“میخواهید بدانید چه چیزی واقعاً برای مخاطبان شما جواب میدهد؟ و در مورد این روش تست بازاریابی شنیدهاید. اما سوالاتی مانند “تست A/B در بازاریابی چیست؟” و “چرا مهم است؟” دارید.
نگران نباشید! جواب تمام سوالات خود را دریافت خواهید کرد. حتی جواب دوم را نیز بلافاصله به شما میگویم… وقتی بازاریابانی مانند ما صفحات فرود ایجاد میکنند، متن ایمیل مینویسند یا دکمههای فراخوان عملCTA طراحی میکنند، ممکن است وسوسه شویم از شهود خود برای پیشبینی اینکه چه چیزی باعث میشود مردم کلیک کنند و ارتباط برقرار کنند استفاده کنیم.
اما همانطور که هر کسی که حتی یک دقیقه در بازاریابی بوده است به شما خواهد گفت، همیشه انتظار غیرمنتظره را داشته باشید. بنابراین، به جای تصمیمگیری بازاریابی مبتنی بر “احساس”، بهتر است یک تست A/B انجام دهید تا ببینید دادهها چه میگویند.
ادامه مطلب را بخوانید تا یاد بگیرید چگونه کل فرآیند تست A/B را قبل، در حین و بعد از جمعآوری دادهها انجام دهید تا بتوانید بهترین تصمیمها را بر اساس نتایج خود بگیرید.”
در این مقاله موضوعات زیر بررسی میشود:
تست A/B چیست؟
تست A/B، که به عنوان تست تقسیمبندی Split Testing نیز شناخته میشود، یک آزمایش بازاریابی است که در آن مخاطبان خود را تقسیم میکنید تا تغییرات مختلف در یک کمپین را آزمایش کنید و تعیین کنید کدام یک عملکرد بهتری دارد. به عبارت دیگر، میتوانید نسخه A یک قطعه محتوای بازاریابی را به نیمی از مخاطبان خود و نسخه B را به نیمی دیگر نشان دهید.
تست A/B برای مقایسه دو نسخه از یک صفحه وب، خبرنامه ایمیل، طرحها، برنامهها و موارد دیگر یا برای مشاهده اینکه کدام یک موفقتر است، مفید است.
تست تقسیمبندی حدس و گمان را در تشخیص نحوه نمایش، عملکرد و توزیع مواد بازاریابی دیجیتال شما از بین میبرد.
تاریخچه تست A/B
ردیابی “منشأ واقعی” تست A/B دشوار است. با این حال، از نظر بازاریابی، تست A/B – هرچند در شکل اولیه و ناقص خود – احتمالاً با کلود هاپکینز، تبلیغکننده و نویسنده آمریکایی آغاز شد. هاپکینز کمپینهای تبلیغاتی خود را با استفاده از کوپنهای تبلیغاتی آزمایش کرد.
با این حال، فرآیند “تبلیغات علمی” هاپکینز شامل اصول کلیدی که امروزه در تست A/B استفاده میکنیم، نبود. ما باید از رونالد فیشر، زیستشناس قرن بیستم، برای آنها تشکر کنیم. فیشر که اهمیت آماری را تعریف کرد و فرضیه صفر را توسعه داد، به قابل اعتمادتر شدن تست A/B کمک کرد.
با این حال، تست A/B بازاریابی که امروز میشناسیم و دوست داریم در دهههای 1960 و 1970 آغاز شد. همچنین برای آزمایش روشهای کمپین پاسخ مستقیم استفاده میشد. یکی دیگر از لحظات کلیدی بازاریابی در سال 2000 برای ما پیش آمد. در این زمان، مهندسان گوگل اولین تست A/B خود را اجرا کردند. (آنها میخواستند بهترین تعداد نتایج را برای نمایش در صفحه نتایج جستجو بدانند.)
چرا آزمایش A/B مهم است؟
آزمایش A/B مزایای بسیاری برای یک تیم بازاریابی دارد، بسته به اینکه چه چیزی را تصمیم بگیرید آزمایش کنید. به عنوان مثال، لیستی نامحدود از مواردی وجود دارد که می توانید برای تعیین تأثیر کلی بر سود خود آزمایش کنید.
اما نباید از استفاده از آزمایش A/B برای فهم دقیق آنچه مخاطبان شما بیشترین پاسخ را به آن می دهند غافل شوید. بیایید بیشتر یاد بگیریم.
می توانید راه هایی برای بهبود سود خود پیدا کنید
فرض کنید یک سازنده محتوا با حقوق سالانه 50000 دلار استخدام کرده اید. این سازنده محتوا هفته ای پنج مقاله برای وبلاگ شرکت منتشر می کند که در مجموع 260 مقاله در سال می شود.
اگر میانگین پست در وبلاگ شرکت 10 لید تولید کند، می توانید بگویید که تولید 10 لید برای کسب و کار فقط بیش از 192 دلار هزینه دارد (حقوق 50000 دلار ÷ 260 مقاله = 192 دلار برای هر مقاله). این یک تکه محکم پول است.
اکنون، اگر از این سازنده محتوا بخواهید دو روز را صرف توسعه یک آزمایش A/B روی یک مقاله به جای نوشتن دو پست در آن زمان کند، ممکن است 192 دلار بسوزید، زیرا مقالات کمتری منتشر می کنید.
اما اگر آن آزمایش A/B متوجه شود که می توانید نرخ تبدیل را از 10 به 20 لید افزایش دهید، شما فقط 192 دلار برای احتمال دو برابر شدن تعداد مشتریانی که کسب و کار شما از وبلاگ خود دریافت می کند، هزینه کرده اید.
به روش کم هزینه، پاداش بالا
اگر آزمایش شکست بخورد، البته 192 دلار از دست دادید – اما اکنون می توانید آزمایش A/B بعدی خود را حتی آگاهانه تر انجام دهید. اگر این آزمایش دوم موفق شود، در نهایت 384 دلار برای دو برابر شدن درآمد شرکت خود هزینه کرده اید.
صرف نظر از تعداد دفعات شکست آزمایش A/B شما، موفقیت نهایی آن تقریباً همیشه ارزش هزینه انجام آن را دارد.
می توانید انواع مختلفی از آزمایش های تقسیم شده را انجام دهید تا در نهایت آزمایش ارزشش را داشته باشد. از همه مهمتر، این آزمایشات برای یک تجارت ارزشمند هستند زیرا هزینه آنها کم است اما پاداش آنها بالا است.
می توانید بفهمید چه چیزی برای مخاطبان شما کار می کند
آزمایش A/B می تواند ارزشمند باشد زیرا مخاطبان مختلف، متفاوت رفتار می کنند. چیزی که برای یک شرکت جواب می دهد ممکن است لزوماً برای شرکت دیگری جواب ندهد. بیایید یک تاکتیک بازاریابی B2B غیرمنتظره را به عنوان مثال در نظر بگیریم. هفته گذشته برای یک مقاله داشتم داده های گزارش روند صنعت 2024 HubSpot را بررسی می کردم.
متوجه شدم که 10 درصد از بازاریابان B2B قصد داشتند سرمایه گذاری خود در NFT ها را به عنوان بخشی از استراتژی خود در سال 2024 کاهش دهند. اولین فکر من این بود: “هوم، NFT ها در B2B؟” سپس به ذهنم خطور کرد. برای کاهش این میزان، بازاریابان B2B باید در وهله اول از NFT ها استفاده کرده باشند. حتی تعجب آورتر از این افشاگری این بود که 34 درصد از بازاریابان قصد دارند سرمایه گذاری در NFT ها را به عنوان بخشی از استراتژی B2B خود افزایش دهند.
این فقط یک مثال از دلایلی است که کارشناسان بهینه سازی نرخ تبدیل (CRO) از اصطلاح “بهترین روش ها” متنفر هستند. زیرا آن “بهترین عمل”? خوب، ممکن است در واقع بهترین عمل برای شما نباشد. اما این نوع آزمایش می تواند پیچیده باشد اگر مراقب نباشید.
آزمایش A/B چگونه کار می کند؟
برای انجام یک آزمایش A/B، باید دو نسخه مختلف از یک قطعه محتوا با تغییراتی در یک متغیر ایجاد کنید. سپس این دو نسخه را به دو مخاطب هم اندازه نشان خواهید داد و تجزیه و تحلیل خواهید کرد که کدام یک در یک دوره خاص بهتر عمل کرده است. اما به یاد داشته باشید که دوره آزمایش باید به اندازه کافی طولانی باشد تا بتوانید نتیجه گیری دقیق در مورد نتایج خود داشته باشید. آزمایش A/B به بازاریابان کمک می کند تا نحوه عملکرد یک نسخه از یک قطعه محتوای بازاریابی در کنار دیگری را مشاهده کنند. در اینجا دو نوع آزمایش A/B وجود دارد که ممکن است برای افزایش نرخ تبدیل وب سایت خود انجام دهید.
مثال 1: آزمایش تجربه کاربری
شاید بخواهید ببینید که آیا انتقال یک دکمه فراخوان عمل (CTA) خاص به بالای صفحه اصلی خود به جای نگه داشتن آن در نوار کناری، نرخ کلیک آن را بهبود می بخشد یا خیر. برای آزمایش A/B این نظریه، یک صفحه وب جایگزین دیگر ایجاد می کنید که از قرارگیری جدید CTA استفاده می کند.
طراحی موجود با نوار کناری CTA – یا “کنترل” – نسخه A است. نسخه B با CTA در بالا “چالشگر” است. سپس، این دو نسخه را با نشان دادن هر یک به درصد مشخصی از بازدیدکنندگان سایت آزمایش خواهید کرد. در حالت ایده آل، درصد بازدیدکنندگانی که هر نسخه را می بینند یکسان است.
مثال 2: طراحی آزمایش
شاید بخواهید ببینید آیا تغییر رنگ دکمه CTA شما می تواند نرخ کلیک آن را افزایش دهد یا خیر. برای آزمایش A/B این نظریه، یک دکمه CTA جایگزین با رنگ دکمه متفاوت طراحی می کنید که به همان صفحه فرود کنترل منتهی می شود.
اگر معمولاً در محتوای بازاریابی خود از یک دکمه CTA قرمز استفاده می کنید و پس از آزمایش A/B خود، نسخه سبز کلیک های بیشتری دریافت کند، این می تواند تغییر رنگ پیش فرض دکمه های CTA شما را از این به بعد به سبز مستحق کند.
آزمایش A/B در بازاریابی
در اینجا چند عنصر وجود دارد که ممکن است تصمیم بگیرید در کمپین های بازاریابی خود آزمایش کنید:
- خطوط موضوع
- CTA ها
- هدرها
- عناوین
- فونت ها و رنگ ها
- تصاویر محصول
- گرافیک وبلاگ
- متن بدنه
- ناوبری
- فرم های ثبت نام
البته این لیست جامع نیست. گزینه های شما بی شمار است و بسته به نوع کمپین بازاریابی که در حال آزمایش A/B هستید متفاوت است. (به عنوان مثال، گرافیک های وبلاگ معمولاً برای کمپین های ایمیل اعمال نمی شود.) اما تصاویر محصول می تواند هم برای ایمیل و هم برای آزمایش وبلاگ اعمال شود.
با خدمات سئو حرفهای میم برندینگ، کسبوکارتان را به جهانیان بشناسانید.
ما با استراتژیهای سئوی هدفمند، وبسایت شما را به رتبههای برتر گوگل میرسانیم و ترافیک ارگانیک شما را به طور چشمگیری افزایش میدهیم.
آزمایش A/B شامل چه مواردی میشود؟
در اینجا آنچه برای اجرای یک آزمایش A/B موفق نیاز دارید آمده است.
- یک کمپین: شما باید یک کمپین بازاریابی (مانند یک خبرنامه، صفحه یا ایمیل) را انتخاب کنید که قبلاً زنده است. ما با ایمیل شروع میکنیم.
- آنچه می خواهید آزمایش کنید: باید عنصر(های) مورد نظر خود را برای آزمایش A/B انتخاب کنید. در این مورد، این خط موضوع استفاده شده در یک کمپین بازاریابی ایمیل خواهد بود. اما می توانید انواع مختلفی از چیزها را آزمایش کنید، حتی تا اندازه فونت و رنگ دکمه CTA. با این حال، به خاطر داشته باشید که اگر می خواهید اندازه گیری های دقیقی داشته باشید، فقط یک عنصر را در یک زمان آزمایش کنید.
- اهداف شما: آیا شما به خاطر خودتان آزمایش می کنید؟ یا اهداف مشخصی دارید؟ در حالت ایده آل، آزمایش A/B شما باید با اهداف درآمدی شما مرتبط باشد. (بنابراین، کشف اینکه کدام کمپین تأثیر بهتری بر موفقیت درآمد دارد.) برای ردیابی موفقیت، باید معیارهای مناسب را انتخاب کنید. برای درآمد، شما باید معیارهایی مانند فروش، ثبت نام و کلیک را ردیابی کنید.
اهداف آزمایش A/B
آزمایش A/B می تواند اطلاعات زیادی در مورد نحوه رفتار و تعامل مخاطب مورد نظر شما با کمپین بازاریابی شما به شما ارائه دهد. آزمایش A/B نه تنها به تعیین رفتار مخاطبان شما کمک می کند، بلکه نتایج آزمایش ها می تواند به تعیین اهداف بازاریابی بعدی شما کمک کند. در اینجا برخی از اهداف رایج بازاریابان برای کسب و کار خود هنگام آزمایش A/B آورده شده است.
افزایش ترافیک وب سایت:
شما می خواهید از آزمایش A/B برای کمک به یافتن کلمات مناسب برای عناوین وب سایت خود استفاده کنید تا بتوانید توجه مخاطبان خود را جلب کنید. آزمایش عناوین مختلف وبلاگ یا صفحه وب می تواند تعداد افرادی را که روی آن عنوان هایپرلینک کلیک می کنند تا به وب سایت شما برسند تغییر دهد. این می تواند ترافیک وب سایت را افزایش دهد. به شرط اینکه مرتبط باشد، افزایش ترافیک وب سایت یک چیز خوب است! ترافیک بیشتر معمولاً به معنای فروش بیشتر است.
نرخ تبدیل بالاتر:
آزمایش A/B نه تنها به هدایت ترافیک به وب سایت شما کمک می کند، بلکه می تواند به افزایش نرخ تبدیل نیز کمک کند. آزمایش مکان های مختلف، رنگ ها یا حتی متن لنگر در CTA های شما می تواند تعداد افرادی را که روی این CTA ها کلیک می کنند تا به صفحه فرود برسند تغییر دهد. این می تواند تعداد افرادی را که فرم ها را در وب سایت شما پر می کنند، اطلاعات تماس خود را برای شما ارسال می کنند و به یک لید “تبدیل” می شوند، افزایش دهد.
کاهش نرخ پرش:
آزمایش A/B می تواند به تعیین اینکه چه چیزی ترافیک را از وب سایت شما دور می کند کمک کند. شاید احساس وب سایت شما با مخاطبان شما مطابقت نداشته باشد. یا شاید رنگ ها با هم تداخل دارند و طعم بدی در دهان مخاطبان هدف شما باقی می گذارند. اگر بازدیدکنندگان وب سایت شما پس از بازدید از وب سایت شما به سرعت خارج شوند (یا “پرش کنند”)، آزمایش مقدمه های مختلف پست های وبلاگ، فونت ها یا تصاویر برجسته می تواند بازدیدکنندگان را حفظ کند.
تصاویر محصول عالی:
می دانید که محصول یا خدمات عالی برای ارائه به مخاطبان خود دارید. اما چگونه می دانید که تصویر محصول درستی را برای انتقال آنچه ارائه می دهید انتخاب کرده اید؟ از آزمایش A/B برای تعیین اینکه کدام تصویر محصول بهترین توجه مخاطب مورد نظر شما را جلب می کند استفاده کنید. تصاویر را با یکدیگر مقایسه کنید و تصویری را با بالاترین نرخ فروش انتخاب کنید.
کاهش رها شدن سبد خرید:
کسب و کارهای تجارت الکترونیک به طور متوسط 70 درصد از مشتریان را مشاهده می کنند که با اقلام در سبد خرید خود وب سایت خود را ترک می کنند. این به عنوان “رها شدن سبد خرید” شناخته می شود و البته برای هر فروشگاه آنلاین مضر است. آزمایش عکس های مختلف محصول، طراحی صفحه پرداخت و حتی جایی که هزینه های حمل و نقل نمایش داده می شود می تواند این نرخ رها شدن را کاهش دهد. اکنون بیایید یک چک لیست برای تنظیم، اجرا و اندازه گیری یک آزمایش A/B بررسی کنیم.
نحوه طراحی یک آزمایش A/B
در ابتدا، طراحی یک آزمایش A/B ممکن است کار پیچیدهای به نظر برسد. اما به ما اعتماد کنید – کار سادهای است. کلید طراحی یک آزمایش A/B موفق، تعیین این است که کدام عناصر وبلاگ، وب سایت یا کمپین تبلیغاتی شما می توانند با یک نسخه جدید یا متفاوت مقایسه و تضاد شوند. قبل از اینکه به آزمایش همه عناصر کمپین بازاریابی خود بپردازید، این بهترین روشهای آزمایش A/B را بررسی کنید.
- موارد مناسب را آزمایش کنید. عناصری را فهرست کنید که میتوانند نحوه تعامل مخاطبان هدف شما با تبلیغات یا وبسایت شما را تحت تأثیر قرار دهند. به طور خاص، عناصری از وبسایت یا کمپین تبلیغاتی خود را در نظر بگیرید که فروش یا تبدیل را تحت تأثیر قرار میدهند.
مطمئن شوید که عناصری که انتخاب میکنید مناسب هستند و میتوان آنها را برای اهداف آزمایشی اصلاح کرد. به عنوان مثال، ممکن است آزمایش کنید که کدام فونتها یا تصاویر در یک کمپین تبلیغاتی فیسبوک توجه مخاطبان شما را بهتر جلب میکنند. یا ممکن است دو صفحه را تعیین کنید کدام بازدیدکنندگان را در وب سایت خود طولانیتر نگه میدارد.
نکته :با فهرست کردن عناصری که بر فروش کلی یا تبدیل لید شما تأثیر میگذارند و سپس اولویتبندی آنها، موارد آزمایشی مناسب را انتخاب کنید.
- اندازه نمونه صحیح را تعیین کنید. اندازه نمونه آزمایش A/B شما میتواند تأثیر زیادی بر نتایج داشته باشد – و گاهی اوقات، این چیز خوبی نیست. اندازه نمونهای که خیلی کوچک است، نتایج را منحرف میکند.
مطمئن شوید که اندازه نمونه شما به اندازه کافی بزرگ است تا نتایج دقیقی به دست آورد. از ابزارهایی مانند یک ماشین حساب اندازه نمونه برای کمک به محاسبه تعداد صحیح تعاملات یا بازدیدکنندگان وب سایت شما یا شرکت کنندگان در کمپین خود استفاده کنید تا بهترین نتیجه را به دست آورید.
- داده های خود را بررسی کنید. یک آزمایش تقسیمبندی خوب نتایج قابل اعتماد و آماری قابل اعتماد تولید میکند. به عبارت دیگر، نتایج آزمایش A/B شما تحت تأثیر تصادف یا شانس نیست. اما چگونه می توانید مطمئن شوید که نتایج شما از نظر آماری قابل توجه و قابل اعتماد هستند؟
مانند تعیین اندازه نمونه، ابزارهایی برای کمک به تأیید دادههای شما در دسترس هستند. ابزارهایی مانند ماشین حساب اهمیت آزمون AB Convertize به کاربران اجازه میدهند تا دادههای ترافیک و نرخ تبدیل متغیرها را وارد کرده و سطح دلخواه اطمینان را انتخاب کنند. هرچه اهمیت آماری به دست آمده بالاتر باشد، کمتر انتظار دارید دادهها به طور تصادفی رخ دهند.
- آزمایشهای خود را برنامهریزی کنید. هنگام مقایسه متغیرها، حفظ یکسان بودن بقیه کنترلهای شما مهم است – از جمله زمان برنامهریزی برای انجام آزمایشها.
اگر در فضای تجارت الکترونیک هستید، باید فروش تعطیلات را در نظر بگیرید. به عنوان مثال، اگر یک آزمایش A/B را در زمان اوج فروش روی کنترل انجام دهید، ممکن است ترافیک وب سایت شما و فروش شما بالاتر از متغیری باشد که در یک “هفته خاموش” آزمایش کردید. برای اطمینان از دقت آزمایشهای تقسیمبندی خود، یک بازه زمانی قابل مقایسه برای هر دو عنصر آزمایش شده انتخاب کنید. برای به دست آوردن بهترین و دقیقترین نتایج، کمپینهای خود را به مدت یکسان اجرا کنید.
نکته: زمانی را انتخاب کنید که انتظار دارید ترافیک مشابهی برای هر دو قسمت آزمایش تقسیمبندی خود داشته باشید.
- فقط یک عنصر را آزمایش کنید. هر متغیری از وبسایت یا کمپین تبلیغاتی شما میتواند تأثیر قابل توجهی بر رفتار مخاطبان هدف شما داشته باشد. به همین دلیل، هنگام انجام آزمایشهای A/B، نگاه کردن به فقط یک عنصر در یک زمان مهم است.
تلاش برای آزمایش چندین عنصر در همان آزمایش A/B نتایج غیرقابل اعتماد تولید خواهد کرد. با نتایج غیرقابل اعتماد، نمیدانید کدام عنصر بیشترین تأثیر را بر رفتار مصرفکننده داشته است. مطمئن شوید که آزمایش تقسیمبندی خود را فقط برای یک عنصر از کمپین تبلیغاتی یا وبسایت خود طراحی کنید.
- دادهها را تحلیل کنید. به عنوان یک بازاریاب، ممکن است ایده ای در مورد رفتار مخاطبان هدف خود با کمپین و صفحات وب خود داشته باشید. آزمایش A/B میتواند نشانه بهتری از نحوه واقعی تعامل مصرفکنندگان با سایتهای شما ارائه دهد.
پس از تکمیل آزمایش، زمانی را برای تجزیه و تحلیل کامل دادهها اختصاص دهید. ممکن است متعجب شوید که متوجه شوید چیزی که فکر میکردید برای کمپینهای شما کار میکند، کمتر از آنچه در ابتدا تصور میکردید مؤثر بوده است.
آیا میخواهید یک برند قوی و ماندگار بسازید؟ با خدمات طراحی برند بوک میم برندینگ، به راحتی میتوانید هویت برندتان را تدوین کرده و آن را به تمام اعضای تیم و شرکای تجاری خود معرفی کنید.
نحوه انجام آزمایش A/B
با کیت رایگان آزمایش A/B ما همراه باشید که شامل همه چیزهایی است که برای انجام آزمایش A/B نیاز دارید، از جمله یک الگوی ردیابی آزمایش، یک راهنمای نحوه استفاده برای آموزش و الهام، و یک ماشین حساب اهمیت آماری برای تعیین اینکه آیا آزمایشهای شما برنده، بازنده یا غیر قطعی بود.
قبل از آزمایش A/B:
بیایید مراحل قبل از شروع آزمایش A/B خود را بررسی کنیم.
1. یک متغیر برای آزمایش انتخاب کنید.
هنگامی که صفحات وب و ایمیل های خود را بهینه می کنید، متوجه خواهید شد که متغیرهای زیادی وجود دارد که می خواهید آزمایش کنید. اما برای ارزیابی اثربخشی، باید یک متغیر مستقل را جدا کرده و عملکرد آن را اندازه گیری کنید. در غیر این صورت، نمی توانید مطمئن باشید که کدام متغیر مسئول تغییرات در عملکرد بوده است.
می توانید بیش از یک متغیر را برای یک صفحه وب یا ایمیل آزمایش کنید – فقط مطمئن شوید که آنها را یکی یکی آزمایش می کنید. برای تعیین متغیر خود، به عناصر موجود در منابع بازاریابی خود و گزینههای جایگزین احتمالی برای طراحی، کلمات و طرحبندی نگاه کنید. همچنین میتوانید خطوط موضوع ایمیل، نام فرستنده و روشهای مختلف شخصیسازی ایمیلهای خود را آزمایش کنید.
به خاطر داشته باشید که حتی تغییرات ساده، مانند تغییر تصویر در ایمیل شما یا کلمات روی دکمه CTA شما، می تواند پیشرفت های بزرگی ایجاد کند. در واقع، این نوع تغییرات معمولاً نسبت به تغییرات بزرگتر آسانتر اندازهگیری میشوند.
2. هدف خود را مشخص کنید.
اگرچه در طول هر آزمایش چندین معیار را اندازه گیری خواهید کرد، اما قبل از اجرای آزمایش، روی یک معیار اصلی تمرکز کنید. در واقع، قبل از تنظیم واریاسیون دوم این کار را انجام دهید. این متغیر وابسته شما است که بسته به نحوه دستکاری متغیر مستقل تغییر می کند.
به جایی که میخواهید این متغیر وابسته در پایان آزمایش تقسیم شده باشد فکر کنید. حتی ممکن است یک فرضیه رسمی بیان کنید و نتایج خود را بر اساس این پیش بینی بررسی کنید. اگر بعداً منتظر بمانید تا در مورد اهمیت معیارها، اهداف خود و اینکه چگونه تغییراتی که پیشنهاد میکنید ممکن است بر رفتار کاربر تأثیر بگذارد فکر کنید، ممکن است آزمایش را به موثرترین شکل تنظیم نکنید.
3. یک 'کنترل' و یک 'چالشگر' ایجاد کنید.
اکنون متغیر مستقل، متغیر وابسته و نتیجه مطلوب خود را دارید. از این اطلاعات برای تنظیم نسخه دست نخورده هر چیزی که در حال آزمایش هستید به عنوان سناریوی کنترل خود استفاده کنید. اگر در حال آزمایش یک صفحه وب هستید، این صفحه دست نخورده همانطور که وجود دارد است. اگر در حال آزمایش یک صفحه فرود هستید، این طراحی و کپی صفحه فرود خواهد بود که معمولاً از آن استفاده می کنید.
از آنجا، یک چالشگر بسازید – وب سایت، صفحه فرود یا ایمیل تغییر یافته که در مقابل کنترل خود آزمایش خواهید کرد. به عنوان مثال، اگر در مورد اینکه اضافه کردن یک نظریه به یک صفحه فرود تفاوت ایجاد میکند یا خیر، صفحه کنترل خود را بدون نظرات تنظیم کنید. سپس، چالشگر خود را با یک نظریه ایجاد کنید.
4. گروههای نمونه خود را به طور مساوی و تصادفی تقسیم کنید.
برای آزمایشهایی که کنترل بیشتری بر مخاطبان دارید – مانند ایمیلها – باید با دو یا چند مخاطب برابر آزمایش کنید تا نتایج قطعی داشته باشید.
5. اندازه نمونه خود را تعیین کنید (در صورت وجود).
نحوه تعیین اندازه نمونه شما نیز بسته به ابزار آزمایش A/B شما و همچنین نوع آزمایش A/B که در حال اجرا هستید متفاوت خواهد بود. اگر در حال آزمایش A/B یک ایمیل هستید، احتمالاً میخواهید یک آزمایش A/B را به زیرمجموعهای از لیست خود ارسال کنید که به اندازه کافی بزرگ باشد تا نتایج آماری قابل توجهی به دست آورد.
در نهایت، برنده ای را برای ارسال به بقیه لیست انتخاب خواهید کرد. ( این به شما امکان می دهد یک آزمایش A/B 50/50 از هر اندازه نمونه انجام دهید – اگرچه تمام تقسیم های نمونه دیگر به لیستی حداقل 1000 گیرنده نیاز دارند. اگر در حال آزمایش چیزی هستید که مخاطب محدودی ندارد، مانند یک صفحه وب، مدت زمانی که آزمایش خود را اجرا میکنید مستقیماً بر اندازه نمونه شما تأثیر میگذارد.
شما باید آزمایش خود را به اندازه کافی طولانی اجرا کنید تا تعداد قابل توجهی بازدید به دست آورید. در غیر این صورت، تشخیص اینکه آیا تفاوت آماری قابل توجهی بین واریاسیونها وجود داشته است دشوار خواهد بود.
6. تصمیم بگیرید که نتایج شما چقدر باید قابل توجه باشد.
پس از انتخاب معیار هدف خود، در مورد اینکه نتایج شما چقدر باید قابل توجه باشد تا انتخاب یک واریاسیون بر دیگری توجیه شود، فکر کنید. اهمیت آماری یک بخش بسیار مهم از فرآیند آزمایش A/B است که اغلب سوء تفاهم میشود. اگر نیاز به تجدید نظر دارید، توصیه میکنم این پست وبلاگ را در مورد اهمیت آماری از دیدگاه بازاریابی بخوانید.
هرچه درصد سطح اطمینان شما بالاتر باشد، بیشتر میتوانید به نتایج خود اطمینان داشته باشید. در اکثر موارد، به حداقل 95% سطح اطمینان نیاز دارید، به خصوص اگر آزمایش زمانبر بوده است. با این حال، گاهی اوقات، استفاده از نرخ اطمینان پایینتر منطقی است اگر آزمایش نیازی به سختگیری نداشته باشد.
7. مطمئن شوید که فقط یک آزمایش را در هر کمپین در حال اجرا هستید.
آزمایش بیش از یک چیز برای یک کمپین میتواند نتایج را پیچیده کند. به عنوان مثال، اگر یک کمپین ایمیل را آزمایش A/B کنید که به یک صفحه فرود هدایت میشود در حالی که در حال آزمایش A/B آن صفحه فرود هستید، چگونه میتوانید بدانید کدام تغییر منجر به افزایش شده است؟
در طول آزمایش A/B:
بیایید مراحل انجام شده در طول آزمایش A/B خود را بررسی کنیم.
8. از یک ابزار آزمایش A/B استفاده کنید.
برای انجام یک آزمایش A/B روی وب سایت خود یا در یک ایمیل، باید از یک ابزار آزمایش A/B استفاده کنید. اگر مشتری HubSpot Enterprise هستید، نرم افزار HubSpot دارای ویژگی هایی است که به شما امکان می دهد ایمیل ها، CTA ها و صفحات فرود را آزمایش A/B کنید.
برای مشتریان غیر HubSpot Enterprise، گزینه های دیگر شامل Google Analytics است که به شما امکان می دهد تا 10 نسخه کامل از یک صفحه وب را آزمایش A/B کنید و عملکرد آنها را با استفاده از یک نمونه تصادفی از کاربران مقایسه کنید.
9. هر دو واریاسیون را همزمان آزمایش کنید.
زمانبندی نقش مهمی در نتایج کمپین بازاریابی شما دارد، چه زمان روز، روز هفته یا ماه سال باشد. اگر نسخه A را یک ماه و نسخه B را یک ماه بعد اجرا کنید، چگونه می دانید که تغییر عملکرد به دلیل طراحی متفاوت یا ماه متفاوت بوده است؟ هنگام اجرای آزمایشهای A/B، باید دو واریاسیون را همزمان اجرا کنید. در غیر این صورت، ممکن است در مورد نتایج خود شک کنید.
تنها استثناء زمانی است که در حال آزمایش زمانبندی هستید، مانند یافتن زمانهای بهینه برای ارسال ایمیلها. بسته به آنچه کسب و کار شما ارائه میدهد و چه کسانی مشترکین شما هستند، زمان بهینه برای تعامل مشترکین میتواند بسته به صنعت و بازار هدف به طور قابل توجهی متفاوت باشد.
10. به آزمایش A/B زمان کافی برای تولید داده های مفید بدهید.
باز هم، باید مطمئن شوید که آزمایش خود را به اندازه کافی طولانی اجرا میکنید تا اندازه نمونه قابل توجهی به دست آورید. در غیر این صورت، تشخیص اینکه آیا دو واریاسیون تفاوت آماری قابل توجهی داشتند دشوار خواهد بود. چقدر زمان کافی است؟ بسته به شرکت شما و نحوه اجرای آزمایش A/B، دستیابی به نتایج آماری قابل توجه میتواند در ساعتها… یا روزها… یا هفتهها اتفاق بیفتد.
بخش بزرگی از مدت زمانی که برای به دست آوردن نتایج آماری قابل توجه طول میکشد، میزان ترافیکی است که دریافت میکنید – بنابراین اگر کسبوکارتان ترافیک زیادی به وبسایت خود دریافت نکند، اجرای یک آزمایش A/B زمان بسیار بیشتری خواهد برد. این پست وبلاگ را بخوانید تا اطلاعات بیشتری در مورد اندازه نمونه و زمانبندی کسب کنید.
11. نظرات کاربران واقعی را بخواهید.
آزمایش A/B ارتباط زیادی با دادههای کمی دارد… اما لزوماً به شما کمک نمیکند تا درک کنید که چرا مردم اقدامات خاصی را بر روی دیگران انجام میدهند. در حین اجرای آزمایش A/B خود، چرا نظرات کیفی از کاربران واقعی جمعآوری نمیکنید؟ نظرسنجی یکی از بهترین راهها برای پرسیدن نظرات مردم است.
ممکن است یک نظرسنجی خروجی در سایت خود اضافه کنید که از بازدیدکنندگان بپرسد چرا روی یک CTA خاص کلیک نکردهاند یا یکی در صفحات تشکر شما که از بازدیدکنندگان میپرسد چرا روی یک دکمه کلیک کردهاند یا فرمی را پر کردهاند. به عنوان مثال، ممکن است متوجه شوید که بسیاری از افراد روی یک CTA کلیک کردهاند که آنها را به یک کتاب الکترونیکی هدایت میکند، اما پس از دیدن قیمت، تبدیل نشدهاند. این نوع اطلاعات به شما بینش زیادی در مورد اینکه چرا کاربران شما به روشهای خاصی رفتار میکنند خواهد داد.
پس از آزمایش A/B:
سرانجام، بیایید مراحل انجام شده پس از آزمایش A/B خود را بررسی کنیم.
12. روی معیار هدف خود تمرکز کنید.
باز هم، اگرچه چندین معیار را اندازه گیری خواهید کرد، هنگام انجام تجزیه و تحلیل خود روی آن معیار هدف اصلی تمرکز کنید. به عنوان مثال، اگر دو واریاسیون از یک ایمیل را آزمایش کردید و سرنخها را به عنوان معیار اصلی خود انتخاب کردید، در نرخهای کلیک گرفتار نشوید. ممکن است نرخ کلیک بالایی و تبدیل ضعیفی مشاهده کنید، در این صورت ممکن است در نهایت واریاسیونی را انتخاب کنید که نرخ کلیک پایینتری داشته است.
13. اهمیت نتایج خود را با استفاده از ماشین حساب آزمایش A/B اندازه گیری کنید.
اکنون که تعیین کردید کدام واریاسیون بهترین عملکرد را دارد، زمان آن است که تعیین کنید نتایج شما از نظر آماری قابل توجه هستند یا خیر. به عبارت دیگر، آیا آنها به اندازه کافی برای توجیه یک تغییر هستند؟
برای اطلاع از این موضوع، باید یک آزمایش اهمیت آماری انجام دهید. می توانید این کار را به صورت دستی انجام دهید یا می توانید نتایج آزمایش خود را در ماشین حساب رایگان آزمایش A/B ما وارد کنید. (ماشین حساب بخشی از کیت رایگان آزمایش A/B ما است.)
14. بر اساس نتایج خود اقدام کنید.
اگر یک واریاسیون از نظر آماری بهتر از دیگری باشد، برنده دارید. آزمایش خود را با غیرفعال کردن واریاسیون بازنده در ابزار آزمایش A/B خود تکمیل کنید.
اگر هیچ یک از واریاسیون ها قابل توجه نیست، متغیری که آزمایش کردید تأثیری بر نتایج نداشته است و باید آزمایش را به عنوان نامشخص علامت گذاری کنید. در این صورت، به واریاسیون اصلی پایبند باشید یا آزمایش دیگری انجام دهید. می توانید از داده های ناموفق برای کمک به پیدا کردن تکرار جدید در آزمایش جدید خود استفاده کنید.
در حالی که آزمایشهای A/B به شما کمک میکنند تا نتایج را مورد به مورد تحت تأثیر قرار دهید، همچنین میتوانید درسهایی را که از هر آزمایش میآموزید برای تلاشهای آینده اعمال کنید.
به عنوان مثال، فرض کنید آزمایشهای A/B را در بازاریابی ایمیل خود انجام دادهاید و بارها متوجه شدهاید که استفاده از اعداد در خطوط موضوع ایمیل نرخ کلیک را افزایش میدهد. در این صورت، استفاده از این تاکتیک را در بیشتر ایمیلهای خود در نظر بگیرید.
15. آزمایش A/B بعدی خود را برنامه ریزی کنید.
آزمایش A/B که به تازگی انجام دادید ممکن است به شما کمک کرده باشد تا راه جدیدی برای موثرتر کردن محتوای بازاریابی خود کشف کنید – اما در آنجا متوقف نشوید. همیشه جایی برای بهینه سازی بیشتر وجود دارد.
حتی میتوانید آزمایش A/B را روی ویژگی دیگری از همان صفحه وب یا ایمیلی که قبلاً روی آن آزمایش کردید، امتحان کنید.
به عنوان مثال، اگر فقط یک عنوان را در یک صفحه فرود آزمایش کردید، چرا یک آزمایش جدید روی متن بدنه انجام نمیدهید؟ یا یک طرح رنگ؟ یا تصاویر؟ همیشه مراقب فرصتهای افزایش نرخ تبدیل و مشتریان بالقوه باشید.
نتیجهگیری:
آزمایش A/B یک ابزار قدرتمند برای بهینهسازی وبسایتها، ایمیلها و کمپینهای بازاریابی است. با استفاده از این روش، میتوانید به صورت علمی و دقیق، تغییرات مختلفی را در عناصر طراحی، محتوا و فراخوان به عمل (CTA) آزمایش کرده و بهترین گزینه را برای دستیابی به اهداف خود انتخاب کنید.
مراحل انجام تست A/B شامل انتخاب متغیر، تعیین هدف، ایجاد نسخههای کنترل و چالشگر، تقسیم نمونه، تعیین اندازه نمونه، تعیین سطح اطمینان، اجرای همزمان آزمایشها، جمعآوری دادهها، تحلیل نتایج و در نهایت، اجرای تغییرات بر اساس نتایج است.
متخصصان ما در میم برندینگ با استراتژی های هدفمند، شما را به مخاطبان ایده آل تان می رسانند. شما میتوانید برای دریافت مشاوره اینستاگرام مارکتینگ با شماره تلفن 09336274505 تماس بگیرید.
