شما باید اطلاعاتی مثل تعداد کاربرانی که به سایت وارد می‌شوند، صفحاتی که بیشترین بازدید را دارند، اهداف مختلف تبدیل صفحات مختلف و غیره را جمع‌آوری کنید. استفاده از ابزارهای تجزیه‌وتحلیل کمی وب‌سایت مانند Google Analytics ، Omnitur ، Mixpanel و غیره به شما کمک می‌کند صفحات پربازدید، صفحات با بیشترین زمان صرف شده کاربر در آن و حتی صفحات با بالاترین نرخ پرش را شناسایی کنید. یکی دیگر از ابزارهای پراستفاده‌ ، نظرسنجی کاربران وب‌سایت است که اغلب مواردی را که ممکن است در داده‌های کل ازدست‌رفته باشند نشان می‌دهد. علاوه بر این، می‌توانید از ابزارهای session recording که داده‌های رفتار بازدیدکننده را جمع‌آوری می‌کنند، بینش کیفی دریافت کنید تا مشکلات کاربر را شناسایی کنید.

مرحله ۲: فرضیه را مشاهده و فرمول‌بندی کنید.

بدون ثبت مشاهدات تحقیق و ایجاد فرضیه‌هایی مبنی‌ بر داده‌ها کمپین آزمایشی شما مانند یک قطب‌نمای بدون جهت است.

بهترین روش برای فرمول‌بندی فرضیه‌های مبنی‌ بر داده‌های به ‌دست ‌آمده، تجزیه‌وتحلیل، مشاهده‌ی دقیق آن‌ها و سپس پیاده‌سازی نتایج تحقیق بر وب‌سایت و کاربران است.

مرحله ۳: ایجاد تغییرات

می‌توانید تغییرات مختلفی را آزمایش کنید تا ببینید کدامیک بهتر کار می‌کنند. به عنوان مثال اگر افراد زیادی فرم را پر نمی‌کنند بررسی کنید که آیا فرم شما فیلدهای زیادی دارد؟ آیا اطلاعات شخصی را می‌خواهید؟ این بار با اندکی تغییر و ایجاد یک فرم کوتاه‌تر امتحان کنید.

مرحله ۴: تست را اجرا کنید.

قبل از رسیدن به این مرحله، ابتدا باید بدانید این چهار نوع آزمایش با هم تفاوت‌هایی دارند و شما باید یکی از این روش‌ها را برای تست خود انتخاب کنید. بیایید بررسی کنیم که چند نوع روش آزمایش وجود دارد و چه زمانی از کدام روش استفاده کنیم.

تست A/B : این تست برای مواقعی‌ است که شما می‌خواهید تاثیر تغییر یک المان را در صفحه‌ی فرود یا فرم خود بسنجید. در این حالت شما دو طراحی مجزا انجام می‌دهید که در آن‌ها فقط یک المان تغییر کرده باشد و در شرایط برابر، این دو طراحی را با هم مقایسه می‌کنید.
آزمایش تقسیم یو-آر‌-ال (Split URL Testing): عده‌ی زیادی این تست را با تست A/B اشتباه می‌گیرند. در این تست شما دو یا چند ورژن مختلف از صفحه‌ای که می‌خواهید آزمایشش کنید طراحی می‌کنید، به آن‌ها URLهای مجزا نسبت می‌دهید و ترافیک وب‌سایت خود را بین این ورژن‌ها به صورت مساوی پخش می‌کنید. ورژنی که بیشترین کانورژن را داشته باشد، برنده‌ی تست است.
آزمایش چندمتغیره (Multivariate Testing):‌ در این روش شما چند متغیر را در قالب یک آزمایش تست می‌کنید. برای مثال دو رنگ دکمه‌ی متفاوت و دو عکس متفاوت برای صفحه‌ی فرود خود در نظر گرفته‌اید و نمی‌دانید از میان ۴ ترکیبی که می‌توان با آن‌ها ساخت، کدامیک کانورژن بیشتری را ایجاد می‌کند. یک آزمایش چند متغیره می‌تواند به شما کمک کند.
آزمایش چند صفحه‌ای (Multipage Testing): این تست در مواقعی استفاده می‌شود که شما می‌خواهید تاثیر تغییر یک المان مشخص را در تمام صفحات وب‌سایت خود بررسی کنید. برای مثال می‌خواهید رنگ آیکون‌های وب‌سایت‌تان را از آبی به مشکی تغییر دهید. یا ببینید آیا قرار دادن تستیمونیال در صفحات وب‌سایتتان، تغییری در کانورژن شما ایجاد می‌کند یا خیر. در این حالت از روش آزمایش چند صفحه‌ای استفاده می‌کنید.

بر اساس نیاز وب‌سایت و اهداف تجاری، آزمون را آغاز کنید و منتظر زمان تعیین شده برای دستیابی به نتایج قابل ‌توجه آماری باشید. این نکته را به‌خاطر بسپارید که مهم نیست کدام روش را انتخاب می‌کنید، تحلیل و استنتاج شما از داده های آماری نتایج نهایی را تعیین می‌کند.

مرحله ۵: تجزیه‌وتحلیل و استقرار نتایج

از آن‌جا که آزمایش A/B خواستار جمع‌آوری و تجزیه‌وتحلیل مداوم داده‌هاست، در این مرحله کل سفر شما تکمیل می‌شود. پس از اتمام آزمون، نتایج را با در نظر گرفتن معیارهایی مانند افزایش درصد، سطح اطمینان، تأثیر مستقیم و غیرمستقیم بر سایر معیارها و موارد مرتبط دیگر تجزیه‌وتحلیل کنید. اگر آزمون بی‌نتیجه ماند، از آن استدلال برای آزمون‌های بعدی استفاده کنید.
اشتباهات رایج در تست A/B

اشتباه شماره ۱: عدم برنامه‌ریزی برای بهینه‌سازی

فرضیه نامعتبر: تست A/B با یک فرضیه قبل از انجام آزمایش صورت می‌گیرد که تمام مراحل بعدی به آن بستگی دارد: مثلاً آن‌چه باید تغییر یابد، چرا باید تغییر یابد، نتیجه‌ی مورد انتظار چیست و غیره. اگر با یک فرضیه اشتباه شروع کنید، احتمال موفقیت آزمون کاهش می‌یابد.

نظر دیگران را قبول نکنید: اگر شخص دیگری جریان ثبت‌نام خود را تغییر داده و 30٪ افزایش در نرخ تبدیل داشته است، دلیل بر آن نمی‌شود که برای شما نیز همین اتفاق می‌افتد. به همین دلیل است که شما نباید نتایج آزمون شخص دیگری را در وب‌سایت خود پیاده‌سازی کنید. روش بهینه‌سازی برای هر وب‌سایتی متفاوت خواهد بود چون اهداف هر وب‌سایت از هم متمایز است.

اشتباه شماره ۲: آزمایش بسیاری از المان‌ها با هم

این کار باعث می‌شود تشخیص این‌که کدام عنصر بیشتر در موفقیت یا عدم موفقیت آزمون تأثیر دارد، دشوار شود. جدا از این، هرچه عناصر بیشتری در آزمایش دخیل باشند، برای توجیه آزمایش معنی‌دار آماری، به ترافیک بیشتری در آن صفحه نیاز است؛ بنابراین، اولویت‌بندی المان‌هایی که باید تست شوند برای موفقیت در آزمایش A/B ضروری است.

اشتباه شماره ۳: نادیده‌گرفتن اهمیت آماری

در حالی‌ که اهداف تست A/B را تعیین می‌کنید اگر برحسب احساسات یا نظرات شخصی راهی برای فرمول‌بندی پیدا کنید، به‌احتمال زیاد شکست خواهید خورد. فارغ از همه‌ی موارد، چه این آزمون موفقیت‌آمیز باشد و چه نباشد، باید اجازه دهید آزمایش مراحل خود را طی کند تا به داده‌های آماری دست یابید. نتایج تست A/B هر چه باشند، بینش ارزشمندی به شما می‌دهند و کمک می‌کنند تا آزمون آینده را به روشی بهتر برنامه‌ریزی کنید.

اشتباه شماره ۴: استفاده از ترافیک نامتعادل

کسب‌وکارها معمولاً در پایان آزمایش ترافیک نامتعادل در وب‌سایت ایجاد می‌کنند. تست A/B باید با ترافیک مناسب انجام شود تا نتایج قابل‌توجهی به دست آید. استفاده از ترافیک کم یا بیشتر از میزان موردنیاز برای آزمایش، احتمال شکست کمپین و ایجاد نتایج غیرقطعی را افزایش می‌دهد.

اشتباه شماره ۵: انجام آزمایش برای مدت‌زمان نادرست

بر اساس میزان بازدید و اهداف خود، آزمون‌های A/B را برای مدت مشخصی اجرا کنید تا به نتایج آماری برسید. اجرای یک آزمون برای یک دوره‌ی طولانی یا خیلی کوتاه می‌تواند منجر به عدم موفقیت در آزمون شود و نتایج ناچیزی به همراه داشته باشد. از آن‌جا که یک نسخه از وب‌سایت شما در چند روز اول شروع آزمون به اصطلاح «برنده»‌ است، به این معنی نیست که باید قبل از زمان مقرر تست را رها کنید. همین‌طور اجرای یک کمپین به مدت طولانی نیز اشتباه بزرگی است که کسب‌وکارها انجام می‌دهند. مدت‌زمان اجرای تست به عوامل مختلفی مانند ترافیک موجود، نرخ تبدیل موجود، بهبود یافتن موارد مورد انتظار و غیره بستگی دارد.

اشتباه شماره ۶: عدم پیگیری روند تکرارشونده

تست A/B یک فرایند تکراری است که هر آزمایش بر اساس نتایج آزمایش‌های قبلی است. کسب‌و‌کارها پس از عدم موفقیت در اولین آزمون خود، از تست A/B منصرف می‌شوند. اما برای بهبود شانس موفقیت در آزمون بعدی، هنگام برنامه‌ریزی، باید از نتایج آخرین آزمایشی که انجام‌ شده استفاده کنید. این احتمال موفقیت آزمون شما را با نتایج آماری قابل‌توجهی، بهبود می‌بخشد.

علاوه ‌بر ‌این، پس از یک آزمایش موفقیت‌آمیز، تست را متوقف نکنید. هر عنصر را به طور مکرر آزمایش کنید تا بهترین نسخه‌ی آن را تولید کنید، حتی اگر محصول یک کمپین موفق باشد.

اشتباه شماره ۷: عدم در نظر گرفتن عوامل خارجی

آزمایش‌ها باید در دوره‌های قابل ‌مقایسه انجام شوند تا نتایج معنی‌داری حاصل شود. مقایسه‌ی ترافیک وب‌سایت در روزهایی که بیشترین میزان بازدید را دارد با روزهایی که بازدید کمتری به دلیل عوامل خارجی مانند تعطیلات مشاهده می‌کنید، اشتباه است.

اشتباه شماره ۸: استفاده از ابزارهای اشتباه

با بیشتر شناخته شدن آزمایش A/B در میان کسب‌وکارها، چندین ابزار کم‌هزینه نیز به بازار آمده‌اند که همه‌ی آن‌ها به یک اندازه خوب نیستند. برخی از ابزارها سرعت سایت شما را به شدت کاهش می‌دهند، در حالی که برخی دیگر با ابزارهای کیفی لازم (heatmaps ،session recordings) سازگار نیستند و منجر به خراب‌ شدن داده‌ها می‌شوند. آزمایش A/B با چنین ابزارهای معیوبی می‌تواند موفقیت آزمون شما را از همان ابتدا به خطر بیندازد.

اشتباه شماره ۹: وابسته بودن به روش ساده‌ی A/B تست

در طولانی‌ مدت، روش ساده‌ی A/B تست معجزه نخواهد کرد. به عنوان مثال اگر می‌خواهید یکی از صفحات وب‌سایت خود را به طور کامل تغییر دهید، باید از آزمایش تقسیم (split testing) استفاده کنید. در همین حال، اگر می‌خواهید تغییر در مکان دکمه‌های CTA رنگ آن‌ها، متن و تصویر بنر صفحه خود را آزمایش کنید، باید از تست چندمتغیره (multivariate testing) استفاده کنید.
نمونه‌های آزمایش A/B

تست A/B در صنعت مدیا و انتشار آن

در این‌جا از میان شرکت‌های فعال در صنعت مدیا Netflix را برای بررسی انتخاب کرده‌ایم. هر تغییری که Netflix در وب‌سایت خود ایجاد می‌کند، قبل از استقرار، یک فرایند تست A/B قوی را پشت سر می‌گذارد.

Netflix بر اساس پروفایل هر کاربر، صفحه‌ی اصلی را شخصی‌سازی می‌کند. آن‌ها بر اساس تاریخچه و تنظیمات پخش توسط کاربران، تصمیم می‌گیرند که چند ردیف در صفحه‌ی اصلی قرار بگیرد و کدام نمایش‌ها و فیلم‌ها به ردیف‌ها وارد شوند.

آن‌ها همین روند را با صفحات عنوان فیلم‌ها نیز دنبال می‌کنند. Netflix بر اساس این‌ که کاربران چه عناوینی را با احتمالات بیشتری مشاهده می‌کنند، آیا بر اساس تصاویر کوچکی (thumbnails) که بر روی آن‌ها می‌بینند و متن عنوانی که آن‌ها را فریب می‌دهد کلیک می‌کنند، یا اثبات اجتماعی (این‌که چند نفر آن فیلم را تماشا کرده‌اند) به تصمیمشان کمک می‌کند، صفحات اصلی نمایش هر کاربر را شخصی‌سازی می‌کند.

تست A/B در صنعت تجارت الکترونیکی

در صنعت تجارت الکترونیک، آمازون در بهینه‌سازی تبدیل پیشتاز است. آمازون از طریق تست مداوم و ساختاریافته‌ی A/B تجربه‌ی کاربری را مورد آزمایش قرار می‌دهد. هر تغییری در وب‌سایت ابتدا بر روی مخاطبان آن‌ها آزمایش می‌شود و سپس اعمال می‌شود. در میان بسیاری از اقدامات انقلابی که آن‌ها به صنعت تجارت الکترونیکی آورده‌اند، بهترین اقدام آن‌ها «سفارش 1 کلیک» بوده است. «سفارش 1 کلیک» در اواخر دهه 1990 ارائه شد که به شما امکان می‌دهد بدون نیاز به استفاده از سبد خرید، خرید خود را انجام دهید.

برای کاربران غیرممکن است سهولت خرید را با «سفارش 1 کلیک»، نادیده بگیرند و به فروشگاه دیگری بروند.

تست A/B در صنعت سفر

در حالی‌که این مقاله را می‌خوانید، تقریباً 1000 تست A/B در وب‌سایت Booking.com در حال اجراست.

Booking.com در سال ۲۰۱۷ تصمیم گرفت با ارائه‌ی املاک اجاره‌ای برای تعطیلات در کنار هتل‌ها، دامنه‌ی فعالیت خود را گسترش دهد. این امر باعث شروع همکاری Booking.com با Outbrain (یک بستر تبلیغاتی بومی) شد تا به افزایش نرخ ثبت‌نام مالکین املاک اجاره‌ای منجر شود.

طی چند روز اول راه‌اندازی، تیم Booking.com دریافت که بسیاری از صاحبان املاک اولین مرحله‌ی ثبت‌نام را انجام دادند ولی در مراحل بعدی گیر کردند. هر دو تیم تصمیم گرفتند سه نسخه‌ی متفاوت از صفحه فرود را برای Booking.com ایجاد کنند. جزئیات اضافی مانند اثبات اجتماعی، جوایز، تقدیرها، پاداش‌های کاربر و غیره به این تغییرات اضافه شدند.

این آزمون به مدت دو هفته انجام شد و ۲۵٪ افزایش در ثبت‌نام ایجاد کرد. نتایج آزمون همچنین کاهش قابل‌توجهی در هزینه‌ی هر ثبت‌نام را نشان داد.
نتیجه‌گیری:

پس از خواندن این مقاله‌ی جامع در مورد تست A/B اکنون باید کاملاً مجهز باشید تا نقشه‌ی راه بهینه‌سازی خود را برنامه‌ریزی کنید. هر مرحله را با دقت دنبال کنید و از تمام اشتباهات بزرگ و جزئی که ممکن است مرتکب شوید، برای برنامه‌ریزی آزمون‌های بعدی استفاده کنید آزمایش A/B می‌تواند بسیاری از خطرات مربوط به انجام یک برنامه بهینه‌سازی را کاهش دهد.