คุณจะเพิ่มความเร็วการทดสอบได้อย่างไร? ทำไมคุณถึงต้องการโปรแกรมความเร็วสูง?

โดยปกติ หากคุณเรียกใช้การทดสอบ CRO 4 ครั้งในแต่ละเดือน (นั่นคือการทดสอบ/สัปดาห์) และหาก 10% ของการทดสอบของคุณชนะ แสดงว่าคุณกำลังใช้โปรแกรมเพิ่มประสิทธิภาพที่ดี นั่นเป็นความสามารถในการทดสอบที่ดีและอัตราการชนะที่ดี

ยิ่งไปกว่านั้น ถ้าคุณจัดการการยกระดับที่ดีสำหรับการทดสอบที่ชนะและประสิทธิภาพของโปรแกรมของคุณดีขึ้นเรื่อยๆ เมื่อเวลาผ่านไป

แต่โปรแกรมเพิ่มประสิทธิภาพส่วนใหญ่ทำงานได้ไม่ดีนัก

อันที่จริง มีบริษัทเพียง 22% เท่านั้นที่พอใจกับความพยายาม CRO ของพวกเขา

ซึ่งหมายความว่า 78% ของบริษัทต่างๆ สามารถเพิ่มประสิทธิภาพโปรแกรมเพิ่มประสิทธิภาพของตนได้

แต่ยังไง…

สิ่งที่ฆ่าโปรแกรมเพิ่มประสิทธิภาพการแปลงส่วนใหญ่

ปัญหาของโปรแกรมเพิ่มประสิทธิภาพส่วนใหญ่คือโปรแกรมเหล่านี้ไม่ได้ออกแบบมาเพื่อความสำเร็จในระยะยาว แต่พวกเขาเติบโตบนพื้นฐานการทดสอบโดยการทดสอบ

โปรแกรมดังกล่าวส่วนใหญ่มีประสิทธิภาพ (หรือไม่) เท่ากับการทดสอบครั้งล่าสุดเท่านั้น

และบริษัทที่ดำเนินการนั้นมองว่าการนำการทดลองไปใช้นั้นถือเป็นชัยชนะ มุมมองสายตาสั้นของพวกเขาทำให้พวกเขาไม่สามารถพัฒนาโครงสร้างพื้นฐานเพื่อสนับสนุนโปรแกรมการทดสอบที่สม่ำเสมอและมีคุณภาพ

แม้ว่าการดำเนินการที่ดีเป็นสิ่งจำเป็นสำหรับการทดสอบใดๆ ก็ตาม แต่ถึงแม้การทดสอบที่ไม่ดีก็สามารถดำเนินการได้อย่างดี

แต่ไม่มีใครชนะเมื่อสิ่งนี้เกิดขึ้น

การมุ่งเน้นที่การดำเนินการเพียงอย่างเดียวและไม่ใช้เวลาและความพยายามเพียงพอกับขั้นตอนต่างๆ เช่น การคิด การตั้งสมมติฐาน และการบันทึก/การเรียนรู้ ซึ่งเป็นตัวกำหนดคุณภาพของการทดลองจริงๆ มักจะส่งผลให้เกิดความสำเร็จในระยะสั้นเท่านั้น

มาดูกันว่าคุณจะเพิ่มความเร็วในการทดสอบและเรียกใช้โปรแกรมเพิ่มประสิทธิภาพที่ดีได้อย่างไร หากคุณใช้งานอยู่แล้ว คุณสามารถใช้เคล็ดลับเหล่านี้เพื่อปรับปรุงอัตราการชนะและประสิทธิภาพโดยรวมของโปรแกรมได้

ไปเลย

วิธีสร้างแนวคิดเพิ่มเติมเพื่อทดสอบ

หากต้องการเรียกใช้ (อย่างน้อย) 4 การทดสอบในแต่ละเดือน คุณต้องมีไปป์ไลน์ที่เต็มไปด้วยแนวคิดในการทดสอบ หากไม่มี "คลังความคิด" คุณจะไม่สามารถสนับสนุนความเร็วการทดสอบที่ดีและสม่ำเสมอได้

อย่างไรก็ตาม ในโปรแกรม CRO ส่วนใหญ่ การทดสอบจะถูกวางแผนเมื่อมีคนในทีมมีการทดสอบ CRO อย่างศักดิ์สิทธิ์

ตามหลักการแล้ว คุณควรมีแนวคิดในการทดสอบคุณภาพหลั่งไหลเข้ามาอย่างต่อเนื่องในโปรแกรมการทดสอบของคุณ แนวคิดการทดสอบเหล่านี้อาจมาจาก:

• เจาะลึกข้อมูลที่เครื่องมือ CRO ของคุณสร้างขึ้น วิธีที่ดีที่สุดในการระบุแนวคิดการทดสอบคือการเจาะลึกข้อมูลของคุณ โซลูชันการวิเคราะห์ของคุณ เช่น Google Analytics, Kissmetrics, Mixpanel เป็นต้น เป็นแหล่งข้อมูลที่ยอดเยี่ยมสำหรับการค้นหาหน้าเว็บที่คุณสูญเสียคนส่วนใหญ่หรือผู้ที่มีอัตราการมีส่วนร่วมต่ำ เครื่องมือต่างๆ เช่น Hotjar, Clicktale และ Decibel จะแสดงให้คุณเห็นว่าผู้ใช้ทำอะไรบนเว็บไซต์ของคุณ และสามารถช่วยระบุจุดเชื่อมต่อ Conversion ที่แท้จริงของคุณได้ จากนั้นมีโซลูชันต่างๆ เช่น UserTesting, UsabilityHub และ Usabilla ที่ให้คุณรวบรวมความคิดเห็นเชิงคุณภาพจำนวนมากที่สามารถแปลเป็นโอกาสที่สำคัญสำหรับการทดสอบ แม้ว่าการตรวจสอบไซโลข้อมูลจำนวนมากจะเป็นเรื่องยาก แต่สิ่งเหล่านี้คือที่มาของแนวคิดการทดสอบที่ชนะอย่างแท้จริง

• ดำเนินการตรวจสอบ CRO ด้วยตนเอง การตรวจสอบเว็บไซต์ของคุณสำหรับ CRO จะเผยให้เห็นช่องว่างการเพิ่มประสิทธิภาพที่มีค่าที่สุดบางส่วนสำหรับการทดสอบ การดำเนินการตรวจสอบ CRO บังคับให้คุณพิจารณาทุกแง่มุมของเว็บไซต์ของคุณอย่างเป็นระบบ (และอื่น ๆ ) และดูว่าคุณอาจสูญเสียเงินที่ใด

• ใช้การประเมิน เช่น Stuck Score เพื่อระบุ “อุปสรรคในการแปลง” ในเว็บไซต์ของคุณ คุณยังสามารถใช้การประเมิน เช่น Stuck Score ที่จะเปิดเผยปัญหาการแปลงบนเว็บไซต์ของคุณและเสนอแนวคิดที่ยอดเยี่ยมในการทดสอบ เครื่องมือเหล่านี้มีความชาญฉลาดและสามารถระบุโอกาสในการทดสอบทั่วทั้งเว็บไซต์ของคุณได้อย่างแม่นยำ

เมื่อคุณเริ่มใช้แหล่งที่มาเหล่านี้ คุณควรจะสร้างกระแสความคิดที่สอดคล้องกันได้

แต่การสร้างแนวคิดในการทดสอบคุณภาพเป็นเพียงแง่มุมหนึ่งของปัญหานี้ อีกประการหนึ่งคือการขาดการสื่อสารและการทำงานร่วมกันในความคิดที่อยู่ระหว่างการพิจารณา นี้อาจดูเหมือนเล็กน้อย (เพราะว่าคุณต้องการเพียงข้อมูลใช่ไหม) แต่ปัญหาเหล่านี้ส่งผลกระทบอย่างมากต่อผู้คนของคุณ และอาจบิดเบือนวัฒนธรรมการทดลองของคุณ

ตัวอย่างเช่น ใช้การทดสอบสีน้ำเงิน 41 เฉดอันโด่งดังที่ Google พยายามทำ การทดลองของ Google ซึ่งได้รับข้อมูลตามที่เป็นอยู่ ยังคงถูกวิพากษ์วิจารณ์ว่าใช้วิธีการที่นำโดยวิศวกร นี่คือสิ่งที่ Douglas Bowman ซึ่งทำงานเป็นนักออกแบบภายในของ Google รู้สึกกับวิธีที่ Google จัดการกับการทดลอง: “ ใช่ เป็นความจริงที่ทีมของ Google ไม่สามารถตัดสินใจระหว่างสองบลูส์ ดังนั้นพวกเขาจึงทดสอบ 41 เฉดสีระหว่างสีน้ำเงินแต่ละอัน เพื่อดูว่าอันไหนทำงานได้ดีกว่ากัน ฉันมีการอภิปรายเมื่อเร็วๆ นี้ว่าเส้นขอบควรมีความกว้าง 3, 4 หรือ 5 พิกเซลหรือไม่ และถูกขอให้พิสูจน์กรณีของฉัน ฉันไม่สามารถทำงานในสภาพแวดล้อมแบบนั้นได้ ฉันเบื่อที่จะโต้เถียงกันเกี่ยวกับการตัดสินใจออกแบบเล็กๆ น้อยๆ เช่นนี้”

หากไม่ได้แชร์แนวคิดที่คุณกำลังพิจารณาและมีส่วนร่วมกับทีม คุณจะไม่สามารถสร้างวัฒนธรรมการทดลองแบบรวมทุกอย่างที่ทุกคนต้องการเป็นส่วนหนึ่งได้

ด้วยเครื่องมือ CRO เช่น Compass (จาก Convert Suite ของเรา) คุณสามารถอำนวยความสะดวกให้กับแนวคิดการทำงานร่วมกันที่มีข้อมูลสำรองและทำงานร่วมกันได้อย่างง่ายดาย คอมพาสช่วยให้คุณคิดไอเดียการทดสอบที่มีข้อมูลสำรองโดยรวบรวมแหล่งข้อมูลต่างๆ ของคุณ และยังแนะนำแนวคิดในการทดสอบตามข้อมูลเชิงลึกจาก Stuck Score คอมพาสยังให้คุณเชิญสมาชิกในทีมและมีส่วนร่วมกับพวกเขาด้วยตัวเลือกสำหรับคำติชมและอื่นๆ

การสร้างสมมติฐานที่มีข้อมูลสำรองและการจัดลำดับความสำคัญที่เน้นเลเซอร์

เมื่อคุณมีแนวคิดในการทดสอบแล้ว คุณจะพบว่าแนวคิดบางส่วนนั้นชัดเจน ตัวอย่างเช่น หากคุณได้รับความคิดเห็นจากผู้ใช้ว่าเนื้อหาของคุณไม่สามารถอ่านได้ (และกลุ่มประชากรเป้าหมายของคุณคือ ผู้ที่มีอายุมากกว่าสี่สิบปี) คุณอาจใช้แนวคิดในการเพิ่มขนาดแบบอักษรหรือเปลี่ยนสีได้อย่างเหมาะสม ห่างออกไป. เพราะเป็นการแก้ไขเพียง 1 นาทีด้วยการเปลี่ยนแปลงโค้ด CSS เล็กน้อย

แนวคิดบางอย่างของคุณอาจดูมีความหวังและควรค่าแก่การทดสอบโดยสิ้นเชิง แต่คุณยังคงต้องมองหาจุดข้อมูลที่ "เพียงพอ" เพื่อสนับสนุนพวกเขา [เพิ่มเติมเกี่ยวกับเรื่องนี้ในอีกสักครู่...]

และแนวคิดบางอย่างที่คุณเพียงแค่ต้องละทิ้งเพราะว่าแนวคิดเหล่านั้นจะคลุมเครือและคุณจะไม่มีทางตรวจสอบได้ ตัวอย่างเช่น หากการตรวจสอบ CRO ของคุณแสดงว่าคุณมีคะแนน NPS ต่ำ และคุณพบว่านั่นเป็นสาเหตุของ Conversion ที่ไม่ดี คุณอาจใช้การทดสอบง่ายๆ เพื่อแก้ไขไม่ได้

ในจำนวนนี้ แนวคิดที่สามารถแปลเป็นสมมติฐานที่ชัดเจนได้คือโอกาสในการทดสอบที่แท้จริงของคุณ

แต่คุณต้องการข้อมูลจำนวนมากเพื่อรองรับสมมติฐานแต่ละข้อที่คุณตั้งขึ้น ตัวอย่างเช่น หากคุณตั้งสมมติฐานว่า การเพิ่มประสิทธิภาพประสบการณ์หน้า Landing Page สำหรับอุปกรณ์เคลื่อนที่จะส่งผลให้มี Conversion สูงขึ้น คุณจะต้องมีจุดข้อมูลจำนวนมากเพื่อรองรับ ในกรณีนี้ นี่คือข้อมูลบางส่วนที่คุณสามารถใช้ได้:

1. Conversion มือถือต่ำ — ข้อมูลผ่านโซลูชันการวิเคราะห์เว็บของคุณ เช่น Google Analytics
2. การลดลงที่สูงผิดปกติสำหรับการเข้าชมบนมือถือ — อีกครั้ง ข้อมูลผ่านโซลูชันการวิเคราะห์เว็บของคุณ เช่น Google Analytics
3. คำติชมที่ไม่ดีจากลูกค้า — ข้อมูลผ่านโซลูชันการทดสอบผู้ใช้ของคุณ

อย่างที่คุณเห็น ข้อมูลเพื่อสร้างสมมติฐานนี้ค่อนข้างสมดุลเมื่อคุณป้อนข้อมูลจากแหล่งข้อมูลหลายแหล่ง คุณยังมีทั้งข้อมูลเชิงปริมาณและเชิงคุณภาพ ตามหลักการแล้ว คุณควรหาข้อมูลที่สมดุลดังกล่าวเพื่อสนับสนุนแนวคิดที่ “คุ้มค่าในการทดสอบ” ทั้งหมดของคุณ

แต่คุณยังไม่เสร็จ

เพราะหลังจากที่คุณพร้อมกับสมมติฐานที่ดีทั้งหมดแล้ว คุณต้องมีวิธีให้คะแนนหรือจัดลำดับความสำคัญของสมมติฐานเหล่านั้น การทำเช่นนี้จะบอกคุณว่าควรลองใช้สมมติฐานใดก่อน หรือเลยก็ได้ คำแนะนำ: “มาทดสอบการออกแบบเว็บไซต์ใหม่กัน!!! มันจะทำให้ยอดขายของเราพุ่งสูงขึ้น” มักจะเป็นสมมติฐานที่แย่มาก

มีหลายปัจจัยในการตัดสินใจว่าการทดสอบสมมติฐานในทางปฏิบัติเป็นอย่างไร เวลาในการใช้งานและความยากง่าย และผลกระทบที่อาจเกิดขึ้นกับการแปลงจะต้องได้รับการพิจารณาที่นี่

แต่บริษัทส่วนใหญ่ไม่มีรูปแบบการจัดลำดับความสำคัญสำหรับเรื่องนี้ ซึ่งมักจะส่งผลให้มีการเปิดตัวการทดสอบที่ทะเยอทะยาน เช่น ยกเครื่องการออกแบบครั้งใหญ่ที่ใช้แบนด์วิดท์ CRO ของทั้งเดือนจนหมด ซึ่งหมายความว่าคุณไม่สามารถวางแผนหรือเรียกใช้การทดสอบอีกต่อไป อย่างน้อยก็ในเดือนนั้น ส่วนที่แย่ที่สุดคือการทดสอบที่ทะเยอทะยานก็ไม่รับประกันผลลัพธ์ที่สำคัญใดๆ

เพื่อหลีกเลี่ยงปัญหานี้ คุณสามารถใช้เฟรมเวิร์กการจัดลำดับความสำคัญ PXL จาก CXL กรอบการทำงานนี้บังคับให้คุณต้องคิดในระดับที่ละเอียดมาก เช่น การทำความเข้าใจการเปลี่ยนแปลงที่เสนอให้ดีขึ้น การประเมินว่าจะจัดการกับปัญหาที่ค้นพบระหว่างการวิจัยอย่างไร ผลกระทบที่อาจเกิดขึ้น และความพยายามในการดำเนินการ

คุณยังสามารถตรวจสอบกรอบ PIE และ ICE Score เพื่อจัดลำดับความสำคัญของสมมติฐานของคุณได้

วิธีที่ชาญฉลาดยิ่งขึ้นในการจัดลำดับความสำคัญของสมมติฐานคือการใช้เครื่องมือ CRO ที่สามารถบอกคุณได้ว่าการทดสอบนั้นใช้ทรัพยากรและเวลามากเพียงใด ตัวอย่างเช่น Compass ให้ค่าประมาณที่ดีสำหรับสมมติฐานทั้งหมดของคุณ

เรียนรู้จากการทดสอบ A/B ของคุณ

การทดสอบไม่สามารถสรุปได้

สำหรับโปรแกรมเพิ่มประสิทธิภาพอัตรา Conversion ส่วนใหญ่ คุณจะได้รับการทดสอบที่มีนัยสำคัญทางสถิติถึง 20% ต่ำ

ดังนั้นการเรียนรู้ทั้งหมดจึงต้องกลับไปสู่การผสมผสานการทดสอบและถูกนำมาใช้เพื่อสร้างแนวคิดและสมมติฐานที่ดีขึ้นและละเอียดยิ่งขึ้น

ไม่เพียงแค่นั้น การทดสอบที่ชนะก็อาจกลายเป็นผู้แพ้ได้เช่นกัน เมื่อเวอร์ชันผู้ท้าชิงชนะ แต่รายได้มาจากรถถัง

นอกจากนี้ หากสมมติฐานเป็นสมมติฐานที่ชัดเจนและมีข้อมูลสำรอง เป็นเรื่องปกติที่จะสร้างการทดลองติดตามผลประมาณ 3-4 ครั้ง (แม้ว่าการทดสอบครั้งแรกจะชนะ!)

ซึ่งหมายความว่า แค่ตีความและบันทึกผลการทดสอบของคุณยังไม่พอ ในการวางแผนการทดสอบซ้ำที่มีความหมาย คุณต้องจัดทำเอกสารขั้นตอนการทดสอบทั้งหมดของคุณทุกครั้งที่ทำการทดสอบ

ด้วยการบันทึกข้อมูลการสังเกตและการเรียนรู้ LinkedIn สามารถติดตามผลการทดสอบที่ล้มเหลว ซึ่งจริง ๆ แล้วเป็นผู้ชนะในคุณสมบัติหลักที่กำลังทดสอบ นี่คือสกู๊ปแบบเต็ม:

ในปี 2013 LinkedIn Search เริ่มต้นการทดลองครั้งสำคัญ โดยเปิดตัวฟังก์ชันการค้นหาแบบรวมที่อัปเกรดแล้ว โดยพื้นฐานแล้ว LinkedIn Search นั้น “ฉลาดพอ” ในการค้นหาจุดประสงค์ของการค้นหาโดยอัตโนมัติโดยไม่ต้องใช้คุณสมบัติที่จำเป็น เช่น “ผู้คน” หรือ “งาน” หรือ “บริษัท” หน้า Landing Page ของการค้นหาได้รับการปรับปรุงใหม่ทั้งหมดสำหรับรุ่นนี้ — ทุกอย่างถูกต้องตั้งแต่แถบนำทางไปจนถึงปุ่มและตัวอย่างได้รับการทำใหม่ ดังนั้นผู้ใช้จึงเห็นการเปลี่ยนแปลงมากมาย

แต่การทดลองล้มเหลวและ LinkedIn รู้สึกประหลาดใจที่เห็นถังเมตริกที่สำคัญ

ตอนนี้ทีมตัดสินใจย้อนกลับไปยังการออกแบบดั้งเดิมโดยย้อนรอยการเปลี่ยนแปลงทีละครั้ง เพื่อให้สามารถระบุการเปลี่ยนแปลงที่ผู้ใช้ทำได้ไม่ดี ในระหว่างการย้อนกลับที่ใช้เวลานานนี้ LinkedIn พบว่าไม่ใช่การค้นหาแบบรวมศูนย์ที่ผู้คนไม่ชอบ แต่เป็นกลุ่มของการเปลี่ยนแปลงเล็กๆ น้อยๆ หลายอย่างที่ทำให้จำนวนคลิกและรายได้ลดลง เมื่อ LinkedIn แก้ไขปัญหาเหล่านี้แล้ว การค้นหาแบบรวมศูนย์ก็แสดงให้เห็นว่าผู้ใช้ได้รับประสบการณ์ที่ดีและเปิดตัวสำหรับทุกคน

ดังนั้น ไม่ว่าจะเป็นการทดสอบ A/B แบบง่ายๆ หรือการทดสอบแบบหลายตัวแปรที่ซับซ้อน การทดสอบใดๆ ที่คุณเปิดตัวควรมีการบันทึกไว้อย่างละเอียด การเรียนรู้ของมันจะต้องมีการจัดทำเป็นเอกสารเช่นกัน ด้วยการทำเช่นนี้ คุณสามารถมั่นใจได้ว่าการทดสอบในอนาคต (หรือติดตามผล) ของคุณนั้นดีกว่าการทดสอบก่อนหน้าของคุณจริงๆ

ด้วยเครื่องมือ CRO เช่น Convert Compass คุณสามารถสร้างฐานความรู้ของแนวคิด การสังเกต สมมติฐาน และการเรียนรู้ เพื่อให้ทั้งทีมของคุณสามารถเรียนรู้และเติบโตไปด้วยกัน ไม่เพียงแค่นั้น Compass ยังใช้สิ่งที่คุณได้เรียนรู้เพื่อเสนอแนะสมมติฐานที่คุณสามารถลองต่อไปได้

ห่อมันขึ้น ...

การเพิ่มประสิทธิภาพการคิด การตั้งสมมติฐาน และการเรียนรู้ส่วนต่างๆ ของโปรแกรม CRO ของคุณ ทำให้คุณสามารถปรับปรุงคุณภาพของการทดสอบได้อย่างมาก และด้วยการร่วมมือและมีส่วนร่วมกับทุกคนของคุณเกี่ยวกับสิ่งเหล่านี้ คุณสามารถสร้างและเพิ่มวัฒนธรรมการทดลองแบบรวมทุกอย่างได้

คุณอาจพบว่าเป็นการยากที่จะรวบรวมข้อมูลทั้งหมดของคุณเมื่อมีความคิดหรือประสบกับข้อมูลล้นเหลือเมื่อตั้งสมมติฐาน (และจัดลำดับความสำคัญ) หรือแม้แต่ต่อสู้กับการจัดทำเอกสารหรือใช้การเรียนรู้เพื่อติดตามการทดลองของคุณ แต่สิ่งเหล่านี้จะช่วยให้คุณเพิ่มการทดสอบได้ ความเร็วและกำหนดรากฐานสำหรับความสำเร็จ CRO ในระยะยาวของคุณ

หากคุณต้องการใช้เครื่องมือ CRO ที่จะทำทุกอย่างให้คุณ ลงชื่อสมัครใช้ด้านล่าง

คอมพาสช่วยคุณด้วยแนวคิดที่มีข้อมูลสำรอง (โดยรวบรวมข้อมูลทั้งหมดจากไซโลข้อมูลต่างๆ ของคุณและป้อนข้อมูลจาก Stuck Score ที่แนะนำแนวคิดให้ลองใช้ก่อน) การจัดลำดับความสำคัญที่มีความหมาย (โดยบอกคุณว่าการทดสอบนั้นยาก ง่าย หรือส่งผลกระทบเพียงใด ) และเอกสารการเรียนรู้ของคุณ (โดยรวบรวมความคิด การวิจัยข้อมูล การสังเกต ผลลัพธ์ การเรียนรู้ และอื่นๆ ทั้งหมดของคุณไว้ในที่เดียว!)