A/B 테스트란 무엇입니까? 예제가 포함된 완벽한 안내서

웹페이지, 팝업, 이메일 캠페인 및 광고를 만들 때 궁극적인 목표는 무엇입니까? 사람들이 참여하고 조치를 취하도록 유도합니다.

그러나 그들이 그렇게 하도록 하는 가장 좋은 방법을 찾는 것은 그렇게 간단하지 않습니다. 과거 사건을 기반으로 결정을 내릴 때에도 여전히 도박사의 오류(과거 사건이 미래 사건에 영향을 미칠 것이라는 잘못된 믿음)에 빠질 위험이 있습니다.

노벨상 수상자 Daniel Kahneman의 이론이 아마도 가장 잘 말할 것입니다. 직관적 사고는 합리적인 접근 방식보다 빠르지만 오류가 발생하기 쉽습니다.

더 나은 마케팅 결정을 내리기 위한 실험 기반 방법인 A/B 테스트를 시작하십시오.

이 기사는 A/B 테스트에 대해 알아야 할 모든 것을 안내합니다. 오바마 가 지명 캠페인을 위해 추가로 6천만 달러의 기부금을 모금하는 데 도움이 된 간단한 전략입니다. 기업에서 A/B 테스트를 사용하여 전환 목표를 달성하고 유사한 결과를 위해 브랜드에서 사용할 수 있는 실행 가능한 팁을 선택하는 방법을 정확히 볼 수 있습니다.

분할 테스트라고도 하는 A/B 테스트는 변수의 서로 다른 두 버전의 성능을 비교하는 데 사용되는 방법입니다. 여기에는 두 가지 버전을 서로 다른 방문자 세그먼트에 표시한 다음 어떤 변형이 더 높은 전환율을 가져오는지 측정하는 작업이 포함됩니다.

이 버전은 "우승 변형" 태그가 지정되며 더 많은 전환을 유도하기 위한 향후 테스트의 기반이 됩니다.

예를 들어 한 회사에서 빨간색 버튼이 있는 버전 A와 파란색 버튼이 있는 버전 B의 두 가지 버전의 랜딩 페이지를 테스트하려고 할 수 있습니다. 타겟 청중의 절반에게는 버전 A를, 나머지 절반에게는 버전 B를 보여줍니다.

그런 다음 어떤 버전이 전환율을 증가시켰는지에 대한 데이터를 수집하고 이 우승 변형을 개선하고(아마도 추가 A/B 테스트를 통해) 향후 캠페인에 사용합니다.

그러나 A/B 테스트는 웹 페이지에만 국한되지 않습니다. 이 방법론을 사용하여 다양한 버전의 블로그 게시물, 이메일 또는 광고 문구를 테스트할 수도 있습니다. 실제로 Databox의 설문 조사에서 기업의 57% 이상이 매번 Facebook 광고 캠페인을 A/B 테스트한다고 확인했습니다.

A/B 테스트와 유사하게 다변량 테스트를 통해 다양한 캠페인 변형을 테스트할 수 있습니다. 그러나 다변량 테스트에서는 여러 가지 요소(예: 서로 다른 헤드라인, 이미지 및 클릭 유도 문안)를 동시에 테스트하여 어떤 구성 요소 조합이 가장 높은 전환율을 가져오는지 결정합니다.

A/B 테스트를 수행하면 직관에 의존하는 대신 신뢰할 수 있는 데이터에 기반하여 결정을 내릴 수 있으며, 이는 상상할 수 없는 방식으로 전환율을 급상승시킬 수 있습니다. 그리고 전환율 최적화 가 원하는 결과인 경우가 많지만 기대할 수 있는 몇 가지 다른 긍정적인 결과가 있습니다.

예산이나 산업에 관계없이 A/B 테스트가 마케팅 전략의 일부가 되어야 하는 몇 가지 이유를 살펴보겠습니다.

A/B 테스트가 두 번째로 가장 많이 사용되는 CRO 방법 이라는 사실은 그것이 얼마나 많은 일을 할 수 있는지를 보여줍니다. 다음은 A/B 테스트를 실행하면 얻을 수 있는 몇 가지 이점입니다.

1. 대상 고객에 대한 더 나은 이해

A/B 테스트를 실행하면 타겟 고객이 웹 사이트에서 행동을 통해 원하는 것이 무엇인지 더 깊이 이해할 수 있습니다. A/B 테스트를 통해 청중에 대해 알게 된 내용은 향후 마케팅 캠페인을 최적화하는 데 도움이 됩니다.

페이지에서 다양한 요소를 테스트하여 고유한 청중에게 가장 적합한 디자인, 카피 및 레이아웃 요소를 결정할 수도 있습니다.

2. 데이터 기반 의사 결정으로 자신감을 가질 수 있습니다.

직감에 의존하는 것은 시도해 볼 피자 맛을 결정할 때 감수할 가치가 있는 위험일 수 있습니다.

A/B 테스트를 사용하면 사용자 행동을 기반으로 데이터 기반 의사결정을 내릴 수 있습니다.

3. 전환율 향상

2022년 Obvi는 블랙 프라이데이 팝업의 전환율을 단 1주일 만 에 36% 증가시켰습니다! 간단한 조정만으로도 전환율이 그만큼 높아졌다는 사실이 놀랍죠?

통계적 유의성을 결정하고 테스트 결과를 분석함으로써 정보에 입각한 마케팅 전략 결정을 내리고 더 많은 전환을 위해 페이지를 최적화할 수 있습니다.

4. 더 높은 ROI

캠페인을 A/B 테스트하면 고객에게 가장 적합한 것이 무엇인지 발견하는 과정을 가속화할 수 있습니다. 전체 캠페인을 개편하는 대신 한두 가지 작은 조정을 통해 큰 차이를 만들 수 있습니다.

가설을 테스트하고 증명(또는 반증)할 수 있으므로 모든 변경 사항이 캠페인을 올바른 방향으로 가져옵니다. 결과적으로 시간과 비용을 절약하고 캠페인의 ROI를 높일 수 있습니다.

A/B 테스트가 그만한 가치가 있다고 확신하십니까? 엄청난. 이제 정확히 어떤 요소를 테스트해야 하는지 살펴볼 차례입니다.

다음은 방문 페이지에서 테스트해야 하는 변수의 몇 가지 예입니다.

1. 메인 헤드라인과 서브 헤드라인

페이지에 대한 두 개의 서로 다른 헤드라인과 부제목을 만들고 테스트하는 것은 좋은 시작점입니다.

이 두 요소는 스크롤 없이 볼 수 있는 부분 위에 있습니다. 즉, 거의 항상 사람들이 가장 먼저 보게 되는 요소입니다. 방문자를 "후킹"하는 것과 방문자를 잃는 것의 차이를 의미할 수 있습니다.

온라인 상점에서 신제품에 대한 마케팅 캠페인을 진행하고 있다고 가정해 보겠습니다. "시장에 출시된 가장 최신의 최첨단 헤드폰 소개"라는 메인 헤드라인과 "최첨단 기술로 일상 생활에 혁신을 일으키십시오"라는 부제목으로 랜딩 페이지를 만듭니다.

귀하는 분할 테스트를 실행하고 "혁신적인 헤드폰으로 일상을 업그레이드하세요"라는 기본 헤드라인과 "시장에서 사용할 수 있는 최신 기술을 경험하십시오"라는 하위 헤드라인이 있는 변형 페이지를 만들기로 결정했습니다.

테스트를 수행한 후 하나의 변형이 더 높은 전환율을 보이는 것을 발견할 수 있으며 이를 향후 테스트 또는 마케팅 전략의 일부로 사용할 수 있습니다.

2. 가치 제안

리뷰 및 사용자 생성 콘텐츠(UGC)는 제품에 대한 고객의 만족도에 대한 통찰력을 제공하지만 이러한 정보를 수집하는 것은 번거로운 일이 될 수 있습니다. 반면 A/B 테스트 결과는 변화가 사용자 행동과 전환율에 미치는 영향을 직접 측정할 수 있게 해줍니다.

각 페이지에 동일한 양의 웹 사이트 트래픽을 전송하고 결과를 분석하면 어떤 버전의 가치 제안이 방문자 전환에 더 효과적인지 결정할 수 있습니다.

앞의 예에서 계속해서 대상 청중은 제품이 가장 트렌디한 혁신이라는 것보다 제품이 일상 생활을 어떻게 향상시킬 수 있는지에 더 관심을 가질 수 있습니다.

확인하는 한 가지 방법은 랜딩 페이지에서 두 가지 가치 제안을 전달하기 위해 클릭 유도문안 버튼, 이미지, 광고 문구와 같은 요소에 초점을 맞춰 분할 테스트를 수행하는 것입니다. 타겟 고객에게 공감을 불러일으키는 요소에 대한 귀중한 통찰력을 얻고 마케팅 전략을 개선할 수 있습니다.

3. 클릭 유도문안(CTA)

CTA에 대한 A/B 테스트를 수행하는 것은 사용자 행동에 대한 신뢰할 수 있는 데이터를 수집하는 효과적인 방법 중 하나입니다.

복사, 색상 및 CTA 버튼 위치와 같은 것을 테스트하고 싶을 것입니다. 작은 변화처럼 보일 수 있지만 클릭률에 큰 영향을 미칠 수 있습니다!

4. 양식

양식으로 A/B 테스트를 할 수 있는 한 가지 요소는 양식의 길이입니다. 방문자로부터 보다 포괄적인 정보를 얻기 위해 더 긴 형식을 사용하고 싶을 수 있지만 사용자는 더 짧고 간단한 형식을 선호할 수 있습니다. 분할 테스트를 수행하면 웹사이트에 가장 효과적인 양식 길이를 결정하고 그에 따라 조정할 수 있습니다.

양식 스타일도 테스트해 보세요. 예를 들어 더 복잡한 디자인에 대해 미니멀한 디자인을 시도해 볼 수 있습니다. A/B 테스트를 통해 이 두 가지 스타일의 전환율을 비교하고 결과에 따라 결정을 내릴 수 있습니다.

이는 양식의 여러 요소를 동시에 테스트할 수 있는 다변량 테스트를 시도하기에 좋은 장소일 수도 있습니다. 이를 통해 다양한 요소 조합이 전환율에 미치는 영향을 더 잘 이해할 수 있습니다.

5. 이미지

A/B 테스트 이미지는 잠재 고객의 관심을 끌고 전환을 유도하는 데 가장 효과적인 시각적 요소를 결정하는 데 중요합니다.

다양한 제품 이미지를 비교하여 각도, 조명 및 스타일링 측면에서 가장 잘 작동하는 것을 확인할 수 있습니다. A/B 테스트를 통해 어떤 이미지가 제품을 가장 효과적으로 보여주고 고객이 구매하도록 유도하는지 알 수 있습니다.

마찬가지로 이미지 레이아웃을 A/B 테스트할 수 있습니다. 광고 캠페인을 실행 중인 경우 단일 이미지, 캐러셀 또는 비디오와 같은 레이아웃을 테스트할 수 있습니다.

6. 페이지 구조

페이지 구조를 사용하면 다양한 변경을 할 수 있습니다.

클릭 유도문안 버튼의 배치를 A/B 테스트하여 페이지 상단에서 페이지 중앙으로 이동하면 전환율이 증가하는지 확인할 수 있습니다. 표준 고정 내비게이션에 대해 고정 내비게이션 바를 테스트하거나 영웅 섹션 바로 아래에 사회적 증거를 표시하는 것이 사람들이 페이지를 아래로 스크롤하도록 하는지 확인할 수 있습니다.

페이지 구조는 워낙 넓은 영역이기 때문에 A/B 테스트를 통해 한 번에 한 가지만 테스트하는 것을 잊지 마세요!

7. 제품 추천

제품 권장 사항 을 제공할 때 그리드 레이아웃과 목록 레이아웃을 테스트하여 어떤 형식이 시각적으로 더 매력적이고 고객이 탐색하기 쉬운지 결정할 수 있습니다. 페이지에서 권장 사항의 배치를 테스트하면 고객이 권장 사항과 가장 많이 교류할 가능성이 있는 위치를 확인할 수도 있습니다.

8. 제안

의류 브랜드는 "첫 구매 시 20% 할인"과 "첫 주문 시 무료 배송"이라는 두 가지 제안을 테스트하기로 선택할 수 있습니다. A/B 테스트는 기업이 전환을 유도하는 데 더 효과적인 제안을 결정하는 데 도움이 될 수 있습니다. 이 당첨자는 향후 캠페인에서 기본 제안으로 사용될 수 있습니다.

언어, 배치 및 디자인과 같은 제품의 다양한 요소를 A/B 테스트할 수도 있습니다. "한정된 시간"과 같은 문구를 포함하여 긴박감을 높이면 전환율이 증가하거나 단순히 다른 색 구성표를 사용하여 더 눈길을 끌 수 있습니다. 확실하게 알 수 있는 유일한 방법은? 시험!

A/B 테스트가 너무 어렵거나 작업이 너무 많거나 너무 복잡하다고 걱정되신다면 계속 지켜봐 주십시오. 이 가이드에 따라 A/B 테스트를 실행하면 A/B 테스트가 수월하다는 데 동의하는 63%의 회사에 속하게 됩니다.

1단계: 웹사이트 분석

전반적인 디자인과 레이아웃, 사용자 흐름, 기존 요소(버튼, 양식, 클릭 유도문안 등)의 성능을 포함하여 사이트의 현재 상태를 연구하는 것으로 시작하는 것이 좋습니다.

트래픽 및 전환 메트릭과 같은 웹 사이트의 성능 데이터는 테스트를 위해 우선 순위를 지정할 수 있도록 성능이 저하된 영역에 대한 통찰력을 제공합니다.

예를 들어 높은 비율의 방문자가 한 페이지만 보고 떠난다는 사실을 발견했다면 웹 사이트 탐색이 최적화되지 않았음을 나타낼 수 있습니다. 개선된 UX 디자인은 전환율을 최대 400%까지 높일 수 있지만 방문자의 참여를 유지하고 사이트에 더 오래 머무르는 것부터 시작됩니다.

Google Analytics는 목표 측정에 유용한 도구입니다. 확인할 수 있는 몇 가지 보고서는 다음과 같습니다.

• 신규 방문자 vs 재방문자
• 모바일 기기와 데스크톱을 사용하는 방문자
• 소스/매체 및 캠페인
• 방문 페이지
• 키워드
• 전자상거래 개요
• 쇼핑 행동

2단계: 아이디어를 브레인스토밍하고 가설을 세웁니다.

이 단계에는 테스트하려는 잠재적 변경 사항 목록을 생성하고 이러한 각 변경 사항이 원하는 결과에 어떤 영향을 미칠지에 대한 가설을 형성하는 작업이 포함됩니다.

예를 들어 목표가 웹 사이트 전환을 늘리는 것이라면 "지금 구매" 버튼의 색상을 빨간색에서 녹색으로 변경하는 것이 한 가지 아이디어일 수 있습니다. 해당 가설은 색상의 변화가 전환율 증가로 이어질 것이라는 것입니다.

이 단계는 테스트의 초점을 좁히는 데 도움이 되며 프로세스의 다음 단계를 안내합니다.

3단계: 아이디어의 우선순위 지정

아이디어의 우선 순위를 지정하면 가장 유망한 가설을 연마하고 먼저 테스트할 수 있습니다. 이를 위한 한 가지 효과적인 접근 방식은 RICE 방법을 사용하는 것입니다. RICE 방법은 4가지 요소(도달 범위, 영향력, 자신감 및 노력)를 결합하여 각 아이디어에 점수를 부여합니다.

약어의 분석은 다음과 같습니다.

• 도달 범위 : 변경 사항이 영향을 미치는 사용자 또는 방문자 수입니다.
• 영향 : 주요 메트릭에 대한 변경의 잠재적 영향입니다.
• 신뢰도 : 변화가 원하는 효과를 가져올 것이라고 얼마나 확신하십니까?
• Effort : 변화를 구현하는데 필요한 자원을 말한다.

네 가지 요소를 모두 고려하면 테스트 노력에 대한 수익을 극대화하는 데 도움이 됩니다.

4단계: 도전자 변형 만들기

다음으로 원본 또는 "제어" 버전에 대해 테스트할 웹 사이트 요소의 대체 버전을 생성할 차례입니다.

예를 들어 웹사이트에서 클릭 유도문안 버튼의 효과를 테스트하는 경우 버튼의 챌린저 변형은 색상이나 크기가 다르거나 카피가 다를 수 있습니다.

최상의 솔루션을 찾기 위해 여러 도전자 변형을 만들고 테스트하는 것도 효과적일 수 있습니다. 위의 클릭 유도 문안 버튼 예에서 세 가지 다른 변형(하나는 다른 색상, 다른 하나는 다른 크기, 다른 하나는 다른 카피)을 만들고 제어 버튼에 대해 모두 테스트하여 어떤 것이 가장 잘 수행되는지 확인할 수 있습니다.

5단계: 테스트 실행

실험을 실행하고 결과를 수집하는 단계입니다. 테스트 중인 버전에 대해 정보에 입각한 결정을 내리기에 충분한 데이터를 수집할 수 있을 만큼 충분히 오래 테스트를 실행하십시오.

평균 일일 및 월간 방문자는 여기에서 중요한 요소입니다. 웹 사이트에 일일 방문자 수가 많은 경우 짧은 기간 동안 테스트를 실행할 수 있습니다. 반대로 방문자 수가 적으면 충분한 데이터를 수집할 수 있도록 테스트를 더 오래 실행해야 합니다.

테스트 중인 변형의 수도 테스트 기간에 영향을 미칠 수 있습니다. 변형이 많을수록 각각에 대한 데이터를 수집하는 데 더 많은 시간이 필요합니다.

6단계: 테스트 결과 평가 및 최적화

A/B 테스트 수행의 마지막 단계는 결과를 평가하고 최적화하는 것입니다. 여기에서 테스트 중에 수집된 데이터를 분석하여 어떤 변형이 더 잘 수행되었는지 확인합니다. 컨트롤 버전과 챌린저 버전 간의 전환율, 이탈률 및 클릭률과 같은 메트릭을 비교하여 이를 수행할 수 있습니다.

결과에서 하나의 변형이 다른 변형보다 훨씬 더 나은 것으로 표시되면 이 버전이 승자가 됩니다. 그런 다음 실적을 개선하기 위해 성공적인 변형을 사용하여 캠페인을 최적화할 수 있습니다.

그러나 결과가 결정적이지 않거나 초기 가설을 지원하지 않는 경우 추가 최적화가 필요합니다. 여기에는 일반적으로 결과를 더 잘 이해하기 위해 새로운 아이디어를 구현하거나 추가 테스트를 수행하는 것이 포함됩니다.

예를 들어 이메일 캠페인에 대해 테스트를 실행했는데 결과에서 오픈율에 큰 차이가 없는 것으로 나타나면 새 제목을 테스트하거나 이메일 디자인을 변경하여 캠페인을 최적화하십시오.

자, A/B 테스트와 그 마법에 대한 찬사를 노래하는 것은 끝났습니다! 분할 테스트를 사용한 최고의 브랜드의 몇 가지 실제 사례를 살펴보십시오.

1. 메시지 디자인에 대한 A/B 테스트

이 예에서 DTC 브랜드 Obvi는 할인 팝업에 카운트다운 타이머를 추가하면 긴박감이 높아지고 전환율과 쿠폰 사용률이 높아질 것이라는 가설을 확인하고 싶었습니다.

그들은 타이머가 있는 팝업과 없는 팝업의 두 가지 변형을 만들고 대상 청중의 샘플 크기로 테스트했습니다. 그들이 옳았다!

카운트다운 타이머가 있는 변수는 없는 변수보다 전환율이 7.97% 더 높았으며 이는 타이머가 긴급성과 전환율을 높이는 데 효과적임을 나타냅니다.

2. 티저 효과 A/B 테스트

Obvi의 이 두 번째 예에서는 블랙 프라이데이 팝업의 두 가지 버전을 테스트했습니다. 하나는 티저(팝업의 작은 미리 보기)가 있고 다른 하나는 티저가 없습니다.

티저가 포함된 변형으로 인해 SMS 구독자가 36% 증가했고 캠페인의 전환율이 높아졌습니다. 따라서 그들은 팝업에 티저를 포함하는 것이 참여도를 높이고 더 많은 판매를 유도하는 효과적인 전략임을 알게 되었습니다.

3. 다양한 유형의 캠페인 A/B 테스트

Christopher Cloos 팀의 아래 예에서와 같이 다양한 유형의 캠페인에 대한 A/B 테스트는 어떤 버전이 방문자에게 더 잘 맞는지 알아내는 방법입니다.

이 경우 팀은 보다 개인화된 대화 팝업에 대해 클래식 환영 팝업을 테스트했으며 대화 팝업이 더 높은 비율(정확히 15.38% 더 높음)으로 전환되었음을 발견했습니다.

이 테스트는 매장의 트래픽을 기준으로 이상적인 한 달 동안 실행되었습니다. 더 짧은 기간 동안 테스트를 실행했다면 대화식 팝업이 완전히 수행될 기회가 주어지지 않았을 수 있습니다.

또한 기간이 긴 테스트는 계절성, 추세 또는 소비자 행동의 변화와 같은 외부 요인의 영향을 받아 결과에 영향을 미칠 수 있습니다.

마지막으로 원하는 것은 모든 노력과 마케팅 예산을 분할 테스트에 투입하여 오탐 또는 부정확한 테스트 결과만 얻는 것입니다. 다음은 가장 일반적이고 비용이 많이 드는 실수를 피하는 방법입니다.

실수 1: 하나 이상의 요소 변경

A/B 테스트를 수행할 때 특정 변경의 영향을 정확하게 결정할 수 있도록 한 번에 하나 의 요소만 변경해야 합니다.

버튼 색상 변경의 효과를 테스트하고 있습니까? 그런 다음 도전자 변형의 버튼 색상 만 변경하고 다른 것은 변경하지 않습니다.버튼의 텍스트나 페이지 레이아웃도 변경하면어떤변경 사항이 결과에 가장 큰 영향을 미쳤는지 판단하기 어려울 것 입니다.

한 번에 여러 요소를 변경하면 변경 사항이 예기치 않은 방식으로 서로 상호 작용할 수 있으므로 부정확한 결과가 발생할 수 있습니다.

실수 2: 통계적 유의성을 무시함

A/B 테스트에서 테스트 결과는 변형 효과의 진정한 차이가 아니라 우연에서 나올 가능성이 있습니다. 이로 인해 어떤 변형이 더 나은지에 대한 잘못된 결론으로 ​​이어져 부정확한 데이터를 기반으로 잘못된 결정을 내릴 수 있습니다.

예를 들어 테스트 결과 대안 A가 대안 B보다 전환율이 약간 더 높은 것으로 나타났지만 결과가 얼마나중요한지는 고려하지 않았습니다. 따라서 변형 A가 더 나은 선택이라는 결론을 내리게 됩니다. 그러나 통계적 유의성을 고려하면 변형 A가 실제로 더 낫다는 결론을 내릴 충분한 증거가 없다는 것이 분명해졌을 것입니다.

A/B 테스트에서 통계적 유의성을 무시하면 결과에 대한 잘못된 확신으로 이어져 성능에 실질적인 영향을 미치지 않을 수 있는 변경 사항을 구현하게 됩니다.

실수 3: 테스트를 충분히 오래 실행하지 않음

이 다음 실수는 실수 #2와 밀접한 관련이 있습니다. 즉, 통계적으로 유의미한 데이터를 생성하기에 충분한 데이터를 수집할 충분한 시간을 갖기 전에 분할 테스트를 종료하는 것입니다. 테스트 중인 요소에 대해 부정확한 결론을 내리게 됩니다.

A/B 테스트가 일주일 동안만 실행되고 특정 변형이 승자라고 선언한다고 상상해 보십시오. 실제로 결과는 우연에 의한 것입니다. 버전 간의 차이점을 정확하게 캡처할 수 있을 만큼 충분히 오래 테스트를 실행하고 있는지 확인하십시오.

이 기사가 온라인 상점을 최적화하는 데 A/B 테스트가 얼마나 중요한지 보여주었기를 바랍니다. A/B 테스트가 개선에 도움이 될 수 있는 모든 다양한 방법을 이해하고 나면 회사의 44%만이 분할 테스트 소프트웨어를 사용 한다는 사실을 믿기 어렵습니다 !

귀하의 비즈니스가 현재 A/B 테스트를 실행하고 있지 않다면 전환율에 합당한 TLC를 제공하기에 너무 늦지 않았습니다. 다양한 변형 테스트를 분할하여 웹 사이트 또는 마케팅 캠페인의 어떤 요소가 작동하는지(또는 작동하지 않는지) 식별하고 목표에 따라 전략적으로 변경할 수 있습니다.

서로 다른 버전을 만들고 결과를 비교하여 가장 성능이 좋은 버전을 결정하는 것만큼 쉽습니다. 소기업 소유주이든 마케팅 전문가이든 A/B 테스트는 필수 도구입니다!