A/B testing คืออะไร สรุปขั้นตอนการทำตั้งแต่เริ่มจนจบเพื่อเพิ่ม conversion ให้กับเว็บไซต์

ab-split-testing

A/B testing หรือที่เรียกกันอีกชื่อหนึ่งว่า Split test นั้น คือการทดสอบรูปแบบขององค์ประกอบต่างๆ บนหน้าเว็บไซต์เพื่อหารูปแบบที่ให้ผลลัพธ์ที่ดีที่สุด โดยเป็นการแบ่งกลุ่มเป้าหมายที่จะทำการทดสอบออกเป็นสองกลุ่มเท่าๆ กัน กลุ่มแรกเห็นแบบ A กลุ่มที่สองเห็นแบบ B แล้ววัดผลว่าแบบใดให้ผลลัพธ์ตามเป้าหมายที่ตั้งไว้ได้ดีที่สุด เช่น การคล้ิก การซื้อสินค้า หรือการลงทะเบียน เป็นต้น ยกตัวอย่างที่เห็นภาพง่ายที่สุดคือการเปลี่ยนสีของปุ่ม Add to cart เพื่อดูว่าสีแดงหรือสีเขียวทำให้คนคล้ิกในเปอร์เซ็นที่มากกว่ากัน หากพบว่าสีเขียวให้ผลลัพธ์ที่ดีกว่าในทางสถิติ ก็จะนำมาปรับใช้กับเว็บจริงต่อไป ซึ่งก็เชื่อได้ว่าจากผลลัพธ์ที่ยืนยันได้ทางสถิติจะส่งผลให้การปรับเปลี่ยนนั้นเกิดการคล้ิก Add to cart ที่มากขั้นนั่นเอง

แต่เอาจริงๆ การทำ A/B testing นั้นก็ไม่ได้หมายความว่าจะต้องมีแต่ A กับ B แค่สองแบบ ในการทำงานจริงๆ แล้วอาจจะมี สามหรือสี่แบบก็ได้ ขึ้นอยู่กับการตั้ง Hypothesis และการ Design test ซึ่งศัพท์ที่เรียกกันในภาษาของคนที่ทำ Testing จะเรียกแบบแรก(A) ว่า Control ส่วนแบบที่สอง (B) จะเรียกว่า Variation หากมีมากกว่าสองแบบ แบบถัดไปก็จะเรียกว่า Variation2 เป็นต้น ในกรณีที่มีการทดสอบมากกว่า 2  แบบ เราจะเรียกการทดสอบนั้นว่า A/B/n testing ซึ่งอาจจะเป็น A/B/C/D testing ก็ได้ แต่การที่จะสามารถ test ได้หลายๆ รูปแบบนั้น เราต้องแน่ใจว่าว่า Traffic ที่มีในหน้านั้นมากพอสำหรับการทำ Test เพื่อให้ได้ผลลัพธ์ที่มีความถูกต้อง

7 ขั้นตอนการทำ A/B testing

  1. Business Objective
    กำหนด Business Objective ให้ชัดเจน เพื่อที่สามารถนำมากำหนด KPIs และเลือก KPI ที่จะนำมาเป็น Metric หลักในการวัดผลการทำ A/B test เรื่องนี้เป็นเรื่องสำคัญมากและจำเป็นต้องมีในการทำ Test ทุกครั้ง เพราะว่าหากไม่มี Target Metric แล้วก็จะไม่มีอะไรบอกเราได้ว่า A หรือ B แบบไหนที่จะส่งผลต่อธุรกิจของเรา
  2. Research
    เป็นขั้นตอนการหาข้อมูล หา Insight ต่างๆ โดยการทำ Research นั้นก็มีหลากหลายวิธี เช่น

    • การทำ Customer Survey, Focus Group และ On-site Survey
    • การทำ Usability test เป็นอีกวิธีหนึ่งในการทำ Research ในลักษณะที่ให้ user ใช้งานเว็บไซต์จริงๆ แล้วพูดในสิ่งที่คิดที่รู้สึกออกมาในระหว่างที่กำลังใช้งานเว็บไซต์
    • การใช้เครื่องมือช่วยในการเก็บข้อมูลต่างๆ แล้วนำมาวิเคราะห์ต่อ เช่น Web Analytics tools และ Mouse Tracking tools เป็นต้น
  3. Hypothesis
    หลังจากได้ข้อมูลจากการทำ Research แล้ว เราจะนำข้อมูลที่ได้มาใช้ตั้ง Hypothesis ยกตัวอย่างเช่น หากการทำ Customer Survey พบว่ากลุ่มเป้าหมายส่วนใหญ่ไม่ทราบว่ามีบริการจัดส่งฟรี และการชำระเงินปลายทาง ซึ่งเป็นหนึ่งในเหตุผลสำคัญที่กลุ่มเป้าหมายใชัในการตัดสินใจซื้อสินค้าแล้ว เราอาจตั้ง Hypothesis ได้ว่า ถ้าหากเราเพิ่มข้อความไว้ใกล้ๆ ปุ่ม Checkout เพื่อสื่อสารเรื่องบริการเหล่านี้น่าจะช่วยเพิ่มจำนวนของ Transaction และ Conversion Rate ได้ เป็นต้น โดยที่การตั้ง Hypothesis ที่ดีนั้นจะต้องมีองค์ประกอบอยู่สามส่วนด้วยกันคือ

    • testable : จะต้องสามารถทำการทดสอบได้
    • Conversion Problem : จะต้องสามารถแก้ไขปัญหาเรื่องของ Conversion ได้
    • Gain marketing insight : ผลลัพธ์ที่ได้ควรจะต้องให้ข้อมูล Insight บางอย่างที่เป็นประโยชน์
  4. Prioritise
    ขั้นตอนนี้เป็นขั้นตอนการจัดลำดับความสำคัญก่อนหลังในการทำ test ซึ่งในกรณีที่เรามี Hypothesis จำนวนมากเราจะสามารถรู้ได้ว่าอะไรควรทำ ไม่ควรทำ อะไรมีผลต่อธุรกิจมากหรือน้อย ไม่ใช่ว่าได้ Hypothesis อะไรมาแล้วก็ทำๆ ไป เพราะบางทีทำไปแล้วก็ไม่เกิดประโยชน์ ไม่ส่งผลอะไรกับธุรกิจ ก็จะเป็นการเสียเวลาทำไปเปล่าๆ
  5. Design Test
    หลังจากได้ Hypothesis ก็ถึงขั้นตอนของการออกแบบการทดสอบ ซึ่งในหัวข้อนี้จะเกี่ยวข้องโดยตรงกับ Hypothesis ที่ตั้งไว้ เพื่อนำมาออกแบบการทดสอบต่อไป ประเด็นสำคัญในขั้นตอนนี้ยังมีเรื่องของการกำหนดกลุ่มเป้าหมาย การทำ Segment และจำนวนของกลุ่มเป้าหมายในการทดสอบที่เหมาะสมเพื่อให้การทำ Test นั้นมีความถูกต้องมากที่สุด หรือที่เรียกกันว่า Clean Test จริงๆ นั่นเอง
  6. Run Test
    หลังจากทุกอย่างพร้อมแล้วก็ถึงขั้นตอนการทดสอบจริงตามที่ได้ออกแบบไว้ในขั้นตอนที่ 5 คำถามที่เกิดขึ้นในขั้นตอนนี้คือ จะต้องทำการทดสอบเป็นเวลานานเท่าไร? ตรงนี้เป็นเรื่องที่ตอบได้ยากมาก ส่วนตัวผมแล้วมองว่าควรให้ความสำคัญกับ Sample size ก่อนเป็นอันดับแรกซึ่งก็คือจำนวนของกลุ่มเป้าหมายที่จะทำการทดสอบว่าต้องมีจำนวนเท่าไรถึงจะเหมาะสม ซึ่งโดยปกติเครื่องมือการทำ  A/B testing จะช่วยเราคำนวนเรื่องนี้ให้อยู่แล้วทั้งในเรื่องของจำนวนและเวลาการทดสอบ
    ab-test-report
  7. Analyze
    เมื่อมีการทดสอบแล้วก็ต้องมีการวัดผลที่เกิดขึ้น ซึ่งผลลัพธ์ที่ได้นั้นจะเป็นประโยชน์และถูกต้องมากน้อยแค่ไหนแน่นอนว่าส่วนใหญ่เป็นผลมาจากการกำหนด Target KPI การออกแบบการทดสอบ รวมถึงการควบคุมการทดสอบไม่ให้มีปัจจัยอื่นๆมากระทบ หรือกระทบน้อยที่สุดเท่าที่จะทำได้ การทดสอบในช่วงที่เว็บไซต์มีอีเว้นท์พิเศษหรือโปรโมชั่นส่งเสริมการขายถือเป็นเรื่องหนึ่งที่ควรต้องพิจารณาหลีกเลี่ยง แต่ถ้าหากทุกอย่างทำมาอย่างถูกต้องเหมาะสมแล้วที่เหลือคือการวิเคราะห์ผลลัพธ์ ซึ่งเครื่องมีอการทำ A/B testing นั้นส่วนใหญ่ก็ให้รีพอร์ทมาค่อนข้างจะครบแล้ว เรื่องที่อยากจะเพิ่มเติมสำหรับคนที่ทำ on-site A/B testing คือการวิเคราะวัดผลห์ต่อใน Google Analytics เพื่อที่จะหาพฤติกรรมต่างๆ ของกลุ่มคนทั้งสองกลุ่มที่ผ่านการทำสอบมาคนละแบบว่ามีพฤติกรรมต่างๆ บนเว็บไซต์เป็นอย่างไร เพราะรีพอร์ทของเครื่องมือ A/B testing เองนั้นไม่สามารถที่จะวิเคราะห์พฤติกรรมบนเว็บไซต์ได้ละเอียดเหมือน Google Analytics

สุดท้ายสิ่งที่ควรจะต้องพิจารณาเพิ่มเติมหลังจากได้ผลลัพธ์ที่ต้องการแล้วนั้น คือการวิเคราะห์ลงลึกในระดับ Segment ย่อยๆ เพราะการที่แบบ A ชนะแบบ B นั้นเป็นการชนะกันโดยภาพรวมตามกลุ่มเป้าหมายที่เรากำหนดไว้ แต่ก็มีความเป็นไปได้ว่า B อาจจะชนะ A ในบางกลุ่ม Segment ได้เช่นกัน ซึ่งเรื่องนี้เป็นเรื่องที่อาจถูกมองข้ามไปสำหรับคนที่เพิ่งเริ่มทำ A/B testing ได้ไม่นาน
Happy Analytics🙂

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s