บล็อกการปรับแต่งอีคอมเมิร์ซ

การทดสอบ AB เป็นการทดสอบแบบควบคุมเฉพาะประเภทหนึ่ง การทดสอบ AB ใช้เพื่อกำหนดตัวเลือกที่ดีที่สุดจากช่วงที่เป็นไปได้ ในบริบทของอีคอมเมิร์ซ สิ่งนี้สามารถกำหนดได้ว่าจะแสดงข้อเสนอใด ผลิตภัณฑ์ใดที่จะแนะนำ หรือแม้แต่รูปภาพหรือเลย์เอาต์ของผลิตภัณฑ์ใดจะทำงานได้ดีที่สุดสำหรับเกณฑ์ความสำเร็จที่กำหนด

เช่นเดียวกับการทดสอบแบบ Multi-arm Bandit อื่นๆ มีสองส่วนที่แตกต่างกัน ประการแรก มีขั้นตอนการสำรวจซึ่งมีการพิจารณาทางเลือกหลายทาง เมื่อตัดสินผู้ชนะแล้ว ระยะที่สองของการแสวงประโยชน์ก็เริ่มต้นขึ้น ในระยะนี้ ผู้ชนะจะถูกเลือกและผู้แพ้จะถูกละทิ้ง

การทดสอบ AB ที่สร้างขึ้นอย่างเหมาะสมประกอบด้วยส่วนต่างๆ ดังต่อไปนี้:

จำไว้ว่าการทดสอบ AB เป็นตัวกำหนดตัวเลือกที่ดีที่สุดจากช่วงที่เป็นไปได้ เมื่อคำนึงถึงสิ่งนี้ เราจึงสามารถดำเนินการทดสอบ AB ต่างๆ ได้อย่างรวดเร็ว

เราสามารถทดสอบข้อเสนอที่ตรงใจลูกค้าที่กลับมาซื้อซ้ำได้ดีที่สุด

เราสามารถทดสอบว่าคำแนะนำผลิตภัณฑ์ใดที่แปลงได้ดีที่สุดสำหรับ SKU ของผลิตภัณฑ์ที่กำหนด

นอกจากนี้ยังสามารถทดสอบประสบการณ์ของลูกค้าได้อีกด้วย ตัวอย่างเช่น เราสามารถทดสอบเพื่อดูว่าป๊อปอัปต้อนรับทำงานได้ดีกว่าแถบข้อความหรือไม่

ในฐานะเครื่องมือพื้นฐานในการเพิ่มประสิทธิภาพอัตรา Conversion การทดสอบจะเพิ่มความสามารถในการสร้างรายได้จากการเข้าชมที่มีอยู่ได้สูงสุด


เมื่อใช้การทดสอบ AB คุณสามารถ:

ถามตัวเองว่า "อะไรจะทำให้การทดสอบนี้ประสบความสำเร็จ" คุณควรระบุ KPI เดียวที่ดีที่สุดในการประเมินการทดสอบ

โดยทั่วไป ตัวชี้วัดการประเมินของคุณจะเป็นตัวชี้วัดแบบผสม เช่น ผลตอบแทนจากการลงทุนทางการตลาด ควรเป็นการทำนายผลระยะยาว

Harvard Business Review มีบทความที่ยอดเยี่ยมซึ่งมีรายละเอียดเกี่ยวกับความท้าทายจำนวนหนึ่งที่ Bing เผชิญในการพิจารณาว่าควรให้ความสำคัญกับเมตริกใด

แม้ว่าในตอนแรกอาจดูเหมือนว่ารายได้ที่สร้างขึ้นจะเป็นตัวชี้วัดที่ดี แต่พวกเขาพบว่าพวกเขาสามารถจัดการรายได้ด้วยการเพิ่มโฆษณามากขึ้น น่าเสียดายที่ตัววัดไม่สามารถจับต้นทุนของการปรับปรุงรายได้ได้อย่างเต็มที่ กล่าวคือ ประสบการณ์ของลูกค้าที่แย่ลง และท้ายที่สุด คนที่ใช้ Bing น้อยลง

ทางทีมงานได้เสนอทางเลือกใหม่ พวกเขาต้องการเน้นที่ประสบการณ์ของลูกค้าก่อน ดังนั้นตัวชี้วัดหลักคือการลดจำนวนคำค้นหาที่จำเป็นในการดำเนินการให้เสร็จสิ้นในหนึ่งเซสชัน แต่ยังเพิ่มจำนวนเซสชันต่อผู้ใช้ให้ได้มากที่สุด

การทดสอบ AB ของคุณจะได้ผลที่หลากหลาย มันจะส่งผลดีต่อผู้เข้าชมบางส่วนและส่งผลเสียต่อผู้อื่น

หากคุณเชื่อถือเพียงตัวเลขรวม คุณจะเสี่ยงต่อการแยกส่วนลูกค้าทั้งหมดออกจากกัน

คำตอบคือแบ่งผลลัพธ์ตามกลุ่มลูกค้า หากคุณไม่ได้กำหนดกลุ่มที่กำหนดไว้ในเครื่องมือปรับแต่งส่วนบุคคลของคุณ ฉันขอแนะนำให้เรียกใช้การวิเคราะห์ RFM เพื่อระบุกลุ่มที่มีลำดับความสำคัญสูง

ในท้ายที่สุด คุณต้องการแยกกลุ่มลูกค้าที่กำหนดไว้ซึ่งทำการทดสอบ แล้วให้ผู้ชนะแสดงต่อกลุ่มนั้นและกลุ่มนั้นเท่านั้น

เมื่อเปรียบเทียบทั้งสองหน้าแล้ว มีการปรับปรุงที่สำคัญ 6 ประการที่ทีม Moo ได้นำไปใช้ สำหรับรายละเอียดทั้งหมดว่าการปรับปรุงเหล่านี้คืออะไรและเพราะเหตุใด คลิกที่นี่

หากต้องการทำการทดสอบ AB อย่างถูกต้อง คุณต้องมีพันธมิตรส่วนบุคคล

เราเขียนคำแนะนำโดยละเอียดเกี่ยวกับวิธีเลือกพันธมิตรส่วนบุคคลสำหรับร้านค้าอีคอมเมิร์ซของคุณที่นี่

อย่างไรก็ตาม ในระยะสั้น คุณต้องการเทคโนโลยีที่สามารถเชื่อมต่อข้อมูลของคุณในที่เดียว ระบุกลุ่มที่ทำกำไร และมอบประสบการณ์ส่วนบุคคลและการทดสอบ AB ที่กำหนดเป้าหมายไปยังกลุ่มเหล่านั้น

หากคุณต้องการทราบว่าเหตุใดร้านค้าอีคอมเมิร์ซขององค์กรหลายร้อยแห่งจึงเลือก Barilliance เป็นโซลูชันการทดสอบ AB โปรดขอตัวอย่างที่นี่