Quy trình thực hiện AB testing bạn cần biết

A/B Testing gì? Quy trình th ực AB Testing bạn cần biết Khi bạn thiết kế landing page, vi ết email marketing thiết kế nút CTA – Kêu gọi hành động, bạn thường phải sử dụng trực giác để dự đốn điều kích thích ngư ời dùng click tối ưu tỉ lệ chuyển đổi – conversion rate optimization Tuy nhiên, marketing dựa “trực giác” lúc mang lại kết xác! Thay đưa đốn hay giả định, có cách thức giúp bạn biết xác hành vi, suy nghĩ c người dùng – chạy A/B Testing Trong viết này, tơi giải thích cụ thể cho bạn: • A/B Testing gì? • Những lợi ích dùng A/B Testing gì? • Quy trình tiến hành A/B Testing SEO b ạn nên biết • Cách thực A/B Testing • lỗi A/B Testing thường gặp Để tơi giải thích chi tiết cho bạn A/B Testing gì? A/B Testing (hay cịn đư ợc gọi split testing hay bucket testing) phương pháp để so sánh phiên webpage ứng dụng đó, từ tìm phiên hiệu tốt AB Testing đư ợc gọi Split Testing Bucket Testing Thử nghiệm A/B thử nghiệm mà đó, hai nhiều biến thể trang hiển thị cho người dùng cách ngẫu nhiên Và phân tích thống kê sử dụng để xác định biến thể hoạt động tốt cho mục tiêu chuyển đổi định Việc sử dụng AB testing để so sánh trực tiếp biến thể với trải nghiệm cho phép bạn đặt câu hỏi thay đổi cho trang web ứng dụng Và sau đó, b ạn thu thập liệu hiệu thay đổi Testing đưa đốn việc tối ưu hóa trang web cho phép đưa định thông tin liệu mà chuyển hội thoại kinh doanh từ “chúng nghĩ” sang “chúng biết“ Bằng cách đo lường thay đổi biến đổi số liệu, bạn đảm bảo thay đổi mang lại kết tích cực Tại sử dụng A/B testing? A/B Testing cho phép cá nhân, nhóm doanh nghi ệp thực thay đổi thận trọng cho trải nghiệm người dùng (user experience) thu thập liệu cho kết A/B testing ? Sơ đ giải thích đơn giản A/B Testing Điều cho phép họ xây dựng giả thuyết hiểu rõ yếu tố xác định trải nghiệm họ lại ảnh hưởng đến hành vi người dùng Nói cách khác, họ chứng minh ý kiến trải nghiệm tốt cho mục tiêu định – sai thông qua A/B test Không trả lời cho câu hỏi lần giải bất đồng, A/B Testing sử dụng cách quán để liên tục cải thiện trải nghiệm mục tiêu đơn lẻ Ví dụ như: tỷ lệ chuyển đổi theo thời gian Chẳng hạn, công ty cơng ngh ệ B2B muốn cải thiện chất lượng số lượng khách hàng ti ềm từ trang web chiến dịch Để đạt mục tiêu đó, nhóm thử thay đổi A/B Testing tiêu đề, hình ảnh trực quan, khung opt -in (biểu mẫu), CTA – kêu gọi hành động bố cục tổng thể trang Việc kiểm tra thay đổi thời điểm định giúp họ xác định xác thay đổi liệu có ảnh hưởng đến hành vi truy cập người dùng hay có thay đổi khác khơng Dần dần, dựa vào đó, họ kết hợp hiệu ứng nhiều thay đổi thành công từ thử nghiệm trước để chứng minh cải thiện trải nghiệm so với trải nghiệm cũ Sự khác biệt dùng không dùng A/B Testing Với phương pháp thông báo thay đ ổi UX – Trải nghiệm cho người dùng này, cho phép tr ải nghiệm tối ưu hóa kết mong muốn Và từ đó, thực bước tiến trọng yếu chiến lược marketing Bạn có thực hiểu rõ Marketing gì? Tìm hiểu Marketing 10 bước quan trọng để tạo chiến dịch Marketing thành công! Bằng cách thử nghiệm nhiều quảng cáo khác nhau, marketers có th ể tìm hiểu phiên thu hút nhi ều cú nhấp chuột Hoặc cách thử nghiệm trang đích tiếp sau, họ tìm cách bố trí layout biến đổi người dùng thành khách hàng t ốt Tổng tiền đầu tư cho chiến dịch marketing (marketing campaign) th ực giảm yếu tố bước hoạt động hiệu để có khách hàng A/B Testing mơ hình phễu Những nhà phát triển thiết kế sản phẩm áp dụng A/B Testing để chứng minh rằng: Các tính thay đổi ảnh hưởng trải nghiệm người dùng Tất sản phẩm mới, tương tác từ người dùng, phương thức trải nghiệm sản phẩm tối ưu hóa với giải pháp AB Testing Miễn mục tiêu xác định rõ ràng bạn đặt giả thuyết rõ ràng Test link Test link hệ thống quản lý kiểm tra dựa web tạo điều kiện đảm bảo chất lượng phần mềm Nó phát triển trì Teamtest Nền tảng cung cấp hỗ trợ cho trường hợp thử nghiệm, thử nghiệm, kế hoạch thử nghiệm, dự án thử nghiệm quản lý người dùng, báo cáo thống kê khác Quy trình A/B Testing Có nhiều cách triển khai a/b testing khác cách hi ệu triển khai quy trình A/B Testing gì? Dư ới quy trình A/B Testing mẫu bạn sử dụng để bắt đầu thử nghiệm: • Thu thập data: Những phân tích bạn thường cung cấp nhìn sắc nét, rõ ràng v ề nơi bạn bắt đầu tối ưu hóa Nó giúp bạn bắt đầu với khu vực có lưu lượng truy cập cao trang web ứng dụng Vì điều cho phép bạn thu thập liệu nhanh Việc tìm kiếm trang có t ỷ lệ chuyển đổi thấp tỷ lệ rơi (dropoff) cao cải thiện • Xác định mục tiêu: Mục tiêu chuyển đổi bạn số liệu mà bạn sử dụng để xác định xem biến thể có thành công phiên b ản gốc hay không Mục tiêu thứ từ việc click vào nút ho ặc liên kết đến trang web bán hàng • Tạo giả thuyết: Khi bạn xác định mục tiêu, bạn bắt đầu tạo ý tư ởng giả thuyết AB Testing lý bạn nghĩ chúng tốt phiên Một bạn có danh sách ý tư ởng, ưu tiên chúng theo mức độ tác động dự kiến độ khó thực • Tạo biến thể: Sử dụng phần mềm A/B Testing bạn (chẳng hạn Optimizely) Đi ều giúp thực thay đổi theo ý muốn thành phần trang web trải nghiệm ứng dụng di động bạn Điều đơn giản là: • Thay đổi màu nút CTA • Hoán đổi thứ tự thành phần trang • Ẩn thành phần điều hướng thứ hồn tồn tùy chỉnh Nhiều cơng cụ A/B Testing hàng đầu có trình chỉnh sửa trực quan giúp thay đổi trở nên dễ dàng Hãy đảm bảo thử nghiệm bạn hoạt động mong đợi • Chạy thử nghiệm: Hãy bắt đầu thử nghiệm bạn chờ người dùng truy cập vào! Ở bước này, khách truy cập vào trang web ứng dụng bạn định ngẫu nhiên để kiểm soát thay đổi trải nghiệm bạn Sự tương tác họ với trải nghiệm đo lường, tính tốn so sánh để xác định cách thức cách hoạt động • Phân tích kết quả: Khi thử nghiệm bạn hồn tất, đến lúc phân tích kết Phần mềm A/B Testing bạn xuất liệu từ thử nghiệm cho bạn thấy khác biệt cách hai phiên trang web hoạt động Và liệu có khác biệt đáng kể mặt thống kê hay không? Nếu biến thể bạn thành cơng xin chúc m ừng! Để xem bạn áp dụng học rút từ thử nghiệm trang khác c website không tiếp tục lặp lại thử nghiệm để cải thiện kết Nếu thử nghiệm bạn tạo kết âm không mang lại kết quả, đừng lo lắng Hãy xem thử nghiệm kinh nghiệm học tập tạo giả thuyết mà bạn kiểm tra hướng dẫn quy trình ab testing Bất kể kết thử nghiệm bạn gì, sử dụng kinh nghiệm bạn để áp dụng cho test khác tương lai Và l ặp lặp lại không ngừng việc tối ưu hóa ứng dụng website bạn A/B Testing SEO Google cho phép khuy ến khích A/B Testing tuyên bố rằng: Việc thực A/B Testing đa biến không gây cố hay rủi ro cho xếp hạng tìm kiếm website Tuy nhiên, có th ể gây bất lợi cho thứ hạng tìm kiếm bạn lạm dụng cơng cụ A/B Testing cho mục đích che giấu Google cung cấp số ví dụ cụ thể để đảm bảo điều không xảy ra: • Khơng che giấu – Che giấu cách website bạn hiển thị nội dung công cụ tìm kiếm khác với mà khách truy cập thơng thường thấy Che giấu khiến website bạn bị rớt top chí bị xóa khỏi kết tìm kiếm Để ngăn chặn việc “che giấu”, bạn không nên lạm dụng phân đoạn khách truy cập để hiển thị nội dung khác cho Googlebot dựa địa người dùng đại lý IP • Sử dụng thẻ rel = “canonical” – Nếu bạn thử nghiệm riêng biệt với nhiều URL, bạn nên sử dụng thuộc tính rel = “canonical” đ ể hướng biến thể trở lại phiên gốc trang Làm ngăn chặn việc Googlebot bị nhầm lẫn nhiều phiên trang • Sử dụng redirect 302 thay 301s – Nếu bạn thử chuyển hướng URL gốc sang URL biến thể, sử dụng redirect 302 (t ạm thời) so với redirect 301 (vĩnh vi ễn) Điều giúp cho cơng c ụ tìm kiếm Google biết việc chuyển hướng tạm thời Và họ nên giữ URL gốc lập mục thay URL kiểm tra • Chỉ chạy thử nghiệm cần thiết – Việc thử nghiệm lâu mức cần thiết, đặc biệt bạn sử dụng biến thể trang cho tỷ lệ lớn người dùng Điều coi nỗ lực để đánh lừa cơng cụ tìm kiếm Google khuyên b ạn nên cập nhật trang web xóa t ất biến thể kiểm tra trang web bạn thử nghiệm kết thúc Và đặc biệt, tránh chạy thử nghiệm lâu không cần thiết Làm để thực A/B Testing? Trước thực A/B Testing #1 Chọn biến thể để kiểm tra Khi bạn tối ưu hóa trang web email marketing c mình, bạn thấy có số biến thể bạn muốn kiểm tra Nhưng để đánh giá mức độ hiệu thay đổi, bạn muốn dùng “biến thể độc lập” đo lư ờng hiệu suất Giả sử, sau thử nghiệm có thay đổi từ người dùng, bạn biết yếu tố gây thay đ ổi đó? Ý tơi b ạn chắn biến thể chịu trách nhiệm cho thay đổi AB Testing Bạn kiểm tra nhiều biến thể cho trang web email; cần chắn bạn không thử nghiệm chúng lúc Nhìn vào yếu tố khác tài nguyên marketing c bạn lựa chọn thay chúng cho thiết kế, từ ngữ bố cục Ngồi ra, bạn kiểm tra yếu tố: • Dịng chủ đề email Quyết định quy mơ thực A/B Testing bạn Nếu bạn thử nghiệm thứ khơng có đối tượng hữu hạn, trang web, thời gian bạn trì thử nghiệm ảnh hưởng trực tiếp đến kích thước mẫu thử bạn Bạn cần để thử nghiệm chạy đủ lâu để có số lượt xem đáng kể, khơng, thật khó để biết liệu có khác biệt có ý nghĩa thống kê hai biến thể hay không #6 Quyết định tầm quan trọng kết bạn Trường hợp bạn chọn số liệu mục tiêu mình, nghĩ xem k ết bạn cần có ý nghĩa th ế để giải thích cho việc chọn biến thể thay dùng biến thể khác Ý nghĩa thống kê phần quan trọng A/B Testing thường bị hiểu sai Tỷ lệ phần trăm mức độ tự tin bạn cao, bạn chắn kết Trong hầu hết trường hợp, bạn muốn mức độ tin cậy đạt tối thiểu 95% – tốt 98% Đặc biệt thử nghiệm tốn nhiều thời gian để thiết lập Tuy nhiên, bạn nên sử dụng tỷ lệ tin cậy thấp bạn khơng cần q trình kiểm tra nghiêm ng ặt #7 Chắc chắn bạn thử nghiệm thời điểm chiến dịch Thử nghiệm nhiều thứ cho chiến dịch – khơng nằm tài sản xác Điều làm phức tạp hóa kết sau thực A/B Testing bạn Trong q trình A/B Testing #8 Sử dụng cơng cụ A/B Testing Để thực A/B Testing trang web bạn email, bạn cần sử dụng công cụ A/B Testing Các tùy chọn Thử nghiệm Google Analytics cho phép bạn làm A/B Testing tối đa 10 phiên đầy đủ trang web so sánh hiệu suất cách sử dụng tập hợp mẫu người dùng ngẫu nhiên #9 Kiểm tra hai biến thể lúc Thời gian đóng vai trị quan tr ọng kết chiến lược marketing online bạn, cho dù th ời gian ngày , ngày tu ần hay tháng năm Nếu bạn chạy Phiên A tháng Phiên b ản B tháng sau đó, làm bạn biết liệu thay đổi hiệu suất thiết kế khác tháng khác nhau? Khi bạn chạy A/B Testing, bạn cần chạy hai biến thể lúc, khơng, bạn bị lặp lại kết Ngoại lệ bạn tự kiểm tra thời gian, ví dụ tìm thời gian tối ưu để gửi email Đây điều tốt để kiểm tra tùy thu ộc vào doanh nghiệp bạn cung cấp người đăng ký bạn ai, thời gian tối ưu cho trình tham gia người đăng ký thay đổi đáng kể theo ngành thị trường mục tiêu #10 Cung cấp đủ thời gian cho A/B Testing để tạo liệu hữu ích Một lần nữa, bạn muốn đảm bảo thử nghiệm chạy đủ lâu để có kích thước mẫu đáng kể Mặt khác, thật khó để biết liệu có khác biệt có ý nghĩa thống kê hai biến thể hay không Bao lâu đủ? Tùy thuộc vào công ty c bạn cách bạn triển khai A/B Testing, việc có kết có ý nghĩa thống kê xảy vài … vài ngày … vài tuần Một phần lớn việc để có kết có ý nghĩa lượng lưu lượng truy cập bạn nhận – doanh nghiệp bạn không nhận nhiều lưu lượng truy cập vào trang web, bạn nhiều thời gian để chạy A/B Testing Về lý thuyết, bạn không nên gi ới hạn thời gian thu thập kết #11 Yêu cầu phản hồi từ người dùng thực A/B Testing có liên quan nhiều đến liệu định lượng … Nhưng điều khơng thiết giúp bạn hiểu lý người lại thực số hành động định người khác Trong bạn chạy A/B Testing, khơng thu th ập phản hồi định tính từ người dùng thực? Một cách tốt để hỏi người ý kiến họ thơng qua khảo sát thăm dị ý kiến Bạn thêm khảo sát trang web c để hỏi khách truy cập họ khơng nhấp vào CTA đó, ho ặc khảo sát trang c ảm ơn bạn hỏi vấn đề người truy cập lại nhấp vào nút điền vào biểu mẫu Sau trình A/B Testing #12 Tập trung vào số liệu mục tiêu bạn Một lần nữa, bạn có nhiều số liệu, tập trung vào số liệu mục tiêu bạn thực phân tích #13 Đo lường tầm quan trọng kết bạn máy tính A/B Testing Bây bạn xác định biến thể hoạt động tốt nhất, đến lúc xác định xem kết có ý nghĩa thống kê hay khơng Nói cách khác, có đ ủ để giải thích cho thay đổi? Để tìm hiểu thêm, bạn cần tiến hành kiểm tra ý nghĩa thống kê Bạn làm điều thủ công … bạn cần đưa kết từ thử nghiệm vào máy tính A/B Testing Đối với biến thể bạn kiểm tra, bạn nhắc để nhập tổng số lần thử, email g ửi số lần hiển thị nhìn thấy Sau đó, nhập số lượng mục tiêu hồn thành – nói chung bạn xem nhấp chuột, có th ể loại chuyển đổi khác Thống kê lại số liệu sau thực A/B Testing Máy tính cung cấp mức độ tin cậy mà liệu bạn tạo cho biến thể chọn Sau đó, đánh giá số so với giá trị bạn chọn để xác định ý nghĩa thống kê #14 Hãy thực dựa kết bạn Nếu biến thể tốt mặt thống kê so với biến thể khác, bạn có người chiến thắng Biến thể hoàn thành ki ểm tra bạn cách vơ hiệu hóa biến thể cịn thiếu cơng c ụ A/B Testing Nếu khơng có biến thể tốt mặt thống kê, bạn vừa biết biến thể bạn kiểm tra không ảnh hưởng đến kết bạn phải đánh dấu thử nghiệm khơng có kết Trong trường hợp này, gắn bó với biến thể ban đầu – chạy thử nghiệm khác Bạn sử dụng liệu thất bại để giúp tìm lần lặp kiểm tra bạn Mặc dù A/B Testing giúp bạn tác động đến kết trường hợp cụ thể, bạn áp dụng học học từ kiểm tra áp dụng cho nỗ lực tương lai #15 Lập kế hoạch A/B Testing bạn A/B Testing bạn vừa hoàn thành giúp bạn khám phá cách để làm cho nội dung marketing hi ệu – đừng dừng lại Sẽ ln ln có cách đ ể tối ưu hóa Bạn chí thử tiến hành A/B Testing tính khác c trang web email mà bạn vừa thực kiểm tra Thực A/B Testing liên tục để có kết tốt Lợi ích A/B Testing A/B Testing có vơ số lợi ích cho nhóm marketing, tùy thu ộc vào bạn định thử nghiệm Trên hết, thử nghiệm có giá trị doanh nghiệp chúng có chi phí thấp phần thưởng cao Giả sử bạn sử dụng người sáng tạo nội dung (content) với mức lương 84 triệu/ năm Người xuất viết tuần cho blog công ty, nghĩa t cộng 260 viết năm Nếu trung bình đăng blog công ty tạo 10 khách hàng tiềm năng, bạn nói chi phí 500.000 nghìn VNĐ để tạo 10 khách hàng ti ềm cho doanh nghiệp (mức lương 84,000,000 đồng ÷ 260 viết = 323,000 VNĐ/ vi ết) Đó phần lớn thay đổi Bây giờ, bạn yêu cầu người sáng tạo nội dung dành ngày đ ể phát triển A/B Testing cho viết, thay viết viết khoảng thời gian đó, bạn giảm 323,000 VNĐ b ạn xuất viết Nhưng A/B Testing cho thấy bạn tăng tỷ lệ chuyển đổi viết từ 10 lên 20 khách hàng tiềm năng, bạn cần chi 323,000 VNĐ để có khả nhân đôi số lượng khách hàng mà doanh nghi ệp bạn có từ blog bạn Tất nhiên, kiểm tra thất bại, bạn 323,000 VNĐ – bạn làm cho A/B Testing hiệu Nếu thử nghiệm thứ hai thành cơng vi ệc nhân đôi tỷ lệ chuyển đổi blog bạn, cuối bạn chi 646,000 VNĐ để có khả nhân đơi doanh thu cơng ty Cho dù thất bại bạn trình A/B Testing nữa, thành cơng cuối ln vư ợt xa chi phí để thực Có nhiều loại split test mà b ạn chạy để làm cho thử nghiệm có giá trị Dưới số mục tiêu phổ biến mà nhà tiếp thị có cho doanh nghiệp họ sử dụng A/B Testing: • Lưu lượng truy cập trang web tăng: Việc test đăng blog tiêu đề trang web khác có th ể làm thay đổi số lượng người nhấp vào tiêu đề siêu liên kết để truy cập website bạn Điều dẫn đến kết làm tăng lưu lư ợng truy cập trang web • Tỷ lệ chuyển đổi cao (Conversion Rate): Test vị trí, màu sắc khác chí văn neo CTA c bạn thay đổi số người nhấp vào CTA để đến trang đích Điều giúp làm tăng s ố người điền vào biểu mẫu website bạn, gửi thông tin liên l ạc họ cho bạn “chuyển đổi” thành khách hàng tiềm • Tỷ lệ trang thấp hơn: Nếu khách truy cập website bạn rời khỏi thoát nhanh chóng sau truy c ập website bạn, làm thử nghiệm đăng giới thiệu blog, phơng chữ hình ảnh đặc trưng khác Điều làm giảm tỷ lệ giữ nhiều khách truy cập • Giảm từ bỏ giỏ hàng (cart abandonment): Các doanh nghiệp thương mại điện tử cho biết từ 40% – 75% khách hàng r ời khỏi trang web mà mặt hàng họ giỏ Điều gọi “từ bỏ giỏ hàng” hay “cart abandonment” Việc test hình ảnh sản phẩm khác nhau, thiết kế trang tốn hiển thị phí vận chuyển làm giảm tỷ lệ từ bỏ Những lợi ích mà AB Testing mang l ại lỗi Testing A/B thường gặp cách khắc phục chúng #1 Công cụ testing bạn bị lỗi Sự tiếng dao hai lư ỡi điều c ả với phần mềm A/B testing Sự phổ biến phương pháp testing A/B t ạo nhiều phần mềm với chi phí thấp tuyệt vời, chất lượng lại không quán Nhiều công cụ khác dĩ nhiên có chức khác có vài điểm khác biệt bạn cần phải lưu ý Và bạn khơng ý thức điểm khác biệt q trình A/B testing s ẽ gặp khó khăn từ trước bạn bắt đầu Thực tế trung bình lần load trang kéo dài thêm giây làm giảm 11% lư ợt viewvà kèm theo đó, tỉ lệ chuyển đổi giảm 7% Điều tạo ác mộng thực nỗ lực cải thiện website A/B testing lại cản trở tiến trình làm việc bạn Và bạn nghĩ, chuyện tồi tệ nữa, định lựa chọn phần mềm A/B testing bạn tác động đến kết việc kiểm tra Neil Patel chủ doanh nghiệp người có sức ảnh hưởng Patel phát phần mềm A/B Testing anh sử dụng có điểm khác biệt rõ rệt Nhưng ông tạo trang lại khơng nhận thấy thay đổi việc chuyển đổi Nguyên nhân thật bắt nguồn từ công cụ testing (testing tool) b ị lỗi Vậy việc bạn nên làm để đảm bảo hiệu hoạt động phần mềm testing A/B b ẫy ngầm đợi bạn? Cách giải – Chạy A/A test Trước chạy A/B test, bạn nên chạy A/A test với phần mềm để đảm bảo phần mềm hoạt động mà không tác động đến tốc độ hiển thị nội dung trang Đối với dân nghiệp dư, A/A test gi ống A/B test Điểm khác A/A test, c ả nhóm người dùng nhìn thấy trang web Đúng vậy, điều phải làm bạn cần phải so sánh trang web với thân Nghe vô lý, ch ạy A/A test, bạn nhận nhiều vấn đề bắt nguồn từ phần mềm kiểm tra Riêng A/A test, bạn muốn kết kiểm tra vơ vị tí Bởi bạn thấy tỉ lệ chuyển đổi bị giảm bạn bắt đầu kiểm tra có lẽ cơng cụ bạn dùng làm ch ậm Và bạn thấy có nhiều khác biệt đáng kể trang có l ẽ phần mềm bạn thứ bị lỗi #2 Ngừng test kết đạt mức Về mặt thống kê số liệu, việc giống ôm banh r ồi nhà Thực ra, tiến hành A/B testing, việc ngừng test bạn thấy kết mong muốn không đơn hành động phi thể thao, mà cịn khiến kết mà bạn tạo trở nên vô nghĩa Rất nhiều công cụ dung túng cho hành vi b ằng cách cho phép ngư ời dùng ngưng kiểm tra đạt kết mong muốn Nhưng bạn thực muốn cải thiện trang web mình, bạn cần phải thay đổi ý định muốn kết thúc trình A/B Testing s ớm Vấn đề gọi “false positives”: kết sai lầm khác biệt trang với Bạn kiểm tra kết thường xuyên, bạn có nhiều hội nhận kết vốn tưởng bị khẳng định nhầm Điều không thành vấn đề bạn bình tĩnh ti ếp tục kiểm tra thêm Tuy nhiên bạn kết thúc trình ki ểm tra b ạn thấy kết khả quan có lẽ bạn bị “false positives” lừa Cơng ty phân tích Heap đưa k ết mơ cho thấy việc kết thúc kiểm tra sớm nguy hại đến kết bạn Bằng phương pháp kiểm tra số liệu, sau kiểm tra kết từ 1000 người dùng cho thấy có 5% “false positives” Nếu người kiểm tra xem lại kết từ nhóm ngư ời dùng 10 l ần, khả gặp “false positives” tăng lên đến 19.55% Và kiểm tra 100 lần, 5% ban đầu gấp lần, lên đến 40,1% Những số giúp cảnh tỉnh bạn lần bạn háo hức muốn kết thúc sớm với kết khả quan Cách giải – Bám theo m ột kích cỡ mẫu định sẵn Hiểu false positives là chuyện, cịn để đối đầu với false positives chuyện khác Để đối đầu với false positives, bạn phải đặt quy tắc Bạn nên có mẫu trước chạy A/B test chống lại cám dỗ khiến bạn muốn kết thúc sớm Dù kết có khả quan nữa, đừng băn khoăn không bi ết mẫu phải lớn đến Trên mạng có nhiều cơng cụ giúp bạn tính tốn kích cỡ tối thiểu Vài cơng cụ phổ biến kể đến Optimizely VWO, … Lưu ý: Về kích cỡ số liệu mẫu, nhớ bạn cần kích cỡ mẫu thực tế cho trang web Thực tế, muốn có hàng triệu người dùng để thử nghiệm, khơng phải làm điều Tơi nghĩ bạn nên ước tính bạn thử nghiệm để đạt đến kích cỡ mẫu #3 Bạn tập trung vào chuyển đổi Khi bạn lặn ngập lần A/B test dễ bỏ qua tranh tồn cảnh Để tơi giải thích cho bạn dễ hiểu Khi nói đến A/B testing, bạn thường tập trung vào việc chuyển đổi mà quên kết kinh doanh lâu dài Dĩ nhiên thêm nhiều vào web c bạn khiến tỉ lệ chuyển đổi cao Và người dùng qua chuy ển đổi với chất lượng thấp có tỉ lệ chuyển đổi cao s ẽ không mang lại kết tốt cho doanh nghiệp Bạn dễ bị thứ phù phiếm thu hút quan tâm tiến hành AB testing Nhưng bạn phải nhớ rằng, thứ đánh lạc hướng bạn khỏi kết sinh lời thực Nếu bạn thử nghiệm chiến thuật kêu gọi hành động nhằm dẫn đến landing page, bạn không nên ch ỉ tâm vào việc chuyển đổi đến trang landing page Thay vào b ạn nên tính tốn đường dẫn tới trang ràng buộc với lợi nhuận sinh Cách giải quyết: Kiểm chứng giả thuyết Trước tiến hành A/B test, bạn nên lập nên giả thuyết bạn muốn chứng minh bác bỏ Và tập trung giả thuyết vào mục tiêu kinh doanh nhằm thúc đẩy kết doanh nghiệp, bạn tránh cám dỗ phù phiếm Đặt giả thuyết để giải vấn đề Quá trình chạy A/B test nên đánh giá dựa mức độ ảnh hưởng đến mục tiêu kinh doanh số liệu khác Nên n ếu bạn muốn tăng lượt đăng ký, tâm vào s ố lượng người đăng ký lượt truy cập (traffic) hay traffic vào trang “Đăng ký” hay trang chủ chứa form đăng ký c Trong kiểm chứng để chứng minh bác bỏ giả thuyết, đừng bỏ qua kết không quan tr ọng mà dùng chúng cho nh ững lần kiểm chứng #4: Bạn tâm tới thứ nhỏ nhặt Thực ra, A/B Testing không ch ỉ đơn giản yếu tố riêng lẻ (như test màu nút CTA chẳng hạn) Nó cịn gồm nhiều yếu tố khác Chính việc bạn test màu nút CTA làm hỏng việc tiến hành A/B testing bạn Nếu trang web lớn có cú lội ngược dịng ngoạn mục nhờ vào việc thay đổi màu nút CTA Thì v ới đại đa số trang web thông thư ờng, thứ nhỏ nhặt (như màu nút CTA) s ẽ không cho kết ý nghĩa A/B testing gò ép vào việc cải thiện thứ lắt nhắt, làm bỏ lỡ hội to lớn Cách giải – Kiểm tra định kỳ Có quy tắc kiểm tra thay đổi cho trang web bạn cách định kỳ Vì thế, việc gọi Kiểm tra định kỳ Nếu bạn thấy tỉ lệ chuyển đổi thấp, có lẽ bạn nên dành thời gian kiểm tra thay đổi thay thay đổi nhỏ nhặt Hãy coi việc testing m ột bàn chơi bài, bạn nên cược lớn chút bạn muốn lời to Nhưng trước bạn tuyên truyền cách “kiểm tra bản”, nhớ thân có nhi ều điểm bất cập • Cần nhiều chuẩn bị A/B testing Kiểm tra yêu cầu bạn dành thời gian thiết kế lại trang web Vì vi ệc tốn nhiều thời gian, nên khuyến cáo bạn nên tiến hành định kỳ • Khó xác định yếu tố có tác động lớn đến web bạn Và bạn nên lưu ý kiểm tra giúp bạn xác định việc tái thiết trang web có tác động đến tỉ lệ chuyển đổi không cho phép b ạn định vị xác yếu tố thúc đẩy kết Kết luận Giờ bạn nắm khái niệm A/B Testing chưa? Đây chiến thuật sử dụng nhiều lĩnh vực Digital Marketing nói riêng Marketing nói chung Nếu có vấn đề thắc mắc, comment chia sẻ bên viết nhé! ... làm phức tạp hóa kết sau thực A/B Testing bạn Trong q trình A/B Testing #8 Sử dụng cơng cụ A/B Testing Để thực A/B Testing trang web bạn email, bạn cần sử dụng công cụ A/B Testing Các tùy chọn Thử... dùng, báo cáo thống kê khác Quy trình A/B Testing Có nhiều cách triển khai a/b testing khác cách hi ệu triển khai quy trình A/B Testing gì? Dư ới quy trình A/B Testing mẫu bạn sử dụng để bắt đầu thử... dưới: Quy? ??t định quy mơ thực A/B Testing bạn Nếu bạn thử nghiệm thứ khơng có đối tượng hữu hạn, trang web, thời gian bạn trì thử nghiệm ảnh hưởng trực tiếp đến kích thước mẫu thử bạn Bạn cần để