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

Ultimately, testing is incomplete without QA and debugging. Without QA, variation errors can crop up, causing statistical errors—a false positive or a false negative. Not to mention, you may end up collecting the wrong data that delivers zero value to your visitors.

Here are 4 best practices for QA of A/B tests:

• Develop a QA strategy
• Identify what to QA
• Focus on page experience
• Align QA with conversion goals

Pro Tip: Avoid these rookie A/B testing mistakes:

• You only test industry best practices
• You keep peeking at your “results”
• You give up after one test
• You fail to iterate and improve on wins
• You mess up revenue tracking

#4. Analyze & Learn From Your A/B Tests

Whether you have a winner or loser on your hands, analyzing what worked and learning from it to influence future A/B tests is crucial.

Because while A/B testing is a strategy to boost your revenue, you're also effectively “buying data” on your audience.

Here's a 7 step process to learn from A/B tests –

• Make sure your data is accurate, valid, and significant
• Check your micro, macro, and guardrail metrics
• Segment your results
• Check user behavior
• Continue to improve on winners
• Create a learning repository for future tests

The last step allows you to run tests in the future that are backed by your previous experiments' learnings.

Expert Tip: Be prepared to fail.

It is difficult to predict the conversion rate for your website even if you think you've created the perfect A/B test. As a new entrepreneur, I almost succumbed to the frustrations of seeing no success in the first few months. I am not used to failure and many entrepreneurs are like this. The focus should be to give the users the best experience and leave room for the unexpected .

Leslie Radka, Founder & Hiring Manager at GreatPeopleSearch

A/B Testing in Other Realms That Can Compound Your Shopify Store Gains

Don't stick to just your website. A/B testing can and should be applied to other channels and realms where customer engagement occurs.

A/B Testing Pop-Ups (with Privy)

Those pop-ups you have on your website? You can A/B test them too with tools like Privy. Experiment with your headline, offer, form, CTA, or images.

Privy's Convert tool allows you to present the pop-up in different formats and target visitors based on rulesets.

A/B Testing Emails

When it comes to email marketing, 3 core areas of improvement emerge—delivery, open rates, and CTR.

You can test your emails in this order:

• First, the subject lines to improve the open rate
• Then the body copy to make sure it's relevant
• Finally, the CTAs to get more clicks

What else can you test in your email? Check out our complete guide to A/B testing emails.

Here's how 2 Shopify entrepreneurs used A/B testing to grow their email marketing channel: [h5] #1. Grew Email List 3x Using Split Testing

The most effective strategy for testing content is A/B testing. A/B testing has proven, measurable, immediate results that tell us whether one or another content base is more effective at converting customers to sign up for emails, make a purchase, etc.

In retail, vanity metrics like direct traffic to your website are least effective for measuring content success, while A/B testing (ie, tracking conversion rate, user engagement, email funnels) is the most effective. We tested our email subscription CTA with split-testing and grew our email list over three times in one campaign. The better you know your ICP, the more effective your brand strategy will convert. Use A/B tests to understand your target demographic better, and spoon-feed them the content they respond best to .

Zach Goldstein, Public Rec

#2. Increased email open rate by 25% with emojis in subject lines

After seeing a study, I wanted to test out open rates using an emoji in the subject line vs. not using one. The study implied that using an emoji would help to enhance open rates, but I felt that it could come off as unprofessional and spammy.

I use the ActiveCampaign email platform alongside Shopify, and I actually integrate the two together to maximize customer communication. ActiveCampaign allows users to run many A/B tests so they can see what jives with their target audience. When the results were in, I had to admit that I was wrong because the emails with an emoji in the subject received a 25% higher open rate. It's safe to say that I've been pretty liberal with my emoji keyboard ever since, and I've noticed a spike in conversion rates, too .

Stephanie Venn-Watson, fatty15

A/B Testing on Social Media

Like paid ads, you can test your organic content on social to improve engagement. The heading, copy, images, and CTA can all be A/B tested.

When doing this manually, stagger the release of your posts to have a reasonable gap which will allow you to gather meaningful data.

Or you can use scheduling tools like Later, Buffer, or MeetEdgar to automate the publishing.

Ecommerce A/B Testing Pitfalls to Avoid

Our need for instant gratification also seeps into A/B testing. Jon Ivanco, Co-founder of Formtoro, believes most A/B testing is reactionary:

Brands want a quick fix that's cost-effective; they hate the idea of investing in long-term outlooks and gains. The only time they look at these things is when things aren't going well .

There are “experts” that are anything but experts, bad advice presented as best practices, and experiments designed to pick the low-hanging fruit.

Ivanco instead recommends getting the basics right:

– All tests to landing pages
– All tests from specific audiences
– Test one variable at a time
– Don't test unless you have a clearly articulated hypothesis and you can learn from if something goes right or if it fails
– Do all tests from the perspective of the customer journey
– Small things are part of a larger chain, try to isolate things as much as you can one step at a time

Give Privacy a Thought

No one wants to become a lab rat inadvertently.

The backlash to Facebook 2014's emotional contagion study is proof. Even Apple's privacy updates signal that users care about their privacy and don't want to be manipulated into buying products.

Laws around privacy—existing and upcoming—will continue to evolve. Each time a significant change is brought about, it will hurt your business unless you start thinking user-first and bake ethical A/B testing into your strategy.

So what does that mean for you?

• Take data privacy seriously when collecting data
• Rule out manipulative tactics
• Store and process data securely
• Respect user consent and allow them to opt-out of experiments

Do that and you will future-proof your A/B testing and build a better relationship with your audience.