👉 BÀI VIẾT| CÙNG CHỦ ĐỀ 😍😍😍
A/B Testing là gì?
Có kha khá định nghĩa về A/B Testing (A/B), nhưng tựu chung đều nói rằng:
Đó là việc chạy thử nghiệm giữa hai phiên bản khác nhau (website, email, ads…), được đặt trong cùng 1 điều kiện, nhằm tìm ra phiên bản “chiến thắng” trước khi triển khai phiên bản này với quy mô lớn hơn.
Một ý kiến cho rằng A/B không được chú trọng nhiều trên thực tế so với SEO hay Ads. Mình đồng ý với điều này và lý do theo mình nghĩ là: Giữa A/B/ SEO/ Ads thì SEO và Ads liên quan trực tiếp tới doanh thu, quyết định sống còn cho doanh nghiệp nên gần như được chú trọng trước tiên rồi mới đến việc tối ưu. Chưa kể, không nhiều marketer đang thành thạo SEO hay Ads, nên vấn đề tối ưu, thử nghiệm A/B càng trở nên rối rắm.
Tại sao lại cần phải làm A/B testing?
Nếu bạn có một lượng khách hàng nhất định và bạn muốn tăng số lượng conversion lên thì cách thứ nhất là cần phải mang nhiều khách hàng hơn đến website hoặc cửa hàng. Cách thứ hai chính là tăng conversion rate để với cùng một lượng khách sẵn có, họ tạo ra một lượng conversion lớn hơn. A/B testing giúp bạn làm được điều thứ hai bằng cách cho phép cải thiện hiệu quả của các tiến trình đang làm dù đó là phát triển web, phát triển ứng dụng, quảng cáo hay bán hàng.
Chi phí cho việc tăng thêm khách hàng như cách một thường không nhỏ, trong khi đó chi phí cho việc A/B testing đôi khi lại không nhiều và những thay đổi có lúc dù nhỏ vẫn có thể mang đến những hiệu quả to lớn trong việc tạo ra nhiều conversion hơn.
Quy trình A/B Testing
Có nhiều cách triển khai a/b testing khác nhau nhưng cách hiệu quả nhất khi triển khai quy trình A/B Testing là gì? Dưới đây là quy trình A/B Testing mẫu bạn có thể sử dụng để bắt đầu cuộc thử nghiệm:
- Thu thập data: Những phân tích của bạn thường sẽ cung cấp cái nhìn sắc nét, rõ ràng về nơi bạn có thể bắt đầu tối ưu hóa. Nó giúp bạn bắt đầu với các khu vực có lưu lượng truy cập cao của trang web hoặc ứng dụng. Vì điều này sẽ cho phép bạn thu thập dữ liệu nhanh hơn.
Việc tìm kiếm các trang có tỷ lệ chuyển đổi thấp hoặc tỷ lệ rơi (drop-off) cao có thể được cải thiện. - Xác định mục tiêu: Mục tiêu chuyển đổi của bạn là số liệu mà bạn đang sử dụng để xác định xem biến thể có thành công hơn phiên bản gốc hay không.
Mục tiêu có thể là bất cứ thứ gì từ việc click vào nút hoặc liên kết đến trang web bán hàng. - Tạo ra giả thuyết: Khi bạn đã xác định được mục tiêu, bạn có thể bắt đầu tạo ra các ý tưởng và giả thuyết AB Testing về lý do tại sao bạn nghĩ rằng chúng sẽ tốt hơn phiên bản hiện tại.
Một khi bạn có một danh sách các ý tưởng, hãy ưu tiên chúng theo mức độ tác động dự kiến và độ khó khi thực hiện. - Tạo các biến thể: Sử dụng phần mềm A/B Testing của bạn (chẳng hạn như Optimizely). Điều này giúp thực hiện các thay đổi theo ý muốn đối với một thành phần của trang web hoặc trải nghiệm ứng dụng di động của bạn.
Điều này có thể chỉ đơn giản là: - Thay đổi màu của một nút CTA
- Hoán đổi thứ tự các thành phần trên trang
- Ẩn các thành phần điều hướng hoặc một thứ đó có thể hoàn toàn tùy chỉnh được.
Nhiều công cụ A/B Testing hàng đầu có trình chỉnh sửa trực quan sẽ giúp những thay đổi này trở nên dễ dàng hơn. Hãy đảm bảo thử nghiệm của bạn có thể hoạt động đúng như mong đợi. - Chạy thử nghiệm: Hãy bắt đầu thử nghiệm của bạn và chờ người dùng truy cập vào!
Ở bước này, khách truy cập vào trang web hoặc ứng dụng của bạn sẽ được chỉ định ngẫu nhiên để kiểm soát hoặc thay đổi trải nghiệm của bạn.
Sự tương tác của họ với từng trải nghiệm được đo lường, tính toán và so sánh để xác định cách thức từng cách hoạt động. - Phân tích kết quả: Khi thử nghiệm của bạn hoàn tất, đã đến lúc phân tích kết quả.
Phần mềm A/B Testing của bạn sẽ xuất ra dữ liệu từ thử nghiệm và cho bạn thấy sự khác biệt giữa cách hai phiên bản trang web đang hoạt động. Và liệu có sự khác biệt đáng kể về mặt thống kê hay không?
Nếu biến thể của bạn đã thành công thì xin chúc mừng! Để xem bạn có thể áp dụng các bài học rút ra từ thử nghiệm trên các trang khác của website không và tiếp tục lặp lại các thử nghiệm để cải thiện kết quả.
Nếu thử nghiệm của bạn tạo ra kết quả âm hoặc không mang lại kết quả, đừng lo lắng. Hãy xem thử nghiệm đó như một kinh nghiệm học tập và tạo ra giả thuyết mới mà bạn có thể kiểm tra.
Bất kể kết quả của cuộc thử nghiệm của bạn là gì, hãy sử dụng kinh nghiệm của bạn để áp dụng cho những bài test khác trong tương lai. Và lặp đi lặp lại không ngừng trong việc tối ưu hóa ứng dụng hoặc website của bạn.
A/B Testing SEO
Google cho phép và khuyến khích A/B Testing và đã tuyên bố rằng:
Việc thực hiện A/B Testing hoặc đa biến không gây ra những sự cố hay rủi ro nào cho xếp hạng tìm kiếm trên website.
Tuy nhiên, nó có thể gây bất lợi cho thứ hạng tìm kiếm của bạn nếu lạm dụng công cụ A/B Testing cho các mục đích như che giấu.
Google đã cung cấp một số ví dụ cụ thể để đảm bảo rằng điều này không xảy ra:
- Không che giấu – Che giấu là cách website của bạn hiển thị nội dung trên các công cụ tìm kiếm khác với những gì mà khách truy cập thông thường sẽ thấy. Che giấu có thể khiến website của bạn bị rớt top hoặc thậm chí bị xóa khỏi kết quả tìm kiếm.
Để ngăn chặn việc “che giấu”, bạn không nên lạm dụng những phân đoạn khách truy cập để hiển thị nội dung khác nhau cho Googlebot dựa trên địa chỉ người dùng hoặc đại lý IP. - Sử dụng thẻ rel = “canonical” – Nếu như bạn thử nghiệm riêng biệt với nhiều URL, bạn nên sử dụng thuộc tính rel = “canonical” để hướng các biến thể trở lại phiên bản gốc của trang.
Làm như vậy sẽ ngăn chặn việc Googlebot bị nhầm lẫn bởi nhiều phiên bản của cùng một trang. - Sử dụng redirect 302 thay vì 301s – Nếu như bạn thử chuyển hướng URL gốc sang URL biến thể, hãy sử dụng redirect 302 (tạm thời) so với redirect 301 (vĩnh viễn).
Điều này giúp cho các công cụ tìm kiếm như Google biết rằng việc chuyển hướng này là tạm thời. Và họ nên giữ URL gốc được lập chỉ mục thay vì URL được kiểm tra. - Chỉ chạy thử nghiệm khi cần thiết – Việc thử nghiệm lâu hơn mức cần thiết, đặc biệt khi bạn đang sử dụng một biến thể của trang cho một tỷ lệ lớn người dùng. Điều này có thể được coi là một nỗ lực để đánh lừa các công cụ tìm kiếm.
Google khuyên bạn nên cập nhật trang web của mình và xóa tất cả các biến thể kiểm tra trang web của bạn ngay khi thử nghiệm kết thúc. Và đặc biệt, tránh chạy thử nghiệm lâu không cần thiết.
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 bạn tối ưu hóa các trang web và email marketing của mình, bạn có thể thấy có một số biến thể bạn muốn kiểm tra.
Nhưng để đánh giá mức độ hiệu quả của một thay đổi, bạn sẽ muốn dùng “biến thể độc lập” và đo lường hiệu suất của nó.
Giả sử, sau khi thử nghiệm có thay đổi nào đó từ người dùng, làm sao bạn biết yếu tố nào gây ra thay đổi đó? Ý tôi là bạn sẽ không thể chắc chắn biến thể nào sẽ chịu trách nhiệm cho những thay đổi của AB Testing.
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.
Hãy nhớ rằng ngay cả những thay đổi đơn giản, như 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.
Lưu ý: Đôi khi, sẽ ý nghĩa hơn nếu như bạn kiểm tra nhiều biến thể hơn là chỉ một biến thể. Quá trình gọi là quá trình thử nghiệm đa biến – Multivariate Testing.
#2 Xác định mục tiêu của bạn
Mặc dù bạn sẽ đo nhiều số liệu cho mỗi một lần kiểm tra, nhưng hãy 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.
Hãy suy nghĩ về vị trí bạn muốn đặt biến thể này ở cuối bài testing. Bạn 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 bạn 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”.
Nếu bạn đang kiểm tra một trang web, đây là trang web chưa được thay đổi vì nó đã tồn tại. Nếu bạn đang thử nghiệm với landing page, thì đây sẽ là bản sao thiết kế của landing page và bản sao bạn thường sử dụng.
Từ đó, xây dựng một biến thể hoặc một “thách thức” cho trang web, landing page hoặc email marketing mà bạn kiểm tra đối với sự kiểm soát đó.
#4 Chia nhóm mẫu test 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 có thể nhìn ảnh minh họa bên dưới:
Nếu bạn đang thử nghiệm thứ gì đó không có đối tượng hữu hạn, như trang web, thì thời gian bạn duy trì thử nghiệm sẽ ảnh hưởng trực tiếp đến kích thước mẫu thử của bạn.
Bạn sẽ 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
Trường hợp bạn đã chọn số liệu mục tiêu của mình, hãy nghĩ xem kết quả của bạn cần có ý nghĩa như thế nào để giải thích cho việc chọn biến thể này thay vì dùng một biến thể khác.
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.
