یکی از اصطلاحات رایجی که در سئو و خصوصا در طراحی UX کاربرد دارد، تست A/B بوده که یک نوع آزمایش برای سنجش رفتار کاربران در مواجهه با یک تغییر می باشد. ما در این متن قصد داریم تا این اصطلاح را به طور کامل مو شکافی کرده و چگونگی انجام این تست و همچنین دلایل انجام آن را بررسی کنیم.
تست A / B چیست؟
تست A / B (همچنین به عنوان تست اسپلیت یا تست سطل شناخته می شود) روشی است برای مقایسه دو نسخه از یک صفحه وب یا برنامه در برابر یکدیگر برای تعیین اینکه کدام یک عملکرد بهتری دارند. آزمایش A/B اساساً آزمایشی است که در آن دو یا چند نوع صفحه به طور تصادفی برای کاربران نشان داده می شود و از تجزیه و تحلیل آماری استفاده می شود تا مشخص شود که کدام تغییر بهتر برای یک هدف معین عمل می کند.
اجرای تست A/B که به طور مستقیم تنوع را در مقایسه با یک تجربه فعلی مقایسه می کند به شما امکان می دهد سؤالات متمرکز در مورد تغییرات وب سایت یا برنامه خود را بپرسید و سپس اطلاعات مربوط به تأثیر آن تغییر را جمع آوری کنید.
آزمایش، حدس و گمان را از بهینه سازی وب سایت خارج کرده و تصمیمات آگاهانه از داده ها را قادر می سازد. همچنین مکالمات تجاری را از “فکر می کنیم” به “ما می دانیم” تغییر می دهد. با اندازه گیری تأثیر تغییرات در اندازه گیری ها، شما می توانید اطمینان حاصل کنید که هر تغییر نتیجه مثبتی را به همراه خواهد داشت.
آزمایش A / B چگونه کار می کند؟
در یک آزمایش A / B، صفحه وب یا صفحه برنامه را می گیرید و آن را اصلاح می کنید تا نسخه دوم همان صفحه را ایجاد کنید. این تغییر می تواند بسیار ساده باشد.
به عنوان مثال یک عنوان یا یک دکمه باشد یا یک طراحی مجدد کامل از صفحه. سپس، نیمی از ترافیک را به صفحه اصلی و نیم دیگر را به صفحه ویرایش شده هدایت می کنید.
از آنجا که به بازدید کنندگان، کنترل یا تغییراتی ارائه می شود، درگیری آنها با هر تجربه اندازه گیری از طریق یک موتور آماری، تجزیه و تحلیل می شود. سپس می توانید تعیین کنید که تغییر تجربه، تأثیر مثبت، منفی و یا هیچ تاثیری بر رفتار بازدید کننده داشته است یا خیر.
چرا باید تست A/B را انجام دهید
آزمایش A / B به افراد، تیم ها و شرکت ها اجازه می دهد تا ضمن جمع آوری داده های مربوط به نتایج، تغییرات دقیق در تجربیات کاربران را زیر نظر بگیرند که به آن ها امکان می دهد فرضیه ها را بسازند و بهتر بدانند که چرا برخی عناصر تجربیاتشان بر رفتار کاربر تأثیر می گذارد.
بیش از اینکه فقط به یک سوال یک طرفه یا حل اختلاف بپردازید، تست A/B می تواند به طور مداوم مورد استفاده قرار گیرد تا یک تجربه معین را بهبود ببخشید. یک هدف واحد مانند نرخ تبدیل را با گذشت زمان بهبود دهید.
به عنوان مثال، یک شرکت فناوری B2B یا بنگاه به بنگاه ممکن است بخواهد کیفیت و حجم فروش سرب خود را از صفحات فرود کمپین بهبود بخشد. برای رسیدن به این هدف، تیم سعی می کند تغییرات A / B را در عنوان، تصاویر بصری، زمینه های فرم، فراخوانی برای اقدام و چیدمان کلی صفحه آزمایش کند.
این روش برای ایجاد تغییر در تجربه کاربری و همچنین امکان بهینه سازی تجربه را برای یک نتیجه مطلوب فراهم می کند و می تواند گام های اساسی را در یک کمپین بازاریابی موثرتر کند.
با آزمایش نسخه کپی آگهی، بازاریابان می توانند یاد بگیرند که کدام نسخه کلیک های بیشتری را جذب می کند. با آزمایش صفحه فرود بعدی، آن ها می توانند یاد بگیرند که کدام طرح بهترین بازدید کنندگان را به مشتریان تبدیل می کند. در صورتی که عناصر هر پله تا آنجا که ممکن است کارایی بیشتری برای به دست آوردن مشتریان جدید داشته باشد، کل هزینه های یک کمپین بازاریابی کاهش می یابد.
تست A/B همچنین می تواند توسط سازندگان و طراحان محصول، مورد استفاده قرار گیرد تا تأثیر ویژگی های جدید یا تغییر در یک تجربه کاربر را نشان دهد. مشارکت کاربر، ماژول ها و تجربیات درون محصول همه با تست A/B بهینه می شوند، تا زمانی که اهداف به طور واضح تعریف شده و شما یک فرضیه روشن داشته باشید.
فرایند تست A / B
موارد زیر، یک چارچوب برای اجرای تست A / B است که می توانید برای شروع اجرای تست ها استفاده کنید:
- جمع آوری داده ها: تجزیه و تحلیل شما غالباً بینشی را در مورد شروع بهینه سازی ارائه می دهد که کمک می کند تا با مناطق پر ترافیک سایت یا برنامه خود شروع کنید، زیرا این امر به شما امکان می دهد اطلاعات را سریعتر جمع کنید و به دنبال صفحاتی با نرخ تبدیل پایین یا نرخ خروج بالا باشید که قابل بهبود باشد.
- شناسایی اهداف: اهداف تبدیل شما معیارهایی است که شما استفاده می کنید تا تعیین کنید که آیا این تغییر موفق تر از نسخه اصلی است یا خیر. اهداف می تواند از کلیک کردن روی یک دکمه یا پیوند به خرید محصولات و ثبت نام های پست الکترونیکی باشد.
- فرضیه ایجاد کنید: هنگامی که شما یک هدف را شناسایی کردید، می توانید ایده ها و فرضیه های آزمایش A / B را بررسی کنید. چرا فکر می کنید آن ها بهتر از نسخه فعلی هستند؟ هنگامی که لیستی از ایده ها را در اختیار داشتید، از نظر تأثیر انتظار و دشواری در اجرا، آن ها را در اولویت قرار دهید.
- ایجاد تغییرات: با استفاده از نرم افزار تست A / B خود (مانند Optimizely)، عناصر وب سایت یا برنامه تلفن همراه خود را تغییر دهید. این کار ممکن است تغییر رنگ یک دکمه، مبادله ترتیب عناصر موجود در صفحه، پنهان کردن عناصر ناوبری یا چیزهای کاملاً سفارشی باشد. بسیاری از ابزارهای معتبر آزمایش A / B دارای ویرایشگر بصری هستند که این تغییرات را آسان می کند. حتماً آزمایش خود را QA کنید تا مطمئن شوید همانطور که انتظار می رود کار می کند.
- اجرای آزمایش: آزمایش خود را شروع کنید و منتظر باشید تا بازدید کنندگان شرکت کنند! در این مرحله، بازدید کنندگان سایت یا برنامه شما به طور تصادفی به کنترل یا تغییر تجربه شما اختصاص خواهند یافت. تعامل آن ها با هر تجربه اندازه گیری، شمارش و مقایسه می شود تا نحوه عملکرد هر کدام مشخص شود.
- تجزیه و تحلیل نتایج: پس از اتمام آزمایش شما، زمان آن رسیده است که نتایج را تجزیه و تحلیل کنید. نرم افزار تست A / B شما داده های آزمایش را ارائه می دهد و تفاوت بین نحوه عملکرد دو نسخه صفحه شما و اینکه آیا تفاوت آماری قابل توجهی وجود دارد را به شما نشان می دهد.
ببینید آیا می توانید یادگیری های مربوط به آزمایش را در صفحات دیگر سایت خود اعمال کنید و تکرار آزمایش را برای بهبود نتایج خود ادامه دهید یا خیر. اگر آزمایش شما نتیجه منفی داشت یا نتیجه ای حاصل نکرد، ناامید نشوید. از این آزمایش به عنوان یک تجربه یادگیری استفاده کنید و فرضیه جدیدی را ایجاد کنید که می توانید آن را آزمایش کنید.
نتیجه آزمایش شما هرچه باشد، از تجربه خود برای آگاهی از آزمایش های آینده استفاده کنید و به طور مداوم در بهینه سازی برنامه یا تجربه سایت های دیگر خود از آن استفاده کنید.
تست A / B و SEO
گوگل آزمایش A / B را مجاز اعلام کرده است و آن را تشویق می کند و اظهار داشته است که انجام آزمایش A/B خطری برای رتبه جستجوی وب سایت شما ندارد. Google برخی از بهترین شیوه ها را برای اطمینان از این که چنین اتفاقی رخ نمی دهد بیان کرده است:
- No Cloaking – Cloaking: عمل نشان دادن موتورهای جستجو به مطالب متفاوت از بازدید کننده معمولی است. پنهان کاری باعث می شود سایت شما از بین رفته یا حتی از نتایج جستجو حذف شود. برای جلوگیری از پنهان کاری، از بازدید کننده سوء استفاده نکنید تا محتوای مختلفی را بر اساس نماینده کاربر یا آدرس IP از Googlebot نمایش دهید.
- از “rel = “canonical استفاده کنید: اگر یک تست تقسیم با چند آدرس اینترنتی را اجرا می کنید، باید از ویژگی rel = “canonical” استفاده کنید تا تغییرات را به نسخه اصلی صفحه نشان دهید. انجام این کار به جلوگیری از سردرگمی Googlebot توسط چندین نسخه در همان صفحه کمک می کند.
- به جای 301 از تغییر مسیر 302 استفاده کنید: اگر آزمایشی را اجرا می کنید که URL اصلی را به یک URL تغییر مسیر هدایت می کند، از یک تغییر مسیر 302 (موقت) در مقابل یک تغییر مسیر 301 (دائمی) استفاده کنید. این به موتورهای جستجوگر مانند گوگل می گوید که تغییر مسیر موقت است و آن ها باید URL اصلی را بجای URL آزمایشی ایندکس کنند.
- آزمایش ها را فقط تا زمانی که لازم باشد انجام دهید: آزمایش های در حال اجرا به مدت طولانی تر از حد لازم، به خصوص اگر در حال ارائه تغییر یک صفحه، به درصد زیادی از کاربران باشد، می تواند به عنوان تلاشی برای فریب موتورهای جستجو تلقی شود. Google توصیه می کند به محض نتیجه گیری یک آزمایش، سایت خود را به روز کنید و تمام تغییرات آزمایش سایت خود را حذف کنید و از انجام تست های طولانی مدت غیر ضروری خودداری کنید.
دیدگاهی بنویسید