تست‌های A/B
تست A/B روشی برای مقایسه دو نسخه از یک عنصر طراحی یا محتوا برای تعیین عملکرد بهتر است.
تصور کنید که یک اپلیکیشن موبایل طراحی کرده‌اید که در یک صفحه قرار است کاربران را به خرید اشتراک هفتگی ترغیب کند. شما دو نوع دکمه برای ترغیب کاربر به خرید طراحی کرده‌اید: دکمه اول با رنگ سبز و پیام «همین الان اشتراک بگیرید» و دکمه دوم با رنگ آبی و پیام «شروع کنید». حالا چطور متوجه می‌شوید کدام دکمه باعث جذب بیشتر کاربران به خرید اشتراک می‌شود؟ اینجاست که تست A/B کارآمد است.
تست A/B در طراحی محصولات دیجیتال ابزاری کاربردی است. این روش به شما این امکان را می‌دهد که دو ورژن متفاوت از یک طراحی، ویژگی و یا عملکرد محصول را به گروه‌های مختلف کاربران نمایش دهید و سپس بررسی کنید که کدام ورژن بیشترین تاثیر را بر رفتار کاربر دارد. با استفاده از تست A/B، می‌توانید تصمیماتی کاربر‌پسند بگیرید و تجربه کاربری را بهبود بخشید.
تست A/B چیست؟
یک روش تحقیق کمی است که دو ورژن طراحی به کاربران نشان داده می‌شود تا مشخص شود کدام ورژن بهترین عملکرد را دارد. در تست A/B دو یا چند تغییر از یک طرح در یک صفحه ایجاد می‌شود. طرح اصلی A نسخه کنترلی (Control Version) و نسخه B متفاوت (Variant) نامیده می‌شود، که با هم مقایسه می‌شوند. در این تست باید تنها یک عنصر مثل دکمه، یک تصویر یا یک توضیح با طرح اصلی متفاوت باشد.
چرا تست A/B مهم است؟
تست A/B این امکان را می‌دهد تا طراحی محصول بدون نیاز به تغییرات اساسی به تدریج بهبود پیدا کند و تجربه کاربری در طول زمان ارتقا یابد. این تست باعث می‌شود محصول به نیاز کاربران پاسخ دهد.
در نهایت، یک طراحی UX خوب باعث می‌شود کاربران در محصول بمانند. بنابراین، انجام تست‌های A/B روی محصول، به شما این امکان را می‌دهد که بفهمید کدام ویژگی‌ها برای کاربران مفید بوده و کدام، نیاز به اصلاح دارد. این روش نه تنها از نظر زمانی و منابع بسیار کارآمد و کم هزینه است، بلکه به شما کمک می‌کند تا با بهبود تدریجی محصول، نرخ تبدیل و عملکرد کلی محصول افزایش یابد.
۴ مرحله برای تنظیم تست A/B
پیروی از ۴ مرحله زیر، احتمال انجام تستی قابل اعتماد و کم هزینه را افزایش می‌دهد:
۱. با یک فرضیه شروع کنید
قبل از شروع تست A/B، باید فرضیه‌ای در نظر بگیرید که پیش‌بینی کند تغییرات احتمالی، چه تاثیری بر آن خواهد داشت. هرچه این فرضیه بیشتر بر اساس پژوهش کاربری و بینش تجاری باشد، احتمال موفقیت تست A/B بیشتر خواهد بود. فرضیه باید بطور مستقیم به یک هدف مرتبط باشد که می‌خواهید با تست A/B به آن برسید.
مثال: شما یک سایت تجارت الکترونیک را طراحی می‌کنید. در تست‌های کیفی کاربردپذیری، مشاهده کردید که چندین شرکت‌کننده، دکمه فراخوان (CTA) با لیبل خرید را نادیده گرفتند. فرضیه شما این است که تغییر طراحی این صفحه باعث افزایش نرخ تبدیل این CTA شده و در نهایت منجر به فروش بالاتر می‌شود.
۲. تغییرات ایجاد شده را تعریف کنید
هنگامی که یک فرضیه خوب دارید، باید بدانید که چه تغییراتی در کدام عنصر طراحی ایجاد شود تا فرضیه خود را تست کنید. این تغییرات باید فقط یک عنصر طراحی را هدف قرار دهد و یک اصلاح کلی در طراحی نباشد. هرچه این تصمیم بیشتر بر اساس بینش‌های بدست آمده از پژوهش کاربر باشد، شانس موفقیت تست بیشتر می‌شود، زیرا این بینش‌ها تاثیر مثبتی بر روند ایده‌پردازی شما خواهد داشت.
مثال: بر اساس بینش خود از تست کاربردپذیری کیفی، تصمیم می‌گیرید لیبل دکمه CTA را تغییر دهید. در طول تست‌ها، مشاهده کردید که شرکت کنندگان متوجه این دکمه شدند اما در مورد هدف آن شک داشتند. بنابراین، شما طراحی بصری دکمه را ثابت نگه می‌دارید اما لیبل را به «همین حالا خرید کنید» تغییر می‌دهید.
۳. معیارهای نتیجه را در نظر بگیرید
برای تعیین میزان تأثیر و موفقیت تست A/B خود، به وضوح مشخص کنید که کدام معیارها را مد نظر دارید. باید معیارهای اولیه را تعریف کنید، که آیا تغییرات در طراحی منجر به تغییر در رفتار و انتظارات کاربر می‌شود یا خیر. علاوه بر این، باید معیارهای نرده محافظ (Guardrail Metrics) را تعریف کرده تا مشخص کنید آیا تغییر در رفتار کاربر واقعاً تاثیر مثبتی بر بیزینس دارد یا خیر.
مثال: برای درک اینکه آیا تغییر لیبل CTA به «همین حالا خرید کنید» منجر به افزایش فروش می‌شود، تصمیم می‌گیرید نرخ کلیک دکمه خرید را دنبال کنید. علاوه بر این، نرخ خرید و میانگین مبلغ فروش در هر خرید را نیز دنبال خواهید کرد. این معیارهای نرده محافظ به شما کمک می‌کند تا تعیین کنید که آیا نرخ کلیک بالاتر از تنوع طراحی شما تاثیر مثبتی در کسب و کار خواهد داشت یا خیر.
۴. بازه زمانی تست را تعیین کنید
وقتی فرضیه‌ای دارید و تغییرات لازم را انجام داده‌اید و معیارهایی را برای اندازه‌گیری موفقیت مشخص کرده‌اید، باید تصمیم بگیرید که تست A/B برای چه مدت زمان اجرا شود. این مدت‌زمان بستگی به تعداد کاربرانی دارد که برای نتیجه‌گیری دقیق نیاز است.
برای تعیین تعداد کاربران مورد نیاز برای تست، باید سه معیار ارزیابی زیر در نظر بگیرید:
-
- ارزش متریک خروجی: معیار کلیدی عملکرد (به عنوان مثال، نرخ تبدیل، نرخ کلیک) برای طراحی شما
- حداقل تاثیر قابل تشخیص: کوچکترین تغییر نسبی در معیار نتیجه که بتوانید آن را تشخیص دهید
- آستانه اطمینان آماری (معمولاً ۹۵٪): میزان اطمینانی که انتظار دارید تست به اندازه‌ای قابل اعتماد باشد که بتوانید به آن اتکا کنید.
زمانی که این سه معیار را در نظر گرفتید، می‌توانید از یک ماشین حساب برای تعیین اندازه نمونه مورد نیاز برای تست خود استفاده کنید. حتی با وجود ترافیک کافی، توصیه می‌کنیم تست A/B خود را حداقل ۱ تا ۲ هفته اجرا کنید تا نوسانات احتمالی در رفتار کاربر را در نظر بگیرید.
مثال: فرض کنید در حال حاضر ۳٪ از کاربران روی دکمه خرید کلیک می‌کنند. حالا می‌خواهید ببینید که آیا اگر طراحی دکمه را عوض کنید، این عدد بیشتر می‌شود یا نه. فرض می‌کنیم تغییر کوچکی که برایتان مهم است ۲۰٪ باشد؛ یعنی اگر کلیک‌ها به جای ۳٪ بشود ۳.۶٪، این برای شما ارزشمند است و می‌توانید آن را تشخیص دهید. حالا با استفاده از ماشین‌حساب، متوجه می‌شوید که برای چنین تستی به حدود ۱۳۰۰۰ کاربر نیاز دارید. اگر سایت شما روزانه ۱۰۰۰ بازدیدکننده دارد، پس باید تست را حداقل ۱۴ روز اجرا کنید.
توجه داشته باشید که قبل از شروع تست، باید به این فکر کنید که چه مقدار تغییر برای بیزینس شما مهم است. تغییرات خیلی کم شاید تاثیر چندانی و ارزش زمان و هزینه تست را نداشته باشند.
چگونه تست A/B را انجام دهیم؟
برای تست A/B باید متوجه شوید چه چیزی می‌تواند نقطه درد (Pain Point) کاربران باشد و مانع از انجام یک اقدام می‌شود. برای انجام آن باید هدفی را تعریف کنید (مثلا می‌خواهید تعداد کلیک بر روی دکمه خرید را افزایش دهید.) بعد از آن، یک فرضیه بسازید (مثلا فکر می‌کنید اگر لیبل دکمه «خرید» را به «همین حالا خرید کنید» تغییر دهید، کاربران بیشتری بر روی آن کلیک می‌کنند. پس از آن دو نسخه آماده می‌کنید: نسخه A نسخه کنترلی شماست (دکمه فعلی محصول شما «خرید») و تست B نسخه تغییر یافته شماست ( دکمه «همین الان خرید کنید»)
دو نسخه از یک متغیر را ایجاد کنید و نمونه اولیه خود را برای اشتراک گذاری تست، آماده کنید. سپس تست را مدیریت کنید تا به درستی انجام شود. برای وب‌سایت‌های پر بازدید، کوچکترین تغییر ممکن را تست کنید. برای وب‌سایت‌های کم بازدید می‌توانید تغییرات بزرگ‌تری ایجاد کرده و تست کنید. مانند تست دو نسخه از طراحی وب.
تست باید به اندازه کافی طولانی باشد تا نتایجی معنادار و از نظر آماری، ارائه قابل توجهی داشته باشد. هرچه حجم تست بزرگ‌تر باشد، اطلاعات بیشتری به دست می‌آورید و نتایج تست دقیق‌تر و مطمئن‌تر خواهد بود. به یاد داشته باشید که تنها پس از اتمام تست A/B، نتایج آن را تجزیه و تحلیل کرده و تنها نسخه تایید شده را در محصول توسعه دهید. اگر نتیجه مساوی شد و تفاوتی در نسخه‌ها بوجود نیامد، نگران نباشید؛ این یعنی می‌توانید طرح دلخواه خود را بدون ریسک پیاده‌سازی کنید!
ابزارهای تست A/B
ابزارهای زیادی برای تست A/B وجود دارد. از جمله محبوب ترین ها عبارتند از:
- Unbounce – یک سازنده صفحه لندینگ با قابلیت کشیدن و رها کردن (Drag & Drop) است که به شما امکان می‌دهد بدون نیاز به استفاده از کدنویسی آنها را ایجاد و منتشر کنید. این ابزار ساده و سریع برای افزایش نرخ تبدیل از ترافیک شماست.
- VWO – پیشروترین پلتفرم تست وب و بهینه‌سازی نرخ تبدیل است. این پلتفرم به شما امکان می‌دهد تحقیقات کیفی و کمی روی کاربران انجام دهید، نقشه راه آزمایش‌ها را ایجاد کنید و آزمایش‌های پیوسته‌‌ای را روی محصولات دیجیتال خود اجرا کنید.
- Optimizely – یک پلتفرم آزمایشی که به اجرای تست‌های A/B در وب‌سایت‌ها کمک می‌کند. این سرویس به شما امکان می‌دهد انواع تست‌ها را برای گزینه‌های طراحی اجرا کنید تا نرخ تبدیل خود را افزایش دهید.
انتخاب ابزارهای تست A/B
اگر می‌خواهید تست A/B را استفاده کنید، باید ابزار آن را انتخاب کنید. ابزارهای بسیاری وجود دارد که بر اساس موقعیت و نیازهای منحصر به فرد طرح متفاوت است. هنگام انتخاب ابزار مناسب برای تست A/B، عوامل زیر را در نظر بگیرید:
- بودجه: ابزارهای تست A/B می‌توانند از رایگان تا چندین هزار دلار در ماه هزینه داشته باشند.
- پیچیدگی تست: در نظر بگیرید که تغییرات طراحی چقدر آسان یا پیچیده هستند. ابزارهای مختلف، سطوح متفاوتی از پیچیدگی را ممکن می‌سازند. از تغییرات ساده در رنگ یا متن گرفته تا تغییرات پیچیده‌تر در چیدمان صفحه یا امکان انجام تست‌های چند متغیره و تست URL تقسیم‌شده.
- سهولت استفاده: مطمئن شوید که یادگیری ابزار جدید برایتان آسان است و زمان کافی برای اختصاص دادن به این کار دارید.
- الزامات فنی: اطمینان حاصل کنید که ابزار به طور یکپارچه با زیرساخت فنی سازمان شما یکپارچه شده و در نظر بگیرید که چقدر زمان برای ایجاد تست لازم است.
زمانی که ابزاری را انتخاب کردید که به‌نظر می‌آید با نیاز و انتظارات شما همسو است، باید قبل از اجرای اصلی، ابزار را تست کنید. این تست به شما کمک می‌کند تا مطمئن شوید که ابزار، به‌درستی کار می‌کند. یکی از روش‌های رایج برای انجام این کار، تست A/A است. در آن دو نسخه مشابه ایجاد می‌کنید که دقیقا شبیه هم باشند. نتایج این تست باید بدون اختلاف باشد. در غیر اینصورت باید مشکلات احتمالی را بررسی کنید. این روش به شما کمک می‌کند که ابزار تست A/B به‌درستی تنظیم شود و کمترین اشتباه رخ دهد.
اشتباهات و محدودیت‌های رایج در تست A/B
تست A/B هم مانند هر روش دیگری، دارای محدودیت‌هایی است. این محدودیت می‌تواند در شرایط خاص و زمانی که به درستی استفاده نشود، ارزش زیادی داشته باشد، اما ممکن است باعث از دست رفتن منابع شده و در صورت استفاده اشتباه، زیان‌بار باشد.
محدودیت‌ها
تست A/B برای موارد زیر مناسب نیست:
- صفحات کم بازدید: برای اینکه تفاوت آماری زیادی بین دو نوع طراحی ایجاد شود، نیاز است هزاران کاربر با محصول شما تعامل داشته باشند. این مسئله باعث می‌شود که این تست، برای صفحات کم‌بازدید مناسب نباشد.
- آزمایش چندین تغییر به طور همزمان: این تست برای تغییرات طراحی چندین عنصر به صورت همزمان، مناسب نیست. در حالی که این تست از نظر فنی امکان‌پذیر است. برای آزمایش چندین عنصر در یک زمان، به جای آن از تست چند متغیره استفاده کنید، اما توجه داشته باشید که این تست به داده‌های بیشتری نیاز دارند تا به نتایج اطمینان‌بخشی برسید.
- درک دلیل تغییر رفتار کاربر: مانند سایر روش‌های پژوهش کمی، تست A/B در ارائه چگونگی تغییر رفتار کاربر مناسب است، اما تفسیری از دلیل این تغییرات ارائه نمی‌دهد. بنابراین، تست A/B زمانی که با روش‌های پژوهش کیفی تلفیق شود، بیشترین نتیجه را دارد. به این عمل مثلث‌سازی (Triangulation) می‌گویند.
اشتباهات
برخی از رایج‌ترین اشتباهاتی که باید از آنها اجتناب کنید عبارتند از:
- نداشتن اهداف تعریف شده: برای رسیدن به نتایج قابل انتظار در تست A/B، باید اهداف مشخص شده‌ای داشته باشید. این اهداف کمک می‌کند دلایل انجام تست را درک کنید، تغییرات طراحی را به درستی اعمال کنید و برای بیشترین بازدهی برنامه‌ریزی کنید.
- توقف زود هنگام تست: این تست‌ها که فاقد داده‌های کافی هستند، معمولا نتایج قابل اعتمادی ارائه نمی‌دهند. برخی از تیم‌ها خیلی زودتر از موعد استاندارد، نتیجه‌گیری می‌کنند. برای جمع‌آوری داده‌های معتبر، باید تعداد نمونه‌ها تکمیل شود. پس از آن می‌توانید نتیجه‌گیری کنید.
- تست بدون فرضیه قوی: از هر ۷ تست فقط ۱ تست موفق است. اگر بدون داشتن فرضیه و داده قوی تست انجام دهید، احتمال موفقیت تست خیلی کم است. مانند طراحی‌های جدید یا نمونه‌های اولیه، هرچه داده‌های بیشتری از پژوهش کاربری داشته باشید، شانس موفقیت بیشتر است.
- تمرکز بر یک متریک واحد: هدف تست A/B تغییر یک عنصر خاص است. اما اگر فقط یک معیار را بسنجید، ممکن است تاثیراتی روی دیگر معیارها بگذارد. مثلاً یک تغییر ممکن است نرخ تبدیل را بهتر کند، اما روی معیارهای دیگر مانند نرخ نگهداری تأثیر منفی بگذارد. بنابراین، باید چندین معیار را بررسی کنید تا واقعاً متوجه شوید تغییرات طراحی چطور روی همه جنبه‌ها تاثیر می‌گذارند.
- نادیده گرفتن پژوهش کیفی و زمینه کسب و کار: اگر یک تست A/B نتیجه آماری قابل توجهی داشته باشد، نباید آن را بی‌دلیل بپذیرید. ممکن است از این تست نتایج نادرستی بدست آید، مثل یک نتیجه مثبت کاذب یا نتیجه منفی کاذب، یا خطای سنجش وجود داشته باشد. همچنین ممکن است نتایج بدست آمده از نظر آماری اطمینان‌بخش باشد ولی در عمل، موثر واقع نشود. بنابراین، باید نتایج تست را با شناخت خود از کاربران و سازمان ترکیب کرده تا به نتیجه درستی برسید.
نتیجه‌گیری
تست‌های A/B ابزاری مفید برای بهبود تجربه کاربری و تصمیم‌گیری‌های طراحی هستند، اما باید با دقت و شناخت کامل مفاهیم، از آنها استفاده کرد. برای کسب نتایج موثر، باید اهداف مشخص و فرضیه‌های قوی داشته باشید، همچنین باید تجزیه و تحلیل دقیق داده‌ها را در نظر بگیرید. علاوه بر این، توجه به چندین معیار مختلف و ترکیب نتایج آزمون با شناخت خود از کاربران و نیازهای سازمان اهمیت زیادی دارد. در آخر، بر اساس نتایج آماری نباید تصمیم‌گیری کرد؛ بلکه باید تاثیرات تغییرات را در نظر گرفت و از نتایج به دست آمده برای انجام تغییرات بهینه در طراحی استفاده کرد.
دیدگاه کاربران