تست A/B چیست؟

تست A/B (که به عنوان تست split و تست bucket نیز شناخته می‌شود)، روشی است که برای مقایسه دو نسخه از یک صفحه وب، برنامه یا محصول در برابر یکدیگر. از این تست برای تعیین اینکه کدام یک از نسخه‌ها عملکرد بهتری دارند، استفاده می‌شود. تست A/B به طور کلی آزمایشی است که که در آن دو صفحه به صورت رندوم به کاربران نشان‌ داده می‌شود تا یکی از آن‌ها را انتخاب کنند. سپس با تجزیه و تحلیل آمارهای بدست‌آمده از این انتخاب‌ها، مشخص می‌شود کدام مورد باعث افزایش بیشتر نرخ تبدیل می‌شود.

 

اجرای تست AB اگر به صورتی باشد که مستقیما ویژگی یا تغییری جدید را با یک ویژگی فعلی مقایسه‌ کند، به شما این امکان را می‌دهد سوالات متمرکزی را در مورد تغییرات وبسایت یا برنامه خود بپرسید و سپس اطلاعات مربوط به تاثیرات آن تغییر در تجربه کاربری را جمع‌آوری کنید.

آزمایش‌هایی مانند تست A/B کمک می‌کنند تا هرگونه شک و تردیدی را در فرآیند بهینه‌سازی وبسایت از بین ببرید و همچنین این امکان را می‌دهند تا بتوانیم با استفاده از داده‌های بدست‌آمده، تصمیمات آگاهانه‌ای بگیریم.

همچنین بعد از ایجاد تغییرات جدید می‌توانید با اندازه‌گیری آن‌ها متوجه شوید که چقدر موثر بوده‌اند و چه نتایج مثبتی را به دنبال داشته‌اند.

تست A/B چگونه کار می‌کند؟

در یک تست A/B شما با اصلاح صفحه یک وبسایت یا اپلیکیشن، تغییرات جدیدی را اعمال کرده و نسخه جدیدی از آن را ایجاد می‌کنید. این تغییرات می‌توانند به سادگی عوض‌شدن یک تیتر یا یک دکمه، یا طراحی مجدد آن صفحه به صورت کامل باشد.

بعد از این مرحله شما دو نسخه (نسخه فعلی و تغییریافته) از یک وبسایت یا اپلیکیشن خواهید داشت که این صفحات در یک بازه زمانی مشخص به صورت تصادفی به کاربران نمایش داده می‌شوند. در نیمی از صفحه، نسخه فعلی نمایش داده می‌شود (که به عنوان Control شناخته می‌شود) و در نیم دیگر آن نسخه جدید و تغییریافته (variation).

با ارائه دو نسخه فعلی و تغییریافته به بازدیدکنندگان، میزان درگیری و تعامل آن‌ها با هریک از این نسخه‌ها اندازه‌گیری شده و عملکرد کلی هر یک از آن‌ها بررسی می‌شود. سپس این داده‌ها در یک داشبورد تحلیلی ذخیره شده و توسط موتورهای آماری تجزیه و تحلیل می‌شوند. بعد از این مرحله می‌توانید تعیین کنید که تغییرات اعمال‌شده چه تاثیراتی بر تجربه کاربری داشته‌اند. این تغییرات می‌توانند تاثیرات مثبت یا منفی داشته باشند و یا حتی هیچ تاثیری بر رفتار کاربران ایجاد نکرده باشند.

چرا باید از تست A/B استفاده کنید؟

تست A/B به افراد، تیم‌ها و شرکت‌ها اجازه می‌دهد تا ضمن جمع‌آوری داده‌های مربوط به نتایج، تغییرات دقیق و مناسبی را در تجربیات کاربران خود ایجاد کنند. این تست به آن‌ها امکانی را می‌دهد تا با ساختن فرضیه‌های جدید، متوجه شوند که چرا برخی عناصر از تغییرات جدید، بر تجربه کاربران تاثیر می‌گذارد. از دیگر کاربردهای تست A/B، اثبات اشتباه‌بودن برخی از تغییرات است. در برخی مواقع ایده‌هایی با هدف ارائه تجربه بهتر به کاربران، بیان می‌شوند که می‌توان از طریق تست A/B، آن‌ها را آزمایش کرد و متوجه شد که برای دستیابی به اهداف اصلی، مفید هستند یا خیر.

تست A/B بیش از اینکه در حل اختلاف نظرها بین افراد یک تیم برای انجام یک تغییر کاربرد داشته باشد، برای بهبود مداوم یک تجربه معین و بهبود یک هدف واحد مانند افزایش نرخ تبدیل (با گذشت زمان)، استفاده می‌شود.

به عنوان مثال یک شرکت فعال در حوزه فناوری با مدل B2B، ممکن است بخواهد کیفیت و حجم لیدهای خود را از طریق راه‌اندازی یک کمپین و طراحی یک لندینگ پیج افزایش دهد. برای رسیدن به این هدف، تیم بازاریابی این شرکت باید سعی ‌کند با انجام تست A/B تغییرات مناسبی را در بخش عنوان، تصاویر به کار رفته، فرم‌های ثبت نام، دکمه‌های CTA (دعوت به اقدام) و چیدمان کلی صفحه ایجاد کند.

با آزمایش هر تغییر به صورت جداگانه، آن‌ها متوجه می‌شوند که کدام تغییرات تاثیرات مثبتی را ایجاد کرده‌اند و کدام تغییرات چندان موثر نبوده‌اند. با گذشت زمان و آزمایش‌های مداوم، می‌توانند نقاط مثبت تغییراتی را که موثر بوده‌اند، با یکدیگر ترکیب کنند تا در نهایت تغییری اعمال شود که پیشرفت قابل‌ توجهی را نسبت به نسخه قدیمی نشان دهد.

 

این روش برای ایجاد تغییر در تجربه کاربری، باعث می‌شود تا فرآیند بهینه‌سازی تجربه به نتیجه مطلوب‌تری دست پیدا کند و همچنین کمپین بازاریابی تاثیر بیشتری داشته باشد.

با تحلیل داده‌ها، بازاریابان متوجه می‌شوند که کدام تغییرات کلیک‌های بیشتری دریافت کرده‌اند و با آزمایش لندینگ پیج‌های مختلف نیز در می‌یابند کدام طرح‌ها توانسته‌اند در تبدیل بازدیدکنندگان به مشتری، عملکرد بهتری داشته باشند. اگر در هر مرحله تست‌های A/B به نحوی صورت بگیرند که کارایی بیشتری برای جذب مشتریان جدید داشته باشند، کل هزینه‌های بازاریابی کمپین را کاهش می‌دهند.

 

تست A/B می‌تواند توسط سازندگان و طراحان محصول نیز مورد استفاده قرار گیرد تا بتوانند متوجه شوند ایجاد تغییرات جدید چه تاثیری در تجربه کاربری یک محصول داشته است. سازگاری محصول، مشارکت کاربر، ماژول‌ها و تجربیات درون محصول همگی می‌توانند با تست A/B بهینه شوند و تمامی این‌ها کمک می‌کنند تا یک تیم بتواند هدفی واضح را تعیین و مسیری مناسب را برای دستیابی به آن هدف پیدا کند.

فرآیند تست A/B

مراحل زیر چهارچوب فرآیند تست A/B را نشان می‌دهند که می‌توانید برای استفاده از این تست، با در نظر گرفتن آن‌ها کار را جلو ببرید:

  • جمع‌آوری داده‌ها: ابزارهای تست A/B به طور معمول داده‌های مناسبی را برای شروع فرآیند بهینه‌سازی در اختیار شما قرار می‌دهند. با استفاده از این داده‌های می‌توانید متوجه شوید کدام بخش‌ها از وبسایت یا اپلیکیشن شما بازدید بیشتری دارد. شروع‌کردن ار مناطق پرترافیک سایت کمک می‌کند تا داده‌های لازم برای ایجاد نسخه جدید را با سرعت بیشتری جمع‌آوری کنید. بعد از شناسایی این مناطق پرترافیک به دنبال صفحاتی باشید که نرخ تبدیل پایین دارند و معمولا به سرعت توسط کاربران بسته می‌شوند.
  • تعیین اهداف: اهداف شما، معیارهای شما را برای بررسی اینکه تغییرات انجام‌شده تاثیرات مثبتی داشته‌اند یا خیر، مشخص می‌کنند. این اهداف می‌توانند هرچیزی باشند. از کلیک‌کردن روی یک دکمه یا لینک‌دهی به صفحه خرید محصولات گرفته تا درخواست برای پرکردن فرم ثبت نام و وارد‌کردن آدرس ایمیل.
  • فرضیه‌سازی: هنگامی که یک هدف مشخص را تعیین کردید، می‌توانید ایده‌های و فرضیه‌های مختلفی را برای آزمایش A/B ارائه دهید و اینکه چرا فکر می‌کنید نسخه‌ جدید پیشنهادی بهتر از نسخه فعلی است. وقتی یک لیست کامل از ایده‌های ممکن را تهیه کردید می‌توانید آن‌ها را بر اساس میزان تاثیرات احتمالی و دشواری در اجرایشان، اولیت‌بندی کنید.
  • ایجاد نسخه جدید: در این مرحله باید با استفاده از نرم‌افزاری که برای تست A/B از آن استفاده می‌کنید، تغییرات دلخواه را بر روی المان مدنظر از وبسایت یا اپلیکیشن خود اعمال کنید. این تغییر ممکن است تغییر رنگ یک دکمه، تغییر ترتیب المان‌های سایت یا پنهان‌کردن قسمت نویگیشن یک وبسایت باشد. بسیاری از ابزارهای معتبر برای آزمایش A/B دارای ویرایشگرهای بصری هستند که این تغییرات را آسان می‌کنند. در نهایت حتما باید نتایج حاصل از تغییرات جدید را ثبت کنید تا بعدا بتوانید میزان تاثیر آن‌ها را بررسی کنید.
  • آزمایش: آزمایش را شروع کنید و منتظر بمانید تا بازدیدکنندگان در آن شرکت کنند! در این مرحله بازدیدکنندگان سایت یا اپلیکیشن شما، یکی از نسخه‌های وبسایت را به صورت تصادفی مشاهده می‌کنند. میزان تعامل آن‌ها با هر یک از نسخه‌های جدید باید اندازه‌گیری، محاسبه و عملکرد آن با نسخه قبلی مقایسه شود تا بتوان تعیین کرد که چه تاثیری داشته است.
  • تحلیل نتایج: پس از اتمام مرحله آزمایش، زمان آن رسیده است که نتایج را تجزیه و تحلیل کنید. ابزارهای اختصاصی برای تست A/B می‌توانند این داده‌ها را در اختیار شما قرار دهند. در نهایت با تحلیل این داده‌ها می‌توانید تفاوت عملکرد کاربران در هر نسخه را بررسی کنید.

 

نتیجه آزمایش هرچه که باشد، تجربه شما را در این زمینه افزایش می‌دهد. از تجربه خود در بهبود عملکرد آزمایش‌های آینده استفاده کنید و آن را به طور مداوم در بهینه‌سازی تجربه کاربری سایت یا اپلیکیشن خود به کار ببندید.

تست A/B و تاثیرات آن بر سئو سایت

گوگل استفاده از تست A/B را مجاز اعلام کرده است و کاربران را به استفاده از آن تشویق می‌کند. همچنین اعلام کرده است که استفاده از این تست هیچ تاثیر منفی بر رتبه جستجوی وبسایت شما ندارد. با این حال  باید بدانید سوءاستفاده از ابزار تست A/B برای انجام کارهایی که مورد تایید گوگل نیستند، رتبه وبسایت شما را در نتایج جستجو به خطر می‌اندازد. گوگل نکاتی را ارائه کرده است که با رعایت آن‌ها می‌توانید مطمئن شوید استفاده از تست A/B هیچ مشکلی برای وضعیت سایت شما در نتایج جستجو ایجاد نمی‌کند:

  • Cloaking نکنید

Cloaking به فرآیندی گفته می‌شود که در آن محتوای ارائه‌شده به موتور جستجوگر با محتوای واقعی سایت مطابقت ندارد. اگر از این روش استفاده کنید و قصد فریب گوگل را داشته باشید، از طرف گوگل جریمه یا به اصطلاح پنالتی می‌شوید و این یعنی ممکن است سایت شما رتبه فعلی خود در گوگل را از دست بدهد و یا حتی به کلی از صفحه نتایج جستجو حذف شود. برای جلوگیری از Cloaking، از تقسیم کاربران به دو گروه برای دریافت دو نوع محتوای مختلف پرهیز کنید زیرا ممکن است محتوایی متفاوت را از طریق User Agent یا آدرس IP، به ربات گوگل نشان دهید که به سرعت باعث پنالتی‌شدن سایت شما می‌شود.

  • از اتریبیوت rel=”canonical” استفاده کنید

اگر تست A/B خود را روی چندین URL (آدرس اینترنتی) اجرا می‌کنید، باید از اتریبیوت rel=”canonical” استفاده کنید تا به گوگل یا هر موتور جستجوگر دیگری بفهمانید کدام URL، نسخه اصلی سایت است و باید در نتایج گوگل بالا بیاید. این کار به منظور جلوگیری از سردرگمی ربات گوگل در مواجهه با چندین نسخه از یک صفحه، انجام می‌شود.

  • بجای ریدایرکت ۳۰۱ از ریدایرکت ۳۰۲ استفاده کنید

اگر آزمایشی را اجرا می‌کنید که در آن نسخه اصلی سایت به نسخه جدید آن ریدایرکت می‌شود، بهتر است تا از ریدایرکت ۳۰۲ (موقت) بجای یک ریدایرکت ۳۰۱ (دائمی) استفاده کنید. با این کار موتور جستجوگر گوگل متوجه می‌شود که این ریداریکت به صورت موقت صورت گرفته است و باید نسخه اصلی سایت را بجای نسخه آزمایشی در نتایج جستجو نشان دهد.

  • تا زمانی که نیاز است، تست A/B را انجام دهید

طولانی‌شدن مدت تست A/B (به ویژه اگر در حال نمایش یکی از نسخه‌های جدید به تعداد زیادی ار کاربران هستید)، ممکن است به عنوان تلاشی برای فریب‌ موتور جستجوگر تلقی شود و جریمه را برای شما به دنبال داشته باشد. به همین علت گوگل توصیه می‌کند به محض اتمام آزمایش و دریافت نتیه‌های لازم، سایت خود را بروزرسانی کرده و تمام تغییراتی را که برای آزمایش سایت اعمال شده بودند را حذف کنید و همچنین از انجام تست‌های طولانی مدت و غیرضروری خودداری کنید.

یک شرکت رسانه‌ای ممکن است بخواهد میزان زمانی را که افراد برای خواندن مطالب در سایت آن‌ها می‌گذرانند را افزایش داده و مقالات خود را با اشتراک‌گذاری‌های اجتماعی تقویت کند. برای رسیدن به این اهداف، آن‌ها ممکن است تغییرات مختلفی را در این زمینه آزمایش کنند. تغییراتی مثل:

  • ایجاد ماژول‌های ثبت نام از طریق ایمیل
  • اضافه‌کردن محتوای پیشنهادی
  • قرار‌دادن دکمه‌های مربوط به اشتراک‌گذاری مطالب

یک شرکت مسافرتی ممکن است بخواهد تعداد رزروهای موفق را در وبسایت یا اپلیکیشن خود افزایش دهد یا ممکن است بخواهد درآمد حاصل از فروش محصولات جانبی را افزایش دهد. برای بهبود و تقویت این معیارها، ممکن است آن‌ها تغییرات مختلفی را آزمایش کنند:

  • ایجاد ماژول‌های جستجوی Homepage
  • قراردادن صفحه نتایج جستجو
  • ارائه محصولات جانبی

یک شرکت تجارت الکترونیکی ممکن است بخواهد تعداد چک‌های تکمیل‌شده، میانگین‌ سفارش‌ها یا میزان فروش خود را در تعطیلات، افزایش دهد. برای رسیدن به این اهداف، آن‌ها می‌توانند از تست A/B کمک بگیرند:

  • قراردادن تبلیغات در صفحه اصلی
  • ایجاد المان‌هایی برای Navigation
  • بررسی اجزای قیف فروش

تعدادی از نمونه‌های موفق و مشهور تست A/B

نمونه‌هایی که در ادامه می‌بینید، نتایج مختلفی هستند که خلاق‌ترین شرکت‌های جهان با استفاده این تست A/B و ابزار Optimizely، آن‌ها را بوجود آورده‌اند.

 

  • کمپانی Discovery، با استفاده از تست A/B اجزای پخش‌کننده ویدیوی خود را برای شرکت در برنامه تلویزیونی Super fan، آزمایش کرد. نتیجه؟ ۶ درصد افزایش میزان عامل با محتوای ویدیویی.
  • کمپانی ComScore، با استفاده از تست A/B، رضایت خریداران پیشین را برای اعتمادسازی، در لندینگ پیج یک محصول قرار دارد و این حرکت منجر به افزایش ۶۹ درصدی تعداد لیدها شد.
  • شرکت Secret Escapes، با استفاده از تست A/B، تغییر صفحه ثبت نام اپلیکیشن خود در موبایل را آزمایش کرد و در نتیجه نرخ تبدیل و CLV این شرکت ۲ برابر افزایش یافت.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.