فرض کنید دکمه ثبت‌نام سایت‌تان را از سبز به نارنجی تغییر می‌دهید و هفته بعد تعداد ثبت‌نام‌ها بالا می‌رود. آیا رنگ دکمه کار را کرد؟ شاید. شاید هم همان هفته یک تبلیغ شما را جلوی چشم مخاطبان گذاشته یا حقوق مردم واریز شده است. بدون تست، نمی‌توانید فرق «تغییر» با «تصادف» را تشخیص بدهید.
تست A/B دقیقاً برای همین است: دو نسخه از یک چیز را همزمان به دو گروه مشابه نشان می‌دهید و می‌بینید کدام نتیجه بهتری می‌گیرد. در این مقاله می‌بینید این روش چیست، چه تفاوتی با تست چندمتغیره دارد، شش مرحله اجرای درست کداماند، اگر ترافیک کمی دارید چه کنید و چه اشتباه‌هایی نتیجه را بی‌ارزش می‌کنند.
تست A/B چیست؟
تست A/B (یا تست تقسیم‌شده) مقایسه دو نسخه از یک دارایی دیجیتال است، مثل صفحه فرود، تبلیغ، پیامک یا پست شبکه اجتماعی. نیمی از مخاطبان بهصورت تصادفی نسخه A را میبینند و نیمی دیگر نسخه B را. بعد عملکرد هر نسخه با یک هدف مشخص سنجیده میشود، مثل درصد کسانی که روی لینک کلیک کردند، فرم را پر کردند یا خرید کردند.
اصل کار همان روش علمی است. اگر می‌خواهید بفهمید یک تغییر چه اثری دارد، باید شرایطی بسازید که فقط همان یک چیز فرق کند. مثل آزمایش مدرسه: دو دانه را در دو گلدان یکسان بکارید و یکی را کنار پنجره و دیگری را در کمد بگذارید. تفاوت رشد، اثر نور را نشان می‌دهد، چون بقیه چیزها ثابت بوده است.
تست A/B با تست چندمتغیره چه فرقی دارد؟
در تست A/B فقط یک عنصر تغییر میکند، مثلاً عنوان صفحه. در تست چندمتغیره چند عنصر همزمان و در ترکیبهای مختلف آزمایش میشوند. فرض کنید می‌خواهید هم فونت و هم وجود تصویر را در یک مقاله بسنجید. چهار صفحه می‌سازید:
فونت وزیرمتن همراه با تصویر
فونت وزیرمتن بدون تصویر
فونت ایران‌سنس همراه با تصویر
فونت ایران‌سنس بدون تصویر
این روش اثر ترکیب‌ها را هم نشان می‌دهد، اما هر ترکیب باید ترافیک کافی بگیرد. برای سایت‌هایی که بازدید کمی دارند، تست A/B ساده معمولاً انتخاب عملی‌تری است.
ریشه این روش از کجاست؟
آزمایش دو نسخه از یک پیام تبلیغاتی قدمتی بیش از دنیای دیجیتال دارد. بازاریاب‌های پست مستقیم و آگهی‌های چاپی مدت‌ها پیش دو نسخه از یک نامه یا آگهی می‌فرستادند تا ببینند کدام پاسخ بیشتری می‌گیرد. اینترنت این کار را سریع‌تر، ارزان‌تر و در مقیاس بزرگ‌تری ممکن کرد، چون میتوانید نتیجه را تقریباً همزمان ببینید.
تست A/B روی چه چیزهایی انجام میشود؟
تقریباً هر چیزی که مخاطب می‌بیند و رفتارش را تحت تاثیر قرار می‌دهد قابل تست است. رایج‌ترین موارد این‌ها هستند:
صفحه فرود و صفحه محصول: عنوان، تصویر، متن دکمه، چیدمان و طول فرم
تبلیغات کلیکی و نمایشی: عنوان، متن، تصویر و صفحه مقصد
پیامک، ایمیل، پیام تلگرام و واتساپ: متن، زمان ارسال و پیشنهاد
پست و استوری شبکه‌های اجتماعی: تصویر، توضیح و دعوت به اقدام
قیمت‌گذاری و پیشنهاد ویژه: عدد، شکل نمایش و شرایط تخفیف
برای صفحههای سایت، عناصر قابل تست شامل رنگ‌بندی، چیدمان، تعداد و نوع تصاویر، تیتر و زیرتیتر و طراحی دکمه Call-to-Action است. هر کدام را جداگانه تست کنید.
چطور تست A/B را قدم‌به‌قدم انجام بدهیم؟
اگر نتیجه را قابل اعتماد می‌خواهید، مثل یک آزمایش علمی عمل کنید. شش مرحله زیر را به همین ترتیب انجام بدهید.
۱. مشکل مشخص را پیدا کنید
«تبدیل کافی نداریم» خیلی کلی است. باید بدانید کدام مرحله از مسیر مشتری مشکل دارد. مثال: یک فروشگاه پوشاک زنانه فروش آنلاین خوبی دارد، اما تقریباً هیچ‌کدام از فروش‌ها از پیامک‌هایش نمی‌آید. در گزارش‌ها می‌بیند که بیشتر افراد پیامک را باز می‌کنند و می‌خوانند، ولی تعداد کمی روی لینک کلیک می‌کنند و سفارش می‌دهند. مشکل در باز شدن پیام نیست؛ جای دیگری از مسیر گیر کرده.
۲. دادهها را بررسی کنید
از نظر فنی میتوانید هر چیزی را تست کنید، اما وقت و ترافیک شما محدود است. با دادهها مشخص کنید کدام عنصر ارزش تست دارد. در مثال بالا: پیامک‌ها باز میشوند، پس موضوع و ارسال کار میکند. بسیاری از کسانی که از جای دیگر وارد سایت میشوند هم خرید می‌کنند، پس خود محصولات و قیمت‌ها مشکلی ندارند. نتیجه این است که مخاطب پیام را جذاب می‌داند، اما بین پیامک و سایت یک جا گم میشود. برای خواندن این دادهها به تجزیه و تحلیل بازاریابی و شاخص‌هایی مثل نرخ پرش و نرخ تبدیل نیاز دارید.
۳. یک فرضیه بنویسید
فرضیه یک جمله روشن است که می‌گوید چه چیزی را چرا تغییر می‌دهید و چه نتیجه‌ای انتظار دارید. این الگو را پر کنید: «اگر [این تغییر] را انجام بدهیم، [این معیار] بهتر میشود، چون [این دلیل].»
مثال: «اگر دکمه خرید را از پایین پیام به بالای آن ببریم، نرخ کلیک بیشتر میشود، چون مخاطبان بدون پایین رفتن آن را میبینند.» دلیل مهم است؛ اگر نتوانید دلیل بنویسید، احتمالاً فقط حدس می‌زنید. فرضیه‌ها و نتیجه‌شان را در یک فایل ساده ثبت کنید تا بعدها بتوانید از آنها یاد بگیرید.
۴. تست را اجرا کنید
یک نسخه جدید بسازید که فقط همان تغییر را دارد، نه چیز دیگری. نسخه فعلی (کنترل) و نسخه جدید را همزمان به دو گروه مشابه نشان بدهید. «همزمان» شرط مهمی است: نسخه A را امروز و نسخه B را فردا نشان دادن، تست A/B نیست، چون شرایط روز فرق دارد. قبل از شروع، مدت و معیار موفقیت را مشخص کنید، مثلاً «دو هفته، نرخ کلیک روی دکمه».
۵. نتیجه را تحلیل کنید
وقتی زمان تمام شد، ببینید نسخه جدید تفاوت قابل توجهی داشته یا نه. اگر تفاوت واضح و با حجم کافی بود، آن را اعمال کنید. اگر نه، یعنی آن عنصر در رفتار مخاطب نقش مهمی نداشت و باید سراغ فرضیه بعدی بروید. نتیجه «تفاوتی نبود» هم نتیجه است. یعنی انرژی شما را روی چیز اشتباهی صرف نکرده‌اید.
۶. قهرمان و چلنجر را مقایسه کنید
نسخه‌ای که فعلاً بهترین نتیجه را دارد «قهرمان» نام می‌گیرد و هر ایده تازه‌ای که در برابرش آزمایش میشود «چلنجر» است. اگر چلنجر ببرد، قهرمان جدید میشود. اگر ببازد، قهرمان قبلی ثابت میکند بهترین بوده. این چرخه را ادامه بدهید: هر بار یک عنصر دیگر مثل اندازه یا رنگ دکمه را تست کنید و بهبودها را روی هم جمع کنید.
حجم نمونه و اهمیت آماری یعنی چه؟
هرچه افراد بیشتری را تست کنید، نتیجه قابل اعتمادتر است. آماردان‌ها به این می‌گویند «اهمیت آماری»: یعنی احتمال اینکه تفاوت دیده‌شده فقط شانسی باشد کم است. یک مثال با اعداد ساده:
فرض کنید پیامک A را برای ۵۰ نفر و پیامک B را برای ۵۰ نفر دیگر می‌فرستید. از گروه A، ۱۰ نفر (۲۰ درصد) و از گروه B، ۱۳ نفر (۲۶ درصد) کلیک می‌کنند. تفاوت شش درصد است، اما در واقع فقط سه نفر بیشتر کلیک کرده‌اند. چنین تفاوتی با شانس هم به‌راحتی رخ می‌دهد و اگر آزمایش را تکرار کنید، ممکن است نتیجه برعکس شود.
حالا همین ۲۰ درصد در برابر ۲۶ درصد را روی ۵۰۰ نفر در هر گروه تصور کنید: ۱۰۰ کلیک در برابر ۱۳۰ کلیک. این بار تفاوت سی نفر است و احتمال اینکه صرفاً شانسی باشد کمتر از پنج درصد است. نسبت یکسان بود، ولی حجم نمونه فرق ایجاد کرد. برای عددهای دقیق میتوانید از ماشین‌حساب‌های آنلاین اهمیت آماری استفاده کنید.
اگر ترافیک سایت کم است چه کنیم؟
سایت‌های کوچک اغلب بازدید کافی برای تست صفحه ندارند. چند راه عملی وجود دارد. اول، به جای تغییر کوچک، تغییرهای بزرگ را تست کنید (عنوان کاملاً متفاوت، پیشنهاد متفاوت)، چون تفاوت بزرگ با داده کمتر هم دیده میشود. دوم، روی کانال‌هایی تست کنید که حجم بیشتری دارند، مثل تبلیغات، فهرست مشتریان یا مخاطبان کانال تلگرام. سوم، مدت تست را بیشتر کنید. چهارم، اگر هیچ‌کدام ممکن نبود، تغییر را بر اساس مشاهده مستقیم رفتار کاربران و بازخورد مشتریان اعمال کنید و نتیجه را دنبال کنید؛ تست A/B همیشه بهترین ابزار نیست.
تغییرهای کوچک چطور به نتیجه بزرگ می‌رسند؟
تست A/B هزینه کمی دارد، چون تغییرهایی را می‌سنجد که اجرایشان ارزان است. فرض کنید روی سه عنصر صفحه تبلیغاتی‌تان تست می‌کنید (متن دکمه، موقعیت فرم و تیتر) و هر کدام نرخ تبدیل را حدود شش درصد بالا می‌برد. اگر اثرها مستقل باشند، روی هم حدود ۱۹ درصد بهبود ایجاد می‌کنند. ولی همیشه چنین نیست؛ گاهی اثرها همدیگر را خنثی می‌کنند. پس ترکیب نهایی را هم یک‌بار دیگر تست کنید. اجرای هر تغییر معمولاً کمتر از یک ساعت کار طراح است، و مهم‌تر این است که اگر نتیجه واقعی با آزمایش نخواند، میتوانید به نسخه قبلی برگردید.
به همین دلیل تست A/B برای کمپین‌های پولی ارزش ویژه‌ای دارد. وقتی برای هر کلیک هزینه می‌دهید، هر درصد بهبود در عنوان یا صفحه مقصد مستقیماً بازگشت سرمایه شما را بالا می‌برد. مثلاً میتوانید سه عنوان تبلیغاتی را در تبلیغات کلیکی یک هفته با بودجه برابر اجرا کنید و پس از آن بودجه را به عنوان برنده منتقل کنید. همچنین هر چه نرخ تبدیل سایت بالاتر برود، برای همان تعداد مشتری به ترافیک کمتری نیاز دارید و چه ترافیک پولی باشد چه رایگان، بازدهی بیشتری می‌گیرید.
برای تست از چه ابزاری استفاده کنیم؟
ابزار رایگان گوگل برای تست صفحه، یعنی Google Optimize، در ۳۰ سپتامبر ۲۰۲۳ بسته شد و گوگل جایگزین مستقیمی برایش نساخته است. اگر مقاله‌ای هنوز آن را پیشنهاد میکند، قدیمی است. چند گزینه امروز وجود دارد: بخش آزمایش و تست در پلتفرمهای تبلیغاتی که استفاده می‌کنید، تقسیم‌بندی فهرست در سامانه‌های پیامک و ایمیل، و ابزارهای تخصصی تست سایت که بیشتر خارجی و ارزی‌اند و ممکن است برای کاربر ایرانی در دسترس نباشند. برای کسب‌وکارهای کوچک، تست دستی ساده هم جواب می‌دهد.
تست دستی با پیامک، تلگرام و اینستاگرام چطور انجام میشود؟
فهرست مخاطبان را بهصورت تصادفی به دو بخش مساوی تقسیم کنید (مثلاً با شماره‌گذاری ردیف‌ها در اکسل و جدا کردن زوج و فرد). نسخه A را برای یک گروه و نسخه B را برای گروه دیگر در یک زمان بفرستید. در لینک هر نسخه یک پارامتر UTM متفاوت بگذارید تا در گوگل آنالیتیکس بدانید هر کلیک از کدام نسخه آمده. یک ترفند کاربردی: تست را اول روی بخش کوچکی از فهرست، مثلاً بیست درصد، انجام بدهید و نسخه برنده را برای بقیه ارسال کنید.
تست A/B روی سئو چه اثری دارد؟
اگر نسخههای تست در آدرس‌های جدا قرار می‌گیرند، طبق راهنمای گوگل برای جلوگیری از مشکل محتوای تکراری، در نسخههای آزمایشی از برچسب canonical به صفحه اصلی استفاده کنید. اگر کاربران را به آدرس دیگری هدایت می‌کنید، ریدایرکت موقت (۳۰۲) به‌کار ببرید نه دائمی (۳۰۱). به موتور جستجو نسخه‌ای متفاوت از آنچه به کاربران نشان می‌دهید ارائه نکنید، و بعد از پایان تست، صفحههای اضافی را سریع حذف کنید. تست را فقط به اندازه لازم طولانی نکنید.
رایج‌ترین اشتباه‌های تست A/B کداماند؟
چند چیز را همزمان عوض کردن
وسوسه‌انگیز است که یک پاپ‌آپ جدید با فونت، اندازه، رنگ و متن تازه بسازید. اما هرچه عناصر بیشتری عوض کنید، نمی‌توانید بفهمید کدام‌یک اثر داشته. شاید ظاهراً دکمه بنفش بزرگ بهتر از دکمه آبی کوچک عمل کرد، ولی شاید فقط اندازه‌اش مهم بود. تغییرها را کم نگه دارید و آزمایش پیگیری بعدی را جداگانه انجام بدهید؛ تحلیل یک تست با هجده متغیر تقریباً غیرممکن است.
زود تمام کردن تست
وقتی نتیجه را لحظه‌ای می‌بینید، وسوسه می‌شوید به محض دیدن برنده تست را ببندید. اما نتایج اولیه اغلب ناپایدارند و احتمال اینکه از نظر آماری معنادار باشند کمتر است. چون رفتار کاربران در روزهای هفته و آخر هفته فرق میکند، دستکم یک تا دو هفته کامل صبر کنید و تست را تا پایان بازه‌ای که از قبل تعیین کرده‌اید ادامه بدهید.
اجرای تست فقط یک بار
حتی بهترین ابزارها گاهی نتیجه مثبت کاذب می‌دهند، چون رفتار کاربر متغیر است. اگر نسخه جدید فقط کمی بهتر بود، همان آزمایش را با همان شرایط دوباره اجرا کنید. هرچه تست‌های بیشتری اجرا می‌کنید، شانس برخورد با یک نتیجه کاذب بالاتر می‌رود، پس یافته‌های مهم و تعیین‌کننده را حتماً تکرار کنید.
نمونه نامتوازن
دو گروه باید تا حد امکان شبیه هم باشند. در تست سایت، ابزارها گروه‌ها را تصادفی می‌کنند. در ارسال دستی به مشتریان، گروه‌ها را از نظر اندازه یکسان کنید و در صورت داشتن داده، سن، جنسیت و شهر را بین آنها مساوی تقسیم کنید.
چه زمانی نباید تست A/B کرد؟
وقتی ترافیک آن‌قدر کم است که به نتیجه معنادار نمی‌رسید، وقتی مشکل واضح و بدیهی است (فرم خراب است، لینک شکسته است، صفحه ده ثانیه دیر باز میشود)، یا وقتی تغییر اثر مهمی بر هدف شما ندارد. در این موارد اول مشکل را رفع کنید و بعد تست کنید. برای مشکل‌های کاربری، مقاله طراحی رابط و تجربه کاربری نقطه شروع خوبی است.
نتیجه‌گیری
تست A/B شما را از حدس‌زدن به تصمیم‌گیری با داده می‌رساند. مشکل مشخص را پیدا کنید، دادهها را بخوانید، فرضیه بنویسید، تست را همزمان و با یک تغییر اجرا کنید، به اندازه کافی صبر کنید و نتیجه مهم را تکرار کنید. اگر ترافیک کمی دارید، تغییرهای بزرگ را روی کانالهای پرحجمتر مثل پیامک و تبلیغات تست کنید و روی سایت به مشاهده و بازخورد تکیه کنید.
همین هفته یک تست ساده اجرا کنید: دو متن پیامک یا دو عنوان تبلیغ را به دو گروه برابر بفرستید و نتیجه را بسنجید. نتیجه را با بهبود عملکرد بازاریابی ادامه بدهید و تست‌هایتان را در قالب بازاریابی دیجیتال و بازاریابی محتوا بیشتر کنید. بیزی لوک با خدمات دیجیتال مارکتینگ و تولید محتوا می‌تواند در این مسیر همراه شما باشد.
لطفا نظرات و پیشنهادات خود را برای ما و دیگران به اشتراک بگذارید.
برای دریافت مشاوره در قسمت "تماس با ما" در ارتباط باشید.
