A/B Testing và những điều cần lưu ý

A/B testing là gì thì nhiều người cũng nói rồi, mình chỉ cố gắng đọc và tổng hợp các nội dung từ chuyên gia, cộng thêm chút tri thức của bản thân để viết bài này, mong cộng đồng góp ý, bổ sung nhé.

A/B Testing là gì?

Có kha khá định nghĩa về A/B Testing (A/B), nhưng tựu chung đều nói rằng:

Đó là việc chạy thử nghiệm giữa hai phiên bản khác nhau (website, email, ads...), được đặt trong cùng 1 điều kiện, nhằm tìm ra phiên bản “chiến thắng” trước khi triển khai phiên bản này với quy mô lớn hơn.

Một ý kiến cho rằng A/B không được chú trọng nhiều trên thực tế so với SEO hay Ads. Mình đồng ý với điều này và lý do theo mình nghĩ là: Giữa A/B/ SEO/ Ads thì SEO và Ads liên quan trực tiếp tới doanh thu, quyết định sống còn cho doanh nghiệp nên gần như được chú trọng trước tiên rồi mới đến việc tối ưu. Chưa kể, không nhiều marketer đang thành thạo SEO hay Ads, nên vấn đề tối ưu, thử nghiệm A/B càng trở nên rối rắm.

Vì sao cần làm A/B Testing?

Dưới đây là tổng hợp các lý do để thực hiện A/B.

Nhìn tổng thể, A/B:

• Cho phép thực hiện các thay đổi một cách thận trọng, ngăn ngừa tác động xấu lên trải nghiệm người dùng;
• Giúp xác định các yếu tố ảnh hưởng và mức độ của từng yếu tố lên hành vi của khách hàng/ người dùng;
• Chi phí thực hiện thử nghiệm thấp, nhưng kết quả/ phần thưởng cao hơn nhiều lần (nếu đạt được);
• Giúp việc truyền đạt giữa sales, marketing, cấp trên có cơ sở hơn, dựa trên dữ liệu/ dữ kiện cụ thể thay vì cảm tính.

Nhìn theo các phương diện cụ thể, A/B Testing có thể:

• Website: tối ưu UI, UX của website, tìm ra giao diện thu hút người dùng
• Quảng cáo, bán hàng online: đo lường hiệu quả từng mẫu quảng cáo khác nhau
• Quảng cáo offline: đánh giá hiệu quả kênh quảng cáo
• Ứng dụng mobile: giúp cải thiện UI, UX
• Email marketing: xác định tiêu đề, thời gian gửi nào mang lại kết quả tốt nhất

Quy trình tiến hành A/B Testing

Có nhiều quy trình tiến hành A/B khác nhau được đưa ra, nhưng thông thường, một thử nghiệm A/B sẽ được tiến hành với các bước sau:

Bước 1: Thu thập (và phân tích) dữ liệu

Mục tiêu bước này là xác định các trang có vấn đề, như bounce rate/ drop off cao, time on page thấp hoặc chuyển đổi.

Bước 2: Đưa ra định hướng, mục tiêu của việc cải thiện sau thử nghiệm

Chẳng hạn, tăng traffic vào web lên bao nhiêu %, tăng tỷ lệ chuyển đổi, giảm tỷ lệ bounce rate, giảm tỷ lệ rời bỏ giỏ hàng (đối với website E-commerce).

Bước 3: Đặt giả thuyết

Liệt kê các ý tưởng và giả thuyết để thực hiện A/B Testing, chẳng hạn đưa khung đăng ký lên phía trên bên trái sẽ làm tăng số đăng ký, đổi màu nút đăng ký sẽ làm tăng đăng ký...

Với tình huống bạn nhận thấy được mục tiêu cải thiện tương đối rõ ràng, thì bước tiếp theo có thể thực hiện thu thập dữ liệu để xác định rõ vấn đề, hoặc thuyết phục cấp trên, bộ phận khác.

Bước 4: Xác định quy mô mẫu và thời gian chạy A/B Testing

Thông thường có thể test với tối thiểu 2000 pageviews hoặc 1000 visitors truy cập trang.

Bước 5: Tạo phiên bản mới để tiến hành A/B Testing

Phiên bản mới nên thay đổi 1 yếu tố (biến - variable) duy nhất để có thể so sánh và kết luận yếu tố đó có tác động ra sao đến mục tiêu đặt ra ở bước 2. Thực tế, nếu bạn là chuyên gia về A/B thì có thể và có những công cụ chạy đa biến (cho tiết kiệm thời gian thôi), tuy nhiên không phải ai cũng kiểm soát được toàn bộ thử nghiệm.

Bước 6: Phân tích kết quả của thử nghiệm và đưa ra kết luận

Nếu phiên bản mới hoạt động tốt hơn thì thực hiện thay đổi này. Nếu không thì tiếp tục tiến hành thử nghiệm tiếp theo để tìm được phiên bản chiến thắng.

*Lưu ý: Bước 1 và 2 có thể hoán đổi thứ tự với nhau tuỳ tình huống. Với tình huống bạn nhận thấy được mục tiêu cải thiện tương đối rõ ràng, thì bước tiếp theo có thể thực hiện thu thập dữ liệu để xác định rõ vấn đề, hoặc thuyết phục cấp trên, bộ phận khác. Nếu tình huống đã có trong tay các công cụ phân tích, thường bước 1 sẽ được thực hiện trước, mang tính chất khám phá vấn đề, rồi mới thực hiện Bước 2.

A/B Testing trên thực tế?

Định nghĩa hay ho là thế, dù có cả quy trình cũng như cách thực hiện 1 A/B, nhưng đa phần marketer lại thực hiện nó 1 cách chủ quan, không có cách giám sát cũng như đo lường cần thiết để cho ra kết quả khách quan.

Chẳng hạn, A/B có nói tới việc dựa theo độ tin cậy là bao nhiêu % để lựa chọn phiên bản chiến thắng, nhưng thử hỏi có bao nhiêu người có thể thực hiện điều này. Hoặc khi bạn gửi một chiến dịch email marketing và “cảm thấy” không hiệu quả, nên trong chiến dịch tiếp theo bạn không chỉ đơn giản đổi lại tiêu đề khác, mà còn sẵn điều chỉnh một số nội dung nhỏ trong email, vậy là mình đã có một phiên bản khác có thể tốt hơn hoặc không tốt hơn. Dù cách chạy có thể khiến ta cảm thấy như đang làm một A/B, nhưng thực tế không giúp ta khám phá được sự thay đổi của điều gì (biến) tác động lớn nhất đến kết quả.

Các công cụ dùng trong A/B Testing

Mỗi bước trong quy trình tiến hành A/B đều nên được với sự hỗ trợ của các công cụ phù hợp. Chẳng hạn:

Ở bước 1 - Khám phá vấn đề, bạn có thể sử dụng Google Analytics để xác định các trang có tỷ lệ bounce rate va drop-off cao để giới hạn phạm vi sẽ tiến hành thử nghiệm/ thay đổi.

Sau khi có danh sách các trang/ nội dung cần thay đổi, bạn có thể dùng thêm các công cụ phân tích hành vi khách truy cập trên website nhằm thấy được hành vi chung của visitor (như hay click vào đâu hoặc rê chuột - chú ý vào những vùng nào, hoặc cuộn trang đến đâu thì thoát), hoặc xem và phân tích hành vi bằng các video quay lại màn hình khi khách truy cập thao tác.

Các công cụ nổi tiếng trong việc này có thể kể đến là Hotjar, Crazy Egg, Mouseflow, Smartlook, Lucky Orange. Chúng cực kỳ chuyên nghiệp và hiệu quả, tuy nhiên bạn phải thanh toán phí sau 1 thời gian dùng thử hoặc được dùng miễn phí nhưng với các tính năng hạn chế.

Một công cụ bạn có thể thử qua là Smart Convert với các tính năng tương tự và miễn phí không thời hạn.

Ở bước 5 - Tạo phiên bản A/B testing, bạn có thể sử dụng công cụ đơn giản như Optimizely hoặc ngay trên Google Analytics để chạy song song 2 phiên bản.

Với các nền tảng chạy quảng cáo như Google Ads hay Facebook Ads, việc tạo các phiên bản khác nhau cho 1 nhóm từ khoá (Google ads) hoặc thay đổi các yếu tố trong việc nhắm chọn, hình ảnh, câu chữ (Facebook ads) cũng là 1 dạng thức A/B.

Các lưu ý khi chạy A/B Testing

Mỗi nơi, mỗi người viết đều có các lưu ý khác nhau khi chạy A/B Testing, dưới đây là tổng hợp lại các lưu ý quan trọng, bao gồm:

1. Đảm bảo môi trường, điều kiện khi chạy A/B Testing phải giống nhau giữa các phiên bản.
2. Nếu có thể, phải bóc tách được traffic giữa desktop, mobile, tablet vì visitor ở mỗi nơi có thể có hành vi khác nhau.
3. Visitor đến từ nguồn nào cũng nên được phân biệt vì mỗi nguồn có thể có hành vi khác nhau, nhu cầu khác nhau.
4. Khi chưa hoàn thành thời gian chạy test đã đặt ra, không vội đưa ra kết luận hoặc tệ nhất là kết thúc thử nghiệm. 30 chưa phải là Tết, phút 90 chưa có nghĩa là hết.
5. Hiểu rõ và khai thác tốt nhất các công cụ được dùng trong toàn bộ quá trình.
6. Chỉ chạy thử nghiệm cho các visitor mới, hạn chế hiển thị trước các visitor/ user hoặc khách hàng hiện tại.

Kết

A/B Testing là một hoạt động cần thiết trong việc tối ưu, cụ thể là CRO - Conversion Rate Optimization, nhìn thấy hẹp nhưng việc làm chủ toàn bộ quá trình cần người thực hiện nắm rõ quy trình và thực hành nhiều để có kinh nghiệm và bài học cần thiết để cho ra các kết quả thử nghiệm chính xác.

Nói như vậy để thấy, còn rất nhiều điều có thể nói về A/B Testing và mình sẽ cố gắng cung cấp cho bạn các bài viết, case study hữu ích về A/B Testing.

Writer: Coclac.net

CÁC BÀI VIẾT HAY KHÁC:

• Phân tích khách hàng mục tiêu là gì, vì sao và cần làm gì?
• Phân tích hành vi khách hàng: Là gì? Vì sao? và Làm thế nào?
• Kỹ thuật sales tâm lý của các tay chuyên nghiệp và cách ứng dụng cho sales page
• Conversion Rate là gì? Vai trò và cách tối ưu: Hệ thống các nội dung rời rạc từ top Google
• 23 Cách tăng tỷ lệ chuyển đổi cho website E-commerce
• 9 Lý do làm content của bạn không được để mắt tới