คู่มือผู้ประกอบการในการทดสอบ A/B บนร้านค้า Shopify (+ ผู้ประกอบการ Shopify 9 รายแบ่งปันเรื่องราวการทดสอบ A/B พร้อมผลลัพธ์)

คุณคงเคยได้ยินเกี่ยวกับการทดสอบ A/B ผ่านต้นองุ่นมาแล้ว

บางทีคู่แข่งของคุณอาจพูดถึงพ็อดคาสท์อย่างไม่ตั้งใจหรือทีมการตลาดของคุณคิดว่ามันเป็นความคิดที่ดี หรือหน่วยงานด้านการเติบโตที่คุณพูดคุยด้วยต้องการทำการทดสอบ A/B

การขยายธุรกิจไม่ใช่เรื่องง่าย คุณก็รู้นี่. เมื่อมาถึงจุดนี้ได้ ต้องมีหลายครั้งที่คุณพยายามทำความเข้าใจว่าการตัดสินใจทางธุรกิจเป็นสิ่งที่ถูกต้องหรือไม่

คงจะดีไม่น้อยถ้าแทนที่จะเดิมพันในสิ่งที่คุณคิดว่าผู้ชมจะต้องการ คุณมีวิธีที่จะรู้อย่างแน่นอน

นั่นคือสิ่งที่การทดสอบ A/B ทำ

แน่นอนว่าประโยชน์ของการทดสอบ A/B อยู่เหนือการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล แต่ที่จริงแล้ว มันคือความลับในการปลดล็อกการเติบโตในวงกว้าง

ดังนั้น ไม่ว่าคุณจะพยายามทำ DIY หรือเอาท์ซอร์สตามความต้องการของคุณ นี่คือทุกสิ่งที่ผู้ประกอบการ Shopify อย่างที่คุณควรรู้เกี่ยวกับการทดสอบ A/B

การทดสอบ A/B ของอีคอมเมิร์ซคืออะไร

การทดสอบ A/B เป็นกระบวนการที่คุณเข้าใจสิ่งที่ผู้ชมของคุณกำลังมองหาก่อนที่พวกเขาจะกลายเป็นลูกค้า

โดยปกติแล้ว การทดสอบ A/B จะพิจารณาในแง่ของการปรับแต่งเล็กน้อย เช่น การเปลี่ยนสีของปุ่มคำกระตุ้นการตัดสินใจ (CTA) หรือการเพิ่มพาดหัวใหม่ แต่ลึกกว่านั้น

ช่วยให้คุณกำหนดได้ว่าสำเนา การออกแบบ และฟังก์ชันการทำงาน (UX) ใดที่โดนใจผู้เยี่ยมชมของคุณโดยการเลือกหน้าหรือองค์ประกอบเวอร์ชันเดียวบนหน้าเว็บด้วยรูปแบบต่างๆ เพื่อดูว่าสิ่งใดใช้ได้ผล

และเราเพิ่งเริ่มต้น!

คุณสามารถใช้แนวคิดของการทดสอบ A/B และนำไปใช้กับทุกช่องที่คุณใช้และการโต้ตอบที่คุณมีกับผู้ชมของคุณ

แต่สิ่งสำคัญคือต้องเข้าใจว่าการทดสอบ A/B ของอีคอมเมิร์ซนั้นแตกต่างกันเมื่อเทียบกับประเภทธุรกิจอื่นๆ เช่น B2B SaaS

1. เวลาในการรับรู้รายได้นั้นสั้นลง
   
   การทดสอบ A/B สามารถเปิดเผยผลกระทบต่อรายได้ได้เร็วกว่า B2B แบบเดิมมาก ใน B2B ข้อตกลงเป็นแบบมัลติเธรด มีผู้มีอำนาจตัดสินใจหลายคนที่ทำให้รอบการขายมีช่วงเดือนหากไม่ใช่ไตรมาส
   
   แม้ว่าคุณจะควรใช้การทดสอบ A/B ในอุดมคติสำหรับการวิจัยและการลดความเสี่ยง ไม่ใช่แค่การเพิ่มรายได้ แต่สัดส่วนหลักของธุรกิจก็คือรายได้ ดังนั้นจึงมีเหตุผลที่ดีที่จะแนะนำการทดสอบ A/B ในส่วนประสมการเติบโต
2. กระบวนการเช็คเอาต์นั้นซับซ้อน (เพื่อให้มีที่ว่างสำหรับการทดสอบมากขึ้น)
   
   แม้ว่าช่องทางการซื้ออีคอมเมิร์ซจะไม่ซับซ้อนเหมือน B2B แต่กระบวนการเช็คเอาต์ไม่ใช่แบบมิติเดียว
   
   Ruben De Boer ผู้เขียน Psychology of Buying อธิบาย ว่า การจ่ายเงินนั้นเจ็บปวดอย่าง แท้จริง ในการศึกษาปี 2550 เพื่อศึกษาว่าผู้คนชั่งน้ำหนักปัจจัยในการตัดสินใจซื้ออย่างไร ผู้เข้าร่วมแสดงภาพผลิตภัณฑ์และตามด้วยราคา สมองของพวกเขาได้รับการวิเคราะห์โดยเครื่อง fMRI เพื่อดูว่าเส้นทางประสาทใดจะสว่างขึ้น
   
   ตามที่คาดไว้ การเห็นภาพผลิตภัณฑ์ทำให้ศูนย์รางวัลในสมองสว่างไสว
   
   แต่ราคา? ส่วนของสมองที่เกี่ยวข้องกับความเจ็บปวดทางร่างกายและทางสังคมสว่างขึ้นราวกับต้นคริสต์มาสช่วยให้นักวิจัยสรุปได้ว่าการแลกเปลี่ยนระหว่างกำไรและความเจ็บปวดจะต้องสมเหตุสมผลสำหรับผู้บริโภคที่จะเปิดกระเป๋าเงินของพวกเขา
   
   ไม่ได้หมายความว่าคุณต้องลดราคาเพราะราคายังเป็นสัญญาณบ่งบอกถึงคุณภาพของผลิตภัณฑ์ด้วย คุณสามารถลองใช้แบบอักษรที่เล็กกว่า เสนอการชำระเงินล่วงหน้า แสดงส่วนลดในแบบอักษรที่ใหญ่กว่า หรือหลีกเลี่ยงภาษาเงินในสำเนาของคุณ
   
   ดังนั้นการลดความเจ็บปวดจากการซื้อหมายความว่าคุณต้องเข้าใจส่วนผสมของแรงจูงใจ ความปรารถนา และความผิดหวังของมนุษย์ ซึ่งเป็นไปไม่ได้หากไม่มีการทดสอบ A/B คุณสามารถทดสอบการส่งข้อความ องค์ประกอบ UI หรือยกเครื่องกระบวนการเช็คเอาต์ได้ทั้งหมดแบบเรียลไทม์

   ในบางกรณี คุณอาจไม่สามารถทำการเปลี่ยนแปลงในรถเข็นและขั้นตอนการชำระเงินทั้งหมดได้เนื่องจากข้อจำกัดที่แพลตฟอร์มอีคอมเมิร์ซของคุณกำหนด แต่นั่นไม่ใช่เหตุผลที่จะละทิ้งการทดสอบที่ท้าทายความสามารถ คุณสามารถทดสอบการเปลี่ยนแปลงเล็กๆ น้อยๆ ได้เสมอ ซึ่งจะทำให้คุณเข้าใจถึงความเป็นไปได้ในการปรับเปลี่ยนครั้งใหญ่

   Jonny Longden ผู้อำนวยการฝ่ายการแปลงของ Journey เพิ่มเติม แนะนำให้ถามตัวเองหนึ่งคำถาม:
   
   อะไรคือสิ่งที่เล็กที่สุด/ง่ายที่สุดที่เราสามารถทดสอบเพื่อเริ่มพิสูจน์สิ่งนี้และเรียนรู้เกี่ยวกับมัน
   
   อย่าตกหลุมพรางของ “จะทดสอบการเปลี่ยนแปลงเพียงเล็กน้อยเท่านั้น” หรือหากคุณได้ทำการเปลี่ยนแปลงที่ใหญ่ขึ้นแล้ว “เงินได้จมลงไปแล้ว ดังนั้นเราจะไม่ทดสอบมัน”
3. การทำเหมืองทบทวนสามารถเปลี่ยนเป็นวิทยาศาสตร์ได้
   
   การวิจัยการแปลงที่อิงตามข้อมูลเชิงคุณภาพเป็นหลักในการทดสอบ A/B ทุกประเภท แต่ในอีคอมเมิร์ซ ข้อมูลเชิงคุณภาพ เช่น การทำเหมืองรีวิวสามารถเปลี่ยนเป็นวิทยาศาสตร์ที่ช่วยให้คุณเข้าใจ:
   
   
   • สินค้า USP ที่จะเน้น
   • ประโยชน์ที่คุณสามารถทดสอบได้ในสำเนาของคุณ
   • วิธีที่ลูกค้ารับรู้คู่แข่ง
   • คัดลอกมุมสำหรับเรื่องราวของผลิตภัณฑ์
   • จุดปวดที่คุณได้กล่าวถึง
   • Lorenzo Carreri, CRO & Experimentation Consultant, CRO & Experimentation Consultant ที่ไม่ได้รับการระบุที่ก่อให้เกิดการละทิ้งรถเข็น แนะนำให้คิดเหมือนนักสืบ เช่นเดียวกับที่นักสืบต้องเปิดเผยเรื่องราวเบื้องหลังอาชญากรรม คุณสามารถใช้บทวิจารณ์เพื่อเปิดเผยเรื่องราวมากมายได้
     

     ผู้คนได้ตัดสินใจซื้อแล้ว และตอนนี้โดยที่เราไม่ได้รบกวนพวกเขาด้วยการสำรวจความคิดเห็นหรือวิดเจ็ต พวกเขากำลังแบ่งปันประสบการณ์ของพวกเขาอย่างเป็นธรรมชาติ

     อันที่จริง การวิเคราะห์ชีพจรของ Carreri สำหรับอุตสาหกรรมต่างๆ เผยให้เห็นถึงหัวข้อทั่วไป—ผู้คนมักไม่ค่อยแบ่งปันข้อมูลเชิงลึกเกี่ยวกับประสบการณ์ในสถานที่ทำงานของพวกเขา ดังนั้นไม่สำคัญว่าคุณจะถามคำถามอะไรหรือถามอย่างไร
     
     แต่ด้วยการทำเหมืองรีวิว โดยเฉพาะอย่างยิ่งใน Amazon ผู้คนมักจะแบ่งปันข้อมูลเชิงลึก ยิ่งคุณรวบรวมข้อมูลเชิงลึกมากเท่าไหร่ ข้อมูลของคุณก็ยิ่งมีความหมายมากขึ้นเท่านั้น ซึ่งจะช่วยให้คุณสร้างสมมติฐานที่ดีขึ้นสำหรับการทดสอบ
4. ไม่มีปริมาณการเข้าชมสำหรับอีคอมเมิร์ซ
   
   อุปสรรคสำคัญกับการทดสอบ A/B คือการเข้าชมไม่เพียงพอ ซึ่งหมายความว่าผลลัพธ์อาจมีอคติ
   
   แต่นี่ไม่ใช่ปัญหาสำหรับร้านค้าอีคอมเมิร์ซ ร้านค้า Shopify ที่มีตัวเลข 7 ตัวสามารถดึงดูดผู้เข้าชมได้หลายแสนคน แต่บริษัท Series D B2B อาจได้รับ 1/4 ของการเข้าชมนั้น

เหตุใดผู้ประกอบการ Shopify จึงควร (อย่างจริงจัง) พิจารณาการทดสอบ A/B

อีคอมเมิร์ซพร้อมสำหรับการทดสอบ A/B ศักยภาพที่จะเห็นผลอย่างรวดเร็วด้วยกลุ่มผู้เข้าชมจำนวนมากและมีพื้นที่ให้เล่นมากมายเป็นเหตุผลเพียงพอที่จะนำวัฒนธรรมการทดสอบ A/B มาใช้

แต่บางทีคุณยังไม่ได้อยู่ที่นั่น การเข้าชมที่เพิ่มขึ้นในขณะนี้ทำให้ได้รับรายได้เพิ่มขึ้น

คำถามคือ คุณจะรักษามันไว้ได้นานแค่ไหน?

การเข้าชมมากขึ้น ≠ รายได้เพิ่มขึ้นเกินจุด เส้นทางนั้นต้องการให้คุณใช้จ่ายมากขึ้นกับโฆษณาในขณะที่กินส่วนต่างกำไรของคุณพร้อมส่วนลดไปพร้อม ๆ กัน

และเมื่อคุณดูอีคอมเมิร์ซยักษ์ใหญ่อย่าง Amazon, eBay หรือ Etsy คุณจะสังเกตเห็นว่าพวกเขามีการทดสอบ A/B ที่ฝังอยู่ใน DNA ของพวกเขา นั่นเป็นเหตุผลที่พวกเขาเจริญเติบโต ไม่ต้องพูดถึง มันเป็นหัวข้อทั่วไปที่ร้านค้า Shopify ที่ประสบความสำเร็จทั้งหมดมีร่วมกัน

เข้าใจได้ง่ายว่าทำไมการทดสอบ A/B จึงขับเคลื่อนการเติบโต ดูว่าการทดสอบที่ Amazon ทำงานนั้นละเอียดเพียงใด:

แต่เมื่อพูดถึงเรื่องนี้ การทดสอบ A/B ไม่ได้เป็นเพียงวิธีรักษาความสามารถในการแข่งขัน แต่เป็นการตัดสินใจทางธุรกิจที่ดี

ทำไม เนื่องจากกลยุทธ์ปัจจุบันของคุณอาจ ไม่ได้ ผลสำหรับคุณ

1. ROAS ของคุณลดลงด้วย iOS 14
   คุณอาจใช้จ่ายเงินมากกว่าก่อนที่จะพยายามดึงดูดสายตาผลิตภัณฑ์ของคุณ แต่โลกหลัง ATT ได้ยุ่งเหยิงกับวิธีการทำงานของการแปลงแบบพิกเซล และการกำหนดเป้าหมายใหม่และผู้ชมที่คล้ายคลึงกัน? มันไม่มีประสิทธิภาพอีกต่อไป หากคุณได้รับคอนเวอร์ชั่นบางส่วน ให้เตรียมรับมือกับความคลาดเคลื่อนระหว่าง Ad Manager และแบ็กเอนด์ Shopify ของคุณ

2. อัตราการเปิดของคุณเบ้
   หมายเลขอีเมลไม่ถูกต้องอีกต่อไป Mail Privacy Protection (MPP) ได้ทำให้แน่ใจว่า และรายการตามการมีส่วนร่วมของคุณอาจมีการกำหนดเป้าหมายที่น่าสงสัยและการแปลงที่ต่ำกว่า

3. สมการของคุณไม่มีการเก็บรักษา
   การไล่ตามการจราจรที่หนาวเย็นเป็นการเคลื่อนไหวทางธุรกิจที่ไม่ดี 40% ของรายได้ของคุณมาจากลูกค้าประจำ การเข้าชมทำให้ผู้ซื้อเข้าสู่กระบวนการของคุณ แต่การรักษาไว้จะเพิ่มมูลค่าตลอดอายุการใช้งาน (LTV) ของผู้ซื้อเหล่านี้

4. การระบุแหล่งที่มาทางการตลาดของคุณแย่มาก
   เครื่องมือไม่สามารถให้ข้อมูลที่ใช้งานได้ และทีมของคุณไม่สามารถระบุรายได้ให้กับการเปลี่ยนแปลงเฉพาะ คุณไม่สามารถกดปุ่มทั้งหมดโดยหวังว่าจะเห็นการเติบโต คุณต้องได้รับเฉพาะหรือสร้างธุรกิจ 8 หลักเป็นไปไม่ได้

การทดสอบ A/B พลิกโฉม playbook เก่าบนหัวของมัน และเปิดโอกาสให้คุณใช้แนวทางที่ถูกต้องทางวิทยาศาสตร์ที่ทำซ้ำได้ เชื่อถือได้ และให้ผลกำไร

นี่คือเหตุผลที่ OLIPOP ซึ่งเป็นบริษัททางเลือกโซดา DTC ยืนหยัดโดยการทดสอบ A/B:

การทดสอบ A/B ช่วยเพิ่มการมีส่วนร่วมกับเนื้อหา ลดอัตราการตีกลับ เพิ่มอัตรา Conversion และลดความเสี่ยง ทั้งหมดนี้ในขณะที่ให้ข้อมูลที่วิเคราะห์ได้ง่าย การทดสอบ A/B ช่วยให้คุณทราบได้ว่าเนื้อหาใดที่ตรงใจผู้ชมเป้าหมายของคุณ จากนั้นคุณสามารถใช้ข้อมูลนี้เพื่อสร้างอิทธิพลต่อกลยุทธ์ทางการตลาดของคุณ การทดสอบเหล่านี้ยังช่วยให้คุณระบุข้อมูลที่ไม่เกี่ยวข้องและพื้นที่ที่ผู้ใช้ของคุณประสบปัญหาบนเว็บไซต์ของคุณ ซึ่งจะช่วยลดอัตราตีกลับของคุณเมื่อคุณทำการเปลี่ยนแปลงที่จำเป็น

เมื่อคุณระบุรูปแบบที่ปรับปรุงประสบการณ์ของลูกค้าได้แล้ว คุณจะเห็นเวลาที่ผู้ใช้ใช้บนไซต์ของคุณเพิ่มขึ้น ส่งผลให้อัตรา Conversion สูงขึ้น สุดท้าย การทดสอบ A/B ช่วยลดความเสี่ยง เนื่องจากคุณทำการตัดสินใจโดยใช้ข้อมูลที่ถูกต้อง แทนที่จะใช้การคาดเดาที่มีการศึกษา ช่วยให้คุณทำการเปลี่ยนแปลงเพียงเล็กน้อยโดยไม่กระทบต่อเว็บไซต์ทั้งหมดของคุณ ROI ของคุณจะเพิ่มขึ้นด้วยการทดสอบ A/B

Steven Vigilante หัวหน้าฝ่ายพัฒนาธุรกิจใหม่ของ OLIPOP

ทำการเปลี่ยนแปลงเล็กน้อย (หรือใหญ่) ได้อย่างง่ายดาย

การเพิ่มประสิทธิภาพ ศาสตร์ในการทำให้สิ่งต่างๆ ดีขึ้น เป็นเรื่องง่ายด้วยการทดสอบ A/B คุณสามารถแนะนำการเปลี่ยนแปลงเพื่อค้นหาเวอร์ชันที่สร้างประสบการณ์การซื้อที่ดีขึ้นและแปลงการรับส่งข้อมูล PPC บางส่วนของคุณ

ลดค่าใช้จ่ายในการล้มเหลว

ค่าใช้จ่ายในการล้มเหลวบางครั้งสูงเกินไปและขัดขวางนวัตกรรมอย่างน่าประหลาดใจ แต่ด้วยการทดสอบ A/B คุณสามารถทดสอบแนวคิดของคุณในสภาพแวดล้อมที่มีการควบคุมโดยไม่ต้องสร้างหรือดำเนินการใดๆ

มองไปสู่อนาคต

ไม่มีอะไรรับประกันความสำเร็จได้ ไม่ใช่สัญชาตญาณของคุณ คำแนะนำของหน่วยงาน หรือแม้แต่การวิจัยคู่แข่งที่แข็งแกร่ง แต่ถ้าคุณต้องการตัดสินใจโดยใช้ข้อมูล การทดสอบ A/B คือเพื่อนของคุณ เวอร์ชันที่ดีที่สุดในการทดสอบไม่ได้ถูกเลือกโดยพิจารณาจากความถูกต้องทางสถิติ ช่วยให้คุณมองเห็นภาพรวมของศักยภาพในการสร้างรายได้ของคุณ

ปล่อยให้มีที่ว่างเล็ก ๆ น้อย ๆ สำหรับการตีความผิด ๆ

การทดสอบ A/B ช่วยให้คุณรับฟังผู้ชมของคุณได้อย่างแท้จริงด้วยการรวบรวมข้อมูลการเปลี่ยนแปลงอัตรา Conversion การละทิ้งรถเข็น มูลค่าการสั่งซื้อเฉลี่ย (AOV) รายได้ และผลกำไร
แทนที่จะคาดเดาผลกระทบของการเปลี่ยนแปลงของคุณ ผลลัพธ์จะโปร่งใสและปล่อยให้มีที่ว่างเล็กน้อยสำหรับการตีความผิด

ปัญหาเกี่ยวกับการทดสอบ A/B บน Shopify (+ โซลูชัน)

ขณะที่คุณกำลังพิจารณาว่าการทดสอบ A/B เป็นศูนย์กลางของกลยุทธ์ของคุณ สิ่งสำคัญคือต้องแก้ไขปัญหาที่อาจเกิดขึ้นที่คุณอาจเผชิญเมื่อเรียกใช้การทดสอบ A/B บน Shopify

ปัญหา #1: การป้องกันการคลิกของ Shopify อาจรบกวน QA . บนมือถือของคุณ

Clickjacking หลอกให้ผู้ใช้คลิกเนื้อหาที่ดำเนินการได้บนเว็บไซต์หลอกลวง เพื่อป้องกันไม่ให้สิ่งนี้เกิดขึ้น Shopify ใช้เทคโนโลยีป้องกันการคลิกแจ็ค แต่มันขัดขวางไม่ให้เครื่องมือทดสอบ A/B ทำงานได้อย่างเต็มประสิทธิภาพ

ปัญหา #2: การทดสอบไม่ใช่ปัญหา แต่การนำไปปฏิบัติคือ

การนำผลการทดสอบไปใช้ไม่ใช่สิ่งที่แอปหรือปลั๊กอินสามารถทำได้ แต่ต้องมีการปรับแต่ง แม้ว่าคุณจะพบปลั๊กอินที่เหมาะกับคุณ แต่ก็มีปลั๊กอินจำนวนมากเกินไปที่อาจทำให้ไซต์ของคุณช้าลง ซึ่งจะทำให้ผลกำไรที่อาจเกิดขึ้นเป็นโมฆะ

ปัญหา #3: คุณมีร้านค้า Shopify มาตรฐานที่จำกัดสิ่งที่คุณสามารถทดสอบได้

ร้านค้ามาตรฐานของ Shopify ไม่สามารถเข้าถึงคุณสมบัติส่วนใหญ่ของ Shopify Plus ได้ ซึ่งหมายความว่าคุณไม่สามารถทำการทดสอบ เช่น การทดสอบแยกส่วนธีม การทดสอบความซับซ้อนที่ต่ำลงส่งผลให้รายได้ของคุณได้รับผลกระทบน้อยลง

คู่มือฉบับย่อเกี่ยวกับพื้นฐานการทดสอบ A/B

ตอนนี้ คุณได้รวบรวมสมองของคุณเกี่ยวกับการทดสอบ A/B แล้ว ก็ถึงเวลาเข้าสู่ประเด็นสำคัญ

หยุดสักครู่แล้วตอบใช่หรือไม่ใช่สำหรับคำถามเหล่านี้ ก่อนที่คุณจะเลื่อนลงมาเพื่อดูคำตอบ

• การทดสอบ A/B เหมือนกับการทดสอบแยก
• การทดสอบ A/B และการทดสอบหลายตัวแปรต่างกัน
• คุณสามารถปรับแต่งเล็กน้อยได้ด้วยการทดสอบ A/B
• คุณไม่จำเป็นต้องเรียนรู้สถิติเพื่อเรียกใช้การทดสอบ A/B
• คุณไม่สามารถเรียกใช้การทดสอบ A/B บนช่องอื่นได้
• คุณควรหยุดการทดสอบ A/B เมื่อเห็นผล

การทดสอบ A/B กับการทดสอบแบบแยกส่วน

ด้วยการทดสอบ A/B คุณสามารถทดสอบองค์ประกอบอย่างน้อยหนึ่งรายการในหน้า โดยพื้นฐานแล้วคุณสร้างเวอร์ชันที่คล้ายกันของหน้าต้นฉบับเพื่อดูผลกระทบต่ออัตราการแปลง

การทดสอบ Split URL แตกต่างจากการทดสอบ A/B การเข้าชมจะถูกแบ่งออกตรงกลาง และส่งไปยังสองเวอร์ชันที่แตกต่างกันโดยสิ้นเชิง เพื่อดูว่าหน้าเว็บใดช่วยให้คุณบรรลุเป้าหมายเฉพาะของคุณได้

เมื่อใดควรรันการทดสอบแบบแยกส่วนกับการทดสอบ A/B: การทดสอบธีม

ตัวอย่างที่ดีในการเลือกการทดสอบแบบแยกส่วนสำหรับการทดสอบ A/B คือเมื่อคุณต้องการทดสอบธีมของ Shopify ธีมของคุณอาจส่งผลต่อ CX และรายได้ในท้ายที่สุด ดังนั้นคุณจึงจำเป็นต้องทดสอบโดยใช้เครื่องมืออย่างตัวเลือก URL แยกของ Convert

Convert ใช้ Frequentist Inference เพื่อทำความเข้าใจว่าธีมใดมีประสิทธิภาพดีกว่ารูปแบบอื่น เราแนะนำให้ทำการทดสอบประเภทนี้เป็นเวลาอย่างน้อยสองสัปดาห์ เว้นแต่ว่าคุณมีการเข้าชมไซต์ของคุณสูงผิดปกติ

PS คุณสามารถทดสอบธีมได้หากคุณเป็นผู้ใช้ Shopify Plus

การทดสอบ A/B กับการทดสอบหลายตัวแปร

ในการทดสอบ A/B คุณกำลังเจาะจงหน้าที่เกือบจะเหมือนกันกับหน้าต้นฉบับ

แทนที่จะเปลี่ยนองค์ประกอบทีละรายการ เช่น ในการทดสอบ A/B การทดสอบหลายตัวแปรเป็นกระบวนการที่คุณทดสอบการเปลี่ยนแปลงหลายรายการในการทดสอบเดียว เป้าหมายของการทดสอบหลายตัวแปรคือการค้นหาว่าการเปลี่ยนแปลงชุดค่าผสมใดให้ผลลัพธ์ที่ดีกว่า

ตัวอย่างการทดสอบ A/B เพื่อเรียกใช้บน Shopify Stores

ถามอินเทอร์เน็ตว่าคุณควรทดสอบ A/B อย่างไร และคุณมักจะได้รับคำสั่งให้ลองใช้ CTA อื่นหรือสีของปุ่มหรือเปลี่ยนหัวข้อข่าว

ไม่ใช่ว่าไม่สำคัญ แต่โลกคือสนามเด็กเล่น และคุณจะเล่นในแซนด์บ็อกซ์เล็กๆ ของคุณเอง หากคุณจำกัดตัวเอง การคิดนอกกรอบมีความสำคัญต่อจิตวิญญาณของการทดลอง

เราติดต่อผู้ประกอบการ Shopify 8 รายและถามพวกเขาดังนี้:

คุณทำการทดสอบ A/B อะไร เหตุใดคุณจึงเลือกทำการทดสอบนี้ และผลลัพธ์เป็นอย่างไร

#1. เพิ่ม AOV คำสั่งซื้อลดลงเล็กน้อย

เราใช้ Shopify ในร้านค้าออนไลน์ทั้งหมดของเรา และได้ทำการทดสอบการรวมกลุ่มหรือการจัดกลุ่มผลิตภัณฑ์ของเราเพื่อเพิ่ม AOV การทดสอบเป็นรถเข็นที่มียอดขายเพิ่มขึ้นหรือเป็นกลุ่ม เทียบกับรถเข็นที่มีเฉพาะสินค้าเริ่มต้นเท่านั้น ผลลัพธ์ยังไม่ครบถ้วน แต่จนถึงตอนนี้ดูเหมือนว่า AOV จะเพิ่มขึ้นในขณะที่จำนวนคำสั่งซื้อทั้งหมดลดลงเล็กน้อย เราจะดำเนินการนี้อีกสองสามสัปดาห์ก่อนที่จะทำการวิเคราะห์เต็มรูปแบบ และสามารถทดสอบการกำหนดค่าอื่นๆ เพื่อพยายามสร้างการปรับปรุงทั้ง AOV และ Conversion

ซิลเวีย คัง, มิรา

#2. เพิ่มประสิทธิภาพทุกองค์ประกอบของไซต์สำหรับ CX

ในฐานะธุรกิจของ Shopify เราได้ทำการทดสอบ A/B มากมายสำหรับฟีเจอร์ต่างๆ เช่น แชทสด CTA รูปภาพสินค้า ตำแหน่งการขายต่อยอด หน้า Landing Page เมนูการนำทาง และอื่นๆ ตัวอย่างเช่น การทดสอบ A/B ของเราช่วยให้เราพบความสมดุลของการขายต่อเนื่อง/การขายต่อยอดโดยไม่ทำให้ผู้บริโภครำคาญหรือเพิ่มความขัดแย้งให้กับประสบการณ์ของพวกเขา

จากการทดสอบหลายครั้ง เราพบว่าผู้ชมให้ความสำคัญกับคำแนะนำที่เกี่ยวข้องสูงโดยตรงบนหน้าผลิตภัณฑ์ แทนที่จะเสนอให้ในขั้นตอนการชำระเงิน และในการทำเช่นนั้น เราได้เพิ่มมูลค่าการซื้อเฉลี่ย การทดสอบ A/B มีความสำคัญ เนื่องจากช่วยให้คุณสามารถระบุได้ว่าคุณลักษณะใดทำงานได้ดีที่สุด และให้ผลตอบแทนสูงสุดโดยไม่ต้องเสียเวลาและพลังงานในการใช้งานองค์ประกอบที่ไม่เหมาะสม การทดสอบเหล่านี้ให้ข้อมูลที่ถูกต้องแก่คุณเกี่ยวกับตัวเลือกการออกแบบที่เหมาะสมกับผู้ชมของคุณมากที่สุด และประสบการณ์ผู้ใช้ที่แข็งแกร่งยิ่งขึ้นคือการที่ธุรกิจประสบความสำเร็จในการเติบโตและอายุยืนยาว

สตีเฟน ไลท์, ที่นอนโนลาห์

#3. ใช้เซสชันรีเพลย์เพื่อรวมวิดีโอเพื่อผลลัพธ์ที่ดีขึ้น

สิ่งสำคัญที่สุดประการหนึ่งที่สามารถสร้างหรือทำลาย Conversion คือความง่ายสำหรับผู้ใช้ในการนำทางร้านค้าของคุณและทำการซื้อ ด้วยการทดสอบ A/B ในการเล่นซ้ำของเซสชัน เราจัดการเพื่อดูว่าผู้ใช้จริงที่มีเจตนาที่จะซื้อนำทางผ่านร้านค้าของเราอย่างไร ปัญหาอยู่ที่ใด ทำให้พวกเขาหงุดหงิดใจ อะไรทำให้พวกเขาหยุดระหว่างกระบวนการและป้องกันไม่ให้พวกเขาทำการซื้อ เราตระหนักดีว่ารายการที่มีวิดีโอของกระบวนการให้ผลลัพธ์ที่ดีขึ้นและภาพที่มีคุณภาพต่ำหรือไม่แสดงภาพหลายภาพทำให้เกิดความลังเลใจ

Michael Nemeroff, เสื้อยืดสั่งเร่งด่วน

#4. Conversion เพิ่มขึ้น 2% ด้วยการเปลี่ยนแปลงการออกแบบ

ในการทดสอบ A/B นี้ ฉันต้องการดูว่าเลย์เอาต์ใหม่จะส่งผลต่ออัตราการแปลงของร้านค้า Shopify ของฉันอย่างไร ไซต์ดั้งเดิมทำงานมาหกเดือนแล้วและมีการแปลงที่ 3% ดังนั้นจึงดูเหมือนถึงเวลาที่จะลองสิ่งที่แตกต่างออกไป การเปลี่ยนแปลงการออกแบบของฉันรวมถึงการย้ายคำแนะนำผลิตภัณฑ์ในครึ่งหน้าล่างบนอุปกรณ์มือถือ แทนที่จะสอดคล้องกับผลิตภัณฑ์ เช่นเดียวกับการนำแบนเนอร์ออกจากการนำทางด้านบนเนื่องจากไม่มีการคลิก ส่งผลให้ Conversion เพิ่มขึ้นทันที 2%

Jar Kuznecov ศูนย์ละลายน้ำ

#5. เพิ่มจำนวนคลิกสัมพัทธ์ 14% โดยการเปลี่ยนสีปุ่ม CTA

แม้ว่าเราจะทำการทดสอบ A/B หลายครั้งในช่วงหลายปีที่ผ่านมา แต่การทดสอบที่มีประสิทธิภาพมากที่สุดวิธีหนึ่งที่เราดำเนินการก็ง่ายที่สุดเช่นกัน นั่นคือ การเปลี่ยนสีของปุ่ม CTA ของเรา แค่นั้นแหละ. ฉันได้ยินจากเพื่อนคนหนึ่งว่าการเปลี่ยนสีปุ่มในหน้าของเขาทำให้อัตราการตอบกลับของเขาเพิ่มขึ้น 16% (เทียบกับจำนวนการคลิกที่เขาได้รับก่อนหน้านี้) สิ่งนี้ทำให้ฉันคิด และตัดสินใจทำการทดสอบ A/B ของเราเอง อันที่จริงแล้วเป็นการทดสอบ A/B/C เนื่องจากเราลองใช้สีต่างๆ กัน 3 สี ได้แก่ สีเขียวดั้งเดิม สีส้มและสีแดง ผลลัพธ์? ปุ่มสีแดงให้อัตราการตอบกลับสูงขึ้น 8% ในขณะที่ปุ่มสีส้มให้ผลลัพธ์ที่ดีขึ้น 14% ในแง่ของการคลิกที่สัมพันธ์กัน น่าทึ่งมากที่การเปลี่ยนแปลงง่ายๆ เช่น การทำปุ่มสีเขียวเป็นสีส้ม สามารถสร้างเอฟเฟกต์ที่ลึกซึ้งได้ ดังนั้น คำแนะนำที่ดีที่สุดของฉันคือเมื่อคุณพยายามให้คนอื่นเพิ่มสินค้าลงในรถเข็น อย่าเพียงแค่ใช้สีของปุ่ม CTA ให้คิดอย่างจริงจังและทดสอบ

John Ross, Test Prep Insight

#6. เพิ่ม CVR และ AOV ด้วย Sticky Add-to-cart & Post-sale Upsells

การทดสอบ A/B เป็นดาบสองคม ฟังดูดีที่จะเพิ่มประสิทธิภาพร้านค้า Shopify ของคุณและ เพิ่มอัตราการแปลง แต่คุณจำเป็นต้องรู้ว่าการทดสอบ A/B แต่ละรายการเพิ่มความซับซ้อนและการใช้ทรัพยากรของคุณอย่างไร สิ่งที่ต้องทดสอบมีความสำคัญเท่ากับวิธีทดสอบ ของคุณ

ฉันได้ทดสอบการเรียงลำดับรูปภาพผลิตภัณฑ์แล้ว แต่ละครั้ง ฉันพบว่ารูปภาพที่ง่ายที่สุด จะแปลงรูปภาพที่ดีที่สุดเสมอ ในหน้าผลิตภัณฑ์ ลูกค้าของคุณต้องเข้าใจว่าผลิตภัณฑ์ของคุณคืออะไรโดยไม่ต้องคิด

การเพิ่มสินค้าในรถเข็นแบบติดหนึบเป็นผู้ชนะที่รู้จักกันดี การมีปุ่มบนหน้าจออยู่ใกล้แค่เอื้อมก็ช่วยเพิ่ม CVR ของฉันได้ถึง 8%

อย่าลืมเกี่ยวกับการเพิ่มยอดขายหลังการขาย การเพิ่มมูลค่าการสั่งซื้อเฉลี่ยของฉันจาก 24 ดอลลาร์เป็น 40 ดอลลาร์เป็นเรื่องง่าย คุณจะแปลกใจว่ามันง่ายแค่ไหนที่จะขายให้คนที่ซื้ออยู่แล้ว มากขึ้น

Matt Phelps ผู้เชี่ยวชาญ CRO และผู้ก่อตั้ง STEEL

รู้สึกมีแรงบันดาลใจ? ต่อไปนี้คือองค์ประกอบ 20+ อย่างที่ผู้เริ่มต้นทดสอบ A/B สามารถเล่นได้บนเว็บไซต์อีคอมเมิร์ซของตน:

• เสนอการจัดส่งฟรี
• ภาพฮีโร่กับม้าหมุน
• ขนาด CTA
• สี CTA
• ตำแหน่ง CTA
• สำเนา CTA
• ภาพคนกับไม่มีภาพ
• สำเนาพาดหัว
• ขนาดตัวอักษร
• ความสูงของเส้น
• การปรับเปลี่ยนในแบบของคุณเทียบกับไม่มี
• การแจ้งเตือนเมื่อมีสินค้าในสต๊อก
• คำอธิบายผลิตภัณฑ์ที่ขับเคลื่อนด้วยผลประโยชน์
• คำแนะนำจากผู้เชี่ยวชาญในหน้าผลิตภัณฑ์
• เน้นส่วนลดและข้อเสนอ
• การชำระเงินแบบหน้าเดียวและหลายหน้า
• การสนับสนุนระหว่างการชำระเงิน
• เมนูการนำทางอย่างง่าย
• ดูสินค้าด่วน
• วิดีโอสินค้า
• การขายต่อเทียบกับการขายต่อเนื่อง
• แท็กในภาพตัวอย่าง
• เนื้อหาที่ผู้ใช้สร้างขึ้น

จากรายการองค์ประกอบที่คุณสามารถทดสอบ A/B ได้ เห็นได้ชัดว่าหน้าผลิตภัณฑ์เป็นสถานที่ที่ดีที่สุดในการเริ่มต้น

แต่หน้าอื่นๆ ในไซต์ของคุณก็เป็นตัวเลือกที่เหมาะสมสำหรับการทดสอบ A/B ด้วยเช่นกัน

มาดูกันว่าหน้าใดที่คุณสามารถนำไปทดสอบพร้อมตัวอย่างจากแบรนด์ต่างๆ ในชีวิตจริง:

1. หน้าแรก
   
   
   • Salty Captain เปลี่ยนสีของแถบประกาศบนโฮมเพจของพวกเขาและได้รับคลิกเพิ่มขึ้น 234.54% และเพิ่ม CVR ขึ้น 13.39%
   • Wall Art ในตำนานทดลองกับส่วนฮีโร่และสำเนา CTA และเพิ่มการมีส่วนร่วม 325.39% และรายได้ 30.07%
   • โดยBiehl ได้เพิ่มแถบเลื่อนเพื่อแสดงผลิตภัณฑ์ที่สำคัญของตน ส่งผลให้มีการเข้าชมหน้าหมวดหมู่เพิ่มขึ้น (5.87%) รายได้ต่อผู้ใช้ (3.25%) และ CVR (19.73%)
2. หน้าหมวดหมู่
   
   
   • Copycat Fragrances เพิ่มเวอร์ชันของ Instagram Stories ลงในหน้าหมวดหมู่เพื่อเพิ่มการมีส่วนร่วม 4% และรายได้ต่อผู้ใช้ 18%
   • Iceshaker เปลี่ยนหน้าหมวดหมู่เพื่อรวมเรื่องราวของผลิตภัณฑ์ที่มีการคัดค้านทั่วไปและได้รับ Conversion เพิ่มขึ้น 15.95%
   • Oliver Cabell มุ่งเน้นไปที่ประสบการณ์มือถือของผู้ใช้ในการปรับเปลี่ยนเลย์เอาต์และปรับปรุงการออกแบบ ซึ่งส่งผลให้มีการเข้าชมเพิ่มขึ้น 14.86% และเพิ่มการเข้าชมหน้าชำระเงิน 5.49%
3. หน้าชำระเงิน
   
   
   • Oflara แนะนำสินค้าอื่นๆ ให้กับนักช็อปเมื่อพวกเขาชำระเงินด้วยปุ่ม "หยิบใส่ตะกร้า" ซึ่งส่งผลให้รายได้โดยรวมดีขึ้นอย่างมาก
   • Concious Items ขจัดความยุ่งยากออกจากกระบวนการเช็คเอาต์ด้วยรถเข็นแบบติดหนึบ ส่งผลให้รายได้ต่อผู้ใช้เพิ่มขึ้น 10% และ CVR เพิ่มขึ้น 10%
   • Homeware ตั้งข้อสังเกตว่าผู้ใช้ซื้อเพียงหนึ่งรายการในร้านค้า Shopify ของพวกเขา ดังนั้นพวกเขาจึงลดความซับซ้อนของกระบวนการเช็คเอาต์เพื่อเปลี่ยนเส้นทางผู้ใช้ไปยังหน้าชำระเงินโดยตรง ส่งผลให้ CVR เพิ่มขึ้น 47.7% และรายได้ต่อผู้เข้าชมบนมือถือเพิ่มขึ้น 71.4%

เคล็ดลับจากผู้เชี่ยวชาญ: มุ่งเน้นไปที่การเปลี่ยนแปลงครั้งใหญ่

คำแนะนำที่ดีที่สุดของฉันสำหรับผู้ประกอบการครั้งแรกที่ทำการทดสอบ A/B เป็นครั้งแรกคือการมุ่งเน้นไปที่การเปลี่ยนแปลงครั้งใหญ่ ตัวอย่างเช่น การออกแบบหน้าผลิตภัณฑ์ใหม่ทั้งหมด การเปลี่ยนแปลงเล็กๆ น้อยๆ เช่น การเปลี่ยนสีปุ่มไม่น่าจะทำให้เข็มขยับได้อย่างมีนัยสำคัญ

ด้วยการออกแบบหน้าเว็บใหม่ทั้งหมดและเพิ่ม gif คำอธิบายผลิตภัณฑ์ลงในหน้าผลิตภัณฑ์ของเรา เราสามารถเพิ่มอัตราการแปลงได้ถึง 40%

Philip Pages ผู้ก่อตั้งที่ PostPurchaseSurvey.com และแบรนด์อีคอมเมิร์ซ Shopify ระดับกลาง 7 คน

แนวคิดเกี่ยวกับสถิติที่คุณคุ้นเคยเมื่อคุณเรียกใช้การทดสอบ A/B

แม้ว่าการทดสอบ A/B จะใช้เพื่อเปรียบเทียบเว็บไซต์ของคุณสองเวอร์ชัน แต่การดูตัวเลขเพียงอย่างเดียวก็ไม่มีประโยชน์ เนื่องจากไม่ได้คำนึงถึงความสำคัญทางสถิติของข้อมูล คุณจะตีความผลลัพธ์ผิดและทำให้ยอดขายของคุณเสียหาย

ดังนั้นไม่ว่าทีมในองค์กรของคุณจะเริ่มทำงานในโครงการหรือคุณจ้างเอเจนซี่ CRO สิ่งสำคัญคือคุณต้องทำความคุ้นเคยกับแนวคิดเกี่ยวกับสถิติการทดสอบ A/B ที่คุณจะได้ยินมามากมาย

ตัวอย่างและประชากร

ผู้เข้าชมทั้งหมดที่มายังไซต์ของคุณถือเป็นประชากร ในขณะที่กลุ่มตัวอย่างคือจำนวนผู้เข้าชมที่เข้าร่วมในการทดสอบ A/B

ค่าเฉลี่ย ค่ามัธยฐาน และโหมด

ค่าเฉลี่ย = ค่าเฉลี่ย

ค่ามัธยฐาน = ค่าตรงกลาง

โหมด = ค่าซ้ำ

ความแปรปรวนและความเบี่ยงเบนมาตรฐาน

ความแปรปรวนคือความแปรปรวนเฉลี่ยของข้อมูล ยิ่งความแปรปรวนสูงเท่าใด ค่าเฉลี่ยก็จะยิ่งแม่นยำน้อยลงเท่านั้นในการเป็นตัวทำนายจุดข้อมูลแต่ละจุด

ค่าเบี่ยงเบนมาตรฐานคือรากที่สองของความแปรปรวน และแสดงเป็นหน่วยเดียวกับค่าดั้งเดิม ทำให้เข้าใจง่ายขึ้นโดยสัญชาตญาณ ในทางกลับกัน ความแปรปรวนจะแสดงเป็นกำลังสองของหน่วยดั้งเดิม แต่ยังคงมีความสำคัญต่อผลลัพธ์ของการทดสอบ A/B ของคุณ

นัยสำคัญทางสถิติ

เมื่อแดชบอร์ดการทดสอบ A/B บอกว่า "มีโอกาส 95% ที่จะชนะต้นฉบับ" หรือ "ความน่าจะเป็น 90% ที่มีนัยสำคัญทางสถิติ" จะถามคำถามต่อไปนี้: สมมติว่าไม่มีความแตกต่างพื้นฐานระหว่าง A และ B เราจะทำบ่อยแค่ไหน เห็นความแตกต่างเหมือนที่เราทำในข้อมูลโดยบังเอิญ ?

Evan Miller ผู้พัฒนาซอฟต์แวร์สถิติ (ที่มา)

ระดับนัยสำคัญต้องน้อยที่สุด 1% นั้นเหมาะสมที่สุด เนื่องจากเทียบเท่ากับระดับความมั่นใจ 99% และผลลัพธ์ที่ไม่มีนัยสำคัญอาจหมายถึงสิ่งที่คุณเห็นจริง ๆ แล้วเป็นผลบวกที่ผิดพลาด ดังนั้นจึงเป็นเรื่องสำคัญที่จะต้องรอให้มีนัยสำคัญทางสถิติ แต่ไม่เพียงแค่นั้น

คุณต้องคำนวณขนาดตัวอย่างที่ตรงกับการเพิ่มขั้นต่ำที่คุณเลือก (MDE - เอฟเฟกต์ที่ตรวจพบขั้นต่ำ) คุณจะมีการเปลี่ยนแปลงที่เพิ่มขึ้นของการสร้างผลบวกที่ผิดพลาด

P-value

ค่า p คือความน่าจะเป็นที่จะได้ผลลัพธ์อย่างน้อยที่สุดเท่ากับผลลัพธ์ที่สังเกตได้ของการทดสอบสมมติฐานทางสถิติ โดยถือว่าสมมติฐานว่างนั้นถูกต้อง

แต่สิ่งที่คุณต้องรู้จริงๆ เกี่ยวกับค่า p คือ: "ผลลัพธ์นี้น่าประหลาดใจขนาดไหน"

คุณควรรันการทดสอบ A/B บน Shopify Store นานแค่ไหน?

มีข้อผิดพลาดทั่วไปสองประการที่คุณพบบ่อย:

• สิ้นสุดการทดสอบ A/B เมื่อคุณมีนัยสำคัญทางสถิติ
• ตรวจสอบค่า p และประกาศผู้ชนะทันทีที่คุณบรรลุเป้าหมาย

การหยุดการทดสอบควรขึ้นอยู่กับขนาดกลุ่มตัวอย่าง แต่ถึงแม้คุณไม่ควรสิ้นสุดการทดสอบแต่เนิ่นๆ การทดสอบก็ไม่ควรทำงานตลอดไป หากผ่านไป 3 เดือน คุณยังไม่เห็นความสำคัญ เป็นการดีที่สุดที่จะลองใช้การเปลี่ยนแปลงอื่น ๆ ทางฝั่งของคุณ

Convert และ Shopify แนะนำให้ทำการทดสอบของคุณเป็นเวลาอย่างน้อยสองรอบธุรกิจหรือ 14 วัน

Avid Faruz ซีอีโอของ Faruzo เห็นด้วย:

ผู้ประกอบการรายใหม่จำเป็นต้องรู้ว่าในการทดสอบ A/B กรอบเวลามีความสำคัญมาก ยิ่งคุณทำการทดสอบ A/B นานเท่าใด คุณก็จะได้รับการทดสอบที่แม่นยำมากขึ้นเท่านั้น เนื่องจากการทดสอบของคุณจะใช้จุดข้อมูลมากขึ้นเพื่อให้ได้ผลลัพธ์ นักการตลาดที่มีประสบการณ์ทำการทดสอบนานถึงสองสัปดาห์ ฉันจะแนะนำให้นักการตลาดและผู้ประกอบการทั้งหมดกำหนดกรอบเวลาตามระดับการเข้าชมเว็บไซต์ของตน

นั่นคือเหตุผลที่แพลตฟอร์มของเราเสนอการทดลองใช้ฟรี 14 วัน เพื่อให้คุณสามารถทดสอบสมมติฐานของคุณได้

กระบวนการ 4 ขั้นตอนเพื่อเรียกใช้การทดสอบ A/B บน Shopify Store

พร้อมทำการทดสอบหรือยัง

ใช้กระบวนการทดสอบ A/B 4 ขั้นตอนนี้เพื่อสร้างการทดสอบที่ดีขึ้นและทำความเข้าใจผลกระทบ

#1. ดำเนินการวิจัยเชิงคุณภาพและเชิงปริมาณ

การวิจัยการแปลงเป็นขั้นตอนแรกและสำคัญที่สุด วิธีนี้ช่วยให้คุณสร้างสมมติฐานว่าคุณสามารถทดสอบ A/B ได้ หรือที่เรียกว่าระยะการค้นพบ นี่คือตอนที่คุณวางสมมติฐานปฏิบัติการของคุณไว้เฉยๆ และปล่อยให้ข้อมูลแนะนำคุณ

คุณจะลงเอยด้วยข้อมูลสองประเภท - เชิงปริมาณและเชิงคุณภาพ

เริ่มต้นด้วยการรวบรวมข้อมูลเชิงปริมาณ สิ่งเหล่านี้ประกอบขึ้นเป็นข้อเท็จจริงที่ยากและเย็นชาซึ่งคุณไม่สามารถโต้แย้งกับเครื่องมือวิเคราะห์เช่น Google Analytics, Amplitude หรือ Mixpanel ได้

ตัวอย่างเช่น คุณอาจต้องการดูอัตราตีกลับ จำนวน Conversion ทั้งหมด หรือหน้าที่ดู/เซสชัน

เมื่อคุณรวบรวมข้อมูลเชิงปริมาณแล้ว ให้ดึงข้อมูลเชิงคุณภาพ เนื่องจากเรื่องนี้เป็นเรื่องส่วนตัว จึงมีความเป็นไปได้ที่อคติในจิตใต้สำนึกจะคืบคลานเข้ามา แต่การตีความสิ่งที่คุณค้นพบเป็นวิธีเดียวที่คุณจะตอบได้ว่า "ทำไม"

ใช้ Hotjar เพื่อสร้างแผนที่ความร้อนและบันทึกเซสชันผู้เยี่ยมชม คำตอบที่คุณอาจพบนั้นไม่แน่ชัด แต่เป็นการเสนอความเป็นไปได้ใหม่ๆ ที่เอื้อต่อสมมติฐานโดยรวมที่ดีขึ้น

แต่ก่อนที่คุณจะข้ามไปในเรื่องนั้น สิ่งสำคัญคือต้องดูข้อมูลทั้งเชิงคุณภาพและเชิงปริมาณควบคู่กันไปเพื่อให้มีความเข้าใจแบบองค์รวม วิเคราะห์การสืบค้นข้อมูลและการคิดเชิงวิพากษ์อย่างเท่าเทียมกัน

#2. สร้างสมมติฐานที่น่าเชื่อถือ

การปฏิบัติตามวิธีการทางวิทยาศาสตร์หมายความว่าคุณต้องสร้างสมมติฐานที่น่าเชื่อถือ ซึ่งเป็นโซลูชันที่เสนอซึ่งความถูกต้องต้องได้รับการประเมิน

Matt Beischel ผู้ก่อตั้ง CorvusCRO แบ่งปันองค์ประกอบหลัก 3 ประการของสมมติฐาน: ความเข้าใจ การตอบสนอง และผลลัพธ์

นี่คือตัวอย่างที่จะมีลักษณะดังนี้:

เพื่อช่วยให้คุณลดความซับซ้อนและสร้างมาตรฐานให้กับการสร้างสมมติฐาน เรามีตัวสร้างสมมติฐานสำหรับการทดสอบ A/B

ในขั้นตอนนี้ คุณต้องการทำความเข้าใจขนาดกลุ่มตัวอย่างและคำนวณจุดหยุดสำหรับการทดสอบตามนั้น ใช้เครื่องคำนวณนัยสำคัญของการทดสอบ A/B สำหรับสิ่งนั้น

เคล็ดลับจากผู้เชี่ยวชาญ:

เมื่อคุณทราบขนาดตัวอย่างและระยะเวลาที่คุณควรดำเนินการทดสอบแล้ว คุณต้องกำหนดลำดับความสำคัญในการทดสอบของคุณ คุณสามารถเลือกทดสอบส่วนต่างๆ ของกระบวนการ เช่น หน้าเดียว ทั้งเว็บไซต์ ป๊อปอัป หรือโฆษณาแบบชำระเงิน เป็นการดีที่สุดที่จะมุ่งเน้นที่ส่วนหนึ่งของกระบวนการในแต่ละครั้ง เพื่อให้คุณได้คำตอบที่ชัดเจนว่าการเปลี่ยนแปลงใดที่นำไปสู่ประสบการณ์ลูกค้าที่ดีขึ้นและอัตรา Conversion

Allan Borch ผู้ก่อตั้ง DotcomDollar.com

จัดลำดับความสำคัญสมมติฐานของคุณ

การทดลองมีข้อดีมากมาย คุณจึงมักจะเห็นผู้เชี่ยวชาญที่สนับสนุนการทดสอบทุกอย่าง อย่างไรก็ตาม คุณต้องจัดลำดับความสำคัญของการทดสอบที่คุณต้องเรียกใช้ตอนนี้ และการทดสอบใดที่รอได้ เนื่องจากทรัพยากรมีจำกัด ไม่ว่าบริษัทของคุณจะเล็กหรือใหญ่ก็ตาม

ดังนั้น ผู้ทดลองจึงถอยกลับไปใช้โมเดลการจัดลำดับความสำคัญ เช่น RICE, PIE, ICE หรือ PXL แต่ David Mannheim ที่ปรึกษา Personalization ชี้ให้เห็นว่าโมเดลเหล่านี้มีข้อบกพร่อง:

พวกเขาขาดความสอดคล้องกับบริบทที่กว้างขึ้นของธุรกิจ การจัดลำดับความสำคัญควรเป็นแบบบนลงล่าง โดยเน้นที่ภารกิจทางธุรกิจก่อน วัตถุประสงค์ทางธุรกิจที่สอง และอื่นๆ โมเดลการจัดลำดับความสำคัญส่วนใหญ่มุ่งเน้นไปที่ 'การดำเนินการ' กล่าวคือ สิ่งสุดท้ายภายในไดอะแกรมแบบลำดับชั้นแบบสามเหลี่ยมของการดำเนินการบนพื้นฐาน แนวคิด ปัญหาผู้ใช้ วัตถุประสงค์ของผลิตภัณฑ์ วัตถุประสงค์ทางธุรกิจ และภารกิจที่อยู่ด้านบนสุด

โมเดลเหล่านี้ยังใช้ "ความพยายาม" เป็นปัจจัยในการให้คะแนน ซึ่งหมายความว่าคุณไม่ได้สนใจคุณลักษณะของสิ่งปลูกสร้างที่อาจส่งผลกระทบมากที่สุดเพราะมันซับซ้อน ในที่สุด โมเดลเหล่านี้ขาดความเที่ยงธรรม

Andrea Saez ผู้จัดการอาวุโสฝ่ายการตลาดผลิตภัณฑ์ของ Product School กล่าวว่า

ไม่มีทางที่คุณจะรู้ถึงการเข้าถึง ผลกระทบ หรือความพยายามในหลายๆ สิ่งโดยไม่ได้ตรวจสอบอย่างถูกต้อง หากคุณกำลังทำงานในสิ่งที่ถูกต้อง แม้จะน้อยกว่านี้หากคุณไม่ได้พูดคุยกับใครเกี่ยวกับเรื่องนี้เลย แล้วคุณจะมีความมั่นใจ ได้อย่างไร?

คำตอบที่นี่คือการสร้างแบบจำลองการจัดลำดับความสำคัญของคุณเอง

ขั้นตอนที่ 1: รับแรงบันดาลใจจากตัวอย่าง

ขั้นตอนที่ 2: พิจารณาปัจจัยต่างๆ เช่น ความสอดคล้องกับวัตถุประสงค์ทางธุรกิจ ศักยภาพในการทำซ้ำ การเรียนรู้เฉพาะบริษัท และการลงทุนทรัพยากร

ขั้นตอนที่ 3: กำหนดน้ำหนักให้กับการทดสอบที่คุณต้องการเรียกใช้

ขั้นตอนที่ 4: ล้างและทำซ้ำจนกว่าคุณจะพบคำย่อที่เหมาะกับคุณ

#3. ปรับใช้การทดสอบ

คุณได้ทำการค้นคว้าแล้วและสร้างสมมติฐานที่น่าเชื่อถือ ตอนนี้ก็ถึงเวลาที่จะไปตี

การปรับใช้ที่ประสบความสำเร็จจำเป็นต้องมี 3 สิ่ง—แพลตฟอร์มการทดสอบ A/B ที่เหมาะสม ทีมที่เหมาะสมในการเขียนโค้ดการทดสอบ และ QA และการดีบัก

มาเริ่มกันที่อันแรกกันเลย

อะไรทำให้แพลตฟอร์มการทดสอบ A/B ที่ดีสำหรับ Shopify

ตามหลักการแล้ว คุณต้องการเครื่องมือเดียวที่ให้คุณทดสอบธีม ราคา เมนู คอลเลกชั่นผลิตภัณฑ์ หน้าค้นหา เรียกใช้การทดสอบหลายตัวแปร และติดตามรายได้

ปลั๊กอินจำนวนมากสามารถช่วยให้คุณบรรลุหนึ่งในสิ่งเหล่านี้ได้ แต่เรารู้อยู่แล้วว่าปลั๊กอินทำให้เกิดการล้นของโค้ด ซึ่งไม่ใช่ข่าวดีสำหรับ SEO หรือ Conversion ของคุณ

แพลตฟอร์มการทดสอบเฉพาะอย่าง Convert Experiences ผสานรวมกับร้านค้า Shopify ของคุณได้อย่างราบรื่น ช่วยให้คุณเรียกใช้การทดสอบทุกประเภทที่คุณต้องการ และมีแอปทดสอบ Shopify A/B แบบกำหนดเองที่คุณสามารถใช้ได้ ขจัดปัญหาโค้ดที่มากเกินไป

ถัดไป คุณต้องมีทีมที่เหมาะสมในการทดสอบ

หมายเหตุ: ผู้เขียนโค้ดและผู้เขียนโค้ดที่ทำงานกับทีมทดสอบ A/B มีความแตกต่างกัน

ในท้ายที่สุด การทดสอบจะไม่สมบูรณ์หากไม่มี QA และการดีบัก หากไม่มี QA ข้อผิดพลาดด้านความผันแปรสามารถเกิดขึ้นได้ ทำให้เกิดข้อผิดพลาดทางสถิติ ไม่ว่าจะเป็นผลบวกลวงหรือผลลบลวง ไม่ต้องพูดถึง คุณอาจลงเอยด้วยการรวบรวมข้อมูลที่ไม่ถูกต้องซึ่งให้คุณค่าเป็นศูนย์แก่ผู้เยี่ยมชมของคุณ

แนวทางปฏิบัติที่ดีที่สุด 4 ข้อสำหรับ QA ของการทดสอบ A/B มีดังนี้

• พัฒนากลยุทธ์ QA
• ระบุสิ่งที่จะ QA
• เน้นที่ประสบการณ์หน้าเพจ
• ปรับ QA ให้สอดคล้องกับเป้าหมายการแปลง

เคล็ดลับสำหรับมือโปร: หลีกเลี่ยงข้อผิดพลาดในการทดสอบ A/B มือใหม่เหล่านี้:

• คุณทดสอบแนวปฏิบัติที่ดีที่สุดของอุตสาหกรรมเท่านั้น
• คุณคอยดู "ผลลัพธ์" ของคุณ
• คุณยอมแพ้หลังจากการทดสอบหนึ่งครั้ง
• คุณล้มเหลวในการทำซ้ำและปรับปรุงในการชนะ
• คุณยุ่งกับการติดตามรายได้

#4. วิเคราะห์และเรียนรู้จากการทดสอบ A/B ของคุณ

ไม่ว่าคุณจะมีผู้ชนะหรือผู้แพ้อยู่ในมือ การวิเคราะห์สิ่งที่ได้ผลและเรียนรู้จากมันเพื่อโน้มน้าวการทดสอบ A/B ในอนาคตเป็นสิ่งสำคัญ

เพราะในขณะที่การทดสอบ A/B เป็นกลยุทธ์ในการเพิ่มรายได้ของคุณ คุณกำลัง "ซื้อข้อมูล" จากผู้ชมของคุณอย่างมีประสิทธิภาพด้วย

นี่คือกระบวนการ 7 ขั้นตอนในการเรียนรู้จากการทดสอบ A/B –

• ตรวจสอบให้แน่ใจว่าข้อมูลของคุณถูกต้อง ถูกต้อง และมีความสำคัญ
• ตรวจสอบตัวชี้วัดไมโคร มาโคร และรั้ว
• แบ่งส่วนผลลัพธ์ของคุณ
• ตรวจสอบพฤติกรรมผู้ใช้
• พัฒนาต่อไปสำหรับผู้ชนะ
• สร้างคลังการเรียนรู้สำหรับการทดสอบในอนาคต

ขั้นตอนสุดท้ายทำให้คุณสามารถเรียกใช้การทดสอบในอนาคตซึ่งได้รับการสนับสนุนจากการเรียนรู้ของการทดสอบครั้งก่อนของคุณ

เคล็ดลับจากผู้เชี่ยวชาญ: เตรียมพร้อมที่จะล้มเหลว

เป็นการยากที่จะคาดการณ์อัตรา Conversion สำหรับเว็บไซต์ของคุณ แม้ว่าคุณจะคิดว่าคุณได้สร้างการทดสอบ A/B ที่สมบูรณ์แบบแล้วก็ตาม ในฐานะผู้ประกอบการรายใหม่ ฉันเกือบจะยอมจำนนต่อความผิดหวังที่ไม่เห็นความสำเร็จในช่วงสองสามเดือนแรก ฉันไม่คุ้นเคยกับความล้มเหลวและผู้ประกอบการจำนวนมากก็เป็นแบบนี้ ควรเน้นเพื่อให้ผู้ใช้ได้รับประสบการณ์ที่ดีที่สุดและปล่อยให้มีที่ว่างสำหรับสิ่งที่ไม่คาดคิด

Leslie Radka ผู้ก่อตั้งและผู้จัดการการจ้างงานที่ GreatPeopleSearch

การทดสอบ A/B ในขอบเขตอื่นๆ ที่สามารถรวมกำไรจากร้านค้า Shopify ของคุณ

อย่ายึดติดกับเว็บไซต์ของคุณเพียงอย่างเดียว การทดสอบ A/B สามารถและควรนำไปใช้กับช่องทางอื่นและขอบเขตที่ลูกค้ามีส่วนร่วม

การทดสอบ A/B ป๊อปอัป (พร้อม Privy)

ป๊อปอัปเหล่านั้นที่คุณมีบนเว็บไซต์ของคุณ? คุณสามารถทดสอบ A/B ได้ด้วยเครื่องมืออย่าง Privy ทดลองกับพาดหัว ข้อเสนอ แบบฟอร์ม CTA หรือรูปภาพของคุณ

เครื่องมือแปลงของ Privy ช่วยให้คุณสามารถนำเสนอป๊อปอัปในรูปแบบต่างๆ และกำหนดเป้าหมายผู้เข้าชมตามชุดกฎ

อีเมลทดสอบ A/B

เมื่อพูดถึงการตลาดผ่านอีเมล การปรับปรุงหลัก 3 ประการจะปรากฏขึ้น ได้แก่ การส่งมอบ อัตราการเปิด และ CTR

คุณสามารถทดสอบอีเมลของคุณตามลำดับนี้:

• ขั้นแรกหัวเรื่องเพื่อปรับปรุงอัตราการเปิด
• จากนั้นคัดลอกเนื้อหาเพื่อให้แน่ใจว่ามีความเกี่ยวข้อง
• สุดท้าย CTA เพื่อรับการคลิกมากขึ้น

คุณสามารถทดสอบอะไรได้อีกในอีเมลของคุณ ดูคำแนะนำฉบับสมบูรณ์เกี่ยวกับอีเมลทดสอบ A/B

ผู้ประกอบการ 2 รายของ Shopify ใช้การทดสอบ A/B เพื่อขยายช่องทางการตลาดผ่านอีเมล [h5] #1 เพิ่มรายชื่ออีเมล 3 เท่าโดยใช้การทดสอบแบบแยกส่วน

กลยุทธ์ที่มีประสิทธิภาพที่สุดในการทดสอบเนื้อหาคือการทดสอบ A/B การทดสอบ A/B ได้พิสูจน์แล้ว วัดผลได้ ผลลัพธ์ในทันที ซึ่งบอกเราว่าฐานเนื้อหาอย่างใดอย่างหนึ่งหรืออย่างอื่นมีประสิทธิภาพมากกว่าในการแปลงลูกค้าให้ลงชื่อสมัครใช้อีเมล ซื้อสินค้า ฯลฯ

ในการค้าปลีก เมตริกที่ไร้สาระ เช่น การเข้าชมโดยตรงไปยังเว็บไซต์ของคุณมีประสิทธิภาพน้อยที่สุดสำหรับการวัดความสำเร็จของเนื้อหา ในขณะที่การทดสอบ A/B (เช่น การติดตามอัตราการแปลง การมีส่วนร่วมของผู้ใช้ ช่องทางอีเมล) มีประสิทธิภาพมากที่สุด เราทดสอบ CTA การสมัครรับอีเมลของเราด้วยการทดสอบแยก และ เพิ่มรายชื่ออีเมลของเรามากกว่าสามครั้ง ในแคมเปญเดียว ยิ่งคุณรู้จัก ICP ของคุณดีเท่าไร กลยุทธ์แบรนด์ของคุณก็จะยิ่งมีประสิทธิภาพมากขึ้นเท่านั้น ใช้การทดสอบ A/B เพื่อทำความเข้าใจกลุ่มประชากรเป้าหมายของคุณให้ดีขึ้น และป้อนเนื้อหาที่พวกเขาตอบสนองได้ดีที่สุด

แซค โกลด์สตีน, Public Rec

#2. เพิ่มอัตราการเปิดอีเมล 25% ด้วยอิโมจิในหัวเรื่อง

หลังจากดูการศึกษา ฉันต้องการทดสอบอัตราการเปิดโดยใช้อีโมจิในหัวเรื่องและไม่ใช้อีโมจิ การศึกษาบอกเป็นนัยว่าการใช้อีโมจิจะช่วยเพิ่มอัตราการเปิด แต่ฉันรู้สึกว่ามันอาจดูไม่เป็นมืออาชีพและเป็นสแปม

ฉันใช้แพลตฟอร์มอีเมล ActiveCampaign ควบคู่ไปกับ Shopify และจริงๆ แล้วฉันรวมทั้งสองระบบเข้าด้วยกันเพื่อเพิ่มการสื่อสารกับลูกค้าให้ได้มากที่สุด ActiveCampaign ให้ผู้ใช้ทำการทดสอบ A/B ได้หลายแบบ เพื่อให้สามารถเห็นสิ่งที่หลอกล่อกับผู้ชมเป้าหมายได้ เมื่อได้ผลลัพธ์แล้ว ฉันต้องยอมรับว่าฉันคิดผิดเพราะอีเมลที่มีอิโมจิในเรื่องนั้นได้รับอัตราการเปิดที่สูงขึ้น 25% มันปลอดภัยที่จะบอกว่าฉันค่อนข้างเสรีกับแป้นพิมพ์อีโมจิของฉันตั้งแต่นั้นมา และฉันก็สังเกตเห็นอัตราการแปลงที่เพิ่มขึ้นเช่น กัน

สเตฟานี เวนน์-วัตสัน, fatty15

การทดสอบ A/B บนโซเชียลมีเดีย

เช่นเดียวกับโฆษณาแบบชำระเงิน คุณสามารถทดสอบเนื้อหาออร์แกนิกของคุณบนโซเชียลเพื่อปรับปรุงการมีส่วนร่วม ส่วนหัว คัดลอก รูปภาพ และ CTA ทั้งหมดสามารถทดสอบ A/B ได้

เมื่อทำเช่นนี้ด้วยตนเอง ให้ปล่อยโพสต์ของคุณออกไปเพื่อให้มีช่องว่างที่เหมาะสมซึ่งจะช่วยให้คุณรวบรวมข้อมูลที่มีความหมายได้

หรือคุณสามารถใช้เครื่องมือจัดกำหนดการ เช่น ภายหลัง บัฟเฟอร์ หรือ MeetEdgar เพื่อทำให้การเผยแพร่เป็นแบบอัตโนมัติ

ข้อผิดพลาดในการทดสอบ A/B ของอีคอมเมิร์ซที่ควรหลีกเลี่ยง

ความต้องการความพึงพอใจในทันทีของเรายังซึมเข้าสู่การทดสอบ A/B ด้วย Jon Ivanco ผู้ร่วมก่อตั้ง Formtoro เชื่อว่าการทดสอบ A/B ส่วนใหญ่เป็นปฏิกิริยาตอบสนอง:

แบรนด์ต่างๆ ต้องการการแก้ไขด่วนที่คุ้มค่า พวกเขาเกลียดความคิดที่จะลงทุนในมุมมองและผลกำไรในระยะยาว ครั้งเดียวที่พวกเขาดูสิ่งเหล่านี้คือเมื่อสิ่งต่างๆ ไม่เป็นไปด้วยดี

มี "ผู้เชี่ยวชาญ" ที่ไม่ใช่ผู้เชี่ยวชาญ คำแนะนำที่ไม่ดีที่นำเสนอเป็นแนวทางปฏิบัติที่ดีที่สุด และการทดลองที่ออกแบบมาเพื่อเลือกผลไม้แขวนต่ำ

Ivanco แนะนำให้ทำสิ่งพื้นฐานให้ถูกต้องแทน:

– การทดสอบทั้งหมดไปยังหน้า Landing Page
– การทดสอบทั้งหมดจากผู้ชมเฉพาะ
– ทดสอบตัวแปรครั้งละหนึ่งตัว
– อย่าทดสอบเว้นแต่คุณมีสมมติฐานที่ชัดเจนและคุณสามารถเรียนรู้ได้ว่ามีบางอย่างถูกต้องหรือล้มเหลว
– ทำแบบทดสอบทั้งหมดจากมุมมองของการเดินทางของลูกค้า
– สิ่งเล็ก ๆ เป็นส่วนหนึ่งของห่วงโซ่ที่ใหญ่กว่า พยายามแยกสิ่งต่าง ๆ ให้มากที่สุดทีละขั้น

ให้ความเป็นส่วนตัวเป็นความคิด

ไม่มีใครอยากเป็นหนูทดลองโดยไม่ได้ตั้งใจ

ฟันเฟืองของการศึกษาการติดต่อทางอารมณ์ของ Facebook 2014 เป็นข้อพิสูจน์ แม้แต่การอัปเดตความเป็นส่วนตัวของ Apple ก็ส่งสัญญาณว่าผู้ใช้ให้ความสำคัญกับความเป็นส่วนตัวและไม่ต้องการถูกหลอกให้ซื้อสินค้า

กฎหมายเกี่ยวกับความเป็นส่วนตัว—ที่มีอยู่และกำลังจะมา—จะพัฒนาต่อไป ทุกครั้งที่เกิดการเปลี่ยนแปลงครั้งสำคัญ มันจะส่งผลเสียต่อธุรกิจของคุณ เว้นแต่ว่าคุณจะเริ่มคิดถึงผู้ใช้เป็นอันดับแรก และนำการทดสอบ A/B อย่างมีจริยธรรมมาใช้ในกลยุทธ์ของคุณ

แล้วมันมีความหมายอะไรกับคุณบ้าง?

• รักษาความเป็นส่วนตัวของข้อมูลอย่างจริงจังเมื่อทำการรวบรวมข้อมูล
• เลิกใช้กลวิธีบงการ
• จัดเก็บและประมวลผลข้อมูลอย่างปลอดภัย
• เคารพความยินยอมของผู้ใช้และอนุญาตให้พวกเขาเลือกไม่รับการทดลอง

ทำอย่างนั้นและคุณจะพิสูจน์การทดสอบ A/B ของคุณในอนาคตและสร้างความสัมพันธ์ที่ดีขึ้นกับผู้ชมของคุณ