وقتی درگیر تصمیمهای هرروزه برای بازاریابی میشوید، احتمالا دیگر به این فکر نیستید که زمانی را برای انجام یک سری آزمون و ارزیابی اختصاص دهید. سرتان گرم نوشتن ایمیلهای تبلیغاتی، طراحی صفحه فرود جدید یا بهروزرسانیهای لازم در رسانههای اجتماعی است و از طراحی تست، بهینهسازی عملکرد و یا از بین بردن فرضیه صفر (فرضیهای که وجود رابطه، اثر یا تفاوت بین متغیرها را رد میکند) غافل شدهاید.
اگر به شما بگوییم که سه اقدام آخر، میتوانند شیوه انجام سه کار اول را کاملاً تغییر دهند چه؟ این سه اقدام به شما کمک میکنند تا تصمیمهای محکم تری بر مبنای دادههایتان بگیرید و لیدهای بیشتری برای کسبوکارتان جذب کنید.
تست A/B که با عنوان تست دوبخشی نیز شناخته میشود، چنین امکانی را برای شما فراهم میآورد. بازاریابها برای انجام تست A/B، دو نسخه متفاوت از یک واحد محتوا (مثلاً صفحه فرود، ایمیل و یا فراخوان به اقدام (CTA)) را انتخاب کرده و آنها را بر روی دو جامعه آماری یکسان از مخاطبان آزمایش میکنند. سپس برای مشخص کردن گزینه برنده، آن را بر اساس یک سطح اطمینان مشخص (۹۵% و بالاتر) میسنجند که ببینند ازلحاظ آماری معنی دار هست یا نه. انجام تست دوبخشی امکان بهینهسازی داراییهای ناشی از افزایش تعداد لیدها و رشد نرخ تبدیل بازدیدکنندگان وبسایت را در اختیار شما قرار میدهد.
متأسفانه خیلیها این واقعیت را درباره آزمون دوبخشی نمیدانند. در محیط کسبوکار برداشتهای نادرست بسیاری وجود دارد که مانع تصمیمهای صحیح و داده محور توسط بازاریابهای زیرک میشود. برای جلوگیری از تکرار این اشتباه توسط شما، درصدد برآمدیم تا تعدادی از رایجترین سوء برداشتها نسبت به تست A/B را در اینجا مطرح و اصلاح کنیم. شروع میکنیم:
اشتباه شماره ۱: هوش و غریزه بازاریابها بهتر از تست A/B عمل میکند.
حتی باتجربهترین و مستعدترین بازاریابها هم ممکن است اشتباه کنند. پس از سالها تجربه، بسیاری از ما درک شهودی نسبتاً درستی از روند تبدیل بازدیدکنندگان وبسایت به لیدها و تبدیل لیدها به مشتریان داریم. امّا غریزه صرف نباید تنها راهنمای ما در فرآیند تصمیمگیری باشد.
تست A/B به شما امکان میدهد تا از دادههای به دست آمده در جهت افزایش ترافیک وبسایت و رشد نرخ تبدیل استفاده کنید. درواقع آمارها حاکی از آن هستند که تست A/B تعداد لیدهای وبسایتهای B2B را بین۳۰ تا ۴۰ درصد افزایش میدهد. این آمار برای وبسایتهای تجارت الکترونیک (E-Commerce) ۲۰ تا ۲۵ درصد است.
نتیجه این که: اگر در تصمیمگیریها تنها بر غریزه و شهود انسانی تکیه کنید، پتانسیل افزایش درآمد را از دست خواهید داد.
اشتباه شماره ۲ : قبل از هر تصمیم کوچکی باید از تست A/B استفاده کنید.
گرچه تست A/B در تصمیمگیریهای بازاریابی به شما کمک میکند، امّا مجبور نیستید برای هر تصمیم سادهای از آن استفاده کنید. بعضی از تغییرات اصلاً ارزش آزمایش کردن ندارند. برای مثال در مورد این دو سرفصل نیازی به تست A/B برای تشخیص تفاوت تعداد کلیکها ندارید: "آنچه یک بازاریاب باید در مورد پینترست بداند" و یا "آنچه بازاریابها باید در مورد پینترست بدانند". گرچه تست A/B برای بررسی تغییرات کوچکی مانند رنگ دکمه فراخوان به اقدام (CTA) جوابگو خواهد بود؛ امّا تغییر "یک بازاریاب" به "بازاریابها" تفاوت چندانی در نرخ تبدیل شما ایجاد نخواهد کرد. البته اگر قصد داشتید دو سرفصل با دو موضوع کاملاً متفاوت را امتحان کنید، آنوقت حتماً تست A/B میتوانست در انتخاب گزینه مناسب به شما کمک کند.
اشتباه شماره ۳ : تست A/B بهاندازه تستهای چندمتغیره مفید نیست.
تست A/B و تست چندمتغیره (MVT) هر دو ابزارهای قدرتمندی برای به کارگیری داده برای تصمیمگیری در بازاریابی هستند؛ امّا کاربردشان کاملاً متفاوت است. تست A/B برای سنجش تأثیر یک متغیر در دو یا چند معادله به کار میرود و از تست MVT برای بررسی میزان اثربخشی ترکیبی از چند متغیر در معادلات چندگانه استفاده میشود.
برای مثال میتوان از تست A/B برای آزمایش میزان تأثیر رنگ فراخوان به اقدام (CTA) در نرخ تبدیل استفاده کرد و بقیه متغیرها در صفحه ازجمله منابع ترافیک، نوع بازدیدکنندگان، طراحی فرم، و حتی محتوا و تصاویر مربوط به CTA را ثابت نگاه داشت. با این کار به دنبال پاسخ یک سؤال مشخص هستید: "رنگ CTA چه تأثیری بر نرخ تبدیل مشتری میگذارد؟" هدف شما در اینجا درک نحوه تأثیرگذاری ترکیبی از متغیرها بر نرخ تبدیل نیست. (مثلاً تأثیر ترکیب چند متغیررنگ CTA، تعداد جاهای خالی در فرم و نوع تصاویر انتخابی بر نرخ تبدیل مشتری).
مسئله این نیست که یکی از این تستها بر دیگری برتری داشته باشد؛ بلکه فقط با دو نوع آزمون مختلف روبهرو هستید.
اشتباه شماره ۴ : اگر اقدامی برای یک بازاریاب مؤثر باشد، برای دیگر بازاریابها مفید است.
گرچه هزاران مطالعه موردی درباره تست A/B انجام شده که به موفقیت و تأثیرگذاری انواع مشخصی از طراحی، ترکیببندی و محتوا اشاره دارد، امّا هرگز نباید به دنبال موفقیت یک بازاریاب، چشم بسته نسخه تجویزشده از طرف او را بدون اینکه خودتان امتحانش کنید، به اجرا بگذارید. شرایط اجرای هر آزمونی نسبت به دیگری متفاوت است. وبسایت مورد مطالعه، ترافیک، مخاطب، محصول، قیفهای بازاریابی و ترویج و تبلیغات متفاوتی داشته است، پس آنچه برای آن وبسایت مؤثر بوده، ممکن است برای شما فایدهای نداشته باشد.
بر اساس آنچه گفتیم گرفتن فقط یک برگ از طرح بازاریابی دیگری و اجرای کورکورانه آن ممکن است فعالیتهای بازاریابی شما را از مسیر درست منحرف کند. برای مثال، ممکن است بهمنظور رشد نرخ کلیک (CTR) در ایمیل هایتان، بخواهید که در قسمت فرستنده از یک نام بهجای اسم شرکت استفاده کنید. در سال ۲۰۱۱ ما آزمونی را به مرحله اجرا گذاشتیم تا ببینیم آیا اگر در قسمت فرستنده ایمیل از نام یکی از اعضای تیم بازاریابی Hubspot استفاده کنیم، نرخ کلیک (CTR) ایمیلها افزایش مییابد یا خیر. در این آزمایش مشاهده شد که CTR برای گزینه کنترل (فرستنده : Hubspot) ۷۳/۰% و برای گزینه مورد آزمون (فرستنده : مگی جورجیوا از Hubspot) ۹۶/۰ % بوده است که یعنی فرستنده با نام واقعی با ضریب اطمینان ۹/۹۹ % بهوضوح برنده آزمون خواهد بود.
این آزمون در مورد مخاطبان ما جوابگو بود، شاید برای شما هم همینطور باشد .. شاید هم نه ! خودتان این تست را به اجرا درآورده و بهترین تاکتیک را در شیوه بازاریابی و جذب مخاطب برای خود پیدا کنید.
اشتباه شماره ۵ : برای اینکه بتوانید تست A/B را اجرا کنید باید در فناوری متخصص و صاحب بودجهای کلان باشید.
انجام تست A/B لزوماً کار سرمایه بری نیست. اگر بودجه شما تقریباً صفر است، ابزارهای رایگان برای انجام این تست مانند ابزار (Google Analytics’ Content Experiments) در دسترس هستند. این ابزار رایگان است امّا برای پیادهسازی آن به اندکی تخصص نیاز دارید.
بیشتر ابزارهای غیررایگان تست A/B، ازجمله ابزار مربوطه در نرمافزار همه کاره HubSpot (HubSpot’s all-in-one marketing software)، هزینه اولیه بالاتری دارند امّا کار کردن با آنها ازلحاظ فنی راحتتر است و به تخصص کمتری نیاز دارد. این ابزارها مسلماً از ابزارهای رایگان گرانتر هستند امّا این امکان را به شما میدهند تا کارتان را بسیار سریعتر پیش برده و هزینههای سربار را کاهش دهید.
برای انجام یک تست A/B، علاوه بر مدیریت هزینهها و تخصص، باید در استفاده از فرمولهای ریاضی هم دستی بر آتش داشته باشید. گزینه برنده باید از نظر آماری معنی دار باشد؛ پس باید معنای این اصطلاحات را یاد بگیرید و بدانید چطور از آن برای تفسیر نتایج استفاده کنید. برای تعیین معنی دار بودن یک نتیجه از نظر آماری، هم میتوانید از کاغذ و قلم و هم از محاسبه گر رایگان HubSpot برای تست A/B استفاده کنید.
در نهایت، بسته به اینکه چه منابعی در دسترستان باشد به سطوح متفاوتی از دانش فنی و ریاضی نیاز دارید؛ امّا اگر از سرو کار داشتن با اعداد و فناوری هراسی ندارید، نگذارید عامل بودجه مانع اجرای تست A/B در کسبوکارتان شود.
اشتباه شماره ۶ : تست A/B فقط برای سایتهایی با ترافیک هزاران نفری است.
از آنجا که در تست A/B، هدف تنها مطالعه دو معادله است و بس، برای آزمودن نتایج نیازی به بازدیدکنندگان خیلی زیادی ندارید؛ فقط کافی است تعداد آنها نتیجهای به دست بدهد که از نظر آماری معنی دار باشد. (یعنی به اندازهای که نتایجی با ضریب اطمینان بالای ۹۵% به دست بیاورید). البته هرچه تعداد بازدیدکنندگان بیشتر باشد، خیلی دقیقتر مشخص میشود که کدام گزینه مناسبتر است و کدام نیست؛ امّا هیچ کمینه تعداد مشخصی برای بازدیدکنندگان در تست A/B وجود ندارد. تنها باید تعداد بازدیدکنندگان برای رسیدن به یک نتیجه که از نظر آماری معنی دار است کافی باشد.
ضمن اینکه برای فهمیدن تعداد بازدیدکنندگان لازم، آنقدر ابزارهای رایگان وجود دارند که با استفاده از آنها نیازی به تخصص و دانش زیادی درعلم آمار ندارید.
اشتباه شماره ۷ : تست A/B بر سئوی شما تأثیر منفی میگذارد.
یکی از رایجترین سوالات درباره تست A/B آن است که آیا بر سئو (SEO) تأثیر منفی میگذارد یا نه. بسیاری فکر میکنند که اگر شما برای یک محتوای ثابت، از دونسخه متفاوت استفاده کنید، وبسایت شما در الگوریتم گوگل در رده وبسایتهایی با محتوای تکراری دستهبندی شده و درنتیجه تاوان آن را در نتایج جستجوی یک کلمه خاص خواهید پرداخت.
این فکر کاملاً اشتباه است. درواقع گوگل خودش مشوق شما در آزمایش محتوا برای جذب مخاطبان بیشتر و بالا بردن نرخ تبدیل وبسایتتان است و دستورالعملهای ویژهای را نیز ارائه میدهد؛ بدون اینکه در این موارد هیچ تنزل درجهای به خاطر محتوای تکراری لحاظ کند. گرچه انجام این آزمون بدون نرمافزارهای ویژه تست A/B که خودشان شامل همه مراحل میشوند، ممکن است دردسرهای فنی خاص خودش را داشته باشد، امّا ارزش سرمایهگذاری را دارد زیرا پیدا شدن توسط موتورهای جستجو برای موفقیت در بازاریابی داخلی بسیار حیاتی ست.
اشتباه شماره ۸ : اگر یکی از گزینههای تست در مراحل اولیه برتری چشمگیری نسبت به گزینه دیگر نشان داد، نیازی به ادامه تست نیست.
یکی از مهمترین مواردی که در اجرای تست A/B باید به خاطر داشته باشید آن است که همواره صبر کنید تا نتیجه ازلحاظ آماری معنی دار شود. درست مثل تعداد بازدیدکنندگان که باید ازلحاظ آماری معنی دار باشد، مدتزمان ادامه یافتن آزمون هم باید بر اساس فاصله اطمینان تعیین شود. حتی اگر یکی از گزینهها در همان مراحل اول، برتری کامل نشان داد، تا زمانی که تعداد افراد جامعه آماری و مدتزمان اجرای تست ازلحاظ آماری معنی دار نباشد، نباید تست را متوقف کنید.
توقف تست پیش از زمان کافی برای کسب نتیجه دقیق و قابل اطمینان، احتمال انتخاب گزینه نادرست را افزایش میدهد؛ اشتباهی که شاید هزینه سنگینی به شما تحمیل کند. اگر میخواهید درباره مدتزمان ادامه تست تا رسیدن به نتیجه معنی دار مطمئن شوید، محاسبه گر زمان تست Wingify را امتحان کنید.
اشتباه شماره ۹ : همیشه گزینههایی برنده میشوند که ظاهر زیباتری دارند.
یکی از دلایلی که باید قبل از گرفتن تصمیم قطعی از تست A/B استفاده کنید آن است که بتوانید بازاریابی خود را بر اساس دادههای واقعی پیش ببرید نه نظرات شخصی. بارها و بارها در تست A/B ثابت شده که همیشه لازم نیست صفحات فرود، ایمیلها و یا CTAها زیبا به نظر برسند؛ بلکه باید از گزینه جایگزین کارآمدتر باشند. حتی اگر گزینهای به نظر شما زیبا نیاید، بازهم ممکن است نسبت به رقیب زیباتر خود نرخ تبدیل بالاتری را ایجاد کند. بر قضاوت خود نسبت به طراحی یک گزینه تکیه نکنید؛ برای پیشبرد اقداماتتان در بازاریابی، تست A/B را به خدمت بگیرید.
اشتباه شماره ۱۰ : تنها دارید یک نرخ تبدیل را اندازه میگیرید.
در تفسیر نتایج تست A/B تنها به سنجش یک پارامتر بسنده نکنید. ببینید گزینه انتخابی شما چطور معیارها و جنبههای مختلف کارتان را تحت الشعاع قرار میدهد. در غیراین صورت بینش عظیمتر و مهم تری را که میتوانید کسب کنید، نادیده گرفتهاید.
فرض کنید دارید از تست A/B برای سنجش نحوه تأثیر رنگ فراخوان به اقدام (CTA)بر نرخ تبدیل در وبلاگ شرکتتان استفاده میکنید. تنها هدفتان از این آزمون نباید بررسی تعداد مشترکین وبلاگ باشد؛ بلکه همزمان باید ببینید چه تعداد از بازدیدکنندگان به لید و چه تعداد از لیدها به مشتری تبدیل میشوند. درواقع شاید درک کنید رنگی که بیشترین تعداد مشترکین را جذب کرده، تعداد لیدها را کاهش داده است! و خوب اگر هدف شما افزایش تعداد مشترکین حتی به بهای از دست دادن لیدها باشد اشکالی ندارد؛ امّا شاید هم این نتیجه باعث شود که نگران شوید و رنگ CTA را بلافاصله به حالت قبل برگردانید زیرا میدانید که تعداد مشترکین بالا به کاهش تعداد لیدها نمیارزد.
درهرصورت، این موضوع نشاندهنده اهمیت درنظر گرفتن پارامترهای مختلف در هنگام تحلیل نتایج آزمون است.
اشتباه شماره ۱۱ : پس از اجرای تست A/B کارتان تمام شده است.
بسیار خوب، یک تست A/B را به انجام رساندید، نمونه مناسب را جمعآوری کردید، به سطح اطمینان دست یافتید، و یکی از گزینههایتان برنده آزمون شد؛ امّا هنوز کارتان تمام نشده است. چه نتایج آزمونتان چشمگیر باشد چه نه، باید به انجام آزمونهای متوالی و بهینهسازی محتوا برای افزایش لیدها و نرخ تبدیل ادامه دهید. به عبارت دیگر، تست A/B نباید برایتان تجربهای یک باره باشد؛ بلکه باید از آن برای تنظیم و بهبود مستمر روند بازاریابی خود استفاده کنید.
برای مثال فرض کنید یک تست A/B انجام داده و دریافتهاید که دکمه فراخوان به اقدام (CTA) قرمز نرخ تبدیل بالاتری نسبت به سبز ایجاد میکند. حال که میدانید از کدام رنگ باید استفاده کنید، باید بررسی کنید که چه متنی روی آن دکمه این رشد نرخ تبدیل را پایدار میکند؟ با استفاده مداوم از تست A/B میتوانید در تصمیمگیریهایتان در روند بازاریابی به دادههای واقعی تکیه کنید؛ روشی هوشمندانه و مقرون بهصرفه برای گسترش کسبوکار!