ทำ AB testing ให้ดีกว่าเดิม ด้วย PIE Framework

การทำ AB testing นั้นถือว่าเป็นเรื่องหนึ่งที่มีความสำคัญมากในการทำดิจิตอลมาร์เก็ตติ้ง รวมไปถึงการทำ อีคอมเมิร์ซ ซึ่งโดยพื้นฐานแล้ว AB testing นั้นมีวัตถุประสงค์ในการทำเพื่อ Optimize อะไรบางอย่างให้ดีขึ้นโดยใช้วิธีการแบ่งกลุ่มเป้าหมายออกเป็น 2 กลุ่มเพื่อทำการทดสอบว่า ส่ิงที่กลุ่มแรกเห็น (A) และกลุ่มที่ 2 เห็น (B) อะไรดีกว่ากัน พูดง่ายๆ ก็คือ A หรือ B แบบไหนที่จะทำให้เป้าหมายสำเร็จได้ดีกว่ากัน

ถ้าเรามองกันเฉพาะดีไซน์บนหน้าเว็บไซต์อย่างเดียว (ไม่รวมการทำ AB testing กับ Ads โฆษณา) การทำ AB testing นั้นจะเน้นไปที่การปรับเปลี่ยนอีลีเม้นท์ หรือส่วนประกอบต่างๆ บนหน้าเว็บไซต์ เพื่อปรับปรุงเมทริคอะไรบางอย่างให้ดีขึ้น ยกตัวอย่างง่ายๆ เช่น การปรับเปลี่ยนสีปุ่ม Add to cart แล้วดูว่าแบบไหนสีไหนช่วยให้มีการกด Add to cart มากกว่ากัน กรณีนี้ก็จะเป็นการทำ AB test เพื่อปรับปรุงตัวเลขของการ Add to cart ของยูสเซอร์ หรืออีกกรณีเช่นการเพิ่มพวก Verified Icon ต่างๆ รวมถึงการเพิ่มข้อความการการันตีสินค้า รับเปลี่ยนคืน ไว้ในหน้ายืนยันการชำระเงิน เพื่อดูว่าช่วยให้เกิดการ Checkout และมี Conversion Rate ที่สูงขึ้นหรือไม่ เมื่อได้รูปแบบที่เรามั่นใจว่าทำให้ตัวเลขที่เราต้องการดีขึ้น เราก็สามารถนำไปดีไซน์เว็บไซต์ต่อไป ซึ่ง AB testing นั้นถือเป็นหนึ่งในขั้นตอนสำคัญของงานที่เรียกกันย่อๆ ว่า CRO หรือ Conversion Rate Optimization นั่นเองแหละครับ Continue reading

เพิ่ม conversion rate ด้วย A/B testing 4 แบบง่ายๆ ที่ทุกคนควรทดลอง

AB-testing-CRO

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 Continue reading

Adwords Ad Variations ฟีเจอร์การทำ A/B test ที่คนซื้อโฆษณา Adwords ควรต้องใช้

การมาแบบเงียบๆ ของ Adwords Ad Variation นั้นทำให้หลายคนที่ชอบการทำ A/B testing กับข้อความโฆษณาต้องพลาดฟีเจอร์ดีๆ อันนี้ไป ซึ่งก็แน่นอนว่ารวมผมด้วยอีกคน โดยบังเอิญวันนี้ก็เจอว่ามีฟีเจอร์นี้โผล่มาในแอคเคาท์ หลังจากรีวิวดูแล้วก็อดไม่ได้ที่ต้องเอามาเล่าต่อเพราะคิดว่าน่าจะช่วยให้ชีวิตของใครหลายคนสบายขึ้นอีกนิด ยิ่งโดยเฉพาะคนที่ชอบออปติไมซ์โฆษณา Adwords แล้ว ฟีเจอร์นี้เป็นอีกฟีเจอร์หนึ่งที่ห้ามพลาดโดยเด็ดขาดเชียวครับ

สำหรับคนที่เคยทำพวก A/B test อยู่แล้วก็คงพอจะเข้าใจว่ามันคืออะไร แต่สำหรับคนที่ยังไม่รู้จัก ผมอยากให้ลองนึกถึงสเป็คของผู้หญิงหรือผู้ชายที่เราชอบก็ได้ครับ คือถ้ามีคนเอารูปผู้หญิงสวยๆ สองภาพมาให้เราดูแล้วถามว่าเราชอบคนไหน คำตอบที่เกิดขึ้นก็จะแตกต่างกันไปตามความชอบของแต่ละคน ประเด็นคือหากเราอยากจะให้ผู้หญิงคนใดคนหนึ่งมาช่วยดึงลูกค้าผู้ชายเข้าร้าน เราก็ควรจะเลือกคนที่มีผู้ชายชอบมากกว่าถูกต้องไหมครับ อันนี้คือแค่เปรียบเทียบให้เข้าใจอย่างง่ายๆ เช่นเดียวกันกับข้อความโฆษณา ถ้าแบบไหนที่คนอ่านและคลิ้กไปเกิดการซื้อสินค้าที่มากกว่า เราก็ควรที่จะเอาโฆษณาชิ้นนั้นมาแสดง แต่การจะได้มาซึ่งคำโฆษณาที่ว่านี้ก็ต้องเกิดจากการทำ A/B testing นี่แหละครับ พอจะนึกภาพกันออกกันแล้วใช่ไหม สำหรับใครที่อยากทำความเข้าใจเรื่อง A/B test มากขึ้นกว่านี้ สามารถอ่านบทความนี้ต่อได้ครับ A/B testing คืออะไร สรุปขั้นตอนการทำตั้งแต่เริ่มจนจบเพื่อเพิ่ม conversion ให้กับเว็บไซต์ Continue reading

A/B testing คืออะไร สรุปขั้นตอนการทำตั้งแต่เริ่มจนจบเพื่อเพิ่ม conversion ให้กับเว็บไซต์

ab-split-testing

A/B testing หรือที่เรียกกันอีกชื่อหนึ่งว่า Split test นั้น คือการทดสอบรูปแบบขององค์ประกอบต่างๆ บนหน้าเว็บไซต์เพื่อหารูปแบบที่ให้ผลลัพธ์ที่ดีที่สุด โดยที่วิธีการทำจะเป็นการแบ่งกลุ่มเป้าหมายที่จะทำการทดสอบออกเป็นสองกลุ่มเท่าๆ กัน กลุ่มแรกให้เห็นแบบ A กลุ่มที่สองให้เห็นแบบ B แล้ววัดผลว่าแบบใดให้ผลลัพธ์ตามเป้าหมายที่ตั้งไว้ได้ดีที่สุด เช่น การคล้ิก การซื้อสินค้า หรือการลงทะเบียน เป็นต้น ยกตัวอย่างที่เห็นภาพง่ายที่สุดคือการเปลี่ยนสีของปุ่ม Add to cart เพื่อดูว่าสีแดงหรือสีเขียวทำให้คนคล้ิกในเปอร์เซ็นที่มากกว่ากัน หากพบว่าสีเขียวให้ผลลัพธ์ที่ดีกว่าในทางสถิติแล้ว ก็จะนำมาปรับใช้กับเว็บจริงต่อไป ซึ่งก็เชื่อได้ว่าจากผลลัพธ์ที่ยืนยันได้ทางสถิติจะส่งผลให้การปรับเปลี่ยนนั้นเกิดการคล้ิก Add to cart ที่มากขั้นนั่นเอง Continue reading