تست A/B بسیاری از چیزها می تواند یک کابوس باشد. نترسید - آزمایش چند متغیره اینجاست تا روز را نجات دهد! کشف کنید که چگونه شما نیز می توانید به یکباره تغییرات بزرگ ایجاد کنید.
تست چند متغیره مفهومی مشابه با تست A/B است، اما ترفندها و مزایای جادویی خود را دارد. هنگامی که سعی می کنید چندین چیز را همزمان آزمایش کنید، داشتن یک روش واقعی برای انجام آن، هر بار آزمایش تصادفی را شکست می دهد.
به همین دلیل است که تست Mvt (چند متغیره) جایگاه خود را در قلب بسیاری از بازاریابان و UXers در آنجا به دست آورده است – این روشی را به ما می دهد تا بسیاری از چیزها را همزمان آزمایش کنیم. مانند همه روش‌ها، این روش مستلزم این است که با نحوه انجام کارها و عوامل مؤثر بر آن آشنا شوید. و بنابراین، بیایید بررسی کنیم که آزمایش چند متغیره چیست و در عمل چگونه به نظر می رسد.
مفاهیم کلیدی برای تست چند متغیره در طراحی وب سایت
آزمایش چند متغیره اغلب می تواند یک موضوع پیچیده به نظر برسد. آزمایش Mvt که اغلب به عنوان پسر عموی تست A/B تلقی می شود، همه چیز را فقط یک قدم جلوتر می برد. اما قبل از اینکه به نحوه انجام آزمایش Mvt بپردازیم، بیایید درک محکمی از برخی از مفاهیم کلیدی که بر روی آزمایش تأثیر می‌گذارند بیابیم.
پتانسیل بازدید کننده طراحی وب سایت: هر فردی که به محصول شما می رسد، زیرا آنها مشتریان بالقوه هستند. ایده این است که تعداد زیادی از این بازدید کنندگان طراحی وب سایت را به مشتری تبدیل کنیم.
قیف تبدیل: تفاوت واقعی بین تعداد کل بازدید کنندگان با تعداد کاربران طراحی وب سایتی که تبدیل، انجام یک کار دلخواه را انجام می دهند. این امر در مورد فروشگاه‌های پوشاک که تلاش می کنند بفروشند یا وبلاگی که تلاش می کند مشترکان را به یک خبرنامه جذب کند، صدق می کند. کاربران طراحی وب سایتی که تبدیل نمی کنند همان چیزی هستند که ما در قیف «نشت» می نامیم.
بهینه سازی نرخ تبدیل طراحی وب سایت: تاکتیک هایی که می توانیم برای بهبود نرخ تبدیل، رفع و وصله هرگونه نشتی در قیف به کار ببریم. تست چند متغیره یکی از این تاکتیک هاست.
تست A/B: نمایش دو نسخه مختلف از یک صفحه به تعدادی نماینده از کاربران طراحی وب سایت و بررسی اینکه کدام یک دارای بهترین نرخ تبدیل است. توصیه می‌شود که فقط یک تفاوت بین نسخه ها وجود داشته باشد که آن را به یک تاکتیک ساده بهینه سازی طراحی وب سایت نرخ تبدیل، تبدیل می کند.
درک این نکته مهم است که این تاکتیک ها برای بهبود طراحی وب سایت تبدیل شما معمولاً استفاده می شوند، به عنوان مثال، در کمپین های بازاریابی دیجیتال. بسیاری از نرم‌افزارها مانند Mailchimp، تست A/B را در کمپین های بازاریابی ایمیلی ارائه می دهند که به دنبال دستیابی به یک هدف هستند، مانند فروش نسخه ویژه یک محصول.
نکته حرفه ای: آزمایش کامل با نمونه های اولیه با وفاداری بالا در مورد یک محصول کاملاً جدید بهتر است. اگر می خواهید نمونه های اولیه را به سرعت و به راحتی ایجاد کنید، چرا ابزار نمونه سازی طراحی وب سایت ما را امتحان نکنید؟
با این اوصاف، تست A/B فقط برای اهداف بازاریابی نیست. در طراحی UX طراحی وب سایت ، این نوع تست می‌تواند تاثیر قدرتمندی بر قابلیت استفاده و اثربخشی محصول شما داشته باشد. در پایان، این فقط به این نیست که کاربران طراحی وب سایت را وادار به انجام آنچه می خواهید کنید، بلکه در مورد بهبود محصول شما به طور کلی است.
تفاوت بین تست چند متغیره و تست A/B چیست؟
این دو می توانند به طرز شگفت آوری شبیه به هم به نظر برسند. این دو فرآیند مشابهی را دنبال می‌کنند، به این معنا که فرد باید تکالیف خود را انجام دهد و فرضیه هایی را تشکیل دهد، و روند هر دو در ارتباط نزدیک ادامه یابد. با این حال، تفاوت های کلیدی وجود دارد که باعث می شود تست Mvt بسته به اینکه چه چیزی را می‌خواهید آزمایش کنید یا چه اهدافی دارید، مناسب تر می کند.
اول از همه، واضح ترین مورد: تست Mvt، همانطور که از نام آن مشخص است، به معنای آزمایش ترکیبی از چندین نوع طراحی وب سایت و اجزای آن است. هدف خیلی تعریف این نیست که کدام عنصر طراحی وب سایت بهتر کار می کند، بلکه هدف این است که کدام ترکیب در کل نتایج بهتری ارائه می دهد.
این واقعیت که ما چندین عنصر مختلف را در آزمون چند متغیره طراحی وب سایت آزمایش می کنیم، پیامد های کمی هم در جنبه عملی و هم در جنبه نظری مطالعه طراحی وب سایت دارد.
به عنوان مثال، آزمایش Mvt برای ارائه نتایج معنی دار به میزان ترافیک بسیار بیشتری نیاز دارد. در تست A/B، ترافیک ورودی به مطالعه طراحی وب سایت را به نصف تقسیم کردیم. در تست Mvt، باید آن را به 3، 4 یا بیشتر تقسیم کنیم تا بتوانیم هر ترکیب ممکنی از تغییرات را آزمایش کنیم. این چیزها می توانند خیلی سریع جمع شوند!
با این حال، این تفاوت کلیدی بین تست A/B و تست چند متغیره نیز می تواند چیز خوبی باشد. اگر صفحه ای در طراحی وب سایت دارید که نیاز به تغییر مجدد دارد و می‌توانید بسیاری از عناصر صفحه را تغییر دهید، آزمایش Mvt می‌تواند شما را از مشکل اجرای چندین تست A/B پشت سر هم نجات دهد - در زمان، تلاش و هزینه شما صرفه جویی می کند.
اجرای آزمون چند متغیره طراحی وب سایت
اجرای یک آزمون چند متغیره طراحی وب سایت کاملاً شبیه به آزمون A/B است، اما عوامل پیچیده ای وجود دارد که در آن نقش دارند. بیایید روند اجرای یک مطالعه چند متغیره طراحی وب سایت را مرور کنیم.ابزاری را انتخاب کنید و آنچه را که می خواهید آزمایش کنید تعریف کنید
انتخاب یک ابزار یک نیاز واضح برای اجرای یک آزمون چند متغیره است. مجموعه وسیعی از ابزارها وجود دارد، همانطور که در پست ما در مورد بهترین ابزارهای تست A/B طراحی وب سایت خواهید دید.
عوامل اصلی که باید در نظر بگیرید شامل این است که کدام یک از این ابزارهای تست طراحی وب سایت چند متغیره را ارائه می دهند (برخی مانند VWO آن را ارائه می دهند در حالی که برخی دیگر به تست کلاسیک A/B طراحی وب سایت پایبند هستند).
عوامل دیگر عبارتند از قیمت در رابطه با بودجه شما یا نحوه ارائه داده های آزمایش های طراحی وب سایت به شما. توصیه می کنیم به سراغ نمایش داده های بصری بیشتری مانند نمودارها و نمودارهای دایره ای بروید. اینها تفسیر را آسان تر می کنند و به شما کمک می کنند تا هر گزارشی را که نیاز دارید در مورد مطالعه به طور کلی بنویسید، تسریع کنید.
جدای از تعریف ابزار واقعی برای آزمون طراحی وب سایت ، شما همچنین می خواهید تعریف کنید که چه چیزی در آزمون گنجانده می شود. این به این معنی است که یک صفحه یا صفحات طراحی وب سایتی را که می خواهید آزمایش کنید، مشخص کنید و تعداد مشخصی از متغیرها را تعیین کنید. این می تواند یک مرحله آسان به نظر برسد، اما ممکن است شما را شگفت زده کند.
تعداد متغیرها مستقیماً منجر به تعداد ترکیباتی می شود که باید آزمایش کنید. ریاضیات پشت الزامات ترافیک - و نحوه ارتباط آنها با تعداد متغیرهایی که آزمایش می کنید - ساده است، اما پیامدهای عمده ای دارد.
نکته دشوار این است که حتی اضافه کردن یک تغییر دیگر به ترکیب، تعداد ترکیب ها را افزایش می دهد. این یک جنبه واقعاً مهم در آزمایش Mvt است، زیرا هر چه تعداد ترکیب ها طراحی وب سایت بیشتر باشد، ترافیک بیشتری را باید به مطالعه اختصاص دهیم. تقسیم ترافیک بین 2 نسخه و برخی از 12 نسخه اصلاً کار یکسانی نیست.
ترکیب ها را ایجاد کنید و تست(های) را اجرا کنید
اگر از قبل می دانید که کدام عناصر را آزمایش می کنید، باید تغییراتی را طراحی کنید. به طور منطقی، این تغییرات تا حد زیادی به محصول، تیم طراحی وب سایت و کاربران طراحی وب سایت شما بستگی دارد. ایده اصلی این است که با این تغییرات انتخابی باشید.
یک کلمه کوتاه در مورد مدت زمان آزمایش چند متغیره
به این معنا که اگر می دانید که یک تصویر را در صفحه محصول طراحی وب سایت آزمایش می کنید - در برابر اصرار برای گنجاندن 8 تغییر از همان تصویر مقاومت کنید. تعداد کل ترکیب ها باید در حاشیه واقع بینانه نگه داشته شود، به خصوص اگر نمی خواهید برای به دست آوردن نتیجه مدت زیادی منتظر بمانید.
برای مثال، اگر چیزی را آزمایش می کنید که به زمان حساس است، قطعاً باید ترکیب ها را به حداقل برسانید.
تخمین زدن مدت زمان آزمایش طراحی وب سایت شما همیشه آسان نیست. عوامل زیادی وجود دارد که باید در نظر گرفته شوند، مانند تعداد ترکیبات یا میزان ترافیک روزانه محصول شما. این در مورد آزمایش A/B صادق است و حتی برای آزمایش چند متغیره صادق است - ترکیب ها تمایل دارند مدت زمان را افزایش دهند.
توصیه می کنیم از یک ماشین حساب، مانند ماشین حساب مدت زمان تست VWO A/B استفاده کنید تا کارها آسان تر شود.
فراز و نشیب های تست چند متغیره در طراحی وب سایت
در اینجا مواردی وجود دارد که باید هنگام انجام آزمایش چند متغیره به خاطر داشته باشید.
در مورد انواع تست چند متغیره در طراحی وب سایت
بسیاری از مردم از این موضوع آگاه نیستند، اما در واقع دو نوع تست Mvt وجود دارد. اولین مورد چیزی است که اکثر ما در مورد آزمایش Mvt به آن فکر می کنیم: آزمایش فاکتوریل کامل. در ضربات گسترده، این به سادگی به این معنی است که ترافیک به طور مساوی بین تمام ترکیبات در آزمون تقسیم می شود. این نوع آزمایش معمولاً توصیه می شود، زیرا هیچ فرضی در مورد تأثیر هر یک از تغییرات ایجاد نمی کند.
نوع دیگر تست فاکتوریل جزئی یا کسری نام دارد. ممکن است از نام آن حدس بزنید، اما این نشان می دهد که تنها کسری از ترکیب ها در واقع ترافیک دریافت می کنند. از 12 ترکیب ما، تنها 6 مورد از آنها ترافیک دریافت می کنند. برای 6 مورد باقیمانده، باید فرضیاتی داشته باشیم تا بتوانیم برخی از ریاضیات را برای ارائه برخی داده ها برای آنها بدست آوریم.
واضح است که فرضیات چیزی نیست که در اینجا توصیه کنیم. تمام هدف آزمایش چند متغیره و تست A/B این است که اجازه دهیم داده ها خودشان صحبت کنند: طراحی وب سایت مبتنی بر داده به روشی که قرار است انجام شود. در مرحله دوم که شروع به فرضیات می کنیم، نظرات خود را معرفی می کنیم که در آن فقط حقایق سخت باید در نظر گرفته شود.
عناصر مختلف تأثیرات متفاوتی دارند
همه عناصر UI طراحی وب سایت یکسان ایجاد نشده اند - به خصوص وقتی صحبت از تأثیر آنها بر تبدیل می شود. همیشه خوب است به خاطر داشته باشید که برخی از عناصر طراحی وب سایت بیشتر از سایرین بر تبدیل تأثیر می گذارند. این به عنوان روزی که یک ابزار تست خوب مانند VWO دارید مشخص می شود.
VWO گزارش قدرتمندی از نتایج آزمایش ارائه می کند، که در آن می توانید تجزیه و تحلیل بخش به بخش از میزان تأثیر هر یک بر نرخ تبدیل را بیابید. در مثال زیر، می توانید تفاوت عمده بین دکمه CTA و عنوان همان صفحه طراحی وب سایت را درک کنید.
VWO ابزاری است که دقیقاً تأثیر هر جزء یا بخش را بر مطالعه نشان می دهد. برای اطلاعات بیشتر، قابلیت‌های تست چند متغیره آنها را بررسی کنید.
همیشه ترکیبات را پیش نمایش کنید
مهم است که همه پایه های خود را پوشش دهید. در حالی که گفتن "بیایید همه چیز را آزمایش کنیم" و رها کردن آن نسبتاً آسان است، ما اکیداً توصیه می کنیم به هر یک از ترکیب های نهایی نگاهی بیندازید.
این به این دلیل است که حتی اگر همه تغییرات به خودی خود خوب به نظر برسند، وقتی آنها را در متن با یکدیگر می بینید ممکن است همه چیز تغییر کند. این می تواند به سادگی یک عدم تعادل بصری یا چیزی که کاملاً جمع نمی شود باشد. در هر صورت، شما می خواهید به خودتان این فرصت را بدهید که ترکیب های خود را هرس کنید تا زمان و تلاش خود را برای چیزی که در نهایت شکست می‌خورد تلف نکنید.
به یاد داشته باشید که ترکیبات شما همگی نشان دهنده زمان طولانی تر و ترافیک بیشتر مورد نیاز برای کل مطالعه طراحی وب سایت هستند.
نتیجه
در پایان، تست چند متغیره از گام های مشابه تست A/B پیروی می کند. درست است که این فرآیند کمی پیچیده تر است، اما وقتی آنچه را که از این مطالعات به دست می‌آید را در نظر بگیریم، ارزشش را دارد.
همه تکنیک ها و مطالعات بهینه سازی تبدیل ارزش بررسی را دارند. قدرتی که این روش‌ها و تاکتیک ها می توانند بر تبدیل و قابلیت استفاده محصول شما داشته باشند، بی حد و حصر است – عادلانه است که شما تمام دانشی را که می توانید در مورد آنها داشته باشید.