تست چند متغیره در مقابل تست A/B

تفاوت بین آزمایش A/B و آزمایش چند متغیره چیست؟بیایید نگاهی به روش ، کاربردهای مشترک ، مزایا و محدودیت های این روشهای آزمایش بیندازیم.

آزمایش A/B

آزمایش A/B ، که شما همچنین ممکن است از آن به عنوان تست تقسیم شده استفاده کرده باشید ، روشی برای بهینه سازی وب سایت است که در آن نرخ تبدیل دو نسخه از یک صفحه - نسخه A و نسخه B - با استفاده از ترافیک زنده با یکدیگر مقایسه می شوند. بازدید کنندگان سایت در یک نسخه یا نسخه دیگر جمع می شوند. با ردیابی نحوه تعامل بازدید کنندگان با صفحه ای که نشان داده شده است - فیلم هایی که آنها تماشا می کنند ، دکمه هایی که روی آنها کلیک می کنند یا اینکه برای یک خبرنامه ثبت نام می کنند یا نه - می توانید تعیین کنید که کدام نسخه از صفحه مؤثر است.

کاربردهای مشترک

آزمایش A/B کمترین روش برای ارزیابی یک طرح صفحه است و در موقعیت های مختلف مفید است.

یکی از متداول ترین روشهای آزمایش A/B استفاده از دو جهت طراحی بسیار متفاوت در برابر یکدیگر است. به عنوان مثال ، نسخه فعلی صفحه اصلی یک شرکت ممکن است دارای تماس های متن به Action (CTA) باشد ، در حالی که نسخه جدید ممکن است بیشتر متن را از بین ببرد ، اما شامل یک نوار برتر جدید است که آخرین محصول را تبلیغ می کند. بعد از اینکه بازدید کنندگان کافی در هر دو صفحه قرار گرفته اند ، می توان تعداد کلیک های موجود در هر صفحه از CTA را مقایسه کرد. توجه به این نکته حائز اهمیت است که حتی اگر بسیاری از عناصر طراحی در این نوع آزمون A/B تغییر کرده اند ، فقط تأثیر طراحی به عنوان یک کل در هدف تجاری هر صفحه ردیابی می شود ، نه عناصر فردی.

آزمایش A/B همچنین به عنوان گزینه بهینه سازی برای صفحاتی که فقط یک عنصر برای بحث و گفتگو است ، مفید است. به عنوان مثال ، یک فروشگاه حیوان خانگی که آزمایش A/B را در سایت خود اجرا می کند ، ممکن است نشان دهد که 85 ٪ کاربران بیشتر مایل به ثبت نام در خبرنامه ای هستند که توسط یک ماوس کارتونی که از آن برای یکی از کویل های یک محدود کننده BOA بیرون آمده است ، ثبت نام کنند. هنگامی که از آزمایش A/B به این روش استفاده می شود ، نسخه سوم یا حتی چهارم صفحه اغلب در آزمایش گنجانده می شود که گاهی اوقات آزمایش A/B/C/D نامیده می شود. این البته به این معنی است که ترافیک به سایت باید به سوم یا چهارم تقسیم شود و درصد کمتری از بازدید کنندگان از هر سایت بازدید می کنند.

مزایای

در مفهوم و طراحی ساده ، آزمایش A/B یک روش تست قدرتمند و پرکاربرد است.

نگه داشتن تعداد متغیرهای ردیابی شده کوچک به این معنی است که این تست ها می توانند داده های قابل اعتماد را خیلی سریع ارائه دهند ، زیرا برای اجرای آنها به مقدار زیادی از ترافیک احتیاج ندارند. این امر به ویژه در صورتی که سایت شما تعداد کمی از بازدید کنندگان روزانه داشته باشد مفید است. تقسیم ترافیک به بیش از سه یا چهار بخش ، پایان دادن به یک آزمایش را دشوار می کند. در حقیقت ، آزمایش A/B بسیار سریع و آسان تفسیر است که برخی از سایت های بزرگ از آن به عنوان روش آزمایش اصلی خود استفاده می کنند ، و چرخه های آزمایشات را یکی پس از دیگری به جای آزمایش های چند متغیره پیچیده تر انجام می دهند.

آزمایش A/B همچنین یک روش مناسب برای معرفی مفهوم بهینه سازی با آزمایش به یک تیم شکاک است ، زیرا می تواند به سرعت تأثیر قابل اندازه گیری یک تغییر طراحی ساده را نشان دهد.

با آزمایش وب بهینه شروع کنید

در این مقدمه خواهید دید که چرا آنها سریعترین پلت فرم تست A/B جهان را برای هیچ چیز نمی نامند.

محدودیت ها

آزمایش A/B ابزاری همه کاره است و هنگامی که با طراحی آزمایش هوشمند و تعهد به چرخه های تکراری آزمایش و طراحی مجدد جفت شوید ، می تواند به شما در پیشرفت های عظیم در سایت خود کمک کند. با این حال ، یادآوری این نکته حائز اهمیت است که محدودیت های این نوع آزمایش به نام خلاصه می شود. از آزمایش A/B برای اندازه گیری تأثیر دو تا چهار متغیر در تعامل با صفحه استفاده می شود. آزمایشات با متغیرهای بیشتر برای اجرای بیشتر طول می کشد و آزمایش A/B هیچ اطلاعاتی در مورد تعامل بین متغیرها در یک صفحه واحد نشان نمی دهد.

اگر به اطلاعاتی در مورد چند عناصر مختلف با یکدیگر تعامل دارید ، آزمایش چند متغیره رویکرد بهینه است.

تست چند متغیره

آزمایش چند متغیره از همان مکانیسم اصلی آزمایش A/B استفاده می کند ، اما تعداد بیشتری از متغیرها را با هم مقایسه می کند و اطلاعات بیشتری را در مورد چگونگی تعامل این متغیرها با یکدیگر نشان می دهد. همانطور که در آزمایش A/B ، ترافیک به یک صفحه بین نسخه های مختلف طراحی تقسیم می شود. هدف از آزمایش چند متغیره ، اندازه گیری اثربخشی هر ترکیب طراحی بر روی هدف نهایی است.

هنگامی که یک سایت ترافیک کافی برای اجرای آزمون دریافت کرده است ، داده های هر نوع تغییر برای یافتن نه تنها موفق ترین طراحی ، بلکه به طور بالقوه نشان می دهد که کدام عناصر بیشترین تأثیر مثبت یا منفی را در تعامل یک بازدید کننده دارند.

کاربردهای مشترک

متداول ترین نمونه آزمایش چند متغیره ، صفحه ای است که در آن چندین عنصر برای بحث و گفتگو وجود دارد-به عنوان مثال ، صفحه ای که شامل یک فرم ثبت نام ، نوعی متن هدر جذاب و یک پاورقی است. برای اجرای یک آزمایش چند متغیره در این صفحه ، به جای ایجاد یک طراحی کاملاً متفاوت مانند آزمایش A/B ، ممکن است دو طول متفاوت از فرم های ثبت نام ، سه عنوان مختلف و دو پاورقی ایجاد کنید. در مرحله بعد ، شما بازدید کنندگان را به همه ترکیبات احتمالی این عناصر قصور می کنید. این همچنین به عنوان آزمایش کامل فاکتوریل شناخته می شود و یکی از دلایلی است که آزمایش چند متغیره اغلب فقط برای سایتهایی که مقدار قابل توجهی از ترافیک روزانه دارند توصیه می شود - تغییرات بیشتری که باید آزمایش شوند ، برای به دست آوردن داده های معنی دار بیشتر طول می کشداز آزمون

پس از اجرای آزمون ، متغیرهای موجود در هر صفحه با یکدیگر مقایسه می شوند و عملکرد آنها در زمینه سایر نسخه های آزمون است. آنچه پدیدار می شود ، تصویری واضح از کدام صفحه به بهترین وجه اجرا می شود و کدام عناصر مسئول این عملکرد هستند. به عنوان مثال ، ممکن است نشان داده شود که متفاوت بودن یک صفحه نمایش تأثیر بسیار کمی در عملکرد صفحه دارد ، در حالی که تغییر طول فرم ثبت نام تأثیر بسیار زیادی دارد.

مزایای

آزمایش چند متغیره روشی قدرتمند برای کمک به شما در هدف طراحی مجدد تلاش برای عناصر صفحه شما است که در آن بیشترین تأثیر را خواهد داشت. این امر به ویژه در طراحی کمپین های صفحه فرود مفید است ، به عنوان مثال ، به عنوان مثال ، داده های مربوط به تأثیر طراحی یک عنصر خاص می تواند برای کمپین های آینده اعمال شود ، حتی اگر زمینه عنصر تغییر کرده باشد.

محدودیت ها

بزرگترین محدودیت آزمایش چند متغیره میزان ترافیک مورد نیاز برای تکمیل آزمون است. از آنجا که همه آزمایشات کاملاً فاکتوریل هستند ، بسیاری از عناصر در حال تغییر به طور همزمان می توانند به سرعت تعداد بسیار زیادی از ترکیبات ممکن را که باید آزمایش شوند ، اضافه کنند. حتی یک سایت با ترافیک نسبتاً زیاد ممکن است در انجام آزمایش با بیش از 25 ترکیب در مدت زمان ممکن مشکل داشته باشد.

هنگام استفاده از تست های چند متغیره ، همچنین مهم است که چگونه آنها در چرخه آزمایش و طراحی مجدد شما به طور کلی قرار بگیرند. حتی هنگامی که شما به اطلاعاتی در مورد تأثیر یک عنصر خاص مسلح هستید ، ممکن است بخواهید چرخه های آزمایش A/B اضافی را انجام دهید تا ایده های دیگر متفاوت را کشف کنید. همچنین ، گاهی اوقات ممکن است ارزش وقت اضافی لازم برای اجرای یک تست کامل چند متغیره را نداشته باشد ، هنگامی که چندین تست A/B به خوبی طراحی شده کار را به خوبی انجام می دهند.

خط پایین

اجازه ندهید که تفاوت بین آزمایش A/B و آزمایش چند متغیره باعث شود شما در مورد آنها به عنوان مخالف فکر کنید. درعوض ، آنها را به عنوان دو روش بهینه سازی قدرتمند که مکمل یکدیگر هستند فکر کنید. یکی یا دیگری را انتخاب کنید ، یا از هر دو استفاده کنید تا به شما در استفاده بیشتر از سایت خود کمک کند.