رامین محمودی : از نظر بنده یکی از دلایل موفقیت یک کسب و کار (چه آنلاین و چه آفلاین) رفتارشناسی مخاطبان و آشنایی یا ترجیحات و علایق آنهاست. به عنوان یک فروشنده، داشتن یک کالا یا خدمات کافی نیست، بلکه نحوه عرضه‌ی آنها شاید به مراتب مهم‌تر باشد. همچنین، از آنجایی که مبحث دیجیتال مارکتینگ و عرضه محصولات/خدمات اینترنتی در ایران سابقه‌ی طولانی ندارد، اهمیت رفتارشناسی مخاطبان دو چندان می‌شود زیرا هیچ الگوی ثابت (یا منطقی!) برای مخاطبان بسیاری از کسب و کارها وجود ندارد. مقاله امروز هم درباره همین موضوعِ رفتارشناسی مخاطبان است. یعنی تست A/B!تست A/B (یا آزمون A/B) به شما کمک می‌کند تا بهترین رابط و تجربه کاربری را برای وب‌سایت یا اپلیکیشن خود انتخاب کنید. در حقیقت، در تست A/b شما سعی می‌کنید با شناخت رفتار مخاطب، بهترین تجربه کاربری را به او ارائه دهید. مطمئن باشید در دنیای دیجیتال مارکتینگ، ارائه تجربه کاربری موفق به معنی فروش و سود بیشتر است. می‌توان این جمله را در یک کلام خلاصه کرد: تبدیل کاربر به مشتری. به همین سادگی!
خب، اگر تا اینجا از مفهوم کلیِ تست A/B خوشتان آمده است، پیشنهاد می‌کنم به خواندن مقاله ادامه دهید تا با این مفهوم به طور کامل آشنا شوید (درست است که قول دادم مقدمه ننویسم، اما مگر بدون مقدمه هم می‌شود نوشت؟!).
تست A/B چیست؟
تست A/B (که با عنوان‌های Spliting Testing و Bucket Listing نیز شناخته می‌شود) روشی است که با آن می‌توانید دو نسخه از یک وب‌سایت یا اپلیکیشن را با یکدیگر مقایسه کنید. شاید بپرسید چرا؟ برای آنکه بدانید کدام یک از نسخه‌ها عملکرد بهتری دارند.
در حقیقت، تست A/B روشی فوق‌العاده جهت تعیین بهترین استراتژی تبلیغاتی و بازاریابی آنلاین برای کسب‌و‌کار شماست که بر پایه‌ی مقایسه‌ی حالاتِ مختلف بنا شده است. در این روش، دو نسخه از یک صفحه وب سایت ایجاد می‌شود که در یک نسخه عنصر مورد آزمایش به شکل A و در نسخه‌ی دیگر به شکل B قرار داده شده است. سپس این صفحات، در یک بازه زمانی معین (معمولاً بین 3 تا 10 روز) به صورت تصادفی به کاربران نمایش داده می‌شود (به این معنی که یک کاربر ممکن است صفحه A و کاربر دیگری صفحه B را به صورت همزمان مشاهده کنند). در نهایت، با مقایسه‌ی عملکرد کلی هر دو نسخه می‌توانید نسخه نهایی وب‌سایت را به گونه‌ای طراحی کنید تا بالاترین نرخ تبدیل کاربر به مشتری را دریافت نمایید.
به عنوان مثال، تصور کنید وب‌سایتی خبری دارید و می‌خواهید بدانید بنر تبلیغاتی‌تان در مکان A بیشترین کلیک را دریافت می‌کند یا در مکان B. در این شرایط با تهیه دو نسخه‌ی مختلف از آن صفحه، می‌توانید در اولی بنر را در مکان A و در دومی بنر را در مکان B قرار دهید. سپس، با تعیین یک بازه زمانی مناسب و با استفاده از ابزارهای تست A/B خواهید توانست پاسخ سوال خود را پیدا کنید.
توجه داشته باشید زمانی که از تبدیل کاربر به مشتری صحبت می کنیم، منظورمان این نیست که حتماً مشتریان باید از شما کالایی را خریداری کنند. تبدیل کاربر به مشتری به این معنی است که شما کاربر را وادار به انجام یک عمل در سایت خود می‌کنید. مطمئناً هر وب سایتی که در اینترنت وجود دارد با یک هدف خاص راه اندازی شده است.
برای مثال یک فروشگاه اینترنتی می‌خواهد که مراجعه‌کنندگان، اجناسِ موجود در آن را خریداری کنند، یک وب‌سایت خبری می‌خواهد که خوانندگانش بر روی بنرهای تبلیغاتی موجود کلیک کنند یا سایت‌های خدماتی توقع دارند که بازدیدکنندگان‌شان به صورت رایگان خدمات‌شان را آزمایش کنند و در صورت رضایت، آن را خریداری کنند. بنابراین هر زمان که توانستید کاربران سایت‌تان را وادار کنید کاری که می‌خواهید را انجام دهند، به این معنی است که عملیات تبدیل کاربر به مشتری با موفقیت انجام شده است. تست A/B دقیقاً به همین دلیل انجام می‌شود، تا شما بدانید چگونه می‌توانید مشتریان را وادار به عمل کنید.
یک تست A/B که به خوبی برنامه‌ریزی شده، تغییرات بزرگی را در میزان اثرگذاریِ فعالیت‌های بازاریابی شما به وجود می‌آورد. تعیین و بررسی جزء‌به‌جزء عناصر موثر بر افزایش نرخ تبدیل با استفاده از تست A/B و جمع‌بندی نتایج حاصل از آن، به وضوح فعالیت‌های بازاریابی شما را سودآورتر و موفق‌تر می‌کند.
چرا باید از تست A/B استفاده کنید؟
تست A/b به شما اجازه می‌دهد تا ترافیک وب‌سایت خود را به بهترین شکل ممکن مدیریت کنید. درست است که به دست آوردن ترافیک پولی بسیار هزینه‌بر است، اما هزینه افزایش نرخ تبدیل کاربر به مشتری به این روش، مطمئناً ناچیز است. نرخ سود بازگشت سرمایه حاصل از تست A/B می‌تواند رقمی خیره کننده باشد زیرا حتی تغییرات کوچک بر روی صفحه فرود یا وب‌سایت می‌تواند به افزایش سرنخ، فروش و سود حاصل از آن منجر شود.
تست A/B به شرکت‌ها یا اشخاص اجازه می‌دهد تا با ایجاد تغییرات برنامه‌ریزی شده بر روی وب‌سایت یا اپلیکیشن خود، تجربه کاربری را برای بازدیدکنندگان بهبود بخشند و داده‌های مرتبط با آن را جمع آوری کنند. این کار فرضیات جدیدی را در ذهن صاحبان وب‌سایت‌ها به وجود می‌آورد و به آنها اجازه می‌دهد بدانند چرا برخی از المان‌های وب‌سایت‌شان بر روی رفتار مخاطبانشان تاثیر می‌گذارد. به این ترتیب، تست A/B به شما اجازه می‌دهد تا فرضیات خود را محک بزنید (شاید تصورات شما درباره تجربه کاربری سایت‌تان نادرست باشد!).
تست A/B می‌تواند به صورت مداوم، جهت بهبود تجربه کاربری و افزایش نرخ تبدیل کاربر به مشتری در طولانی مدت، انجام شود. برای مثال یک شرکت B2B فعال در حوزه تکنولوژی شاید بخواهد کیفیت سرنخ‌های فروش خود را از طریق ایجاد یک Landing Page افزایش دهد. برای رسیدن به این هدف، تیم بازاریابی این شرکت باید از طریق آزمون A/B عناوین صفحه، تصاویر به کار رفته، فرم‌های ثبت نام، دکمه‌های فراخوان عمل و عناصر دیگر صفحه را تغییر دهد.
تغییر المان‌های صفحه فرود به صورت تکی به شما کمک خواهد کرد تا رفتار کاربران سایت را با دقت بیشتری بررسی کنید و از میزان اثرگذاری هر تغییر مطلع شوید. پس از اعمال تغییرات به صورت تکی، می‌توانید بر اساس داده‌های جمع آوری شده، آن تغییراتی که بازدهی بیشتری داشته‌اند را بر روی صفحه فرود خود اعمال کنید.
این روش از اعمال تغییرات در تست A/B به شما اجازه می‌دهد تا تجربه کاربر را برای به دست آوردن نتیجه مطلوب تغییر دهید و گام‌های موفقیت خود در کمپین‌های تبلیغاتی را محکم‌تر بردارید.
با بررسی داده‌ها، مدیران وب‌سایت‌ها خواهند دانست که کدام یک از نسخه‌های سایت کلیک بیشتری را دریافت می‌کند یا کدام یک از نسخه‌ها توانسته است بازدیدکنندگان بیشتری را به مشتری تبدیل کند. همچنین، اگر تست A/B به درستی صورت بگیرد، هزینه‌های بازاریابی و تبلیغات یک کمپین کاهش می‌یابد.
قیف تست A/B
طراحی تست A/B به چه شکل است؟
زمانی‌که قصد دارید برای انجام یک تست A/B برنامه‌ریزی کنید، ابتدا لازم است بدانید دقیقاً چه چیزی را می‌خواهید آزمایش کنید. آیا می‌خواهید این آزمایش را در وب‌سایت خود انجام دهید یا بیرون از آن؟
اگر قرار است این آزمایش درون سایت انجام شود، به تمام قسمت‌هایی از سایت که می‌توانند به فروش مرتبط باشند، فکر کنید و سپس اِلِمان‌هایی که به آزمایش‌شان تمایل دارید را مشخص کنید. در مورد تست‌های خارج از سایت می‌توان به مواردی نظیر یک ایمیل فروش یا آگهی اشاره کرد. زمانی‌که بدانید کدام آگهی شما موثرتر خواهد بود راحت‌تر می‌توانید درباره میزان هزینه‌ای که قرار است برای آن صرف کنید، تصمیم بگیرید.
این موضوع درباره ایمیل‌ها نیز صادق است. به این صورت که برای انجام تست A/B دو نسخه متفاوت از یک ایمیل را به‌طور همزمان برای دسته‌ای از مخاطبین و به نسبت مساوی (با یک انتخاب اتفاقی) ارسال می‌کنید. در صورتی که شاهد عملکرد بهتر یکی از نسخه‌ها بودید می‌توانید همان نسخه را به عنوان ایمیل اصلی برای تمام مخاطبین ارسال کنید.
به طور کلی، مراحل طرح فریم ورک برای تست A/B به صورت زیر انجام می‌شود:
- جمع آوری داده: گوگل آنالیز یا ابزارهای تست A/B معمولاً داده‌هایی را برای شروع بهینه‌سازی در اختیارتان قرار می‌دهد. این اطلاعات به شما کمک می‌کنند تا از صفحات و نقاط پربازدید سایت خود شروع کنید. این کار به شما کمک می‌کند تا داده‌ها را سریع‌تر جمع آوری کنید. پس از جمع آوری اطلاعات، به دنبال صفحاتی باشید که نرخ تبدیل پائینی دارند یا رتبه‌شان قابل بهبود است.
- تعیین اهداف: اهدافی که در تبدیل کاربر به مشتری دارید، معیارهایی هستند که از آنها برای تعیین موفقیت نسخه اصلی یا دوم سایت استفاده می‌کنید. اهداف شما می‌توانند هر چیزی باشند از کلیک بر روی یک دکمه گرفته تا خرید یک محصول یا پرکردن فرم ثبت نام!
- طرح تئوری و فرضیات: زمانی که اهداف‌تان را شناسایی کردید می‌توانید تئوری‌هایی را درباره تست A/B مطرح کنید. تئوری‌هایی که باید بگویند چرا نسخه جدید نسبت به نسخه فعلی بازدهی بهتری دارد. زمانی که توانستید فهرستی از نظریات خود تهبه کنید، آنها را به اساس میزان اهمیت و سختی اجرایشان مرتب کنید.
- ساخت نسخه جدید: در این مرحله باید تغییرات دلخواه را بر روی اِلِمانی از وب‌سایت یا اپلیکیشن خود اعمال کنید. این تغییر می‌تواند تغییر رنگ یک دکمه، تغییر ترتیب المان‌های سایت یا مخفی کردن ابزار Navigation سایت باشد. پیشنهاد می‌کنم نتایج حاصل از تغییرات را ثبت کنید تا اثرگذاری‌شان را بررسی کنید.
- آزمایش: تغییرات خود را انجام دهید و منتظر نتایج بمانید. در این مرحله، بازدیدکنندگان سایت (یا اپلیکیشن) یکی از نسخه های سایت شما را به صورت تصادفی مشاهده می‌کنند. تجربه آنها از کار کردن با نسخه جدید سایت‌تان باید اندازه گیری، محاسبه و با عملکرد نسخه پیشین مقایسه شود.
- تحلیل نتایج: زمانی که آزمایش A/B به پایان رسید، زمان بررسی و تحلیلِ داده‌های به دست آمده است. ابزارهای اختصاصی تست A/B (مانند Optimzely) یا ابزار گوگل آنالیز می‌توانند این داده‌ها را در اختیار شما قرار دهند. این داده‌ها تفاوت عملکرد کاربران در هر نسخه را به شما نشان می‌دهند.
توجه داشته باشید، آزمایش هر متغیر در هر نسخه باید به صورت همزمان اجرا شود. شما نمی‌توانید نسخه اول را امروز و نسخه دوم را فردا تست کنید زیرا نمی‌توانید سایر متغیرهای موجود بین این دو روز را ثابت نگه دارید. اگر آزمایش‌ها به صورت همزمان اجرا نشوند، نخواهید دانست که نتایج به دست آمده بر اساس معیارها و متغیرهای مد نظرتان بوده یا اینکه عوامل دیگری بر نتایج اثر گذاشته‌اند.
مواردی که می‌توان با تست A/B آزمایش کرد
شاید بتوان گفت تمامی متغیرهای موجود در یک صفحه یا اپلیکیشن را با تست A/B آزمایش کرد. به عبارت دیگر، هر قسمتی از سایت که بر روی رفتار کاربر تاثیر بگذارد از طریق تست A/B قابل سنجش است. از رایج‌ترین موارد آزمایش شده می‌توان به فهرست زیر اشاره کرد:
- عنوان صفحه
- زیر تیترها
- پاراگراف توضیحات
- نظرات مشتریان
- متن دکمه فراخوان به عمل
- دکمه فراخوان به عمل
- لینک‌ها
- تصاویر
- محتوای موجود در صفحه
- دکمه‌های مرتبط با شبکه‌های اجتماعی
- ریپرتازهای خبری در رسانه‌های مختلف
- گواهینامه‌ها و افتخارات
تست A/B برای پیشنهادات شگفت‌انگیز و تخفیف‌ها نیز می‌تواند موثر و مفید باشد. نکته قابل توجه این است که حتماً دقت کنید یک بازدیدکننده‌ی مشخص همواره به یک نسخه‌ی ثابت هدایت شود.
برای مثال اگر شما در حال آزمایش پیشنهاد هدیه‌ی رایگان در حالت A و ارائه کوپن تخفیف در حالت B هستید، دقت کنید که بازدیدکنندگانی که به نسخه‌ی A هدایت می‌شوند در دفعات بعدی مراجعه به سایت، باز هم به همان نسخه‌ی A هدایت شوند. این موضوع درباره نسخه B نیز صدق می‌کند. اگر به این نکته دقت نکنید ممکن است سبب ایجاد بی‌اعتمادی در بازدیدکنندگان شوید.
آیا می‌توان بیش از یک متغیر را به‌طور همزمان آزمایش کرد؟
برای پاسخ به این سوال، لازم است که دو نکته را در نظر داشته باشیم:
- اگر هدف شما این است که سه نسخه مختلف از یک متغیر را تست کنید و برایتان سوال به وجود آمده که آیا می‌توان زوج‌های A/B، A/C و B/C را به صورت همزمان تست کرد یا خیر، باید بگوییم منطقی‌تر است به جای این کار، ترافیک ورودی را به سه گروه و برای بازدید از سه نسخه‌ی B، A و C تقسیم‌بندی، و سپس نتایج را مقایسه کنید.
- اما اگر هدفتان این است که در دو مورد مختلف و برای دو متغیر متفاوت، تست را همزمان انجام دهید، باید بگوییم که این تست، یک تست چند متغیره خواهد بود و به دلیل پیچیدگی‌های خاص، لازم است توسط نرم‌افزارها و ابزارهای پیشرفته‌ی تست A/B انجام شود. پس فقط در صورت دسترسی به ابزارهای اجرای تست چندگانه، این کار را انجام دهید.
بازه‌ی زمانی انجام تست A/B
تست A/B یک پروژه، بر اساس بازه‌ی زمانی مشخص و از پیش‌تعیین‌شده انجام نمی‌شود، بلکه بسته به میزان ترافیک ورودی سایت و نوع متغیر مورد نظر، ممکن است بین چند روز تا چند هفته زمان نیاز داشته باشد. قابل ذکر است که در برخی موارد برای رسیدن به دقیق‌ترین نتایج، لازم است تست فقط یک بار اجرا شود.
برای رسیدن به نتایج دقیق، لازم است حداقل تعداد مشخصی از بازدیدکنندگان مورد بررسی قرار بگیرند. اختصاص زمان ناکافی برای یک تست می‌تواند باعث شود که تعداد گروه بازدیدکنندگان به حد کافی نرسند. همچنین، اگر بازه‌ی زمانی اجرای تست طولانی باشد ممکن است منجر به دخالت متغیرهایی شود که مد نظر ما نیستند و در نهایت، نتیجه‌ی تست از این متغیرها تاثیر بگیرد. پس تعیین زمان مناسب برای اجرای هر تست اهمیت دارد و باید به دقت تعیین شود.
با توجه به تاثیر مفید تست A/B می‌توان گفت اختصاص چند هفته زمان به اجرای یک تست صحیح کاملاً معقول و منطقی به نظر می‌رسد. البته باید گفت در مواردی که فقط می‌خواهیم یک متغیر از سایت را بررسی کنیم، تست A/B می‌تواند طی چند روز انجام شود.
تست A/B و تاثیر آن بر سئوی سایت
طی بررسی‌هایی که ما در نوین انجام دادیم، متوجه شدیم گوگل نه تنها به شما اجازه می‌دهد از تست A/B استفاده کنید، بلکه شما را به این کار تشویق می‌کند. گوگل اعلام کرده است که استفاده از تست A/B هیچ تاثیر منفی بر روی سایت شما نخواهد گذاشت. با این حال، اگر از ابزارهای تست A/B جهت انجام برخی از روش‌های سئوی کلاه سیاه استفاده کنید، ممکن است رتبه خود را در نتایج جستجو از دست بدهید.
به طور خلاصه، در زمان تست A/B نکات زیر برای گوگل بسیار اهمیت دارند:
- Cloaking نکنید! - همانطور که قبلاً در مقالات سئو وبلاگِ نوین اشاره کرده‌ایم، Cloaking روش سئویی است که در آن محتوایی که به موتورهای جستجو نمایش داده می‌شود با محتوای وب‌سایت یکسان نیست. اگر گوگل متوجه شود از این روش در وب‌سایت خود استفاده می‌کنید، سایت شما را جریمه کرده یا به صورت کامل آن را از نتایج جستجو حذف می‌کند. از آنجایی که در تست A/B دو محتوای متفاوت به دو دسته از کاربران نمایش داده می‌شود، این امکان وجود دارد که صاحبان سایت‌ها محتوایی متفاوت را از طریق User-Agent یا آدرس IP به ربات گوگل نمایش دهند. در یک کلام، از انجام این کار پرهیز کنید!
- از تگ "rel="canonical استفاده کنید - خب، قبلاً در مقاله‌ای که درباره انواع ریدایرکت سایت نوشتیم، درباره تگ Canonical صحبت کردیم. اگر تست A/B سایت خود را بر روی چند URL انجام می‌دهید، باید از تگ "rel="canonical استفاده کنید. استفاده از این تگ به موتور جستجو می‌فهماند که کدام نسخه از صفحه، نسخه‌ی اصلی است و باید در نتایج جستجو ایندکس شود. این کار به منظور جلوگیری از ایجاد محتوای تکراری صورت می‌گیرد.
- ریدایرکت 302 را جایگزین ریدایرکت 301 کنید - اگر در آزمایش A/B، نسخه اصلی سایت به نسخه جدید ریدایرکت می‌شود، بهتر است به جای استفاده از ریدایرکت 301 (دائم) از ریدایرکت 302 (موقت) استفاده کنید. این ریدایرکت به موتورهای جستجو می‌گوید که انتقال صفحه به صورت موقت صورت گرفته است. بنابراین، نسخه اصلی سایت باید در نتایج جستجو ایندکس شود.
- تا زمانی که احتیاج است، تست A/B را انجام دهید - اگر زمان انجام تست A/B شما طولانی شود (در حالیکه یکی از نسخه‌های ایجاد شده به تعداد زیادی کاربر نمایش داده می‌شود)، این امکان وجود دارد که موتورهای جستجو شما را جریمه کنند زیرا تصور می‌کنند که در حال تقلب در نتایج جستجو هستید. گوگل توصیه می‌کند که پس از اتمام آزمایش، تمامی متغیرهایی که نیاز ندارید را از سایت خود پاک کنید.
نتیجه‌گیری
اگر جزو آن دسته از وب‌سایت‌هایی هستید که بازدیدکننده زیادی دارد اما نمی‌تواند این بازدیدکنندگان را به خرید محصول ترغیب کند، تست A/B می‌تواند راهگشای مشکل شما باشد. با استفاده از آزمون A/B می‌توانید رفتار کاربران سایت خود را به دقت بررسی کنید و با استفاده از نتایج به دست آمده تجربه کاربری منحصربفردی را در اختیار بازدیدکنندگان سایت خود قرار دهید.
انجام تست A/B به صورت مداوم می‌تواند میزان فروش شما را به طور قابل توجهی بهبود بخشد. اگر بدانید چه اقدامات و فعالیت‌های بازاریابی برایتان نتیجه‌بخش است، تصمیم‌گیری در مورد انتخاب نوع و استراتژي بازاریابی آسان‌تر خواهد شد و تست A/B دقیقاً در همین راستا به شما کمک می‌کند.
https://www.novin.com/blog/what-is-ab-testing
