วิธีการนำเสนอ Shopify Metrics ในรายงานการทดสอบ A/B เพื่อให้เห็นคุณค่าที่ชัดเจน

การสร้างรายงานการทดสอบ A/B ของ Shopify ที่เป็นตัวเอกมีแง่มุมหลักสองประการ—การเลือกตัวชี้วัดที่เหมาะสมและการรู้วิธีนำเสนอ

การเลือกเมตริกของคุณจะส่งผลต่อผลลัพธ์ของการทดสอบ และกำหนดจุดเน้นของโปรแกรมการเพิ่มประสิทธิภาพทั้งหมด

PS อย่าเลือกเมตริกมากเกินไป ใช้กฎ Goldilocks: ไม่มากและไม่น้อยเกินไป มากเกินไปและคุณจะพบ "ผู้ชนะ" ใน ทุก การทดลอง น้อยเกินไปและคุณจะสูญเสียการเรียนรู้ที่อาจเกิดขึ้นและอาจส่งผลกระทบต่อตัวชี้วัดหลักอื่นๆ ในเชิงลบ

และเมื่อต้องนำเสนอเมตริกเหล่านี้ในรายงาน Shopify ของคุณ ให้คิดให้ครอบคลุมแต่มีความคล่องตัว แต่งภาพด้วยตัวเลขเพื่อเน้นการเปลี่ยนแปลงที่สำคัญและแนวโน้มหรือรูปแบบของตัวชี้วัดที่นำไปสู่การเปลี่ยนแปลง

หากไม่มีรายงานที่นำเสนอข้อค้นพบที่มีความหมายต่อผู้นำ อาจเป็นเรื่องยากที่จะรับการทดลองเพิ่มเติมหรือพิสูจน์ ROI ของการทดสอบ A/B

บางทีการเรียนรู้ของคุณอาจเป็นความเสี่ยงทั้งหมดที่คุณหลีกเลี่ยงได้จากการไม่นำเสนอแนวคิดหรือข้อมูลเชิงลึกที่ไม่ดีที่คุณได้รับเมื่อคุณสูญเสียรูปแบบต่างๆ แต่ส่วนใดส่วนหนึ่งแสดงสัญญาหรือตัวชี้วัดที่เคลื่อนไหวไปในทางที่ไม่คาดคิด และตอนนี้คุณต้องเข้าใจว่าเหตุใดจึงเกิดขึ้นจากการทดลองและพิสูจน์สาเหตุ

บรรทัดล่าง: สร้างรายงานที่ง่ายต่อการตีความและช่วยทีมทดลองถ่ายทอดคุณค่าของความพยายาม—ชัยชนะที่แท้จริง การเรียนรู้ และข้อมูลเชิงลึก—ไปยังผู้มีส่วนได้ส่วนเสียด้วยความชัดเจน

เมตริกยอดนิยมของ Shopify เพื่อติดตามในการทดสอบ A/B และความหมาย

แม้ว่าตัววัดที่ คุณ ควรติดตามจะขึ้นอยู่กับสมมติฐานของคุณ แต่นี่คือตัววัดบางส่วนจาก Shopify ที่คุณควรพิจารณาติดตามดู

• คำสั่งซื้อทั้งหมด : จำนวนคำสั่งซื้อที่วางไว้

• ยอดขายรวม: ยอดเงินรวมแบ่งตามช่องทางการขาย
  สูตร : ยอดขายรวม – ส่วนลด – การคืนเงิน + ค่าขนส่ง + ภาษี

• หน้า Landing Page ยอดนิยม: แสดงหน้าที่ลูกค้าเริ่มเซสชัน
  
• มูลค่าการ สั่งซื้อเฉลี่ย : มูลค่า เฉลี่ยของคำสั่งซื้อทั้งหมด (ลบด้วยบัตรของขวัญ) หารด้วยจำนวนคำสั่งซื้อทั้งหมด

• อัตรา Conversion ของร้านค้าออนไลน์: เปอร์เซ็นต์ของเซสชันที่ทำให้เกิดคำสั่งซื้อ
  
  
  • เพิ่มในรถเข็นแล้ว: จำนวนและเปอร์เซ็นต์ของเซสชันที่ลูกค้าเพิ่มสินค้าอย่างน้อยหนึ่งรายการในรถเข็น
    สูตร : ((เซสชันที่มีการดูรายการรถเข็น) / (เซสชันทั้งหมด))*100
  • ถึงการชำระเงินแล้ว: จำนวนและเปอร์เซ็นต์ของเซสชันที่ผู้ซื้อเพิ่มสินค้าอย่างน้อยหนึ่งรายการในรถเข็น ไปถึงขั้นตอนการชำระเงินและดำเนินการใดๆ
  • เซสชันที่แปลงแล้ว: จำนวนและเปอร์เซ็นต์ของเซสชันที่ผู้ซื้อเพิ่มสินค้าอย่างน้อยหนึ่งรายการลงในรถเข็น ไปถึงขั้นตอนการชำระเงินแล้วทำการซื้อ
• อัตรารถเข็นที่ถูกละทิ้ง: เปอร์เซ็นต์ของรถเข็นที่ลูกค้าละทิ้งก่อนที่จะถึงขั้นตอนการชำระเงิน
  สูตร : (1 – (จำนวนการซื้อที่เสร็จสมบูรณ์ / จำนวนการขายที่เริ่มต้น))*100

• อัตราตีกลับ: เปอร์เซ็นต์ของเซสชันการมีส่วนร่วมครั้งเดียว
  สูตร: เซสชันหนึ่งหน้าทั้งหมด / การเข้าชมทั้งหมด

คุณยังสามารถติดตามลูกค้าใหม่ ลูกค้าที่กลับมา ช่องทางการอ้างอิง (SEO โซเชียลมีเดีย โดยตรง หรืออีเมล) และการขายตามสถานที่

เราถามนักเพิ่มประสิทธิภาพ Shopify กว่า 50 รายผ่าน HARO เกี่ยวกับเมตริกที่พวกเขาต้องการติดตามและรายการโปรดที่ชัดเจนสองสามรายการก็ปรากฏขึ้น:

• อัตราการแปลง (CR)
• อัตราการคลิกผ่าน (CTR)
• มูลค่าการแปลง
• เวลาบนเพจ
• อัตราตีกลับ
• เลื่อนความลึก
• การมีส่วนร่วมในหน้าเฉพาะ – เช่นหน้าแคตตาล็อก/หมวดหมู่
• ความลึกของการนำทางไซต์
• การดูเพจ
• มุมมององค์ประกอบ
• หยิบใส่ตะกร้า
• การซื้อสุทธิ
• เวลาในการชำระเงิน
• AOV
• กรมอุทยานฯ (หลังการซื้อ)
• รายได้เฉลี่ยต่อผู้เข้าชม
• อัตรารถเข็นที่ถูกละทิ้ง
• กำไรสุทธิ

ความจริงก็คือ เมื่อพูดถึงการติดตามเมตริก ไม่มีคำตอบที่เหมาะกับทุกขนาด เมตริกที่สำคัญที่สุดในการติดตามจะแตกต่างกันไปตามเป้าหมายและวัตถุประสงค์เฉพาะของคุณ

สำหรับร้านค้า Shopify บางร้าน อาจมีลักษณะดังนี้:

เป้าหมายที่ฉันโปรดปรานในการติดตามบนร้านค้า Shopify คือ

1. กระตุ้นการคลิกผ่านบนโฆษณา
2. เพิ่มยอดขายสินค้าเฉพาะ
3. ปรับปรุงการนำทางของหน้าหลัก

เจสสิก้า แคทส์ ผู้เชี่ยวชาญด้านอีคอมเมิร์ซและการค้าปลีกที่ Soxy

Shopify Analytics: ตัวชี้วัด 3 ประการที่คุณควรให้ความสำคัญเป็นพิเศษ

ที่ Convert เราขอให้เจ้าของร้านค้า Shopify ให้ความสนใจเป็นพิเศษกับ 3 ตัวชี้วัด:

1. อัตราการแปลง (CR) – มีความเสี่ยงที่จะระบุอย่างชัดเจน อัตราการแปลงของคุณอาจเป็นตัวบ่งชี้ที่ดีถึงความสำเร็จหรือความล้มเหลวของการทดสอบของคุณ ในที่สุด คุณต้องการยอดขายเพิ่มขึ้นและรายได้เพิ่มขึ้น แต่นี่อาจไม่ใช่เมตริกที่ดีที่สุดหากคุณไม่ได้พยายามวัดว่าการกระทำของคุณส่งผลต่อผู้ที่ดำเนินการในไซต์ของคุณอย่างไร
   
   อ่านต่อไปเพื่อค้นหาว่าตัวชี้วัดใดที่สำคัญที่สุด!

2. มูลค่าการสั่งซื้อเฉลี่ย (AOV) : แม้ว่า AOV จะไม่ใช่ตัวชี้วัดที่สมบูรณ์ที่สุด แต่คุณควรพิจารณาตรวจสอบ เป็นการบ่งชี้ความสามารถในการทำกำไรในกลุ่มต่างๆ ซึ่งเป็นตัวชี้วัดแบบกว้างๆ ที่วัด จำนวน ผู้คนซื้อจากหมวดหมู่ต่างๆ
   เมื่อใช้เป็นตัวชี้วัดอีคอมเมิร์ซหลักของคุณ ตรวจสอบให้แน่ใจว่า:
   
   
   • AOV ได้รับการตรวจสอบทั่วทั้ง SKUs
   • คุณติดตามคำสั่งซื้อจากผู้จัดจำหน่ายและคำสั่งซื้อจำนวนมากเนื่องจากสามารถปิด AOV ได้
   • AOV ไม่ได้ระบุกำไรเพราะไม่หักต้นทุนขายซึ่งเป็นค่าใช้จ่ายที่สำคัญ

3. รายได้เฉลี่ยต่อผู้เข้าชม (ARPV): ไม่เหมือนกับ AOV ที่มีคำสั่งเป็นหน่วยสุ่มทำให้ยากต่อการทดสอบอย่างถูกต้อง ARPV ใช้ผู้เข้าชมเป็นหน่วยสุ่มซึ่งใช้งานได้จริง
   
   ARPV เป็นตัวชี้วัดที่สำคัญที่สุดในการติดตาม เนื่องจากประกอบด้วยทั้ง CR และ AOV

และ Alex Birkett ผู้ร่วมก่อตั้ง Omniscient Digital เห็นด้วย:

วัตถุประสงค์การทดสอบของคุณมีความสำคัญอย่างยิ่งต่อทั้งการออกแบบการทดสอบและสิ่งที่คุณได้เรียนรู้จากการทดสอบของคุณ

ในบริษัทจำนวนมากเกินไป การวัดสัดส่วนอย่างง่ายของ "อัตรา Conversion" เป็นวัตถุประสงค์ของการทดสอบสากล นี่เป็นเรื่องปกติถ้าคุณต้องการเรียนรู้ว่าการแทรกแซงของคุณเพิ่มสัดส่วนของผู้ที่ดำเนินการ เช่น การซื้อ *อะไรก็ได้* บนเว็บไซต์ของคุณหรือไม่ แต่ถ้านั่นไม่ใช่สิ่งที่คุณกำลังพยายามเรียนรู้ หรือถ้านั่นไม่ใช่เข็ม คุณก็ พยายามจะเคลื่อนไหว มันไม่ใช่ตัวชี้วัดที่ดีที่สุด

เว็บไซต์ Shopify หลายแห่งที่ฉันทำงานด้วยก็ต้องการเช่นกัน
ก) เพิ่มขนาดการซื้อ (หรือมูลค่าการสั่งซื้อเฉลี่ย – AOV) สำหรับผู้ที่ซื้อหรือ
b) เพิ่มมูลค่าเฉลี่ยของผู้เข้าชมในหน้าต่างๆ

สำหรับอดีต คุณจะต้องตั้งค่า AOV และการติดตามรายได้ สิ่งเหล่านี้ต้องการการผสานรวมกับตะกร้าสินค้าของคุณ แต่เครื่องมือทดสอบส่วนใหญ่รวมถึง Convert มีการรวมระบบดั้งเดิมกับ Shopify

Convert ยังมีคำแนะนำทั้งหมดในการเพิ่มประสิทธิภาพ AOV ที่คุณตรวจสอบได้

เมื่อฉันเพิ่มประสิทธิภาพสำหรับ AOV ฉันยังติดตามอัตราการแปลงเพื่อให้แน่ใจว่าฉันไม่ได้ทำอันตรายต่อเมตริกนั้น

แต่ฉันมองว่ามันเป็นตัวชี้วัดรั้ว

หากฉันสามารถเพิ่ม AOV โดยที่ยังคงอัตรา Conversion พื้นฐานไว้ได้ ฉันจะส่งการทดสอบไปยังการผลิต ฉันสามารถคำนวณมูลค่าส่วนเพิ่มได้ในกรณีที่อัตราการแปลงลดลงเล็กน้อย แต่มูลค่าการสั่งซื้อเฉลี่ยชดเชยด้วยการเพิ่มรายได้เฉลี่ยต่อผู้เข้าชมการทดสอบ

สิ่งนี้นำฉันไปสู่เครื่องมือการรายงานหลังเหตุการณ์เฉพาะสำหรับ Shopify: รายได้เฉลี่ยต่อผู้เข้าชม

บางคนโต้แย้งว่านี่คือเมตริกการเพิ่มประสิทธิภาพ Conversion ของร้านอีคอมเมิร์ซขั้นสุดท้าย เนื่องจากเป็นเมตริกแบบรวมที่อาจได้รับอิทธิพลจากการเพิ่ม Conversion หรือโดยการเพิ่มมูลค่าของ Conversion แต่ละรายการ (เช่น มูลค่าการสั่งซื้อเฉลี่ย)

มูลค่าการสั่งซื้อเฉลี่ยและรายได้เฉลี่ยต่อผู้เข้าชมที่ครบกำหนดส่งมอบความซับซ้อนเพิ่มเติมบางอย่างในการรายงาน

อัตราการแปลงเป็นตัวชี้วัดไบนารีและสามารถถือเป็นตัวแปรหมวดหมู่ (ผ่าน / ล้มเหลว, แปลงหรือไม่) และสามารถวิเคราะห์ได้โดยใช้บางอย่างเช่นการทดสอบไคสแควร์

มูลค่าการสั่งซื้อเฉลี่ยเป็นตัวแปรที่ต่อเนื่องและมักได้รับอิทธิพลจากค่าผิดปกติ (เช่น มีคนเข้ามาซื้อในปริมาณที่มากกว่าปกติถึง 10 เท่า คุณจะทำอย่างไรกับค่าผิดปกตินั้น)

รายได้เฉลี่ยต่อผู้เข้าชมยังได้รับอิทธิพลจากค่าผิดปกติและเป็นตัวแปรต่อเนื่อง แต่สมมติฐานพื้นฐานของแบบจำลองมีแนวโน้มที่จะสร้างสมดุลที่ขนาดกลุ่มตัวอย่างที่สูงกว่า

เมตริกทั้งสองนี้มีการประเมินต่ำเกินไปในการรายงานสำหรับการทดลองของ Shopify แต่นำเสนอความท้าทายใหม่ๆ สำหรับการวิเคราะห์นอกเหนือจากการเพิ่มอัตรา Conversion แบบธรรมดา

เครื่องมือทดสอบ A/B ส่วนใหญ่สามารถพิจารณาปัจจัยนี้ได้ และคุณจะไม่มีปัญหากับการอนุมานมากเกินไป

เคล็ดลับเครื่องมือ: ใช้เครื่องคำนวณการวิเคราะห์ก่อนการทดสอบ Convert เพื่อวัดความต้องการขนาดตัวอย่างสำหรับความเสี่ยงที่ยอมรับได้และผลกระทบที่ต้องการตรวจพบต่อเมตริกที่สำคัญตามรายการด้านบน

องค์ประกอบและข้อมูลเชิงลึกใดบ้างที่รายงานการทดสอบ A/B ของ Shopify ที่ยอดเยี่ยมควรรวมไว้ด้วย

ดังนั้นรายงานการทดสอบ Shopify A/B ที่เป็นตัวเอกมีลักษณะอย่างไร เราจะไปที่นั้นในไม่กี่วินาที

ขั้นแรก แช่สิ่งนี้ใน:

คุณสามารถสร้างรายงานการทดสอบที่ดีและมีค่าได้ก็ต่อเมื่อคุณเริ่มการทดสอบจากสมมติฐานที่ดี

Andra Baragan ผู้ก่อตั้ง ONTRACK Digital

หากคุณต้องการคำแนะนำเกี่ยวกับวิธีการสร้างสมมติฐานที่มั่นคง เรามีเนื้อหาครอบคลุมให้คุณ

ตอนนี้เรามีพื้นฐานที่ครอบคลุมแล้ว นี่คือคำแนะนำเพิ่มเติมจาก Andra Baragan เกี่ยวกับวิธีสร้างการทดสอบ A/B:

การทดสอบ A/B ใหม่ใดๆ ควรเริ่มต้นด้วยการตอบคำถามเหล่านี้:

ปัญหา : ปัญหาที่คุณพยายามแก้ไขคืออะไร?

โอกาส : วิธีการแก้ปัญหาของคุณจะแก้ไขปัญหาได้อย่างไร

การติดตามการเพิ่มประสิทธิภาพ : สิ่งนี้ช่วยให้ลูกค้าของเราบรรลุเป้าหมายได้อย่างไร ที่มา : คุณใช้แหล่งข้อมูลใดในการแก้ปัญหาของคุณ

สุดท้าย เมื่อพูดถึงการรายงาน Andra แนะนำให้กลับไปตอบคำถามเหล่านั้นด้วยตัวเลข

ในรายงานการทดสอบใดๆ เรารวมสิ่งต่อไปนี้:

• ระยะเวลาใน การทดสอบ : (ใช้เวลาทดสอบ กี่วัน)
• ช่วงทดสอบ: (กรอบเวลาที่วิ่ง)
• สิ่งที่เราทดสอบ: (อธิบายสิ่งที่คุณเปลี่ยนแปลง)
• ข้อมูลเชิงลึก : (1-2 บรรทัดว่าทำไมคุณถึงทดสอบ สิ่งที่คุณสังเกตเห็นที่ทำให้คุณต้องการทดสอบ)
• ได้เรียนรู้อะไรจากการทดสอบบ้าง? ขั้นตอนต่อไปคืออะไร?
• การทดสอบเป็นสิ่งที่จำเป็นต้องดำเนินการบนเว็บไซต์จริงหรือไม่? คุณต้องการทำซ้ำรูปแบบและทดสอบอีกครั้งหรือไม่? การดำเนินการที่จำเป็นหลังจากรายงานนี้คืออะไร?

เราได้รับผลการทดสอบจาก Google Analytics เสมอ - เราสร้างกลุ่มผู้ใช้ที่กำหนดเองสำหรับแต่ละรูปแบบ จากนั้นเราสามารถเรียกใช้กลุ่มเหล่านั้นในรายงานที่เกี่ยวข้องทั้งหมดได้ ซึ่งจะทำให้เรามีมุมมองที่ไม่มีใครเทียบได้เกี่ยวกับผลกระทบของการทดสอบกับพฤติกรรมของผู้ใช้

หมายเหตุ : หากคุณนำการวิเคราะห์ของคุณออกจากแดชบอร์ด Shopify และเปรียบเทียบกับ Google Analytics จะมีความคลาดเคลื่อนเล็กน้อยเนื่องจากวิธีคำนวณเมตริก นี่คือข้อมูลเพิ่มเติมเกี่ยวกับสาเหตุที่เกิดขึ้น

การจัดโครงสร้างรายงาน

โครงสร้างรายงานของคุณอาจแตกต่างกันไปตามบุคคลที่คุณนำเสนอ ผู้บริหารไม่ต้องการรายละเอียดมากเท่ากับทีมทดสอบของคุณ แต่โดยทั่วไปรายงานของคุณควรมีประเด็นเหล่านี้:

• สไลด์ 1: จุดประสงค์ของการทดสอบ -ทำไมคุณถึงทำการทดสอบ และอะไรคือสมมติฐานของคุณที่ทำให้คุณออกแบบการทดสอบเฉพาะนี้
  
  สำหรับผู้มีส่วนได้ส่วนเสียและองค์กรในวงกว้างของคุณ คุณสามารถรักษาระดับนี้ได้ค่อนข้างสูง เมื่อนำเสนอต่อทีมทดสอบของคุณ ให้รวมบริบทจากการทดสอบครั้งก่อน (ถ้ามี) และเจาะลึกลงไปในเมตริกที่คุณหวังว่าจะย้าย

• สไลด์ 2: รายละเอียดของการทดสอบ – แสดงรูปแบบต่างๆ ของการทดสอบและเพิ่มหมายเหตุสั้นๆ เพื่ออธิบายความแตกต่าง รวมเมื่อคุณทำการทดสอบ ระยะเวลาในการทดสอบ และภาพรวมของจำนวนผู้เข้าชมตามรูปแบบต่างๆ
  
  เมื่อนำเสนอต่อผู้นำหรือทีมอื่นๆ คุณสามารถทิ้งรายละเอียดที่ไม่เกี่ยวข้องกับการเรียนรู้หรือข้อมูลเชิงลึก สำหรับทีมทดสอบของคุณ คุณสามารถขยายสไลด์หรือหน้านี้เพื่อให้ครอบคลุมทุกรายละเอียดเล็กน้อย

• สไลด์ 3: ผลการทดสอบ – แสดงเปอร์เซ็นต์การเพิ่มขึ้นหรือลดลง อัตราการแปลงจากตัวแปรต่างๆ และนัยสำคัญทางสถิติของการทดสอบ
  
  ผู้มีส่วนได้ส่วนเสียใส่ใจในผลลัพธ์ โดยทำให้ประเด็นนี้เป็นหนึ่งในแง่มุมที่สำคัญที่สุดในรายงานของคุณ เน้นที่ชัยชนะและ KPI ที่ก้าวไปในทางที่ถูกต้อง ลบค่าผิดปกติที่ไม่เกี่ยวข้องกับผลลัพธ์ จำไว้ว่าคุณต้องดึงดูดความสนใจของพวกเขาเอง ให้สิ่งที่พวกเขาทำให้พวกเขาดูดี
  
  สำหรับทีมทดสอบของคุณ คุณสามารถใช้เวลามากขึ้นกับการสูญเสียและตัวชี้วัดใดที่ไม่สามารถเคลื่อนไหวตามที่คุณคาดหวังได้

• สไลด์ 4: บทเรียนที่ได้รับจากการทดสอบ – หากการทดสอบไม่มีผลลัพธ์ที่ชัดเจน นี่เป็นโอกาสของคุณที่จะใช้ข้อมูลเพื่อเล่าเรื่อง อธิบายให้ผู้มีส่วนได้ส่วนเสียทราบว่าตัวเลขในรายงานของคุณหมายถึงอะไร คุณได้รับข้อมูลเชิงลึกจากการทดสอบเหล่านี้อย่างไร และวิธีที่คุณวางแผนจะสร้างสมมติฐานใหม่สำหรับการทดสอบในอนาคต
  
  นี่เป็นสิ่งสำคัญมากสำหรับทีมทดสอบของคุณ บทเรียนที่คุณเรียนรู้ผ่านความล้มเหลวสามารถกำหนดขั้นตอนต่อไปสำหรับทีม

• สไลด์ 5: ผลกระทบต่อรายได้ : หากทำได้ ให้ลองหาจำนวนเปอร์เซ็นต์ที่เพิ่มขึ้นที่คุณแสดงให้เห็นก่อนหน้านี้โดยคาดการณ์ผลกระทบของรายได้ที่คาดการณ์ไว้ของ YoY
  
  อย่าลืมว่าผู้มีส่วนได้ส่วนเสียของผู้บริหารสนใจในการทดลอง คุณต้องแสดงให้พวกเขาเห็นถึงผลกระทบต่อผลกำไรของบริษัท หากคุณไม่มีรายได้ที่คาดการณ์ไว้จะแสดง ตรวจสอบให้แน่ใจว่าการเรียนรู้ของคุณมีแผนที่จะทำการทดสอบในอนาคตที่อาจมีผลกระทบ
  
  

เนื่องจากไม่มีวิธีใดที่จะทำให้ถูกต้อง เราจึงขอให้ผู้เชี่ยวชาญสองสามคนแบ่งปันว่าพวกเขาจัดโครงสร้างรายงานของพวกเขาอย่างไร และนี่คือสิ่งที่พวกเขากล่าวว่า:

ฉันมีวิธีการมาตรฐานในการจัดโครงสร้างรายงานซึ่งรวมถึง:

1. ภาพรวม
   
   ข้อมูลสรุปสั้นๆ สั้นๆ เกี่ยวกับสิ่งที่เราทดสอบ เหตุผลที่เราทำ สิ่งที่เราสังเกตเห็น และสิ่งที่เราตั้งใจจะทำต่อไป

2. แนวคิดการทดสอบ
3. ครีเอทีฟโฆษณาทดลอง
4. วันที่และระยะเวลา
5. ตัวชี้วัด
6. หน้า
7. สมมติฐาน
8. การวิเคราะห์
9. ผลลัพธ์
   
   ในความเห็นของฉัน มันจำเป็นที่ทุกรายงานต้องรวมผลดิบทั้งหมดไว้ด้วยเพื่อให้สามารถสอบปากคำโดยผู้อื่นได้ และเพื่อประโยชน์ของลูกหลานด้วย
   
   เราอาจถือเอาว่าเราสามารถเข้าถึงผลลัพธ์ในเครื่องมือทดสอบ A/B ของเราได้ในขณะนี้ แต่จะเป็นอย่างไรในหนึ่งปี สองปี? สาม?

10. ขั้นตอนถัดไป
    
    จากสิ่งที่เราเห็นในการทดลองนี้ เราจะทำอย่างไรต่อไป

Oliver Palmer ที่ปรึกษา CRO ที่ Oliver Palmer

รายงานการทดสอบ A/B ของเรามีองค์ประกอบต่อไปนี้เสมอ:

1. คำอธิบายที่ชัดเจนเกี่ยวกับการเปลี่ยนแปลงที่เกิดขึ้นในแต่ละเวอร์ชัน

2. ผลการทดสอบ รวมทั้งรุ่นใดทำงานได้ดีกว่า และ

3. คำแนะนำสำหรับการทดลองเพิ่มเติมตามผลการทดสอบ A/B

รายงานเหล่านี้ช่วยให้เราเข้าใจว่าสิ่งใดใช้ได้ผลดีที่สุดสำหรับร้านค้าของเรา และทำการตัดสินใจอย่างมีข้อมูลเกี่ยวกับวิธีการปรับปรุงอัตราการแปลงของเรา

ลุค ลี ซีอีโอของ PalaLeather

1. “ ดูการทดลองแล้ว (หน้า) – มีคนเห็นการทดลองกี่คน?
2. ทดลองดู (องค์ประกอบ) – ถ้าการทดลองแสดงเฉพาะบนสโครล จะมีคนเห็นกี่คน?
3. การทดสอบอยู่นิ่ง – บนเดสก์ท็อป เคอร์เซอร์ของผู้ใช้วางเมาส์เหนือพื้นที่ทดสอบหรือไม่
4. การโต้ตอบกับการทดสอบ – ผู้ใช้โต้ตอบกับการทดสอบหรือไม่ (ติดตามแต่ละองค์ประกอบแยกกัน)
5. เวลาบนเพจ
6. ถึงเวลาชำระเงิน ”

Alex Halliday ผู้ก่อตั้งและ CEO ของ AirOps

ต่อไปนี้คือตัวอย่างโดยย่อว่ารายงานกิจกรรมของ ONTRACK Digital มีลักษณะอย่างไร:

( คุณสามารถใช้สิ่งนี้เป็นเทมเพลตสำหรับรายงานของคุณได้)

สไลด์ 1:

• ชื่อแบรนด์
• ชื่อรายงาน
• ระยะเวลา

สไลด์ 2:

จุดเด่นของการทดสอบ

• จำนวนการทดสอบที่เสร็จสิ้น
• จำนวนการทดสอบที่ประสบความสำเร็จ
• คุณลักษณะที่นำมาใช้
• จำนวนการทดสอบต่อเนื่อง
• สรุปการทดสอบทั้งหมดพร้อมอัปเดตสถานะ

สไลด์ 3:

ภาพรวมของ Google Analytics สำหรับช่วงเวลาหนึ่ง

• รายได้และอัตราการแปลง
• ธุรกรรม
• AOV

สไลด์ 4:

กำลังทดสอบอยู่

• ภาพรวมของการทดสอบที่กำลังดำเนินการอยู่
• ภาพจากซอฟต์แวร์ทดสอบ A/B เพื่อแสดงว่าซอฟต์แวร์ใดเป็นผู้ชนะ
• ตัวชี้วัดจาก Google Analytics เพื่อรองรับความคืบหน้าของการทดสอบ

สไลด์ 5:

ภาพรวมการทดสอบในอนาคต

• กำลังวางแผนการทดสอบทั้งหมด

คุณสามารถมีสไลด์หนึ่งภาพเพื่ออธิบายการทดสอบแต่ละครั้งพร้อมกับภาพ

ครอบคลุมเป้าหมายและ KPI

เป้าหมายและ KPI จะอยู่ในส่วน "รายละเอียดของการทดสอบ" เพื่อให้คุณสามารถอธิบายวัตถุประสงค์ของการทดสอบได้

อย่าลืมเพิ่มหมายเหตุเพื่ออธิบายตัวเลือกของคุณ คุณอาจรู้สึกไม่สบายใจว่าทำไมคุณถึงเลือกเป้าหมายเฉพาะหรือ KPI เพื่อติดตามคนอื่น

ต้องการความช่วยเหลือในการระบุเป้าหมายและ KPI ที่จะติดตามหรือไม่ คว้าคู่มือขั้นสูงสุดของเราในการใช้เป้าหมายในการทดสอบ A/B

นอกจากนี้เรายังขอให้ผู้เชี่ยวชาญบางคนพูดถึงเป้าหมายที่พวกเขาติดตาม:

เป้าหมายที่ฉันชอบในการทดสอบบนร้านค้า Shopify คือการเพิ่ม การมีส่วนร่วมในหน้าแค็ตตาล็อก ผลิตภัณฑ์ของเรากำหนดรายได้จากการขายและการเติบโตของลูกค้าภายในช่องทาง การมุ่งเน้นที่เป้าหมายและการทดสอบนี้ทำให้เรามีข้อมูลเชิงลึกว่าหน้านั้นมีการเข้าชมเพียงพอหรือไม่ หากการมีส่วนร่วมต่ำ การทดสอบจะช่วยให้เราทราบถึงพื้นที่ที่เราขาด ซึ่งกระตุ้นให้มีการปรับปรุงความพยายามทางการตลาดใหม่

Aviad Faruz ซีอีโอของ Faruzo

ในแง่ของการติดตามเป้าหมาย ฉันมักจะเลือกเมตริกหลักจากรายการด้านล่าง จากนั้นจึงใช้เมตริกอื่นๆ เป็นเมตริกด้านสุขภาพหรือเมตริกที่เคาน์เตอร์ เป็นการดีที่จะจับตาดูตัวเลขหลายๆ ตัวในกรณีที่เกิดผลที่ไม่คาดคิด

1. อัตราตีกลับ
2. CVR (เพิ่มอัตราการแปลงโดยรวม)
3. AOV (มูลค่าการสั่งซื้อเฉลี่ย)
4. รายได้เฉลี่ยต่อผู้เข้าชม (ผสมผสานระหว่างสองรายการข้างต้น)
5. NPS หรือเทียบเท่า

ฉันยังต้องการแบ่งกลุ่มผู้ใช้โดย:

1. แหล่งที่มา UTM
2. ประเภทอุปกรณ์
3. ที่ตั้ง
4. ผู้เข้าชมใหม่เทียบกับผู้เข้าชมที่กลับมา”

Alex Halliday ผู้ก่อตั้งและ CEO ของ AirOps

ตามเป้าหมาย ปกติแล้วจะมีตัวบ่งชี้ที่เรากำลังพยายามสร้างอิทธิพลโดยตรง (เช่น หน้าผลิตภัณฑ์ที่มีการดูหรือการโต้ตอบกับตัวกรองขนาด/สี) จากนั้นเกือบทุกครั้ง Conversion และรายได้ต่อผู้เข้าชม เป้าหมายที่ติดตามควรเกี่ยวข้องโดยตรงกับสมมติฐานและวัตถุประสงค์ทางการค้าของการทดสอบ ดังนั้นจึงไม่ค่อยมีประโยชน์ที่จะติดตามมากกว่าสามหรือสี่อย่าง

Oliver Palmer, CRO Consultant ที่ Oliver Palmer

โดยทั่วไป เราจะติดตามสองเป้าหมายในการทดสอบ A/B ของเรา: อัตรา Conversion และ มูลค่าการสั่งซื้อเฉลี่ย อย่างไรก็ตาม เราอาจติดตามเป้าหมายอื่นๆ เช่น อัตราการคลิกผ่าน หรือเวลาบนไซต์ ทั้งนี้ขึ้นอยู่กับลักษณะของการทดสอบ โดยทั่วไปจะขึ้นอยู่กับการทดลอง ผู้ใช้และธุรกิจอื่นๆ อาจมีเกณฑ์ที่แตกต่างกันในการติดตามเป้าหมายของตน

เป้าหมายที่เราชื่นชอบในการทดสอบร้านค้า Shopify คืออัตรา Conversion และมูลค่าการสั่งซื้อเฉลี่ย เราพบว่าสิ่งเหล่านี้เป็นตัวชี้วัดที่สำคัญที่สุดสำหรับร้านค้าของเราและให้ข้อมูลเชิงลึกมากที่สุดในแง่ของวิธีที่เราสามารถปรับปรุงร้านค้าของเรา อย่างไรก็ตาม ทุกร้านมีความแตกต่างกัน และคุณอาจพบว่าเป้าหมายอื่นๆ มีความสำคัญต่อธุรกิจของคุณมากกว่า ขึ้นอยู่กับสิ่งที่คุณต้องการเพิ่มประสิทธิภาพจริงๆ

ลุค ลี ซีอีโอของ Palaleather

การเพิ่มครีเอทีฟสำหรับการเล่าเรื่องด้วยภาพ

ซอฟต์แวร์ทดสอบ A/B ส่วนใหญ่ที่คุณใช้จะมีตารางและกราฟหรือเทมเพลตสำเร็จรูปบางประเภทที่คุณสามารถใช้เมื่อคุณส่งออกรายงาน คุณสามารถเพิ่มกราฟิกเหล่านั้นลงในรายงานของคุณ (แน่นอนว่าถ้าเกี่ยวข้อง) และพิจารณาสร้างกราฟิกของคุณเอง

ตัวเลขของคุณบอกเล่าเรื่องราว เพียงใช้ครีเอทีฟโฆษณาเพื่อแสดงภาพ เคล็ดลับคือการใช้การแสดงภาพที่เข้าใจได้ง่าย โดยเฉพาะอย่างยิ่งในครั้งเดียว

Annemarie Klaassen และ Ton Wesseling ที่ CXL ได้ลองใช้วิธีการต่างๆ เพื่อหาวิธีแก้ปัญหาที่ได้ผล นี่คือบทสรุปโดยย่อของคำแนะนำของพวกเขา:

เคล็ดลับที่ 1: หากคุณไม่แน่ใจ ให้ทำตามบรรทัดฐาน—สเปรดชีต Excel

คุณสามารถเห็นลิฟต์และแรงกระแทกได้ทันที นอกจากนี้คุณยังสามารถใส่รหัสสีผู้ชนะเพื่อให้ทุกคนเห็นว่าตัวแปรใดชนะได้ง่าย

เคล็ดลับ 2: เพิ่มกราฟ

คุณสามารถดูอัตราการแปลงต่อวันเมื่อเวลาผ่านไปและเพิ่มขีดจำกัดบนและล่างของรูปแบบเริ่มต้น

อย่างไรก็ตาม สิ่งนี้ไม่ได้ให้คำตอบที่ชัดเจนว่าตัวแปรใดชนะ และ KPI ได้รับผลกระทบอย่างไร แสดงให้คุณเห็นว่ามีผลกระทบที่มั่นคงซึ่งไม่น่าสนใจสำหรับผู้มีส่วนได้ส่วนเสีย

เคล็ดลับ 3: เลียนแบบนักสถิติ

อีกวิธีหนึ่ง (อาจแม่นยำกว่า) คือการทำซ้ำสิ่งที่นักสถิติทำ: 2 เส้นโค้งระฆัง ค่าวิกฤต และพื้นที่แรเงา แต่ปัญหาคือมันยากเกินไปที่จะอธิบายให้ชัดเจน

ดังนั้น Annemarie และ Ton จึงคิดขึ้นดังนี้:

สองจุดที่ชัดเจนเพื่อแสดงอัตราการแปลงของทั้งสองรูปแบบ เส้นประแสดงถึงช่วงความเชื่อมั่น

“หากอัตราการแปลงของรูปแบบ B อยู่นอกช่วงความเชื่อมั่นของ A รูปแบบ B จะดีกว่าอย่างมาก พื้นที่แรเงาสีเขียวเน้นสิ่งนี้ จุดในพื้นที่สีแดงหมายความว่ารูปแบบดังกล่าวมีประสิทธิภาพแย่ลงอย่างมาก”

พวกเขาต้องพยายามอีกสองสามครั้งเพื่อให้มันถูกต้อง สิ่งที่พวกเขาลงเอยด้วยคือเวอร์ชันที่รวมเข้าด้วยกันมากขึ้นซึ่งเหมาะสมกับทีมของพวกเขา และพวกเขาสามารถทำให้การผลิตครีเอทีฟโฆษณาเป็นไปโดยอัตโนมัติ

คุณสามารถอ่านโพสต์ฉบับเต็มเพื่อดูว่าพวกเขาลงเอยอย่างไรในตอนท้าย

PS คุณไม่จำเป็นต้องซับซ้อนเกินไป ตรวจสอบให้แน่ใจว่าคุณมีครีเอทีฟโฆษณาที่สนับสนุนผลลัพธ์และการเรียนรู้ของคุณ และให้แน่ใจว่าทุกคนเข้าใจได้ง่ายพอ

ครอบคลุมการออกแบบการกำหนดเป้าหมายและการทดสอบ

วิธีที่คุณออกแบบการทดสอบและการกำหนดเป้าหมายกลุ่มผู้ชมใดมีความสำคัญพอๆ กับสิ่งที่คุณเรียนรู้จากการทดสอบ โดยเฉพาะอย่างยิ่งเมื่อคุณต้องใช้ข้อมูลเชิงลึกเหล่านั้นเพื่อสร้างการทดสอบในอนาคต

สิ่งเหล่านี้ไปในส่วน "รายละเอียด" เช่นกัน คุณอาจต้องการสรุปข้อมูลบางอย่างที่ไม่เกี่ยวข้องกับ C-suite หรือนำเสนอเวอร์ชันย่อ

นี่คือวิธีที่ผู้เชี่ยวชาญเข้าใกล้การกำหนดเป้าหมายและการแบ่งกลุ่ม:

การทดสอบที่แตกต่างกันจะกำหนดเป้าหมายกลุ่มผู้ใช้ที่แตกต่างกัน เช่น ลูกค้าที่ทำซ้ำหรือบุคคลที่เคยเห็นหน้าผลิตภัณฑ์หลักของคุณ คุณสามารถกำหนดเป้าหมายลูกค้าชาวอังกฤษด้วยภาษาอังกฤษแบบอังกฤษได้หากคุณมีผู้ใช้จากทั่วทุกมุมโลก ด้วยการแบ่งกลุ่มผู้ชมของคุณ คุณสามารถแสดงการทดสอบของคุณเฉพาะกับผู้เข้าชมจำนวนหนึ่งที่ตรงตามเกณฑ์ของคุณ ในขณะที่ยกเว้นผู้ที่ไม่ทำการทดสอบ

ก่อนที่คุณจะเรียกใช้การทดสอบ A/B ในร้านค้าของคุณ คุณต้องหาว่าส่วนใดของผู้ชมที่เหมาะกับสมมติฐานของคุณ การแบ่งส่วนรับประกันว่าการทดสอบที่ถูกต้องจะแสดงต่อลูกค้าที่ถูกต้อง

Lulu Albanna ผู้ร่วมก่อตั้ง – WRC Media

อธิบายว่าเหตุใดคุณจึงเลือกเฉพาะเหล่านี้ เป็นผลจากการทดลองครั้งก่อนหรือไม่? หรือคุณมาถึงสมมติฐานบางอย่างจากการวิจัยการแปลงหรือไม่?

Paul Somerville ผู้จัดการด้านเทคนิคของ Electric Scooter Guide ยังแนะนำให้แชร์ว่าการทดสอบเกิดขึ้นที่ใดและเหตุใดจึงสำคัญ:

เราได้ทำการทดสอบ A/B มากมายสำหรับคุณสมบัติต่างๆ เช่น แชทสด ปุ่มกระตุ้นการตัดสินใจ รูปภาพสินค้า ตำแหน่งการขายสูงสุด หน้า Landing Page เมนูการนำทาง และอื่นๆ ในฐานะบริษัทของ Shopify

ตัวอย่างเช่น การทดสอบ A/B ช่วยให้เราสร้างสมดุลระหว่างการขายต่อเนื่องและการขายต่อยอดโดยปราศจากความรำคาญหรือความขัดแย้งในประสบการณ์ของลูกค้า

เราสังเกตเห็นว่าผู้ชมของเราชอบคำแนะนำที่เกี่ยวข้องสูงในหน้าผลิตภัณฑ์ทันที แทนที่จะเป็นคำแนะนำที่แสดงระหว่างการชำระเงินหลังจากทำการทดสอบหลายครั้ง และด้วยเหตุนี้ เราจึงเพิ่มมูลค่าธุรกรรมโดยเฉลี่ย

Zeroing ใน On Segmentation

การทดสอบทั้งหมดไม่ได้เริ่มต้นโดยคำนึงถึงกลุ่มผู้ชมเป็นหลัก บ่อยครั้ง วัตถุประสงค์ของการทดสอบคือการค้นหาว่าส่วนใดตอบสนองต่อการเปลี่ยนแปลงได้ดีกว่า

ดังนั้น หากคุณตั้งใจจะกำหนดกลุ่มผู้ชมหลังการทดสอบเสร็จสิ้น อย่าลืมรวมสิ่งที่คุณค้นพบไว้ในส่วน "ผลลัพธ์" และ "การเรียนรู้" ของรายงาน

การแบ่งกลุ่มทั่วไปบางส่วนที่คุณต้องการรวมไว้ในรายงานของคุณ:

• ภูมิศาสตร์
• เกี่ยวกับพฤติกรรม
• สภาพอากาศ
• เทคโนโลยี

สิ่งเหล่านี้จะช่วยให้คุณปรับแต่งผลลัพธ์ที่คุณต้องเข้าใจผู้ชมของคุณได้ดีขึ้นและออกแบบการทดสอบที่เหนือกว่า

อย่างไรก็ตาม คุณควรระลึกไว้เสมอว่าหลังการแบ่งกลุ่มอาจพบปัญหาทั่วไปสามประการ ได้แก่ การมีขนาดกลุ่มตัวอย่างเล็กเกินไป การเปรียบเทียบหลายกลุ่ม และการมุ่งเน้นที่กลุ่มที่ไม่ถูกต้องโดยสมบูรณ์

หมายเหตุ : คุณยังสามารถใช้ขั้นสูงด้วยการแบ่งกลุ่มหลังของคุณ—แบ่งกลุ่มผู้ชมตามคุกกี้ ชั้นข้อมูลของคุณ หรือแม้แต่รายการ HubSpot

ถ่ายทอดคุณค่าของการทดสอบ A/B ของ Shopify ภายใน & ให้กับลูกค้า

เมื่อคุณทราบแล้วว่ารายงานการทดสอบ Shopify A/B ของคุณควรมีหน้าตาเป็นอย่างไร ต่อไปนี้คือคำแนะนำบางส่วนจากผู้เชี่ยวชาญของเรา:

• B2C กับ B2B – แสดงให้พวกเขาเห็นเส้นทางที่ถูกต้อง
  รอบการซื้อใน B2C นั้นสั้นกว่ามากและมีปริมาณการใช้งานมากขึ้น ดังนั้นคุณจึงควรมีศักยภาพที่จะทำการทดสอบจำนวนมาก แต่คุณจะพบว่าแบรนด์ส่วนใหญ่ยังคงมุ่งเน้นไปที่ช่องทาง "ที่ได้รับการทดสอบและทดสอบแล้ว" สำหรับการได้มาซึ่งไม่ยั่งยืนเนื่องจากการอัปเดตความเป็นส่วนตัวใหม่ซึ่งส่งผลให้ข้อมูลไม่ดี ผลลัพธ์? ต้นทุนการได้มาซึ่งลูกค้าเพิ่มขึ้นอย่างน่าตกใจ อธิบายให้ลูกค้า/ผู้มีส่วนได้ส่วนเสียของคุณทราบว่าคุณไม่สามารถใช้จ่ายเหนือคู่แข่ง ทั้งหมด ได้

• เล่นเพื่อประโยชน์ของผู้นำ
  มูลค่าที่แท้จริงของการทดสอบ A/B อยู่ที่ข้อมูลเชิงลึกที่คุณรวบรวมได้จากการทดลอง แต่สิ่งเหล่านี้ไม่เป็นประโยชน์ต่อผู้ก่อตั้งและผู้มีส่วนได้ส่วนเสียอื่นๆ พวกเขาไม่ค่อยประทับใจกับการเรียนรู้และสนใจ "ชัยชนะ" มากขึ้น

• อย่าตั้งความคาดหวังผิดๆ
  แน่นอน คุณควรพยายามแสดงผลกระทบต่อรายได้ แต่วลีสำคัญคือ: เมื่อเป็นไปได้ อย่าคาดการณ์รายได้โดยพิจารณาจากอัตราการแปลงที่เพิ่มขึ้นหรือมูลค่าการสั่งซื้อเฉลี่ย
  แทนที่จะมุ่งเน้นไปที่สิ่งที่ได้รับการทดสอบ:
  
  
  • เจาะจงเกี่ยวกับสิ่งที่คุณทำและสร้างรายงานที่เป็นภาพและตรงประเด็น
  • การเรียนรู้คืออะไร? ซึ่งอาจมาจากเมตริก เช่น การเคลื่อนที่ของ CR หรือ ARPV ไม่ยึดติดกับการเคลื่อนไหวแต่หากสมมติฐานได้รับการพิสูจน์แล้วว่าถูกต้อง ถ้าเป็นเช่นนั้น ความสัมพันธ์เชิงสาเหตุเปิดเผยเกี่ยวกับกลุ่มผู้ชมของคุณอย่างไร
  • คุณจะทำอย่างไรกับข้อมูลเชิงลึกนี้ คุณจะปรับแต่งตำแหน่งหรือไม่? หรืออาจจะปรับปรุงการออกแบบเว็บไซต์?
  • สิ่งนี้มีความหมายต่อธุรกิจโดยรวมอย่างไร? และจะทำให้แบรนด์เข้าใกล้เป้าหมายทางธุรกิจมากขึ้นอีกก้าวหนึ่งได้หรือไม่

• เพิ่มบริบทให้กับตัวเลขที่คุณนำเสนอ
  คุณต้องบอกให้คนอื่นรู้ว่าพวกเขากำลังดูอะไรอยู่ในเงื่อนไขที่ไม่แน่นอน นั่นอาจหมายถึงรหัสสี การเพิ่มการเปรียบเทียบของอุตสาหกรรม การแสดงค่าเฉลี่ย กลุ่มผู้ชม หรือแม้แต่การแสดงค่าใช้จ่ายของช่องต่างๆ

การปฏิบัติตามแนวทางนี้จะช่วยให้คุณไม่อยู่ภายใต้แรงกดดันเสมอเพื่อให้ได้ชัยชนะอย่างรวดเร็ว

คุณสามารถจดจ่อกับการทดลองได้ นั่นคือการเรียนรู้ แต่กุญแจไม่ได้จัดลำดับความสำคัญของสิ่งหนึ่งเหนือสิ่งอื่นใด

หน่วยงานทดลองที่ดีที่สุดมุ่งเน้นไปที่ความสนใจและการยอมรับมากเท่ากับสิ่งที่พวกเขากำลังทดสอบ การกระทำที่สมดุลอย่างแท้จริงระหว่างความกระตือรือร้น (ใช่แล้ว การทดลองสามารถขยายธุรกิจได้) และการตั้งค่าความคาดหวังที่ไม่ถูกต้อง (รายได้ของเราจะเพิ่มขึ้นเป็นสองเท่า)

ทางข้างหน้าคือการศึกษา (*กลองโปรด*) หยิบสำเนาของ “งานทดลอง”—การอ่านศัพท์แสงน้อยที่จะแนะนำให้คุณทำการทดสอบที่ดีขึ้นและแบ่งปันข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้

และหากคุณกำลังมองหาเครื่องมือทดสอบ A/B ที่สามารถช่วยแชร์ภาระงานของคุณได้ ลองใช้ Convert ดูสิ ใช้งานได้ฟรี 15 วัน ไม่ต้องใช้บัตรเครดิต