อะไรคือขั้นตอนของการเพิ่มประสิทธิภาพการแปลง - กรอบงานการแปลง

“เราต้องปรับปรุงการกลับใจใหม่ของเรา”

“อัตราการแปลงนี้เป็นอุตสาหกรรมที่ต่ำ”

“เราจะทำอย่างไรเพื่อเปลี่ยนลูกค้าให้กลายเป็นผู้ซื้อระดับพรีเมียมมากขึ้น”

วลีข้างต้นแพร่หลายในโลกอีคอมเมิร์ซ การรับ Conversion ที่สูงขึ้นได้กลายเป็นความหลงใหล

ปัญหาของความหมกมุ่นนี้คือจะมีผู้คนที่มองหาทางลัดและเส้นทางสู่ Conversion ที่เร็วที่สุดอยู่เสมอ มีคนไม่เพียงพอที่รู้ว่าการปรับปรุงอัตราการแปลงของคุณอย่างสม่ำเสมอเป็นกระบวนการที่ต้องใช้ความอดทนและความพยายามอย่างสม่ำเสมอ

ในบทความนี้ เราจะพูดถึงกระบวนการเพิ่มประสิทธิภาพอัตราการแปลงและทุกอย่างที่มาพร้อมกัน

กระโดดเข้าไปกันเถอะ!

อัตราการแปลงที่ดีขึ้นอยู่กับหลายปัจจัย นี่อาจเป็นเป้าหมายส่วนบุคคลที่คุณกำหนด เกณฑ์เปรียบเทียบโดยใช้อัตรา Conversion เฉลี่ยของอุตสาหกรรมของคุณ หรือบางอย่างที่ไม่แน่นอน

โปรดทราบว่ายังมีปัจจัยอื่นๆ ที่ส่งผลต่ออัตราการแปลง เช่น อุปกรณ์ที่ใช้ในการซื้อ ตำแหน่งทางภูมิศาสตร์ แหล่งที่มาของการเข้าชม เป็นต้น

Shippypro ได้รวบรวมผลลัพธ์จากช่องทางอีคอมเมิร์ซที่หลากหลายตั้งแต่อุปกรณ์การเกษตร อาหารและเครื่องดื่ม ทารกและเด็ก และอีกมากมาย

อัตราการแปลงมีตั้งแต่ 0.87% ถึง 1.50% และอื่นๆ

ที่มา: ShippyPro Blog

อัตราการแปลง ระบุเปอร์เซ็นต์ของผู้เข้าชมที่มายังไซต์ของคุณซึ่งกลายเป็นลูกค้าจริง

การเพิ่มประสิทธิภาพอัตราการแปลงเป็นเรื่องเกี่ยวกับการเพิ่มจำนวนผู้เข้าชมที่เป็นลูกค้าโดยใช้วิธีการที่หลากหลาย

หากคุณเป็นเจ้าของธุรกิจอีคอมเมิร์ซหรือดำเนินธุรกิจออนไลน์ประเภทใดก็ตาม การเรียนรู้เกี่ยวกับการเพิ่มประสิทธิภาพอัตราการแปลง (CRO) เป็นสิ่งสำคัญ

ทำไม

เพราะเราอยู่ในช่วงเวลาแห่งการเลือกอย่างท่วมท้น ซึ่งหมายความว่ามีลูกค้าธุรกิจรายอื่นๆ นับพันรายที่สามารถติดต่อได้หากคุณไม่ตอบสนองความต้องการของพวกเขา

เมื่อพูดถึงความต้องการ พวกเขาไม่แน่นอนเหมือนกับตัวลูกค้าเอง ทุกอย่างตั้งแต่ความเร็วในการโหลดของร้านค้าออนไลน์ไปจนถึงสีที่คุณใช้สามารถเพิ่มหรือลด Conversion ของคุณได้

การมีชุดเครื่องมือของเทคนิคการเพิ่มประสิทธิภาพอัตรา Conversion ที่ผ่านการทดสอบตามเวลาและทรงพลัง ซึ่งคุณสามารถใช้ในทุกขั้นตอนของเส้นทางการซื้อได้ ช่วยให้คุณได้เปรียบอย่างมาก

มี 5 ขั้นตอนใน วงจรการเพิ่มประสิทธิภาพอัตราการ แปลง นี่คือสิ่งที่ลงไปในแต่ละขั้นตอน:

1. ขั้นตอนการวิจัย: นี่คือที่ที่คุณค้นพบส่วนต่างๆ ของช่องทางการแปลงของคุณที่ต้องปรับแต่ง

2. ระยะสมมติฐาน: นี่คือที่ที่คุณสร้างสมมติฐานที่ใช้งานได้ตามตัวชี้วัดและการวิจัยของคุณ

3. ระยะการจัดลำดับความสำคัญ: นี่คือที่ที่คุณคิดว่าจะโจมตีสิ่งใดก่อนเพื่อการเพิ่มประสิทธิภาพของคุณ

4. ขั้นตอนการทดสอบ: นี่คือที่ที่คุณตั้งสมมติฐานเทียบกับเวอร์ชันที่มีอยู่ของเว็บไซต์ของคุณ

5. ขั้นตอนการเรียนรู้: นี่คือคุณใช้สมมติฐานที่ชนะและรวบรวมข้อมูลสำหรับการทดสอบและการวางแผนในอนาคต

ขั้นตอนที่ 1: การวิจัยและการรวบรวมข้อมูล

ส่วนแรกของ CRO ต้องการให้คุณรวบรวมข้อมูลอย่างถูกต้องเพื่อแจ้งการทดสอบของคุณ

แม้ว่าขั้นตอนนี้อาจเป็นกระบวนการที่ยาวนาน แต่ก็คุ้มค่าที่จะทำอย่างถูกต้องเพื่อประหยัดเวลาและอาการปวดหัวระหว่างทาง

เริ่มต้นการรวบรวมข้อมูลของคุณโดยปรึกษากับ ตัวบ่งชี้ประสิทธิภาพหลัก เช่น ต้นทุนการได้มาซึ่งลูกค้า มูลค่าตลอดช่วงชีวิตของลูกค้า รายได้ประจำรายเดือน และระยะเวลารอบการขาย

ตัวเลขที่ชัดเจนและยากหรือที่เรียกว่าข้อมูลเชิงปริมาณสามารถให้ภาพที่ชัดเจนของอัตราการคลิกผ่านของลูกค้าของคุณ เวลาบนไซต์ และอื่นๆ อีกมากมาย

ข้อมูลประเภทนี้สามารถเก็บรวบรวมได้ผ่าน แผนที่ความหนาแน่น แบบสำรวจ การวิเคราะห์ KPI และการทดสอบ A/B

ตัวเลขที่ยากเย็นนั้นยอดเยี่ยม แต่ไม่จำเป็นต้องวาดภาพที่ชัดเจนที่สุด นั่นคือเมื่อข้อมูลเชิงคุณภาพเข้ามา ประเภทของข้อมูล ทำให้มีที่ว่างสำหรับการตีความมากขึ้นและสามารถวิเคราะห์ตามอัตวิสัยได้

แทนที่จะยอมรับสิ่งที่ตัวเลขพูด ข้อมูลเชิงคุณภาพจะถามว่า "ทำไม"

• ทำไมจำนวนการจราจรจึงต่ำมาก?

• ผู้ใช้อาจประสบปัญหาอะไรในไซต์

• ทำไมอัตราการละทิ้งรถเข็นจึงสูงมาก?

คำถามเหล่านี้เป็นคำถามที่ข้อมูลเชิงคุณภาพสามารถตอบได้

วิธีที่นิยมในการรวบรวมข้อมูลนี้ ได้แก่ การสัมภาษณ์ลูกค้า การสนทนากลุ่ม และวิธีการสังเกตอื่นๆ

เมื่อคุณรวบรวมข้อมูลนี้อย่างมีประสิทธิภาพแล้ว คุณจะต้อง เข้าใจความหมายที่แท้จริง ยกตัวอย่างการสำรวจลูกค้า หลังจากที่คุณได้รวบรวมคำตอบแบบสำรวจแล้ว คุณจะต้องดูรูปแบบ การคัดค้าน และภาษาที่ใช้ภายในคำตอบ

จดคำศัพท์ซ้ำ คำที่เน้นย้ำ “จุดต่อต้าน” หรือสถานที่ที่ทำให้การท่องเว็บหรือซื้อของจากคุณยาก

สุดท้ายนี้ วิเคราะห์น้ำเสียงของภาษาที่ใช้ในแบบสำรวจเหล่านี้อย่างใกล้ชิด พวกเขาสามารถทำหน้าที่เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการพิสูจน์ทางสังคม สำเนาการขาย และข้อความส่วนบุคคลอื่นๆ

ปัจจุบัน Google Analytics สามารถติดตามเกือบทุกอย่างได้

ทุกธุรกิจมีตัวบ่งชี้ประสิทธิภาพหลักและลำดับความสำคัญต่างกัน แต่มีตัวชี้วัดการแปลงที่มีความเหมือนกันมากหรือน้อยโดยไม่คำนึงถึงอุตสาหกรรม/เฉพาะกลุ่ม อ่าน บทความนี้ เพื่อช่วยคุณระบุเมตริก Conversion ที่ควรค่าแก่การติดตาม

แม้ว่า Google Analytics จะเป็นเครื่องมือที่น่าทึ่ง แต่ก็ไม่ได้สมบูรณ์แบบ

จำอาการปวดหัวที่ฉันพูดถึงก่อนหน้านี้ได้ไหม? สิ่งเหล่านี้สามารถเกิดขึ้นได้เมื่อคุณใช้เวลาในการรวบรวมข้อมูลที่ไม่ถูกต้องทั้งหมด (ซึ่งแย่มาก แต่เกิดขึ้นบ่อยกว่าไม่)

หลีกเลี่ยงการทำการเลือกที่ไม่ดีและถูกข้อมูลของคุณเข้าใจผิด และไปที่นี่เพื่อเรียนรู้วิธีเรียกใช้การ ตรวจสอบ Google Analytics  

ขั้นที่ 2: สมมติฐาน

สมมติฐาน คือ สมมติฐาน เบื้องต้นสำหรับการทดลองผลลัพธ์เชิงตรรกะและเชิงประจักษ์ของการกระทำ

ในการพูดคุย CRO นี่หมายถึงทฤษฎีการทำงาน (ตามการวิจัยและข้อมูลของคุณ) ของ "ถ้าฉันเปลี่ยน X มันจะมีผล Y"

เมื่อคุณสร้างรายการสมมติฐานแล้ว คุณต้องจัดลำดับความสำคัญของรายการนั้นตั้งแต่เร่งด่วนที่สุดไปจนถึงไม่เร่งด่วน เราจะเจาะลึกเรื่องนี้ในบทต่อไป ก่อนหน้านั้นเรามาดูองค์ประกอบของสมมติฐานกันก่อน

ที่มา: Optimizely Blog

องค์ประกอบที่ 1: ตัวแปร (IF)

• นี่คือองค์ประกอบของเว็บไซต์ที่สามารถแก้ไข เพิ่ม หรือนำออกไปเพื่อให้ได้ผลลัพธ์ที่ต้องการ

องค์ประกอบที่ 2: ผลลัพธ์ (แล้ว)

• ผลลัพธ์ที่คาดการณ์ไว้ (เช่น จำนวนคลิกที่คำกระตุ้นการตัดสินใจมากขึ้น การสมัครบนหน้า Landing Page เพิ่มขึ้น ฯลฯ)

องค์ประกอบ 3: เหตุผล (เนื่องจาก)

• นี่คือที่ที่คุณแสดงให้เห็นว่าผลลัพธ์เกิดขึ้นเพราะได้รับแจ้งจากการวิจัย (เชิงปริมาณและเชิงคุณภาพ)

ดูเหมือนเป็นเรื่องง่ายพอที่จะทำ และสามารถทำได้เมื่อทำถูกต้อง แต่เจ้าของธุรกิจอีคอมเมิร์ซจำนวนมากล้มเหลวในการให้รายละเอียดเพียงพอในสมมติฐานของตนเพื่อผลักดันกระบวนการ CRO ของพวกเขาจริงๆ

ต่อไปนี้คือตัวอย่างสมมติฐานที่อ่อนแอกว่าและธรรมดาเกินไป:

“ถ้าฉันทำให้สำเนาหน้า Landing Page ของเราไม่มีความเป็นส่วนตัวมากขึ้น เราจะได้รับการคลิกผ่านมากขึ้นเนื่องจากลูกค้าบอกว่าในแบบสำรวจที่พวกเขารู้สึกว่าสำเนาก่อนหน้านั้นกว้างเกินไปและรู้สึกเย็นชา”

ตอนนี้ สมมติฐานที่ชัดเจนและมีรายละเอียดมากขึ้นมีลักษณะดังนี้:

“จากแผนที่ความหนาแน่น ผลการสำรวจ และข้อมูลเชิงปริมาณ หน้าผลิตภัณฑ์ #3 ยาวเกินไปและผู้เยี่ยมชมไม่ทำ Conversion เนื่องจากไม่ได้เลื่อนลงมาด้านล่างเพื่อดูคำกระตุ้นการตัดสินใจ หากเราทำสำเนาให้สั้นลง เน้นคุณลักษณะหลัก และใส่คำกระตุ้นการตัดสินใจไว้ครึ่งหน้าบน เราจะเห็น Conversion เพิ่มขึ้นจากปัจจุบัน 0.8% เป็นค่าเฉลี่ยของเว็บไซต์ 2.6%”

ขั้นที่ 3: จัดลำดับความสำคัญของความคิด

ลำดับความสำคัญ ลำดับความสำคัญ ลำดับความสำคัญ สิ่งเหล่านี้ช่วยให้เราตัดสินใจได้ดีและเป็นแนวทางในการเลือกชีวิตของเรา สิ่งที่เราให้ความสำคัญทำให้เราเป็นเรา ในกระบวนการ CRO ก็มีผลเช่นกัน

การจัดลำดับความสำคัญของแนวคิดและสมมติฐานไม่เพียงแต่ช่วยคุณแก้ปัญหาเร่งด่วนที่สุดในธุรกิจของคุณ แต่ยังสร้างแบบอย่างที่คุณสามารถปฏิบัติตามสำหรับแนวทางปฏิบัติในการเพิ่มประสิทธิภาพในอนาคต

เมื่อทำอย่างถูกต้อง คุณจะมีระบบการทดสอบที่มีประสิทธิภาพพร้อมสำหรับทุกสิ่ง

การจัดลำดับความสำคัญไม่วิเศษหรือ มาดูเฟรมเวิร์กการจัดลำดับความสำคัญที่รู้จักกันดีกันบ้าง!

PIE Framework

ไม่ใช่ขนมที่อร่อย แต่สั้นสำหรับ P otential For I mprovement, Importance และ E ase

ที่มา: อีคอมเมิร์ซเชิงปฏิบัติ

ด้าน "ศักยภาพในการปรับปรุง" จะพิจารณาว่าสมมติฐานจะส่งผลให้เกิดการปรับปรุงโดยรวมมากน้อยเพียงใด “ความสำคัญ” หมายถึงแรงโน้มถ่วงของปัญหาที่สังเกตได้ และ “ความง่าย” จะพิจารณาอย่างดีว่าต้องใช้ความพยายามมากเพียงใดในการนำสมมติฐานไปใช้ (ชั่วโมง วัน สัปดาห์ ฯลฯ)

โดยใช้มาตราส่วนตั้งแต่ 1 ถึง 10 สมมติฐานจะถูกจัดลำดับจากต่ำสุดไปสูงสุด

ปัญหาของรุ่นนี้?

ส่วนที่เป็นไปได้มักจะยากต่อการหาปริมาณ/ประมาณการ ประการที่สอง การจัดลำดับความสำคัญตั้งแต่ 1 ถึง 10 อาจทำให้บางธุรกิจจัดลำดับความสำคัญของปัญหาเล็กน้อยโดยหวังว่าจะบรรลุผลลัพธ์ที่มีนัยสำคัญ

HotWire Framework

เว็บไซต์ท่องเที่ยว HotWire มีวิธีการจัดลำดับความสำคัญเพิ่มเติมที่นำอารมณ์ออกจากการทดสอบ A/B

หากไอเดียตรงตามข้อกำหนด จะได้รับ 1 คะแนน หากไม่เป็นไปตามข้อกำหนด จะได้รับศูนย์

จากนั้นคะแนนเหล่านี้จะถูกรวมไว้ในสเปรดชีตเพื่อให้แต่ละแนวคิดมีคะแนนโดยรวมเต็ม 10 แนวคิดเหล่านี้จะถูกจัดลำดับตามคะแนนโดยรวม หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับเฟรมเวิร์กนี้และเพื่อสร้างเฟรมเวิร์กที่คล้ายกัน โปรดดู โพสต์ในบล็อก นี้

วิธีนี้ใช้ได้ผลดีที่สุดสำหรับบริษัทขนาดใหญ่ที่มีแนวคิดในการเพิ่มประสิทธิภาพหลายแสนรายการใน Backlog แต่สำหรับบริษัทขนาดเล็กที่ต้องการนำแนวคิดไปใช้อย่างรวดเร็ว

กรอบงาน PXL

เฟรมเวิ ร์กนี้สร้างขึ้นโดย Peep Laja จากบล็อก Conversion XL ยอดนิยม โดย เน้นไปที่ การถามคำถามเกี่ยวกับพฤติกรรมของผู้ใช้เพื่อจัดลำดับความสำคัญของแนวคิดให้ดีขึ้น

เป้าหมายของวิธีนี้คือการทำให้การจัดอันดับ "ศักยภาพ" หรือ "ผลกระทบ" มีวัตถุประสงค์มากขึ้น ส่งเสริมวัฒนธรรมการให้ข้อมูล และทำให้การจัดอันดับ "ความง่ายในการใช้งาน" มีวัตถุประสงค์มากขึ้น

คำถามในกรอบงานมีลักษณะดังนี้:

• การเปลี่ยนแปลงอยู่ครึ่งหน้าบนหรือไม่? → ผู้คนจำนวนมากขึ้นสังเกตเห็นการเปลี่ยนแปลงครึ่งหน้าบน จึงเป็นการเพิ่มโอกาสที่การทดสอบจะมีผลกระทบ
• การเปลี่ยนแปลงสามารถสังเกตได้ภายใน 5 วินาทีหรือไม่? → แสดงกลุ่มคนที่ควบคุมแล้วเปลี่ยนรูปแบบ พวกเขาสามารถบอกความแตกต่างหลังจากเห็นมันเป็นเวลา 5 วินาทีได้หรือไม่? ถ้าไม่เช่นนั้นก็มีแนวโน้มที่จะมีผลกระทบน้อยลง
• มันเพิ่มหรือลบอะไร? → การเปลี่ยนแปลงที่ใหญ่กว่า เช่น การลบสิ่งรบกวนสมาธิหรือการเพิ่มข้อมูลสำคัญมักจะส่งผลกระทบมากกว่า
• การทดสอบทำงานบนหน้าที่มีการเข้าชมสูงหรือไม่ → การปรับปรุงสัมพัทธ์บนหน้าที่มีการเข้าชมสูงส่งผลให้ได้เงินดอลลาร์ที่สัมบูรณ์มากขึ้น

แง่มุมที่มั่นคงของเฟรมเวิร์กนี้คือมีรากฐานมาจากข้อมูล

โดยจะถามว่าทุกปัญหาที่สังเกตพบในการทดสอบผู้ใช้ การติดตามแผนที่/ความร้อน หรือเครื่องมือวิเคราะห์อื่นๆ หรือไม่ ซึ่งจะเปลี่ยนการจัดลำดับความสำคัญจาก "ฉันคิดว่าเราควรเน้นที่ X" เป็น "ตัวเลขบอกว่า Y และ Z เป็นสาเหตุสองประการที่มีแนวโน้มมากที่สุดที่ทำให้อัตรา Conversion ต่ำของเรา"

กรอบงาน TIR

TIR ย่อมาจาก เวลา ผลกระทบ และทรัพยากร ระบบการจัดอันดับในแบบจำลอง TIR ยกเว้นมาตราส่วนเริ่มจาก 1 ถึง 5

เวลา – การทดสอบนี้ต้องใช้กี่วันในปฏิทิน ชั่วโมงทำงาน ชั่วโมงพัฒนา ฯลฯ เพื่อให้เกิดผลกระทบสูงสุด

“จะให้คะแนน 5 คะแนนสำหรับโครงการที่ใช้เวลาน้อยที่สุดในการดำเนินการและตระหนักถึงผลกระทบ”

ผลกระทบ – จำนวนรายได้ (หรือต้นทุนที่ลดลง) ที่จะเปลี่ยนแปลงในกรณีที่การทดสอบสำเร็จ คุณกำลังทดสอบกับฐานลูกค้าทั้งหมดหรือเพียงแค่กลุ่มเดียว คุณกำลังมองหาการเพิ่มขึ้น 3% หรือ 15% หรือไม่?

“จะให้คะแนน 5 คะแนนสำหรับโครงการที่ใช้เวลาน้อยที่สุดในการดำเนินการและตระหนักถึงผลกระทบ”

แหล่งข้อมูล – เครื่องมือ บุคลากร และทุกอย่างที่เกี่ยวข้องกับการทดสอบนี้มีค่าใช้จ่ายเท่าใด

“ให้คะแนน 5 เมื่อทรัพยากรที่จำเป็นมีน้อยและพร้อมสำหรับโครงการ”

ก่อตั้งขึ้นโดย Bryan Eisenberg ผู้มีประสบการณ์ด้านการเพิ่มประสิทธิภาพอัตราการแปลง โมเดล TIR สนับสนุนให้คุณเจาะลึกถึงแง่มุมของมนุษย์ในการเพิ่มประสิทธิภาพอัตรา Conversion

โมเดลนี้ทำให้คุณนึกถึงคำถามสำคัญสามข้อก่อนทำการทดสอบ:

1. เรากำลังพยายามโน้มน้าวใคร?

2. เราต้องการให้พวกเขาดำเนินการอะไรเป็นพิเศษ?

3. พวกเขาต้องการทำอะไรจริง ๆ ?

สิ่งที่คุณมักจะพบคือการกระทำที่คุณต้องการให้ผู้เยี่ยมชมทำไม่จำเป็นต้องเป็นการกระทำแบบเดียวกับที่พวกเขาต้องการ นี่คือจุดที่ความคิดเห็นของลูกค้าที่แท้จริงมีประโยชน์

เมื่อคุณลงลึกจริงๆ และขุดประเด็นที่สามารถดำเนินการได้เหล่านั้นจากแบบสำรวจลูกค้าและเครื่องมือรวบรวมข้อมูลอื่นๆ ของคุณ คุณสามารถทำการปรับปรุงที่มีประสิทธิภาพมากขึ้นในหน้าเฉพาะ ช่องทางอีเมล ฯลฯ

ขั้นตอนที่ 4: การนำไปใช้และการทดสอบ

เมื่อคุณได้จัดลำดับความสำคัญของสมมติฐานแล้ว และรู้ว่าการทดสอบใดเร่งด่วนที่สุด ก็ถึงเวลานำสมมติฐานเหล่านั้นไปปฏิบัติ

การทดสอบที่อาจเปลี่ยนเกมอาจทำให้คุณต้องมีเครื่องมือที่ดีที่สุด เพื่อช่วยคุณทำสิ่งนี้ ต่อไปนี้คือรายการเครื่องมือยอดนิยมที่จะใช้สำหรับการทดสอบของคุณ:

1) เพิ่มประสิทธิภาพ

Optimizely เป็นหนึ่งในแพลตฟอร์มการทดลองชั้นนำของโลก ซึ่งช่วยให้ทีมการตลาดและผลิตภัณฑ์สามารถทดสอบ ปรับใช้ ตรวจสอบ และปรับใช้ประสบการณ์ดิจิทัลทุกประเภท โดยเฉพาะอย่างยิ่ง Optimizely ช่วยให้คุณเข้าถึงชุดเครื่องมือทดสอบ A/B ที่ช่วยให้คุณกำหนดเป้าหมายการรับส่งข้อความของคุณได้อย่างมีประสิทธิภาพและเปิดตัวแคมเปญที่ปรับให้เหมาะกับแต่ละบุคคลมากขึ้น

2) Unbounce

ไม่ว่าจะเป็นโฮมเพจหรือหน้าลงทะเบียน คุณต้องมีเครื่องมือที่แข็งแกร่งที่สามารถช่วยให้คุณ "บีบคั้นน้ำผลไม้ให้ได้มากที่สุด" ออกจากหน้านั้น Unbounce เป็นผู้นำในการเพิ่มประสิทธิภาพหน้า Landing Page และช่วยให้คุณปรับแต่งและทดสอบหน้าที่สำคัญที่สุดในเวอร์ชันต่างๆ ได้อย่างง่ายดาย จากนั้น คุณสามารถศึกษาว่าเวอร์ชันใดทำงานได้ดีที่สุด (และเพราะเหตุใด) เพื่อปรับปรุงอัตราการแปลงของคุณ

หากคุณเป็นคนที่ไม่ต้องการยุ่งเกี่ยวกับการเขียนโค้ดหรือการออกแบบกราฟิก Unbounce จะน่าดึงดูดยิ่งขึ้นไปอีก เนื่องจากคุณจะได้รับเพจที่สวยงามและตอบสนองได้ภายในไม่กี่นาที

3) ศูนย์กลางการใช้งาน

Usability Hub เป็นแพลตฟอร์มการวิจัยผู้ใช้ระยะไกลที่นำการคาดเดาออกจากการตัดสินใจออกแบบโดยการตรวจสอบกับผู้ใช้จริง หรือที่เรียกว่ามีดทหารสวิสของการวิจัยผู้ใช้ คุณสามารถทำการทดสอบต่างๆ เช่น การทดสอบการคลิกครั้งแรก การทดสอบความชอบ และการทดสอบห้าวินาทีเพื่อยืนยันสมมติฐานของคุณ

ด้วยเครื่องมือนี้ จะไม่มี "ฉันคิดว่านั่นคือสีที่ผู้ใช้ชอบ " และ "การวิจัยและการทดสอบที่เราดำเนินการพิสูจน์ให้เห็นว่าผู้ใช้ตอบสนองต่อจานสีนี้มากที่สุด" อีกต่อไป

คุณกำลังหยิบหัวข้อที่ครอบคลุมของโพสต์นี้หรือยัง มันเกี่ยวกับการเข้าใกล้ความแน่นอนในการตัดสินใจของคุณมากที่สุดเพราะแหล่งข้อมูลของคุณสนับสนุนความคิดของคุณ!

4) AB เทสตี้

AB Tasty เป็นแพลตฟอร์มการเพิ่มประสิทธิภาพอัตราการแปลงแบบครบวงจรที่ให้คุณทำการทดสอบได้มากมายบนอะไรก็ได้ ด้วยการใช้งานที่ขับเคลื่อนด้วย AI และการปรับเปลี่ยนในแบบของคุณ คุณจะได้รับข้อมูลเชิงลึกของผู้ใช้ ทดลอง ปรับแต่งให้เป็นส่วนตัว และเพิ่มการมีส่วนร่วมและ Conversion ได้อย่างรวดเร็ว

ด้วยชื่อที่ใหญ่ที่สุดในอุตสาหกรรมต่างๆ ที่ใช้ AB Tasty เป็นแพลตฟอร์มการทดสอบ คุณจึงมั่นใจได้ว่าคุณกำลังใช้ผลิตภัณฑ์ที่ดีที่สุดในตลาดเมื่อพูดถึงการเพิ่มประสิทธิภาพอัตรา Conversion

5) Google Optimize

Google Optimize เป็นแพลตฟอร์มการเพิ่มประสิทธิภาพที่สร้างขึ้นบน Google Analytics ซึ่งหมายความว่าคุณต้องใช้ข้อมูล GA ที่มีอยู่เพื่อดูสิ่งที่สามารถปรับปรุงได้อย่างรวดเร็ว คุณยังสามารถได้รับประโยชน์จากเครื่องมือสร้างแบบจำลองทางสถิติขั้นสูงรวมถึงชุดเครื่องมือกำหนดเป้าหมายที่ซับซ้อนอีกด้วย

6) VWO

VWO เป็นอีกหนึ่งแพลตฟอร์มแบบครบวงจรสำหรับการเพิ่มประสิทธิภาพอัตราการแปลงที่ช่วยให้คุณดำเนินการวิจัยผู้เยี่ยมชม สร้างแผนงานการเพิ่มประสิทธิภาพ และดำเนินการทดสอบอย่างต่อเนื่อง

เราได้พูดถึงความสำคัญของการสร้างระบบการทดสอบ Conversion ที่มั่นคง เพื่อที่คุณจะได้ไม่ต้องเริ่มต้นใหม่ทุกครั้งสำหรับการทดสอบในอนาคต คุณจะดีใจที่รู้ว่า VWO มีรากฐานมาจากการเพิ่มประสิทธิภาพตามกระบวนการ และสามารถช่วยคุณค้นหาวิธีปรับปรุงประสบการณ์ผู้ใช้ของคุณอย่างต่อเนื่อง

นอกจากนี้ คุณสามารถเรียกใช้การทดสอบ A/B ในปริมาณมากโดยไม่ลดประสิทธิภาพการทำงาน เนื่องจาก VWO สร้างขึ้นเพื่อรองรับการทดสอบระดับองค์กร

7) รีแบรนด์

Rebrandly เป็นแพลตฟอร์มที่รู้จักกันดีสำหรับการสร้างและจัดการ URL แบบสั้นที่กำหนดเอง นอกจากนี้ยังเป็นเครื่องมือวิเคราะห์ที่มีประสิทธิภาพที่สามารถช่วยคุณทำการทดสอบการเพิ่มประสิทธิภาพอัตราการแปลงบนเว็บไซต์ของคุณ

URL แบบสั้นที่กำหนดเอง (หรือลิงก์ที่มีแบรนด์) สามารถใช้ในการเก็บรวบรวมแหล่งข้อมูลจำนวนมากตามการคลิก ซึ่งเป็นข้อมูลที่คุณสามารถใช้ทดสอบองค์ประกอบเล็กๆ น้อยๆ แต่มีความสำคัญในหน้าเว็บใดๆ ที่คุณสร้างขึ้น ตั้งแต่ปุ่มไปจนถึงตัวเลือกเมนูการนำทาง และอื่นๆ อีกมากมาย

การทดสอบ A/B กับการทดสอบแบบแยกส่วนกับการทดสอบแบบหลายตัวแปร

ที่มา: Wingate Media

การทดสอบ A/B คือเมื่อคุณเปรียบเทียบหน้าเดียวกันตั้งแต่สองเวอร์ชันขึ้นไปโดยดูที่อัตรา Conversion และเมตริกที่สำคัญต่อธุรกิจของคุณ (เช่น การคลิก การดู การลงชื่อสมัครใช้ ฯลฯ)

ตัวอย่างเช่น หากคุณเปลี่ยนชื่อในหน้า Landing Page คุณสามารถกำหนดเป้าหมายหน้า Landing Page ทั้งหมดในคราวเดียวและจะถือเป็นรูปแบบต่างๆ ของกลุ่มเดียวกัน กลุ่มนี้คือชื่อหรือชื่อการสังเกตที่คุณกำหนดให้กับการทดสอบเฉพาะ (ตัวอย่าง: กลุ่มทดสอบชื่อหน้า Landing Page1) หวังว่าคุณจะมีชื่อกลุ่มที่เท่กว่านี้มาก แต่คุณเข้าใจแล้ว

สุดท้ายนี้ การทดสอบ A/B เป็นวิธีที่ยอดเยี่ยมในการได้ผลลัพธ์ที่รวดเร็ว บรรลุผลและเพิ่มเวลาการทดสอบให้สูงสุด

หากคุณมีการเข้าชมไซต์ของคุณเป็นจำนวนมาก และต้องการทดสอบส่วนสำคัญบนหน้าเว็บ นี่คือที่ที่คุณจะเรียกใช้ การทดสอบ หลายตัวแปร การทดสอบ A/B จะพิจารณาการเปลี่ยนแปลงทั้งหน้า ในขณะที่การทดสอบหลายตัวแปรจะพิจารณาที่ส่วนสำคัญบนหน้าและวิธีที่พวกมันโต้ตอบกัน

ด้วยเหตุนี้ การทดสอบหลายตัวแปรจึงซับซ้อนกว่าการทดสอบ A/B เนื่องจากมีเลเยอร์ที่เกี่ยวข้องมากกว่า เมื่อคุณทดสอบส่วนสำคัญต่างๆ คุณจะได้รับชุดค่าผสมที่เป็นไปได้จำนวนมากซึ่งอาจพิสูจน์ได้ว่ายากเกินกว่าจะรับมือได้ หากคุณไม่ใช่นักการตลาดที่มีประสบการณ์

ลองอ่าน โพสต์ นี้ เพื่อทำความเข้าใจว่าตัวแปรหลายตัวเป็นอย่างไร

การทดสอบแบบแยกส่วน เป็นที่ที่คุณทดสอบองค์ประกอบเดียวบนหน้าเว็บ และดูว่าผลลัพธ์สำหรับหน้านั้นแตกต่างจากเวอร์ชันดั้งเดิมอย่างไร ซึ่งอาจดูคล้ายกับการทดสอบ A/B เพราะมันเหมือนกัน

ความแตกต่างระหว่างการทดสอบ A/B หรือที่เรียกว่าการทดสอบแยกและการทดสอบหลายตัวแปรคือการทดสอบแบบเดิมหนึ่งรูปแบบในขณะที่การทดสอบแบบหลังทดสอบ ชุดค่าผสมหลายชุดพร้อมกัน  

องค์ประกอบอันดับต้นในการทดสอบ A/B

การตัดสินใจเลือกองค์ประกอบอันดับต้นๆ เพื่อทดสอบอาจเป็นเรื่องยาก การทดสอบทุกแง่มุมแบบสุ่มของเว็บไซต์ของคุณนั้นเป็นผลเสียอย่างเห็นได้ชัด (เว้นแต่คุณจะมีเวลาและทรัพยากรที่จะทำอย่างนั้น) อ้างถึงวิธีการจัดลำดับความสำคัญในบทด้านบนเพื่อช่วยในเรื่องนี้

เพื่อให้คุณได้เริ่มต้นในตำแหน่งที่ชัดเจนในการเริ่มการทดสอบบนหน้าเว็บ ต่อไปนี้ คือ รายการที่เป็นประโยชน์จาก Neil Patel กูรูด้านการตลาด หากมี "กูรูด้านการตลาด" คนไหนที่คุณควรติดตามเทคนิคการเพิ่มประสิทธิภาพอัตรา Conversion นั่นก็คือเขา

ในบทความนี้ คุณจะพบกับตรรกะเบื้องหลังการทดสอบการพิมพ์ สี การวางตำแหน่ง แผนราคา วิดีโอ รูปภาพ และอื่นๆ อีกมากมาย!

โปรดจำไว้ว่า แม้ว่า Neil จะเป็นนักการตลาดที่ขับเคลื่อนด้วยข้อมูลที่น่าเคารพนับถือ แต่องค์ประกอบบางอย่างที่เขากล่าวถึงอาจไม่สอดคล้องกับเป้าหมายธุรกิจของคุณโดยเฉพาะ ที่ดีอย่างสมบูรณ์

โปรดจำไว้ว่าการเพิ่มประสิทธิภาพอัตรา Conversion จำนวนมากเป็นเรื่องส่วนตัว และทุกธุรกิจมีเป้าหมายที่แตกต่างกัน!

การทดสอบ A/B ควรใช้เวลานานเท่าใด

นี่เป็นคำถามที่ยุ่งยากเพราะมีปัจจัยหลายอย่างเข้ามาเกี่ยวข้อง ปัจจัยต่างๆ เช่น ขนาดกลุ่มตัวอย่าง ความเชื่อมั่นทางสถิติ ฤดูกาล ความเป็นตัวแทนของกลุ่มตัวอย่าง และเวลา ไม่มีคำตอบที่แน่ชัดว่าการทดสอบ A/B ควรสั้นหรือยาวเพียงใด เพราะ... ดรัมม้วน... ขึ้นอยู่กับอุตสาหกรรมของคุณ ท่ามกลางปัจจัยอื่นๆ

อย่างไรก็ตาม นั่นไม่ได้หมายความว่าการทำการทดสอบเป็นเวลา 1 หรือสองวันก็เพียงพอแล้ว โดยทั่วไป ช่วงสองสามสัปดาห์ถึงหนึ่งเดือนถือได้ว่าเป็นเขตปลอดภัยสำหรับการทดสอบ ที่รวบรวมข้อมูลได้ถูกต้อง เงื่อนไขไม่ผิดปกติ การทดสอบดำเนินการโดยนักการตลาดที่มีประสบการณ์

การหาผู้ชนะและข้อผิดพลาดของผู้เชี่ยวชาญ Make

การกำหนดความถูกต้อง ของการทดสอบสามารถทำได้ใน 3 ขั้นตอน:

ขั้นตอนที่ 1: คำนวณขนาดตัวอย่างขั้นต่ำ

กำหนดระดับความมั่นใจที่คุณต้องการในผลการทดสอบของคุณ (เช่น 90-95% ถือเป็นเป้าหมายที่มั่นคงในการกำหนดเป้าหมายเป็นส่วนใหญ่) และคำนวณขนาดกลุ่มตัวอย่างตามตัวเลขนั้น ซึ่งจะทำให้คุณมีจำนวนผู้เข้าชมขั้นต่ำที่รูปแบบของคุณต้องการ

ขั้นตอนที่ 2: ตรวจสอบความคลาดเคลื่อนในส่วนต่างๆ

ก่อนเสร็จสิ้นการทดสอบ คุณควรทราบวิธี แบ่งกลุ่ม ผู้เยี่ยมชมของคุณ ด้วยตัวอย่างขั้นต่ำและเซ็กเมนต์ ให้ตรวจสอบความคลาดเคลื่อนที่สำคัญ และหากไม่มี ให้ดำเนินการที่เหลือต่อไป

ขั้นตอนที่ 3: ประเมินวงจรธุรกิจของคุณ

ดังที่กล่าวไว้ข้างต้น วัฏจักรธุรกิจและฤดูกาลสามารถมีบทบาทสำคัญในความถูกต้องของการทดสอบการเพิ่มประสิทธิภาพใดๆ ทำการทดสอบเป็นรอบต่างๆ และเปรียบเทียบว่าแต่ละส่วนต่างกันมากน้อยเพียงใด (เช่น ผู้เข้าชมและยอดขายเหมือนกันในไตรมาสที่ 4 ของช่วงคริสต์มาส/ปีใหม่เป็นช่วงที่เหลือของปีหรือไม่)

แม้ว่าจะมีตัวเลขที่ถูกต้องในโลก แต่ก็มีข้อผิดพลาดที่ต้องทำ ต่อไปนี้คือบทสรุปของ ข้อผิดพลาดในการทดสอบอันดับต้นๆ ที่แม้แต่มืออาชีพก็ยังทำ:

• ทำการทดสอบ A/B โดยไม่มีการเข้าชมหรือ Conversion เพียงพอ
• ไม่ใช่การทดสอบสมมติฐาน
• ไม่ส่งข้อมูลไปยัง Google Analytics
• ยอมแพ้หลังจากการทดสอบครั้งแรกล้มเหลว
• ไม่เข้าใจผลบวกลวง
• ไม่ได้ทำการทดสอบเป็นประจำ

ข้อผิดพลาดเหล่านี้เป็นเพียงส่วนน้อยจากหลายๆ ข้อผิดพลาดที่พบได้บ่อยในการทดสอบ A/B

เป็นกระบวนการที่ไม่สิ้นสุดที่จะเตะตูดของคุณหลายครั้ง แต่จะนำธุรกิจของคุณไปสู่ระดับต่อไปหากคุณเรียนรู้ที่จะยอมรับมัน สิ่งนี้ใช้ได้กับทั้งมือใหม่และมืออาชีพ

กำลังวิเคราะห์ผลลัพธ์ของคุณ

หากคุณต้องการเพิ่มจำนวนผู้ที่ลงทะเบียนทดลองใช้ผลิตภัณฑ์ฟรี คุณอาจต้องการตั้งเป้าหมายสำหรับผู้ที่เข้าสู่หน้าลงทะเบียนและผู้ที่ผ่านสายงานจริงและลงชื่อสมัครใช้ .

ในแพลตฟอร์มการทดสอบใดก็ตามที่คุณใช้ คุณควรเห็นการทดสอบที่ทำงานอยู่และข้อบ่งชี้บางอย่างว่ารูปแบบใหม่นั้นมีการปรับปรุงการแปลงหรือไม่ ดูตัวเลขทั้งสองอย่างระมัดระวัง (รูปแบบเดิมเทียบกับรูปแบบใหม่) และดูเปอร์เซ็นต์ของการเติบโตตลอดจนศักยภาพที่ตัวเลขทั้งสองมี (รวมถึงเปอร์เซ็นต์ด้วย) ที่จะเอาชนะตัวเลขเดิม หากเปอร์เซ็นต์นั้นต่ำกว่าเป้าหมายในอุดมคติ 90-95% ให้เพิ่มประสิทธิภาพต่อไปและทำการทดสอบต่อไปเพื่อให้บรรลุเป้าหมายนั้น

หากคุณได้ผลลัพธ์ที่สรุปไม่ได้ นี่คือบางสิ่งที่คุณสามารถทำได้:

1) แบ่งส่วนข้อมูล

แต่ละกลุ่มมักจะเปิดเผยข้อมูลที่ชัดเจนกว่ากลุ่มที่เป็นก้อน ดูกลุ่มต่างๆ เช่น แหล่งที่มาของการเข้าชม อุปกรณ์ และสิ่งอื่น ๆ ที่เหมาะสมในธุรกิจของคุณ บางครั้งคุณจำเป็นต้องเจาะลึกลงไปในตัวเลขเพื่อหาความชัดเจน โดยเฉพาะอย่างยิ่งกับการทดสอบ A/B

2) อย่าทดสอบสิ่งที่ไม่สำคัญ

อีกเหตุผลหนึ่งสำหรับผลลัพธ์ที่สรุปไม่ได้ก็คือการทดสอบที่ทำกับสิ่งที่ไม่สำคัญต่อธุรกิจจริงๆ ตรวจสอบให้แน่ใจว่าการทดสอบทั้งหมดของคุณได้รับการสนับสนุนโดยสมมติฐานและได้รับการจัดลำดับความสำคัญอย่างชัดเจนก่อนที่จะเริ่มที่จะทดสอบทุกสิ่งบนหน้าเว็บของคุณ

3) ท้าทายสมมติฐานของคุณ

หากคุณทำตามขั้นตอนใดขั้นตอนหนึ่งแล้วยังคงได้ผลลัพธ์ที่สรุปไม่ได้ อาจถึงเวลาที่ต้องแก้ไขสมมติฐานและแม้แต่จะทิ้งมันทั้งหมดเข้าด้วยกัน คุณสามารถทดสอบรูปแบบใหม่บนสมมติฐานเดียวกันหรือกลับไปที่กระดานวาดภาพเพื่อทำความเข้าใจข้อมูลที่คุณรวบรวมได้ดีขึ้นและสร้างสมมติฐานที่แข็งแกร่งขึ้น

ในบทความนี้ คุณได้เรียนรู้เกี่ยวกับ 5 ขั้นตอนของกระบวนการเพิ่มประสิทธิภาพการแปลง

คุณได้เรียนรู้วิธีที่ดีที่สุดในการรวบรวมข้อมูล คุณค้นพบวิธีสร้างสมมติฐานที่ขับเคลื่อนด้วยข้อมูล คุณค้นพบรูปแบบที่ดีที่สุดเพื่อจัดลำดับความสำคัญของสมมติฐาน จากนั้นคุณได้เรียนรู้วิธีนำแนวคิดเหล่านั้นไปทดสอบโดยใช้เครื่องมือที่ดีที่สุดใน โลก. สุดท้ายนี้ คุณได้เรียนรู้วิธีสรุปผลการวิจัยและท้าทายสมมติฐานของคุณ

ข้อควรจำ: การเพิ่มประสิทธิภาพอัตราการแปลงเป็นกระบวนการที่กำลังพัฒนา

มีช่วงการเรียนรู้ขนาดใหญ่ในแทบทุกขั้นตอนของกระบวนการ CRO และบางครั้งก็สามารถครอบงำได้ มุ่งมั่นที่จะเรียนรู้กระบวนการ มุ่งมั่นที่จะเพิ่มประสิทธิภาพอย่างสม่ำเสมอ และมุ่งหวังผลลัพธ์ที่ดีกว่าเสมอ มุ่งมั่นที่จะเติบโต

อย่าลืมว่า OptiMonk เป็นเครื่องมือเพิ่มประสิทธิภาพการแปลงที่ช่วยให้คุณส่งข้อความที่กำหนดเองไปยังผู้เยี่ยมชมของคุณและเปลี่ยนให้เป็นลูกค้า สร้างบัญชีฟรีตอนนี้และดูว่าคุณสามารถทำอะไรได้บ้าง

คุณพร้อมที่จะดำดิ่งลงไปในน่านน้ำของ CRO ด้วยบทความนี้เป็นแนวทางของคุณหรือไม่? แสดงความคิดเห็นด้านล่าง👇👇