A/B Testing [tiếng Việt: Thử nghiệm A/B, còn được gọi là “split testing” hoặc “bucket testing”] là phương pháp so sánh hai phiên bản khác nhau của landing page, quảng cáo, email hoặc bất cứ thứ gì cần tối ưu hóa để xác định phiên bản nào hoạt động tốt hơn.
Về cơ bản, A/B Testing là cách thử nghiệm trong đó hai hoặc nhiều biến thể của một biến được hiển thị cho người dùng một cách ngẫu nhiên, trong cùng một môi trường hoặc tình huống cụ thể và sau đó dựa vào thống kê để xác định biến thể nào hoạt động tốt hơn cho mục tiêu chuyển đổi nhất định.
Phiên bản A có thể là phiên bản hiện tại [control], trong khi phiên bản B được sửa đổi ở một số khía cạnh [variation/treatment].
Marketing khá khó khăn – nên bạn cần tận dụng mọi khía cạnh bạn có để đi trước đối thủ. Đó là lý do tại sao bạn cần thực hiện A/B Testing – cho phép bạn thử các phương pháp marketing khác nhau và xem phương án thay thế có mang lại kết quả tốt hơn không. Trong bài viết này, bạn sẽ học tất cả những gì bạn cần biết về A/B Testing. Đầu tiên, hãy cùng tìm hiểu A/B testing là gì?
A/B testing là gì?
A/B Testing là gì? A/B testing [hay còn được gọi là split testing] là một quy trình mà trong đó hai phiên bản [A và B] sẽ được cùng so sánh trong một môi trường / tình huống được xác định và qua đó đánh giá xem phiên bản nào hiệu quả hơn. Phiên bản ở đây có thể là mọi thứ từ một hình banner, trang web, mẫu quảng cáo cho tới email và hiệu quả được đánh giá dựa trên mục tiêu của người làm test dành cho các phiên bản này.
Một website bán hàng thì có mục tiêu là muốn khách hàng phải mua hàng hoặc mua nhiều hơn. Một banner quảng cáo thì có mục tiêu là muốn khách hàng phải bấm vào đó nhiều hơn. Một email thì có mục tiêu là khách hàng phải mở ra xem nhiều hơn. Tất cả mọi thứ đều có một mục tiêu nào đó, nhằm khiến cho khách hàng thực hiện một hành động mong muốn nào đó, hành động này được gọi là conversion. Tỉ lệ người thực hiện các hành động đó được gọi là conversion rate [tỉ lệ chuyển đổi].
Và việc đo lường và đánh giá 2 phiên bản A và B cũng chính là việc đo lường và đánh giá conversion rate của tiến trình đang thực hiện.
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 A/B Testing là gì 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?
Lợi ích của A/B Testing là gì?
Có nhiều loại split test mà bạn có thể chạy để làm cho thử nghiệm có giá trị hơn. Dưới đây là một số mục tiêu phổ biến mà các nhà tiếp thị có cho doanh nghiệp của họ khi sử dụng A/B Testing:
Lưu lượng truy cập trang web tăng:
Việc test các bài đăng trên blog hoặc tiêu đề trang web khác nhau có thể làm thay đổi số lượng người nhấp vào tiêu đề siêu liên kết đó để truy cập website của bạn. Điều này dẫn đến kết quả là làm tăng lưu lượng truy cập trang web.
Tỷ lệ chuyển đổi cao hơn [Conversion Rate]:
Test các vị trí, màu sắc khác nhau hoặc thậm chí là văn bản neo trên CTA của bạn có thể thay đổi số người nhấp vào các CTA này để đến trang đích. Điều này giúp làm tăng số người điền vào biểu mẫu trên website của bạn, gửi thông tin liên lạc của họ cho bạn và “chuyển đổi” thành khách hàng tiềm năng.
Tỷ lệ thoát trang thấp hơn:
Nếu khách truy cập website của bạn rời khỏi hoặc thoát ra nhanh chóng sau khi truy cập website của bạn, hãy làm thử nghiệm trên các bài đăng giới thiệu blog, phông chữ hoặc hình ảnh đặc trưng khác nhau. Điều này có thể làm giảm tỷ lệ thoát và giữ được nhiều khách truy cập hơn.
Giảm sự từ bỏ giỏ hàng [cart abandonment]:
Các doanh nghiệp thương mại điện tử cho biết từ 40% – 75% khách hàng rời khỏi trang web khi mà những mặt hàng của họ vẫn còn trong giỏ. Điều này được gọi là “từ bỏ giỏ hàng” hay “cart abandonment”.
Việc test các hình ảnh sản phẩm khác nhau, thiết kế trang thanh toán và hiển thị phí vận chuyển có thể làm giảm tỷ lệ từ bỏ này.
4 lỗi thường gặp ở A/B Testing là gì và cách khắc phục chúng
Công cụ testing của bạn bị lỗi
A/B Testing là gì? Sự nổi tiếng là một con dao hai lưỡi và điều này vẫn luôn đúng ngay cả với phần mềm A/B testing.
Sự phổ biến của phương pháp testing A/B đã tạo ra nhiều phần mềm với chi phí thấp và tuyệt vời, nhưng về chất lượng thì lại không nhất quán.
Nhiều công cụ khác nhau dĩ nhiên sẽ có chức năng khác nhau nhưng có vài điểm khác biệt bạn cần phải lưu ý. Và nếu bạn không ý thức được những điểm khác biệt đó thì quá trình A/B testing sẽ gặp khó khăn từ trước khi bạn bắt đầu.
Thực tế đã chỉ ra rằng trung bình mỗi lần load trang kéo dài thêm 1 giây cũng làm giảm đi 11% lượt viewvà kèm theo đó, tỉ lệ chuyển đổi cũng giảm 7%. Điều này tạo ra một cơn ác mộng thực sự khi mọi nỗ lực cải thiện website bằng A/B testing lại cản trở tiến trình làm việc của bạn.
Và ngay cả khi bạn nghĩ, mọi chuyện không thể tồi tệ hơn được nữa, thì chính quyết định lựa chọn phần mềm A/B testing nào của bạn cũng sẽ tác động đến kết quả của việc kiểm tra.
Neil Patel là một chủ doanh nghiệp và là một người có sức ảnh hưởng. Patel đã phát hiện rằng phần mềm A/B Testing anh ấy hiện đang sử dụng có những điểm khác biệt rõ rệt. Nhưng khi ông tạo một trang mới thì lại không nhận thấy sự thay đổi trong việc chuyển đổi.
Nguyên nhân thật ra bắt nguồn từ công cụ testing [testing tool] bị lỗi.
Cách giải quyết – Chạy A/A test
Trước khi chạy A/B test, bạn nên chạy A/A test với phần mềm của mình để đảm bảo phần mềm vẫn hoạt động mà không tác động đến tốc độ và hiển thị nội dung của trang.
Đối với dân nghiệp dư, A/A test cũng giống như A/B test. Điểm khác nhau chính là trong A/A test, cả 2 nhóm người dùng đều nhìn thấy cùng một trang web.
Đúng vậy, điều phải làm ở đây là bạn cần phải so sánh trang web đó với chính bản thân nó
Nghe có vẻ hơi vô lý, nhưng khi chạy A/A test, bạn sẽ nhận ra nhiều vấn đề bắt nguồn từ phần mềm kiểm tra. Riêng đối với A/A test, bạn sẽ muốn kết quả kiểm tra của mình vô vị một tí.
Bởi nếu bạn thấy tỉ lệ chuyển đổi bị giảm ngay khi bạn bắt đầu kiểm tra thì có lẽ công cụ bạn đang dùng đang làm chậm nó. Và nếu bạn thấy có nhiều sự khác biệt đáng kể giữa 2 trang thì có lẽ phần mềm của bạn mới là thứ bị lỗi.
Ngừng test ngay khi kết quả đạt mức
A/B Testing là gì? Về mặt thống kê số liệu, việc này giống như là ôm banh rồi về nhà vậy. Thực ra, khi tiến hành A/B testing, việc ngừng test ngay khi bạn thấy kết quả mong muốn không chỉ đơn thuần là hành động phi thể thao, mà nó còn khiến kết quả mà bạn tạo ra trở nên vô nghĩa.
Rất nhiều công cụ dung túng cho hành vi này bằng cách cho phép người dùng ngưng kiểm tra ngay khi đạt được kết quả mong muốn. Nhưng nếu bạn thực sự muốn cải thiện trang web của mình, bạn cần phải thay đổi ngay ý định muốn kết thúc quá trình A/B Testing sớm.
Vấn đề ở đây được gọi là “false positives”: những kết quả đó sai lầm khi chỉ ra sự khác biệt giữa các trang với nhau. Bạn càng kiểm tra kết quả thường xuyên, bạn sẽ càng có nhiều cơ hội nhận được kết quả vốn tưởng là đúng nhưng bị khẳng định nhầm.
Điều này sẽ không thành vấn đề nếu bạn bình tĩnh và tiếp tục kiểm tra thêm. Tuy nhiên nếu bạn kết thúc quá trình kiểm tra ngay khi bạn thấy kết quả khả quan thì có lẽ bạn đã bị “false positives” lừa rồi. Bằng phương pháp kiểm tra số liệu, sau đó kiểm tra kết quả từ 1000 người dùng cho thấy có 5% là “false positives”.
Nếu người kiểm tra xem lại kết quả từ cùng nhóm người dùng đó 10 lần, khả năng gặp “false positives” sẽ tăng lên đến 19.55%. Và nếu kiểm tra 100 lần, thì 5% ban đầu sẽ gấp 8 lần, lên đến 40,1%.
Cách giải quyết – Bám theo một kích cỡ mẫu được định sẵn
Hiểu được false positives là gì là một chuyện, còn để đối đầu với false positives là một chuyện khác. Để đối đầu với false positives, bạn phải đặt ra quy tắc. Bạn nên có một bộ mẫu trước khi chạy A/B test và chống lại cám dỗ khiến bạn muốn kết thúc sớm.
Dù kết quả có khả quan ra sao đi nữa, cũng đừng băn khoăn không biết bộ mẫu phải lớn đến bao nhiêu. Trên mạng có rất nhiều công cụ giúp bạn tính toán kích cỡ tối thiểu. Vài công cụ phổ biến có thể kể đến Optimizely và VWO, …
Lưu ý: Về kích cỡ số liệu mẫu, hãy nhớ rằng bạn cần một kích cỡ mẫu thực tế cho trang web của mình.
Thực tế, ai cũng muốn có hàng triệu người dùng để thử nghiệm, nhưng không phải ai cũng có thể làm được điều đó. Tôi nghĩ bạn nên ước tính bạn sẽ thử nghiệm trong bao lâu để đạt đến bộ kích cỡ mẫu.
Bạn chỉ tập trung vào chuyển đổi
Khi bạn đang lặn ngập trong những lần A/B test thì rất dễ bỏ qua bức tranh toàn cảnh. Để tôi giải thích cho bạn dễ hiểu hơn. Khi nói đến A/B testing, bạn thường tập trung vào mỗi việc chuyển đổi mà quên mất kết quả kinh doanh lâu dài.
Dĩ nhiên là thêm nhiều bản sao vào web của bạn sẽ khiến tỉ lệ chuyển đổi cao hơn. Và nếu vậy thì người dùng đã qua chuyển đổi với chất lượng thấp hơn nhưng có tỉ lệ chuyển đổi cao hơn cũng sẽ không mang lại kết quả tốt cho doanh nghiệp.
Bạn sẽ dễ bị những thứ phù phiếm thu hút sự quan tâm khi đang tiến hành AB testing. Nhưng bạn phải nhớ rằng, những thứ đó chỉ đánh lạc hướng bạn khỏi kết quả sinh lời thực sự.
Nếu bạn đang thử nghiệm chiến thuật kêu gọi hành động nhằm dẫn đến landing page, bạn không nên chỉ chú tâm vào việc chuyển đổi đến trang landing page này. Thay vào đó bạn nên tính toán những đường dẫn tới trang và ràng buộc nó với lợi nhuận được sinh ra.
Cách giải quyết: Kiểm chứng giả thuyết
Trước khi tiến hành A/B test, bạn nên lập nên một giả thuyết bạn muốn chứng minh hoặc bác bỏ. Và khi tập trung giả thuyết này vào mục tiêu kinh doanh nhằm thúc đẩy kết quả doanh nghiệp, bạn sẽ tránh được những cám dỗ phù phiếm.
Quá trình chạy A/B test nên được đánh giá dựa trên mức độ ảnh hưởng đến mục tiêu kinh doanh chứ không phải bất kỳ số liệu nào khác. Nên nếu bạn muốn tăng lượt đăng ký, hãy chú tâm vào số lượng người đăng ký chứ không phải lượt truy cập [traffic] hay traffic vào trang “Đăng ký” hay trang chủ chứa form đăng ký của mình.
Trong khi đang kiểm chứng để chứng minh hoặc bác bỏ giả thuyết, đừng bỏ qua bất kỳ kết quả nào không quan trọng mà hãy dùng chúng cho những lần kiểm chứng tiếp theo.
Bạn chỉ chú tâm tới những thứ nhỏ nhặt
Thực ra, A/B Testing không chỉ đơn giản là một yếu tố riêng lẻ nào đó [như test màu của nút CTA chẳng hạn]. Nó còn gồm nhiều yếu tố khác nữa. Chính việc bạn chỉ test màu của các nút CTA đã làm hỏng việc tiến hành A/B testing của bạn.
Nếu những trang web lớn sẽ có cú lội ngược dòng ngoạn mục chỉ nhờ vào việc thay đổi màu nút CTA. Thì với đại đa số các trang web thông thường, những thứ nhỏ nhặt [như màu nút CTA] sẽ không cho ra kết quả ý nghĩa nào.
A/B testing sẽ gò ép chúng ta vào việc cải thiện những thứ lắt nhắt, nhưng nếu làm vậy chúng ta sẽ bỏ lỡ những cơ hội to lớn hơn.
Cách giải quyết – Kiểm tra căn bản định kỳ
A/B Testing là gì? Có một quy tắc cơ bản đó là hãy kiểm tra những thay đổi căn bản cho trang web của bạn một cách định kỳ. Vì thế, việc này được gọi là Kiểm tra căn bản định kỳ.
Nếu bạn thấy tỉ lệ chuyển đổi thấp, thì có lẽ bạn nên dành thời gian kiểm tra những thay đổi căn bản thay vì những thay đổi nhỏ nhặt. Hãy coi việc testing như một bàn chơi bài, thi thoảng bạn nên cược lớn một chút nếu bạn muốn lời to.
Nhưng trước khi bạn tuyên truyền về cách “kiểm tra căn bản”, thì hãy nhớ rằng bản thân nó cũng có nhiều điểm bất cập.
- Cần nhiều sự chuẩn bị hơn A/B testing
Kiểm tra căn bản yêu cầu bạn dành thời gian thiết kế lại trang web. Vì việc này sẽ tốn nhiều thời gian, nên tôi khuyến cáo bạn nên tiến hành định kỳ.
- Khó xác định yếu tố nào có tác động lớn nhất đến web của bạn
Và bạn nên lưu ý rằng kiểm tra căn bản sẽ giúp bạn xác định nếu việc tái thiết trang web có tác động đến tỉ lệ chuyển đổi chứ không cho phép bạn định vị chính xác yếu tố nào đã thúc đẩy kết quả đó.