พูดถึง A/B testing ตอนนี้ก็คงไม่มีใครไม่รู้จักกันแล้ว อย่างน้อยก็ต้องเคยได้ยินผ่านหูบ้างล่ะ การทำ A/B testing นั้นจริงๆ แล้วเราทำเพื่อหา “ตัวเลือก” ที่ดีที่สุดในการทำอะไรสักอย่างหนึ่ง ยกตัวอย่างง่ายๆ เช่น การซื้อโฆษณา Facebook เราก็ควรจะต้องทำ artwork banner อย่างน้อยสัก 3 ชิ้นใน 1 แคมเปญ นั่นก็เพื่อให้ระบบโฆษณาได้ทำการทดสอบแสดง Banner แต่ละชิ้น แล้วดูว่าชิ้นไหนเป็น artwork ที่แสดงแล้วให้ผลลัพธ์ได้ดีที่สุดตามเป้าหมายของแคมเปญ ซึ่งหลายคนก็น่าจะพอเข้าใจเรื่องนี้ดีอยู่แล้ว แต่เอาเข้าจริง A/B testing มีรายละเอียดที่ต้องทำอยู่เยอะพอสมควร ถ้าจะทำกันแบบเต็มที่กันจริงๆ ยิ่งโดยเฉพาะเว็บอีคอมเมิร์ซนี่ไม่ต้องพูดถึงนะครับ ทำกันทุกวัน ทำกันตลอดเวลา เพื่อที่จะหารูปแบบที่เพิ่ม Conversion Rate ให้ได้มากที่สุด คิดดูนะครับ การเพิ่ม Conversion Rate ขึ้นได้อีกแค่ 0.1% สำหรับเว็บอีคอมเมิร์ซขนาดที่มี Traffic ประมาณ 1,000,000 Session นั้น จะมีออเดอร์เพิ่มขึ้นอีก 1,000 ออเดอร์เลยละครับ และนี่คือเหตุผลว่าทำไม A/B testing จึงมีความสำคัญมาก และเป็นส่วนหนึ่งในการทำ CRO หรือ Conversion Rate Optimization ใครยังไม่รู้จัก A/B testing ลองอ่านบทความนี้ก่อนนะครับ A/B testing คืออะไร สรุปขั้นตอนการทำตั้งแต่เริ่มจนจบเพื่อเพิ่ม conversion ให้กับเว็บไซต์
AB testing 4 แบบง่ายๆ ที่ต้องทดลอง
เปลี่ยนสีปุ่ม
อันนี้เป็น A/B testing แบบเบสิคที่สุดแล้ว และก็มักจะถูกหยิบยกมาเป็นตัวอย่างเล่าให้ฟังกันอยู่ทั่วไป ประมาณว่าแค่การเปลี่ยนสีปุ่มก็มีผลต่ออารมณ์ความรู้สึกในการตัดสินใจกดสั่งซื้อแล้ว บางตัวอย่างก็บอกว่า ปุ่มสีเขียว ทำให้คนกดง่ายกว่า ปุ่มสีแดง ทำนองนี้ เอาจริงๆ หลายคนที่ฟังครั้งแรก (รวมผมด้วย) ก็ไม่ค่อยอยากเชื่อเท่าไรนัก เพราะคิดว่าคนจะซื้อก็ซื้ออยู่ดี ไม่น่าจะเกี่ยวกับสีของปุ่ม ก็อย่าเพิ่งไปคิดอย่างนั้นนะครับ (ไม่งั้นจะมี A/B testing ไว้ทำไม) เพราะเอาจริงๆ ให้มีผู้หญิงสวยๆ สองคนมายืนตรงหน้าผู้ชาย ผู้ชายยังเลือกไม่เหมือนกันเลย ดังนั้นต้องทดสอบครับเพื่อยืนยันว่าจริงๆ แล้วมีผลกับเว็บเรา และกลุ่มลูกค้าของเราหรือไม่ เพราะหลายๆ บทความก็ยังแนะนำให้ทำทดสอบเรื่องที่ดูเหมือนเล็กน้อยแบบนี้กันอยู่ วิธีการทดสอบเรื่องสีปุ่ม แนะนำให้ลองทดสอบกับเป็น Add to cart ดูก่อน แล้วดูว่าแบบไหนมีการกดมากกว่ากันครับ
เปลี่ยนข้อความ CTA (Call-to-Action)
อันนี้จริงๆ ก็ต่อเนื่องจากการทดสอบเปลี่ยนสีปุ่ม แต่เป็นการเปลี่ยนข้อความที่ปุ่มแทน หรือจะเปลี่ยนข้อความในแบนเนอร์ก็ได้ อันนี้ส่วนตัวผมคิดว่าน่าทดสอบมากที่สุด เพราะง่าย และมีผลต่อการตัดสินใจได้มากกว่าแบบแรก ยกตัวอย่างเช่น เวลามีสินค้ารุ่นใหม่ออกมา หรือมีแคมเปญพิเศษอะไร โดยทั่วไปเราก็มักจะใส่ข้อความง่ายๆ ประมาณว่า “Shop Now!” หรือ “ช้อปเลย!” แต่ถ้าเราทดลองเปลี่ยนข้อความเป็น “Explore the Collection” หรือ “ดูแบบที่เหมาะกับคุณ” มันก็อาจจะให้ผลลัพธ์ที่ดีขึ้นก็ได้ ย้ำ ผมใช้ความ “อาจ” นะครับ เรื่องนี้เป็นเรื่องที่ต้องทดลอง เพราะยังไงก็ดีกว่าการมีแค่แบบเดียว แล้วก็นั่งนึกว่าทำไมคนคล้ิกน้อยจัง ถูกไหมครับ
เสนอโปรโมชั่นแบบอื่น
แน่นอนว่า การทำโปรโมชั่น ช่วยเพิ่ม Conversion Rate ได้โดยตรง แต่รูปแบบโปรโมชั่นนั้นก็อาจจะไม่ได้ตรงใจลูกค้าทุกคน ลูกค้าแต่ละคนก็อาจจะชอบ Promotion Mechanic ต่างกันไป ดังนั้นการทดสอบด้วยการเสนอโปรโมชั่นที่ต่างกัน แล้วมาลองดูว่าแบบไหนที่ลูกค้าชอบ แบบไหนเหมาะกับสินค้าประเภทใด แล้วค่อยมาดูผลและนำมาทำโปรโมชั่นแบบ Mass ก็อาจจะทำให้ได้ Conversion Rate ที่ดีขึ้นกว่าเดิมอีก
ภาพสินค้า
ภาพสินค้าถือว่าเป็นส่วนสำคัญมากที่สุด เพราะการขายของออนไลน์นั้นลูกค้าจับต้องสินค้าไม่ได้เลย ภาพที่ดีและสวย แสดงฟีเจอร์สินค้าครบนั้นย่อมทำให้ลูกค้าตัดสินใจได้ง่ายกว่า ดังนั้นจึงควรมีการทำ A/B testing ด้วย (ถ้ายังไม่เคยทำ) บางเว็บภาพสินค้าไม่เคยถูกอัพเดทเลย ถ่ายมาเป็นสิบปีก็ยังแสดงอยู่แบบนั้น (ไม่ขอเอ่ยชื่อนะครับ เดี๋ยวเขาโกรธเอา:) การทดสอบอาจจะเริ่มจากง่ายๆ ก่อนคือ แทนจะจะเป็นภาพถ่ายแบคกราวน์สีขาวโพลน อาจจะลองหยิบสินค้ามาหามุมวางสวยๆ นอกสตูดิโอ แล้วถ่ายเป็น Lifestyle Shot หรือจะมีนางแบบจับใช้งาน ก็ทำสินค้าดูน่าซื้อกว่าเดิมแล้วจริงไหมครับ ถ้าจะน่าสนใจขึ้นไปอีกก็อาจจะมีภาพถ่าย 360 องศาด้วยก็ได้
เรื่องภาพสวยนี่ผมคิดว่าเป็นเรื่องที่ใครๆ ก็เชื่อและรู้กันอยู่แล้วว่าทำให้ลูกค้าตัดสินใจซื้อได้ง่ายขึ้น แต่ให้มั่นใจแค่ไหน ครั้งหนึ่ง Airbnb เองก็เคยทำ A/B testing กับเรื่องภาพถ่ายบ้านพักที่แสดงบนหน้าเว็บมาแล้ว และผลลัพธ์ที่ได้ก็ยืนยันตามความเชื่อนั้นแหละครับ เอาไว้ผลจะเขียนเล่าเรื่องนี้ของ Airbnb อีกที
เรื่องหนึ่งที่อยากจะย้ำไว้ก่อนจบบทความนี้ก็คือ การทำ A/B testing เพื่อให้ได้ผลลัพธ์ที่น่าเชื่อถือได้นั้น จำนวนของการทดสอบ (Sample Size) เป็นเรื่องที่สำคัญมาก มันไม่ใช่แค่การทดสอบกับคน 10-20 คนแล้วมาบอกว่าอะไรดีกว่ากัน เพราะถ้าทำอย่างนั้นแล้ว ผลลัพธ์ที่ได้มันจะเป็นแค่ความ “น่าจะเป็น” เท่านั้นเอง
Happy Analytics 🙂