كل شيء عن اختبار A / A: لماذا ومتى يجب إجراء اختبارات A / A؟

يسمح لك اختبار A / A باختبار صفحتين متطابقتين ضد بعضهما البعض ويمكن أن يكون مفيدًا للغاية عند إعداد أداة اختبار A / B جديدة.

يمكن استخدام اختبار A / A لـ

• تقييم دقة منصة اختبار A / B ،
• تحديد ما إذا كانت منصة اختبار A / B الخاصة بك متكاملة تمامًا مع تحليلاتك الداخلية ،
• تحديد المشكلات الفنية المحتملة مع أداة اختبار A / B الخاصة بك ،
• توفير معدل تحويل أساسي لصفحة أو مسار ،
• تحديد حجم العينة المناسب لاستخدامه في اختبار A / B الخاص بك ، و
• قياس أداء صفحاتك ومسارات التحويل.

يوفر التحويل إمكانيات اختبار A / A و A / B لضمان حصولك على كل ما تحتاجه لتصميم وتطوير موقع ويب عالي التحويل بنجاح.

تابع القراءة لمعرفة المزيد حول أهمية اختبار A / A وكيفية إعداد تجربتك الأولى!

ربما حدث لك شيء كهذا من قبل ...

• تقوم بإجراء اختبار A / B لمعرفة ما إذا كان زر CTA والعنوان الجديد سيزيدان التحويلات.
• على مدار الشهر التالي ، سترسل نفس القدر من الزيارات إلى كل من صفحات التحكم والصفحات المقصودة الخاصة بالتنوع.
• يعلن برنامجك أن نسختك هي الفائز (مع ثقة بنسبة 99٪) ، لذلك تتوقف.
• تقوم بعد ذلك بإطلاق تصميمك "الفائز" ، ولكن بعد عدة دورات عمل ، ترى أن الزيادة بنسبة 50٪ في معدل التحويل لم يكن لها تأثير يذكر على صافي دخلك.

التفسير الأكثر ترجيحًا هو نتيجة اختبار إيجابية خاطئة. لحسن الحظ ، هناك طرق مختلفة للتعامل مع الاختبارات غير الصحيحة.

واحد ربما سمعت عنه هو اختبار A / A.

ما هو اختبار A / A؟

قبل الغوص في اختبار A / A ، دعنا نتحدث عن اختبار A / B ، حتى نتمكن من توضيح الاختلافات.

في تجربة A / B النموذجية ، يتم تقسيم عدد الزيارات بين شكلين بديلين أو أكثر.

عادة ما يتم تحديد أحد الأشكال على أنه "التحكم" أو "الأصلي". تتم مقارنة جميع الاختلافات الأخرى في التجربة مع عنصر التحكم ، لتحديد أيهما ينتج أكبر تأثير في مقياس معين.

من ناحية أخرى ، يتطلب اختبار A / A تخصيص حركة المرور لصيغتين متطابقتين ، عادةً باستخدام تقسيم 50/50.

في اختبار A / B العادي ، يكون الهدف هو العثور على معدل تحويل أعلى ، بينما في اختبار A / A ، يكون الغرض عادةً هو فحص ما إذا كانت الأشكال لها نفس التأثير.

في اختبار A / A ، يتم تقسيم حركة المرور بشكل عشوائي ، وتظهر كلتا المجموعتين نفس الصفحة.

بعد ذلك ، يتم تسجيل معدلات التحويل المبلغ عنها ، ومعدلات النقر ، والإحصاءات المرتبطة بكل مجموعة ، على أمل تعلم شيء ما.

A / A test = صفحتان متطابقتان تم اختبارهما مقابل بعضهما البعض

الآن ، دعنا نلقي نظرة على بعض الأمثلة حيث يمكن استخدام تجارب A / A ، لتحديد ما إذا كانت ستكون مفيدة لك.

لماذا تجري اختبارات A / A؟

قد يكون إجراء اختبار A / A فعالاً بشكل خاص خلال المراحل المختلفة لتصميم الويب وعملية التطوير ، مثل:

• عندما تنتهي من تثبيت أداة اختبار A / B جديدة ،
• عندما تتم ترقية أو تغيير إعداد أداة اختبار A / B الحالية ،
• عندما تنشئ موقعًا إلكترونيًا أو تطبيقًا جديدًا ،
• عندما تلاحظ وجود تناقضات بين تقارير البيانات الخاصة باختبار A / B الخاص بك وأدوات التحليلات الأخرى التي تستخدمها.

دعنا نلقي نظرة أعمق على كل حالة من حالات الاستخدام هذه.

تحقق من دقة منصة اختبار A / B

يمكن إطلاق تجربة أ / أ إما من قبل شركة تتطلع إلى الحصول على منصة اختبار أ / ب ، أو من قبل شركة تتطلع إلى تجربة برنامج اختبار جديد (لتأكيد إعداده بشكل صحيح).

في تجربة A / A ، نقارن نسختين متطابقتين تمامًا من الصفحة نفسها بهدف الحصول على قيم تحويل متشابهة.

تكون النتيجة المتوقعة غير حاسمة إذا لم يكن هناك فرق بين عنصر التحكم والاختلاف.

ومع ذلك ، يُعلن أحيانًا عن "الفائز" على نسختين متطابقتين.

عند حدوث ذلك ، من المهم تقييم منصة اختبار A / B ، حيث قد تكون الأداة قد تم تكوينها بشكل خاطئ أو قد تكون غير فعالة.

كخطوة تالية ، يجب عليك:

1. تحقق من تثبيت رمز تتبع A / B بشكل صحيح
2. تحقق من منطقة الموقع الخاصة بك
3. تحقق من جمهورك
4. تحقق من أهدافك
5. اتصل بفريق دعم اختبار A / B لمعرفة ما إذا كان يمكن حله قبل التخلي عن النظام الأساسي الخاص بك.

نأمل أن تكون المشكلة واحدة مما سبق. إذا كنت غير قادر على اكتشاف المشكلة ، فهذا يعني على الأرجح أن اختبار A / A نهائي وأن منصة اختبار A / B لديك غير دقيقة.

تحديد مدى التكامل مع تحليلاتك الداخلية

عند التحقق من دقة منصة اختبار A / B ، يمكنك استخدام اختبار A / A لتقييم ما إذا كانت المنصة متكاملة تمامًا مع أداة التحليلات الخاصة بك.

سواء كنت تستخدم Google Analytics أو Heap Analytics أو Adobe Analytics أو Plausible أو Matomo أو أي شيء آخر ، يمكنك مقارنة نتائج اختبار A / A بأداة التحليلات الداخلية الخاصة بك لتحديد ما إذا كان التكامل يعمل كما هو متوقع.

على سبيل المثال أدناه ، حدد GA 620 زائرًا في النسخة الأصلية و 592 زائرًا في الشكل (صفحة مماثلة للصفحة الأصلية).

بالنسبة للنطاق الزمني نفسه ، كشف التحويل عن 972 زائرًا في النسخة الأصلية و 980 زائرًا في الشكل (صفحة مماثلة للصفحة الأصلية).

قد يكون هذا علامة على أن التكامل بين النظامين الأساسيين لا يعمل كما هو متوقع.

تحديد المشاكل التقنية المحتملة

يمكنك أيضًا استخدام اختبار A / A لتحديد المشكلات الفنية المحتملة.

تستخدم معظم برامج اختبار A / B طرقًا مختلفة إلى حد ما ويمكن أن تؤدي إلى اختلافات كبيرة ، اعتمادًا على مدى دفع البرنامج.

قد يبدو هذا شذوذًا ، ولكنه قد يشير أيضًا إلى مشكلة أساسية أكثر خطورة مع أحد الأمور التالية:

• الصيغ الرياضية والإحصائية
• خوارزميات التوزيع العشوائي
• ملفات تعريف الارتباط للمتصفح

يمكنك استخدام تجارب A / A للكشف عن المشكلات المذكورة أعلاه.

في الحالة أدناه ، لاحظ علماء بيانات Wish مخاوف بشأن SRM في اختبار A / A. بعد إجراء فحص شامل ، تم تحديد أن SRM كان بسبب عدم عشوائهم تمامًا.

تقنية التوزيع العشوائي أمر بالغ الأهمية للحصول على نتائج تجربة موثوقة.

يعد استخدام العينات العشوائية افتراضًا أساسيًا للاختبارات الإحصائية المستخدمة في اختبار A / B.

يوازن التوزيع العشوائي كلاً من عوامل المستخدم المرصودة وغير الملحوظة بين مجموعات التجربة. يؤسس علاقة سببية بين ميزة المنتج التي يتم اختبارها وأي تغييرات في نتائج التجربة.

قم بتوفير معدل التحويل الأساسي لأي صفحة أو مسار تحويل

إذا كنت ترغب في تحسين أي رقم ، يجب أن تفهم أولاً كيف يبدو خط الأساس الخاص به. قد تكون هذه هي سرعتك أو وزنك أو وقت الجري.

وبالمثل ، قبل إجراء أي اختبار أ / ب ، يجب عليك أولاً تحديد معدل التحويل الذي ستقارن النتائج به. هذا هو معدل التحويل الأساسي الخاص بك.

ربما تكون قد سمعت عن زيادة الإيرادات الناتجة عن تجربة واحدة ، ولكن قد يكون هذا مضللًا. لن تخبرك تجربة واحدة ما إذا كان تحويل موقعك على الويب قد تحسن.

من المهم معرفة معدل التحويل الأساسي الخاص بك لأنه إذا لم تتمكن من تحديد الارتفاع في كل تجربة ، فستحتاج إلى مقارنة إجمالي التحويلات المتوقعة والمحققة على أساس متكرر.

مع بعض الحظ ، فإن كل تجربة تُعتبر "فوزًا" ستساعد تحويلاتك على تجاوز التوقعات.

وإذا كنت تفعل ذلك في كثير من الأحيان بما يكفي ، فستستمر تحويلاتك في التحسن!

اختبار A / A هو ما سيساعدك على تحقيق ذلك.

لنفترض أنك تجري اختبار A / A على إحدى صفحاتك المقصودة ، مع تقديم الأصل A و Variation B نتائج متطابقة تقريبًا: 2.14٪ و 2.13٪.

نتيجة لذلك ، يمكن تعيين معدل التحويل الأساسي عند 2.13-2.14٪.

مع وضع ذلك في الاعتبار ، يمكنك إجراء اختبارات A / B المستقبلية بهدف تجاوز هذا المعيار.

لا تكون النتيجة ذات دلالة إحصائية إذا أجريت اختبار A / B على إصدار جديد من الصفحة المقصودة وحصلت على معدل تحويل 2.15٪.

ابحث عن حجم العينة الضروري

قبل تشغيل تجربة A / B ، تحقق مرة أخرى من أحجام العينات ، تمامًا كما تفعل قبل الذهاب في رحلة برية.

لن تلاحظ تأثير التجربة إذا لم يكن هناك عدد كافٍ من العينات (المستخدمين). من ناحية أخرى ، إذا كان لديك عدد كبير جدًا من العينات ، فإنك تخاطر بإبطاء تقدم فريقك ، من خلال تعريض الأشخاص باستمرار لتجربة سيئة.

من الناحية المثالية ، يجب ألا تبدأ تجربة أبدًا دون تحديد عدد العينات التي ستجمعها أولاً.

لفهم السبب ، ضع في اعتبارك ما يلي:

لنفترض أن لديك عملة معدنية وفرضيتك هي أن لديها فرصة بنسبة 50/50 في هبوط الرؤوس أو ذيول. لإثبات هذا ، قم برميها مائة مرة.

ولكن لنفترض أنك حصلت على عشرة ذيول في أول عشر رميات وقررت إيقاف التجربة هناك.

قد يبدو رفض الفرضية الصفرية (أن العملة عادلة) ذات دلالة إحصائية ، لكنك أنهيت التجربة قبل الأوان. ليس لديك فكرة عن المدة التي يجب أن تستغرقها التجربة لتبدأ.

إذا لم تقم بتقدير حجم العينة ، فقد لا تتمكن أيضًا من تحديد المدة التي ستجري فيها التجربة.

إذن كيف نتعامل مع هذا؟

يمكن أن يساعدك اختبار A / A في معرفة حجم العينة التي ستحتاجها من زوار موقعك على الويب.

ربما يكون زوار صباح الاثنين مختلفين تمامًا إحصائيًا عن زوار ليلة السبت. وربما يختلف المتسوقون أثناء العطلة إحصائيًا عن أولئك الذين يتسوقون في غير موسم العطلات.

قد يختلف عملاء أجهزة سطح المكتب لديك إحصائيًا عن عملاء الجوّال. ولا يختلف عملاؤك الذين يأتون عبر الإعلانات الدعائية عن أولئك الذين يأتون من الإحالات الشفهية.

عند عرض نتائجك ، ضمن فئات مثل الأجهزة والمتصفحات ، ستندهش من الاتجاهات التي ستكتشفها بحجم العينة الصحيح.

بالطبع ، إذا كان حجم عينتك صغيرًا جدًا ، فقد لا تكون النتائج موثوقة. قد تفوت بعض الأجزاء ، مما قد يكون له تأثير على نتائج تجربتك.

يزيد حجم العينة الأكبر من احتمالية تضمين جميع الشرائح التي تؤثر على الاختبار.

من خلال إجراء اختبار A / A ، ستتمكن من تحديد حجم العينة الذي يسمح بالمساواة المثالية بين الأشكال المتطابقة.

باختصار ، يساعدك اختبار A / A على تحديد حجم العينة المناسب الذي يمكن استخدامه بعد ذلك لاختبار A / B في المستقبل.

قم بقياس أداء صفحاتك ومسارات التحويل

كم عدد الزوار الذين يأتون إلى صفحتك الرئيسية وصفحة عربة التسوق وصفحات المنتج والصفحات الأخرى؟

أنت غير مهتم بما إذا كنت ستعثر على فائز أم لا عند القيام بذلك. بدلاً من ذلك ، أنت تبحث عن أنماط أكبر لصفحة معينة.

يمكن أن تساعدك هذه التجارب في الإجابة على أسئلة مثل:

• ما هو معدل التحويل الكلي للصفحة الرئيسية؟
• ما هو تفصيل معدل التحويل هذا حسب شريحة الزائر؟
• ما هو تفصيل معدل التحويل هذا حسب شريحة الجهاز؟

توفر لك تجارب A / A خطًا أساسيًا يمكنك من خلاله مقارنة تجارب A / B الجديدة لأي جزء من موقع الويب الخاص بك.

يمكن للمرء أن يجادل بأنه يمكنك الحصول على نفس المعلومات من خلال تحليلات الموقع.

لكن هذا صحيح وغير صحيح.

تُستخدم أداة اختبار A / B بشكل أساسي لإعلان الفائز (أثناء إرسال بيانات الاختبار إلى Google Analytics أو إجراء حسابات أخرى) ، لذلك ستظل ترغب في مراقبة مقاييس موقع الويب عند تشغيله.

إعداد تجربة A / A

تعد تجارب A / A أداة مهمة للغاية لتحسين معدل التحويل.

ومع ذلك ، فإن التحدي مع تجربة A / A هو تحديد الصفحة التي يجب استخدامها عند إجراء التجربة.

تأكد من أن الصفحة التي تختارها لصفحة تجربة A / A الخاصة بك تحتوي على هاتين الصفات:

• ارتفاع حجم حركة المرور. كلما زاد عدد الأشخاص الذين يزورون الصفحة ، ستلاحظ سريعًا التوافق بين الأشكال.
• الزوار لديهم القدرة على الشراء أو التسجيل . سترغب في ضبط حل اختبار A / B الخاص بك حتى خط النهاية.

هذه المتطلبات هي السبب وراء إجرائنا غالبًا لاختبارات A / A على الصفحة الرئيسية لموقع الويب.

في القسم التالي ، سأشرح بمزيد من التفصيل كيفية إنشاء حملة اختبار A / A ، ولكن باختصار ، إليك كيفية إعداد اختبار A / A على الصفحة الرئيسية لموقع ويب:

1. قم بعمل نسختين متطابقتين من نفس الصفحة: عنصر تحكم وتنوع. بعد الانتهاء من إنشاء أشكالك المختلفة ، اختر جماهيرك بأحجام عينات متطابقة.
2. حدد مؤشر الأداء الرئيسي الخاص بك. مؤشر الأداء الرئيسي هو مقياس يقيس الأداء بمرور الوقت. على سبيل المثال ، يمكن أن يكون مؤشر الأداء الرئيسي هو عدد الزوار الذين ينقرون على عبارة تحث المستخدم على اتخاذ إجراء.
3. قم بتقسيم جمهورك بالتساوي والعشوائية باستخدام أداة الاختبار الخاصة بك ، وإرسال مجموعة واحدة إلى عنصر التحكم والأخرى إلى الشكل. قم بتشغيل التجربة حتى يصل كل من عنصر التحكم والشكل إلى عدد معين من الزيارات.
4. تتبع مؤشرات الأداء الرئيسية لكلا المجموعتين. نظرًا لأن كلا المجموعتين تتعرضان لنفس المحتوى ، يجب أن تتصرفا بشكل مشابه.
5. قم بتوصيل أداة اختبار A / B الخاصة بك ببرنامج التحليلات الخاص بك. سيسمح لك ذلك بالتحقق مرة أخرى من أن بياناتك يتم جمعها بدقة في برنامج التحليلات الخاص بك.

كيف تفسر نتائج اختبار A / A؟

نتوقع نتائج غير حاسمة على تجربة A / A

في حين أنه من غير المحتمل أن تغير الموسمية نتائج اختبار A / A ، فإن أحد الأهداف هو اكتشاف النتائج غير المتوقعة. لهذا السبب ، نوصي بإجراء الاختبار لمدة أسبوع على الأقل قبل مراجعة النتيجة.

في نهاية أسبوع واحد ، يجب أن تلاحظ السلوك التالي عند فحص نتائج اختبار A / A الخاص بك:

• بمرور الوقت ، ستستقر الدلالة الإحصائية حول قيمة معينة. 10٪ من الوقت ، ستستقر الدلالة الإحصائية فوق 90٪.
• كلما تم جمع المزيد من البيانات ، ستتقلص فترات الثقة لتجربتك ، مع استبعاد القيم غير الصفرية.
• قد يعمل الإصدار الأصلي والاختلاف بشكل مختلف في نقاط مختلفة أثناء نتائج الاختبار ، ولكن لا ينبغي تصنيف أي منهما رسميًا كفائز ذي دلالة إحصائية.

نظرًا لعدم وجود فرق بين الاختلافات ، يجب أن تتوقع رؤية اختلافات متواضعة فقط وعدم وجود نتائج ذات دلالة إحصائية. ربما سترى شيئًا على غرار هذه الأسطر:

ماذا يعني أن تحصل على اختلافات غير متطابقة؟

إذا كان هناك اختلاف كبير بين الصيغتين المتماثلتين في تجربة A / A ، فقد يعني ذلك أن برنامج اختبار A / B لم يتم تنفيذه بشكل صحيح أو أن أداة الاختبار غير فعالة .

ومع ذلك ، من المحتمل أيضًا أن التجربة لم يتم إجراؤها بشكل صحيح ، أو أن النتائج ناتجة عن تباين عشوائي . يحدث هذا النوع من أخطاء أخذ العينات بشكل طبيعي عند قياس العينة ، بدلاً من قياس جميع الزوار.

على سبيل المثال ، يشير مستوى الثقة بنسبة 95٪ إلى أن النتيجة الفائزة ستحدث في مرة واحدة من كل 20 تكرارًا ، بسبب خطأ في أخذ العينات بدلاً من الاختلاف ذي المعنى في الأداء بين شكلين.

السبب الآخر الذي يجعل تجربة A / A المنفذة بشكل صحيح قد لا تتحقق من صحة هوية الاختلافات هو بسبب عدم تجانس الجمهور المستهدف .

على سبيل المثال ، لنفترض أننا أجرينا تجربة A / A على مجموعة من النساء ، بمعدلات تحويل متنوعة للنساء من مختلف الأعمار.

حتى إذا أجرينا اختبارًا بشكل صحيح ، باستخدام أداة اختبار A / B دقيقة ، فقد لا يزال يكشف عن فرق كبير بين شكلين متطابقين. لماذا ا؟ في هذا المثال ، قد يكون 50٪ من الزائرين تتراوح أعمارهم بين 20 و 90 عامًا ، في حين أن نسبة 50٪ الأخرى قد تتراوح من 20 إلى 50. وبدلاً من وجود خطأ في النظام الأساسي ، فإن النتيجة غير المتوافقة هي ببساطة علامة على أن الجماهير مختلف جدا.

أخيرًا ، هناك خطأ شائع آخر ، عند إجراء أي نوع من الاختبارات ، بما في ذلك اختبار A / A ، وهو الاستمرار في التحقق من النتائج وإنهاء الاختبار قبل الأوان بمجرد اكتشاف الأهمية الإحصائية.

يُطلق على هذه الممارسة المتمثلة في الإعلان عن نسخة فائزة في وقت مبكر جدًا "نظرة خاطفة على البيانات" ويمكن أن تؤدي إلى نتائج غير صالحة.

يمكن أن يؤدي إلقاء نظرة خاطفة على البيانات في اختبار A / A إلى أن يرى المحللون ارتفاعًا في شكل واحد ، عندما يكون الاثنان ، في الواقع ، متطابقين.

لتجنب ذلك ، يجب أن تقرر حجم العينة التي تريد استخدامها مسبقًا. اتخذ هذا القرار بناءً على:

• الحد الأدنى لحجم التأثير: الحد الأدنى من التأثير الذي لا يكون التأثير دونه مفيدًا لمؤسستك
• قوة
• مستويات الأهمية التي تعتبرها مقبولة

سيكون الغرض من اختبار A / A بعد ذلك هو تجنب رؤية نتيجة ذات دلالة إحصائية بمجرد الوصول إلى حجم العينة.

ما هي تحديات اختبار أ / أ؟

بصرف النظر عن الفوائد العديدة التي يمكن أن يجلبها اختبار A / A لاستراتيجية التجربة الخاصة بك ، فهذان عيبان رئيسيان في اختبار A / A:

1. يحتوي الإعداد التجريبي A / A على عنصر عدم القدرة على التنبؤ.
2. حجم العينة الكبير ضروري.

دعونا نلقي نظرة على كل من هذه التحديات بشكل منفصل.

العشوائية

كما ذكرنا سابقًا ، فإن أحد الأسباب الرئيسية لإجراء اختبار A / A هو تقييم دقة أداة الاختبار.

ولكن ، لنفترض أنك اكتشفت فرقًا بين تحويلات التحكم وتحويلات التباين.

تكمن المشكلة في اختبار A / A في أن هناك دائمًا بعض عناصر العشوائية المتضمنة.

في ظروف أخرى ، تتحقق الأهمية الإحصائية بالصدفة فقط. هذا يعني أن الفرق في معدلات التحويل بين شكلين احتمالي وليس مطلق.

حجم العينة الكبير

عند مقارنة الاختلافات المتشابهة ، يلزم حجم عينة كبير لتحديد ما إذا كان المرء مفضلاً على نظيره المطابق.

هذا يتطلب قدرا كبيرا من الوقت.

يمكن أن يؤدي إجراء اختبارات A / A إلى استهلاك وقت الاختبار "الحقيقي".

تتمثل خدعة برنامج التحسين واسع النطاق في تقليل تكلفة الموارد إلى نسبة الفرصة ، لضمان سرعة إنتاجية الاختبار وما تتعلمه ، عن طريق إزالة الهدر والغباء وعدم الكفاءة من العملية تمامًا.

إن إجراء التجارب على موقعك يشبه إلى حدٍ ما تشغيل شركة طيران مزدحمة في مطار دولي رئيسي - فلديك عدد محدود من أماكن الإقلاع وتحتاج إلى التأكد من استخدامها بفعالية.

كريج سوليفان عن CXL

تحويل الخبرات واختبار A / A

يظهر اختبار A / A بشكل متكرر في طلبات الدعم "المتقدمة".

تستند الاقتراحات التالية من وكلاء دعم التحويل إلى عشرات الحالات التي تم حلها:

1. لاختبار منصة اختبار A / B الخاصة بك ، قم بإجراء تجربة A / A أولاً. إذا كان الاختلاف بين الاثنين ذا دلالة إحصائية على المستوى المختار ، فقد يكون النظام الأساسي الخاص بك معطلاً.
2. قم بإجراء اختبار A / A / B أو A / A / B / B (المزيد حول هذا أدناه) وتجاهل النتائج إذا كان المتغيران A أو المتغيران B ينتجان فروق ذات دلالة إحصائية على المستوى المختار.
3. قم بإعداد العديد من اختبارات A / A. إذا أظهرت الاختبارات أكثر من المتوقع وجود اختلافات ذات دلالة إحصائية ، فإن النظام الأساسي الخاص بك معطل.

كيف أقوم بإعداد اختبارات A / A ضمن تجارب التحويل؟

لنلقِ نظرة الآن على كيفية إعداد عدة أنواع مختلفة من اختبارات A / A (نعم ، الجمع) باستخدام تحويل التجارب.

تجربة A / A النقية

يعد إعداد A / A الأكثر شيوعًا هو تقسيم 50/50 بين صفحتين متطابقتين.

الهدف هو التحقق من صحة تكوين التجربة من خلال التأكد من أن كل شكل له نفس الأداء تقريبًا.

أنت تتحقق من نفس الشيء مقابل نفسه لاكتشاف ما إذا كانت البيانات تحتوي على ضوضاء بدلاً من معلومات مفيدة.

لإعداد تجربة A / A البسيطة هذه ، انقر فوق قائمة الخبرات. ثم ، انقر فوق الزر "تجربة جديدة" في الجانب الأيمن العلوي.

املأ تفاصيل "معالج إنشاء التجربة" ، وحدد نوع تجربة "تجربة أ / أ".

الآن ، يجب إنشاء تجربة A / A الخاصة بك. سيكون مطابقًا لأنواع التجارب الأخرى في النظام الأساسي ، بصرف النظر عن عدم وجود خيارات لـ "تعديل الاختلافات".

تفعيل التجربة من خلال تغيير حالتها:

تجربة A / A / B أو A / A / B / B المُعايرة

تكمن الفكرة وراء اختبار A / A / B أو A / A / B / B المُعاير في أن الاختلافات A أو B المكررة توفر مقياسًا لدقة اختبار A / B.

إذا كان الفرق بين A و A أو B و B ذا دلالة إحصائية ، فإن الاختبار يعتبر غير صالح ويتم تجاهل النتائج.

لإعداد مثل هذا الاختبار ، ستحتاج إلى بدء تجربة A / B ، بدلاً من A / A.

انقر فوق الزر "تجربة جديدة" على يمين الشاشة لبدء إنشاء تجربة جديدة.

بمجرد النقر فوق هذا الزر ، سترى هذه القائمة المنبثقة. حدد الخيار أ / ب:

ثم أدخل عنوان URL الخاص بك في المربع الثاني.

سيتم نقلك إلى المحرر المرئي الذي يعرض عنوان URL الذي اخترته وشريط الأدوات في الأعلى:

في قسم أشكال الصفحة في أعلى اليسار ، ستلاحظ أن "الشكل 1" محدد بشكل افتراضي.

هذا يعني أن أي تغييرات نجريها على هذا الإصدار من عنوان URL لن تؤثر على عنوان URL الأصلي.

سينتج عن ذلك اختبار A / B كلاسيكي ، يكون فيه الإصدار "أ" هو الصفحة الأصلية والإصدار "ب" هو الشكل 1.

بالنسبة إلى A / A / B أو A / A / B / B ، ستحتاج إلى إضافة شكل آخر أ ومتغير آخر ب مطابق للمتغير أ والتباين ب ، على التوالي.

يجب أن تبدو هذه:

انقر فوق الزر "حفظ ومتابعة" وبذلك تكون قد انتهيت من كل شيء!

قم بتشغيل العديد من تجارب A / A

لقد غطينا هذا بالفعل ، ولكن إذا أجريت 1000 اختبار A / A متتاليًا مع جماهير كبيرة ، واتبعت جميع المتطلبات وحققت نتائج ذات دلالة إحصائية بشكل متكرر أكثر بكثير مما كان متوقعًا ، فمن المحتمل أن يكون إطار اختبار A / B الخاص بك معطلاً.

يمكن أن تكون العينات غير عشوائية بشكل صحيح. أو ربما ، الاختلافان ليسا متعارضين.

إليك ما قد يبدو عليه ذلك:

هل يمكنني تشغيل تجربة A / A في نفس وقت تجربة A / B؟

هناك فرصة ستحتاج إلى إجراء اختبار A / A في نفس وقت اختبار A / B ، على نفس موقع الويب.

في هذه الحالة ، إليك بعض الاحتمالات:

1. لن تقلق بشأن الاختبارات المتعارضة مع بعضها البعض إذا قمت بتشغيلها في وقت واحد.
2. يمكنك إجراء التجارب في وقت واحد ، ولكن مع جماهير متميزة.
3. يمكنك إجراء الاختبارات بالترتيب الصحيح (الاختبار الكامل 1 (اختبار أ / أ) قبل الانتقال للاختبار 2 (اختبار أ / ب)).

الخيار 3 هو الأكثر أمانًا ، لكنه يحد بشكل كبير من قدرات تجربتك.

من الممكن تمامًا تشغيل تجارب متعددة على نفس الصفحة أو مجموعة من الصفحات في نفس الوقت.

ولكن ، ضع في اعتبارك أن التجميع في تجربة واحدة قد يكون له تأثير على البيانات من تجربة أخرى تحدث في وقت واحد.

فيما يلي أهم طريقتين من تقنيات التحويل لاستخدامهما عند إجراء الاختبارات المتوازية:

1. قم بتخصيص 50٪ من حركة المرور لاختبار A / A ، مع السماح لنسبة 50٪ الأخرى من حركة المرور بالدخول إلى تجارب A / B الأخرى قيد التشغيل.
2. استبعاد زوار أ / أ من اختبارات أ / ب الأخرى.

عملية ضمان الجودة قبل الاختبار: بديل مثير للاهتمام لاختبار A / A

عند اتخاذ قرار بإجراء اختبار A / A أم لا ، ستختلف الإجابات اعتمادًا على من تسأل. ليس هناك شك في أن اختبار A / A هو موضوع مثير للجدل.

إحدى الحجج الأكثر شيوعًا ضد اختبار A / A هي أنها تستغرق وقتًا طويلاً.

يستهلك اختبار أ / أ قدرًا كبيرًا من الوقت وغالبًا ما يتطلب حجم عينة أكبر بكثير من اختبار أ / ب.

عند مقارنة نسختين متطابقتين من موقع ويب ، يلزم وجود حجم عينة كبير لإظهار التحيز الكبير.

نتيجة لذلك ، سيستغرق الاختبار وقتًا أطول لإكماله ، مما قد يؤدي إلى تقليل الوقت المستغرق في الاختبارات المهمة الأخرى.

في مثل هذه الحالات التي لا يكون لديك فيها الكثير من الوقت أو حركة مرور عالية ، فمن الأفضل التفكير في إجراء اختبار مسبق لعملية ضمان الجودة.

في مقالة المدونة هذه ، نوجهك عبر جميع الخطوات التي ستحتاج إلى اتباعها لأداء عملية ضمان الجودة الكاملة. الطرق التي تستخدمها متروكة لك وتعتمد على مقدار الوقت الذي لديك في يديك.

هل يمكن أن توجد SRM في اختبارات A / A؟

اسأل نفسك هذا: هل العدد الفعلي للمستخدمين الذين تمت ملاحظتهم أثناء اختبار A / A الخاص بك قريب من نسبة 50/50 (أو نسبة 90/10 ، أو أي نسبة أخرى) إذا قسمتهم إلى النصف؟

إذا لم يكن الأمر كذلك ، فأنت تواجه إحدى مشكلتين: إما أن هناك مشكلة تتعلق بكيفية استدعاء البنية الأساسية للاختبار من داخل التعليمات البرمجية (مما يجعلها "تسريبًا" من جانب واحد) أو أن هناك مشكلة في البنية الأساسية للاختبار آلية التخصيص.

خطأ عدم تطابق نسبة العينة (خطأ SRM) هو عيب يمكن أن يكتشفه اختبار A / A.

إذا كانت النسبة لديك تصل إلى 65/35 ، فيجب عليك التحقيق في المشكلة قبل إجراء اختبار A / B آخر باستخدام نفس استراتيجية الاستهداف.

هل مزايا اختبار أ / أ تفوق مساوئها؟

على الرغم من أنه لا ينبغي إجراء اختبار A / A على أساس شهري ، فمن المفيد اختبار بياناتك عند إعداد أداة A / B جديدة.

إذا اكتشفت البيانات الخاطئة الآن ، فسيكون لديك ثقة أكبر في نتائج اختبار A / B لاحقًا على الطريق.

في حين أن القرار يعود إليك في النهاية ، فمن المستحسن إجراء اختبارات A / A إذا كنت تبدأ باستخدام أداة جديدة. إذا لم يكن الأمر كذلك ، فإننا نوصي بإعداد إجراء صارم لضمان الجودة للاختبار المسبق ، حيث سيوفر لك اختبار A / B الوقت والمال وحركة المرور.

نأمل أن تجيب لقطات الشاشة أعلاه على أسئلتك ، ولكن إذا لم يكن الأمر كذلك ، فقم بالتسجيل للحصول على عرض توضيحي لترى بنفسك مدى سهولة إعداد اختبار A / A باستخدام تحويل الخبرات.