Làm thế nào để thực hiện một A/B Testing
A/B testing là gì?
A/B testing (hay còn được gọi là split testing) là một quy trình mà trong đó hai phiên bản (A và B) sẽ được cùng so sánh trong một môi trường / tình huống được xác định và qua đó đánh giá xem phiên bản nào hiệu quả hơn. Phiên bản ở đây có thể là mọi thứ từ một hình banner, trang web, mẫu quảng cáo cho tới email và hiệu quả được đánh giá dựa trên mục tiêu của người làm test dành cho các phiên bản này.
Một website bán hàng thì có mục tiêu là muốn khách hàng phải mua hàng hoặc mua nhiều hơn. Một banner quảng cáo thì có mục tiêu là muốn khách hàng phải bấm vào đó nhiều hơn. Một email thì có mục tiêu là khách hàng phải mở ra xem nhiều hơn. Tất cả mọi thứ đều có một mục tiêu nào đó, nhằm khiến cho khách hàng thực hiện một hành động mong muốn nào đó, hành động này được gọi là conversion. Tỉ lệ người thực hiện các hành động đó được gọi là conversion rate (tỉ lệ chuyển đổi).
Và việc đo lường và đánh giá 2 phiên bản A và B cũng chính là việc đo lường và đánh giá conversion rate của tiến trình đang thực hiện.
Làm thế nào để thực hiện một A/B Testing?
Trước khi thực hiện A/B Testing
#1 Chọn một biến thể để kiểm tra
Khi thực hiện tối ưu hóa các trang web và email marketing của mình, bạn có thể thấy có một số biến thể mà bạn muốn kiểm tra.
Nhưng để đánh giá mức độ hiệu quả của một biến thể đó, bạn sẽ muốn dùng “biến thể độc lập” và đo lường hiệu suất của nó.
Bạn có thể kiểm tra nhiều hơn một biến thể cho một trang web hoặc email; chỉ cần chắc chắn rằng bạn sẽ không thử nghiệm chúng cùng một lúc.
Nhìn vào các yếu tố khác nhau trong tài nguyên marketing của bạn và các lựa chọn thay thế của chúng cho thiết kế, từ ngữ và bố cục. Ngoài ra, bạn có thể kiểm tra các yếu tố:
Dòng chủ đề email
Tên người gửi
Các cách khác nhau để cá nhân hóa email của bạn.
Thay đổi hình ảnh trong email hoặc từ ngữ trên CTA cũng có thể tạo ra sự thay đổi lớn.
Trên thực tế, những kiểu thay đổi này thường dễ xác định hơn những kiểu thay đổi lớn hơn thế.
#2 Xác định mục tiêu của bạn
Mặc dù sẽ đo nhiều số liệu cho mỗi một lần kiểm tra, nhưng cần thiết để chọn một số liệu chính để tập trung vào ngay trước khi bạn thử nghiệm. Trên thực tế, hãy làm điều này trước cả khi bạn thiết lập biến thể thứ hai. Đây là “biến phụ thuộc” của bạn.
Bạn cũng có thể nêu ra một giả thuyết chính và kiểm tra kết quả dựa trên dự đoán này.
Nếu bạn đợi cho đến cuối để quyết định xem:
Số liệu nào quan trọng với bạn?
Mục tiêu của bạn là gì?
Những sự thay đổi bạn đề xuất có thể ảnh hưởng đến hành vi của người dùng không?
Thì có thể bạn sẽ không thể thử nghiệm theo cách hiệu quả nhất.
#3 Tạo ‘kiểm soát’ và ‘thách thức’.
Bây giờ đã có biến thể độc lập, biến phụ thuộc và kết quả mong muốn của bạn. Hãy sử dụng thông tin này để thiết lập phiên bản chưa thay đổi của bất cứ điều gì bạn đang kiểm tra làm “kiểm soát”.
#4 Chia nhóm test mẫu của bạn ngang bằng và ngẫu nhiên
Đối với các thử nghiệm mà bạn có quyền kiểm soát nhiều hơn – như với email, bạn cần thử nghiệm với 2 hoặc nhiều đối tượng ngang bằng nhau để có kết quả cuối cùng.
Cách bạn thực hiện việc này sẽ khác nhau tùy thuộc vào công cụ A/B Testing – Testing tool mà bạn sử dụng.
#5 Xác định kích cỡ mẫu thử của bạn (nếu có)
Cách bạn xác định kích thước mẫu thử của bạn cũng sẽ thay đổi tùy thuộc vào công cụ A/B Testing của bạn, cũng như loại A/B test mà bạn đang sử dụng.
Nếu như bạn đang kiểm tra A/B với email, có thể bạn sẽ muốn gửi A/B Testing đến một phần nhỏ hơn trong danh sách của bạn để có kết quả thống kê.
Cuối cùng, bạn sẽ chọn một phần chiến thắng và gửi biến thể thành công đó cho phần còn lại của danh sách.
Bạn cần để thử nghiệm của mình chạy đủ lâu để có được số lượt xem đáng kể, nếu không, thật khó để biết liệu có sự khác biệt có ý nghĩa thống kê giữa hai biến thể hay không.
#6 Quyết định tầm quan trọng của kết quả của bạn
Ý nghĩa thống kê là một phần cực kỳ quan trọng của A/B Testing và nó thường bị hiểu sai. Tỷ lệ phần trăm mức độ tự tin của bạn càng cao, bạn càng chắc chắn về kết quả của mình.
Trong hầu hết các trường hợp, bạn sẽ muốn mức độ tin cậy đạt tối thiểu 95% – tốt nhất là 98%. Đặc biệt nếu đó là một thử nghiệm tốn nhiều thời gian để thiết lập.
Tuy nhiên, đôi khi bạn nên sử dụng tỷ lệ tin cậy thấp hơn nếu bạn không cần quá trình kiểm tra nghiêm ngặt.
#7 Chắc chắn rằng bạn chỉ thử nghiệm tại một thời điểm trên bất kỳ chiến dịch nào
Thử nghiệm nhiều hơn một thứ cho một chiến dịch – ngay cả khi nó không nằm trên cùng một tài sản chính xác. Điều này có thể làm phức tạp hóa kết quả sau khi thực hiện A/B Testing của bạn.
Trong quá trình A/B Testing
#8 Sử dụng công cụ A/B Testing
Để thực hiện A/B Testing trên trang web của bạn hoặc trong email, bạn sẽ cần sử dụng công cụ A/B Testing.
Các tùy chọn như Thử nghiệm của Google Analytics sẽ cho phép bạn làm A/B Testing trên tối đa 10 phiên bản đầy đủ của một trang web và so sánh hiệu suất của nó bằng cách sử dụng một tập hợp mẫu người dùng ngẫu nhiên.
#9 Kiểm tra cả hai biến thể cùng một lúc
Thời gian đóng một vai trò quan trọng trong kết quả chiến lược marketing online của bạn, cho dù đó là thời gian trong ngày, ngày trong tuần hay tháng trong năm.
Nếu bạn đã chạy Phiên bản A trong một tháng và Phiên bản B một tháng sau đó, làm thế nào bạn biết liệu thay đổi hiệu suất là do thiết kế khác nhau hoặc tháng khác nhau?
Khi bạn chạy A/B Testing, bạn sẽ cần chạy hai biến thể cùng một lúc, nếu không, bạn có thể bị lặp lại kết quả của mình.
Ngoại lệ duy nhất ở đây là nếu bạn đang tự kiểm tra thời gian, ví dụ như tìm thời gian tối ưu để gửi email.
Đây là một điều tốt để kiểm tra vì tùy thuộc vào những gì doanh nghiệp của bạn cung cấp và người đăng ký của bạn là ai, thời gian tối ưu cho quá trình tham gia của người đăng ký có thể thay đổi đáng kể theo ngành và thị trường mục tiêu.
#10 Cung cấp đủ thời gian cho A/B Testing để tạo ra dữ liệu hữu ích
Một lần nữa, bạn sẽ muốn đảm bảo rằng thử nghiệm của mình chạy đủ lâu để có được kích thước mẫu đáng kể. Mặt khác, thật khó để biết liệu có sự khác biệt có ý nghĩa thống kê giữa hai biến thể hay không.
Bao lâu mới là đủ?
Tùy thuộc vào công ty của bạn và cách bạn triển khai A/B Testing, việc có được kết quả có ý nghĩa thống kê có thể xảy ra trong vài giờ … hoặc vài ngày … hoặc vài tuần.
Một phần lớn của việc mất bao lâu để có được kết quả có ý nghĩa là lượng lưu lượng truy cập bạn nhận được – vì vậy nếu doanh nghiệp của bạn không nhận được nhiều lưu lượng truy cập vào trang web, bạn sẽ mất nhiều thời gian hơn để chạy A/B Testing.
Về lý thuyết, bạn không nên giới hạn thời gian thu thập kết quả.
#11 Yêu cầu phản hồi từ người dùng thực sự
A/B Testing có liên quan nhiều đến dữ liệu định lượng … Nhưng điều đó sẽ không nhất thiết giúp bạn hiểu lý do tại sao mọi người lại thực hiện một số hành động nhất định đối với người khác.
Trong khi bạn đang chạy A/B Testing, tại sao không thu thập phản hồi định tính từ người dùng thực? Một trong những cách tốt nhất để hỏi mọi người về ý kiến của họ là thông qua một cuộc khảo sát hoặc thăm dò ý kiến.
Bạn có thể thêm khảo sát trên trang web của mình để hỏi khách truy cập tại sao họ không nhấp vào một CTA nào đó, hoặc một khảo sát trên trang cảm ơn của bạn hỏi về vấn đề tại sao người truy cập lại nhấp vào nút hoặc điền vào biểu mẫu.
Sau quá trình A/B Testing
#12 Tập trung vào số liệu mục tiêu của bạn
Một lần nữa, mặc dù bạn sẽ có nhiều số liệu, hãy tập trung vào số liệu mục tiêu khi bạn thực hiện phân tích.
#13 Đo lường tầm quan trọng của kết quả của bạn bằng máy tính A/B Testing
Bây giờ bạn đã xác định được biến thể nào hoạt động tốt nhất, đã đến lúc xác định xem kết quả có ý nghĩa thống kê hay không.
Nói cách khác, nó có đủ để giải thích cho một sự thay đổi?
Để tìm hiểu thêm, bạn sẽ cần tiến hành kiểm tra ý nghĩa thống kê. Bạn có thể làm điều đó thủ công … hoặc bạn chỉ cần đưa kết quả từ thử nghiệm của mình vào máy tính A/B Testing.
Đối với mỗi biến thể bạn đã kiểm tra, bạn sẽ được nhắc để nhập tổng số lần thử, như email đã gửi hoặc số lần hiển thị được nhìn thấy.
Sau đó, nhập số lượng mục tiêu đã hoàn thành – nói chung bạn sẽ xem các nhấp chuột, nhưng đây cũng có thể là các loại chuyển đổi khác.
Máy tính sẽ cung cấp mức độ tin cậy mà dữ liệu của bạn tạo ra cho biến thể được chọn. Sau đó, đánh giá số đó so với giá trị bạn đã chọn để xác định ý nghĩa thống kê.
#14 Hãy thực hiện dựa trên kết quả của bạn
Nếu một biến thể tốt hơn về mặt thống kê so với biến thể khác, bạn đã có người chiến thắng. Biến thể này đã hoàn thành bài kiểm tra của bạn bằng cách vô hiệu hóa biến thể còn thiếu trong công cụ A/B Testing.
Nếu không có biến thể nào tốt hơn về mặt thống kê, bạn vừa biết rằng biến thể bạn đã kiểm tra không ảnh hưởng đến kết quả và bạn sẽ phải đánh dấu thử nghiệm là không có kết quả.
Trong trường hợp này, hãy gắn bó với biến thể ban đầu – hoặc chạy thử nghiệm khác. Bạn có thể sử dụng dữ liệu thất bại để giúp tìm ra một lần lặp mới trong bài kiểm tra mới của bạn.
Mặc dù các bài A/B Testing giúp bạn tác động đến kết quả trong từng trường hợp cụ thể, bạn cũng có thể áp dụng các bài học học được từ mỗi bài kiểm tra và áp dụng nó cho các nỗ lực trong tương lai.
#15 Lập kế hoạch A/B Testing tiếp theo của bạn
A/B Testing của bạn vừa hoàn thành có thể đã giúp bạn khám phá một cách mới để làm cho nội dung marketing hiệu quả hơn – nhưng đừng dừng lại ở đó.
Sẽ luôn luôn có cách để có thể tối ưu hóa hơn. Bạn thậm chí có thể thử tiến hành A/B Testing trên một tính năng khác của cùng trang web hoặc email mà bạn vừa thực hiện kiểm tra.
