A/B testing - ابزار تست ای بی رایگان توسط گوگل اوپتیمایز Google Optimize
راهنمای آموزش Google Optimize: ابزار رایگان A/B تستReviewed by میلاد غیب دوست on Jan 15Rating: 5.0راهنمای آموزش Google Optimize: ابزار رایگان A/B تست
Want create site? Find Free WordPress Themes and plugins.
راهنمای آموزش Google Optimize: ابزار رایگان A/B تست
سوال مهمی که بسیاری از کسب‌وکارهای اینترنتی ممکن است با آن مواجه باشند این است که چطور می‌توانند با بهینه‌سازی مناسب وب سایت به اهداف خود مثل ایجاد تجربه کاربری بهتر، جذب Lead، فروش و … دست پیدا کنند.
یکی از مهمترین فعالیت‌هایی که هر وبمستری در این زمینه باید انجام دهد بدون شک A/B تست است. متاسفانه هنوز این تست آنطور که باید جدی گرفته نشده است. طبق گزارش مدیر محصول شرکت گوگل (Rotimi Iziduh) ۴۵% از کسب و کارهای کوچک و متوسط هنوز از تست A/B جهت بهینه‌سازی وب سایت خود استفاده نمی‌کنند. دو دلیل عمده جهانی برای این قضیه کمبود نیروی متخصص، و دانش لازم برای انجام این نوع از بهینه‌سازی است؛ و شاید در ایران بتوان دلیل دیگری را نیز به آن افزود: نبود ابزاری مناسب و رایگان.
خوشبختانه تمامی این دغدغه‌ها با خدمت جدیدی که گوگل ارائه کرده است قابل رفع شدن است. اخیراً گوگل بخشی از خدمات گوگل ۳۶۰ خود را (که هزینه آن اصلا کم نیست) با نام Google Optimize به طور رایگان در دسترس عموم قرار داده است و بسیاری از قابلیت‌های خدمات ۳۶۰ در Google Optimize وجود دارد (مشاهده تفاوت‌های موجود بین این دو پلتفرم).
در این مقاله تلاش می‌کنیم تا کار کردن با این ابزار سودمند را بررسی کنیم اما قبل از آن اگر اطلاعات بیشتری از A/B تست می‌خواهید پیشنهاد می‌کنم مقاله پیشنهادی را مشاهده نمایید.
Google Optimize چیست و چه کار می‌کند؟
Google Optimize حالا دیگر ابزاری رایگان است که در کنار گوگل آنالیتیکس، گوگل تگ منیجر و گوگل سرچ کنسول قرار است خدمات قابل توجهی را برای بهبود اهداف تعیین شده انجام دهد. کارکرد مهم این ابزار – همانطور که در بخش قبل نیز به طور خلاصه بیان شد- انجام تست A/B به ساده‌ترین شکل ممکن است. اگر هیچ اطلاعاتی از کدنویسی ندارید و یا اینکه تا به حال چنین تستی را انجام نداده‌اید نیاز به نگرانی نیست و هر کاربری با هر سطحی از دانش می‌تواند از این ابزار استفاده کند و با خواندن این مقاله تا انتها به راحتی می‌توانید این ابزار را بر روی سایت خود نصب و اجرا کنید.
راه اندازی و نصب Google Optimize
۱- در ابتدا وارد صفحه Google Optimize شوید و با اکانت آنالیتیکس خود وارد داشبورد گوگل آپتیمایز شوید.
۲- پس از ورود به داشبورد در بخش سمت راست اکانت آنالیتیکس خود را لینک کنید. اگر اکانت شما در آنالیتیکس فعال باشد اطلاعات اکانت خود را مشاهده خواهید کرد و کافی است تنها بر روی Property Link کلیک کنید.
۳- در این مرحله به شما یک Tracking Code داده می‌شود. به دو طریق می‌شود نصب را انجام داد:
روش اول: اگر بر روی وب سایت خود گوگل تگ منیجر را نصب نکرده‌اید می‌بایست به صورت دستی یک خط کد را در بین اسکریپت فعلی آنالیتیکس خود اضافه کنید. بخشی که در عکس زیر هایلایت شده است (بخش‌های سیاه شده جهت حفظ محرمانگی اطلاعات اکانت مورد بررسی است).
روش دوم: اگر گوگل تگ منیجر را بر روی وب سایت خود نصب کرده باشید به راحتی می‌توانید با ایجاد یک تگ جدید بدون نیاز به تغییرات دستی Google Optimize را بر روی وب سایت خود نصب نمایید. برای مشاهده نصب از این طریق می‌توانید راهنمای گوگل را مطالعه نمایید.
۴- پس از انجام یکی از موارد بالا، در مرحله بعد Snippet دیگری به شما داده می‌شود که استفاده از آن اختیاری است ولی بهتر است انجام شود. این کد Page-Hiding Snippet نام دارد و باید دقیقا قبل از کد آنالیتیکس یا تگ منیجر کپی شود. کارکرد اصلی این کد این است که شما مطمئن می‌شوید که طی مدت زمان تست A/B به یک کاربر تنها یک نوع از تغییرات نشان داده می‌شود.
۵- نصب افزونه گوگل آپتیمایز: برای دریافت این افزونه با مرورگر کروم به این آدرس مراجعه کنید. کارکرد این افزونه در ادامه توضیح داده خواهد شد.
تا اینجای کار، گوگل آپتیمایز بر روی سایت شما نصب شده است در ادامه نحوه ساخت یک آزمایش (Experiment) را باهم بررسی می‌کنیم.
مقاله ای با موضوع : چگونه دیتای پاک شده گوگل آنالیتکس خود را برگردانیم می‌تواند به شما کمک کند
ساخت یک Experiment
برای ساخت اولین آزمایش خود بر روی Create Experiment کلیک کنید تا وارد صفحه پایین شوید.
در این بخش ابتدا یک نام برای آزمایش خود انتخاب کنید و سپس آدرس صفحه‌ای که شما می‌خواهید A/B تست را انجام دهید وارد نمایید. در قسمت پایین شما سه انتخاب متفاوت خواهید داشت:
- A/B test: در این حالت که رایج‌ترین نوع آزمایش است می‌توان یک صفحه را با یک و یا چند تغییر مورد آزمون قرار دارد.
- Multivariate test: در این حالت شما همزمان می‌توانید روی یک صفحه چند A/B test متفاوت را ایجاد کنید.
- Redirect test: این نوع از آزمایش اصولاً برای زمانی است که حجم تغییرات روی یک صفحه زیاد است و این کار باعث کاهش سرعت صفحه مورد نظر می‌شود. در این حالت می‌توان از این تست و در غالب دو URL مجزا استفاده کرد. این نکته را همیشه مدنظر داشته باشید که در صفحه آزمایشی تگ Noindex را قرار دهید تا از طرف موتورهای جستجو ایندکس نشود.
در این مقاله تنها به توضیح رایج‌ترین نوع Experiment یعنی A/B test می‌پردازیم، چونکه با یادگیری این تست سایر تست‌ها را نیز فرا خواهید گرفت و به مشکل خاصی بر نخواهید خورد.
پس از کلیک بر روی Create وارد صفحه زیر خواهید شد.
در بخش Variants در سطر اول Original را مشاهده می‌کنیم که همان صفحه‌ای است که در مرحله قبل ثبت کرده بودیم. در سطر دوم لازم است با ایجاد یک New Variant تغییرات مورد نظر در صفحه اصلی را به گوگل اعلام کنیم. با کلیک بر روی نام Variant ساخته شده (در اینجا Variant1) وارد صفحه visual editor می‌شویم و میتوانیم از طریق افزونه نصب شده در مرحله قبل به راحتی تغییرات مورد نظر را اعمال کنیم.
نحوه کار با Visual Editor
در تصویر زیر محیط visual editor نشان داده شده است.
۱- نام کمپین
۲- انتخاب Variant ایجاد شده و یا ایجاد یک Variant جدید
۳- مشاهده صفحه در دستگاه‌های مختلف موبایل
۴- تعداد تغییراتی که برای A/B تست در صفحه ایجاد کرده‌اید
۵- اخطارهایی که نیاز به توجه و برطرف کردن دارند
۶- در این بخش می‌توانید کدهای CSS مورد نظر خود را در صورت لزوم آپلود کنید
۷- مشاهده صفحه بدون ابزارهایی گوگل آپتیمایز. مخصوصا برای زمان‌هایی به کار می‌آید که بخش‌هایی از صفحه به خاطر حضور این ابزارها قابل مشاهده نیستند.
۸- تنظیمات لازم برای مدل تغییر دادن عناصر صفحه
۹- ابزار CSS Selectorبرای تغییر کدهای CSS
۱۰- ساختار سلسله مراتبی HTML عنصر انتخاب شده در صفحه را نشان میدهد
۱۱- انتخاب عنصر مورد نظر. با تکان دادن موس و رفتن روی عناصر مختلف صفحه چارچوبی آبی رنگ به دور آنها کشیده می‌شود که نشان میدهد در حال تغییر چه بخشی از صفحه هستید
۱۲- با کلیک راست بر روی عنصر انتخاب شده، منویی نشان داده می‌شود که می‌توان کد HTML و یا جاوا اسکیریپت جدید را اضافه کرد
۱۳- از جالب‌ترین امکانات این بخش این است که اگر شما با CSS آشنایی نداشته باشید به راحتی می‌توانید تغییرات مورد نظر خود را بدون داشتن هیچگونه دانش خاصی اعمال کنید.
پس ازانجام تغییرات مورد نظر خود می‌توانید با کلیک کردن بر روی SAVE و سپس DONE تغییرات خود را نهایی کنید و به صفحه ساخت آزمایش برگردید.
تنظیمات بخش Configuration
قبل از شروع آزمایش بخش دیگری را نیز باید مد نظر قرار داد و آن بخش Configuration است.
در بخش OBJECTIVES شما می‌توانید هدف آزمایش خود را تعیین کنید. به طور پیش فرض اهدافی مثل تعداد بازدید صفحه و نرخ پرش (Bounces) در این بخش وجود دارد. اما اگر در گوگل آنالیتیکس خود Goal تنظیم کرده باشید در این بخش نشان داده خواهد شد تا به عنوان هدف آزمایش خود انتخاب کنید.
در بخش Targeting شما می‌توانید میزان ورودی ترافیک به صفحه آزمایشی و اورجینال را مشخص کنید. به طور پیش فرض به طور برابر ترافیک بین دو صفحه توزیع خواهد شد.
پس از انجام تغییرات از طریق visual editor و تنظیم اهداف و هدفمندی مورد نظر، آزمایش شما آماده اجرا شدن است. در قسمت بالای صفحه با کلیک بر روی Start Experiment آزمایش اجرا خواهد شد.
مشاهده گزارش Experiment
گوگل پیشهاد می‌کند که برای حدود ۲ هفته آزمایش ادامه پیدا کند تا بتوان به نتایج پایاتری دست یافت. مفهوم پایایی در علم آمار معنی خاصی دارد و به طور خلاصه یعنی اینکه چقدر نتایج حاصل شده را می‌توان در شرایط مشابه تکرارپذیر دانست. برای همین بهتر است در نتیجه‌گیری تست A/B عجله نداشته باشید و اصولاً پس از دو هفته اجرا، Google Optimize در صورت معنادار بودن تفاوت برنده آزمایش را به شما نشان خواهد داد. در تصویر زیر همانطور که مشاهده می‌کنید گوگل آپتیمایز برنده را با نرخ بهبود و احتمال بهبود در هدف اعلام کرده است (که در این آزمایش با نام Green Top Sell مشخص شده است) و می‌توان Experiment را پایان داد. به طور مثال در آزمایش زیر هدف میزان مشاهده تعداد صفحه بوده است که نتایج نشان میدهد طی ۱۹ روز و با ثبت ۳۲۰ Session تغییر مورد نظر ۲۴% افزایش بازدید را به همراه داشته است.
همچنین اگر به پایین صفحه گزارش مراجعه کنیم اطلاعاتی تکمیلی در رابطه با آزمایش داده خواهد شد.
در این بخش لازم است که تفاوت دو اصطلاح را بهتر درک کنیم:
- Probability to be best : احتمال بهتر بودن یکی از Variant ها را نسبت به سایر Variant ها نشان میدهد. این امر مخصوصاً در زمانی که بیش از یک تغییر را روی یک آزمایش اعمال کرده‌ایم مفید است. مجموع اعداد این ستون می‌بایست برابر با ۱۰۰ باشد.
- Probability to beat baseline: منظور از baseline صفحه اورجینال آزمایش است که هیچ تغییری در آن صورت نگرفته است. در واقع این شاخص احتمال بهتر بودن Variant ها را نسبت به صفحه اورجینال نمایش میدهد.
مشاهده نتایج آزمایش در گوگل آنالیتیکس
علاوه بر مشاهده گزارش در گوگل آپتیمایز که در بالا بررسی شد، می‌توان در گوگل آنالیتیکس نیز این نتایج را مشاهده کرد. برای این منظور در صفحه آنالیتیکس خود به مسیر زیر بروید:
Report > Behavior > Experiments
نمونه‌ای از نحوه گزارش در انالیتیکس در تصویر زیر نشان داده شده است.
مسلماً استفاده همزمان از هر دو گزارش کمک بیشتری در درک رفتار کاربران خواهد داشت، به خصوص اینکه در گزارش آنالیتیکس شما می‌توانید شاخص‌های متعدد و مهم آنالیتیکس را در آزمایش خود با یکدیگر مقایسه کنید.
https://oxteam.ir/%D8%B1%D8%A7%D9%87...A%D8%B3%D8%AA/
