Khi bạn thiết kế các landing page, viết email marketing hoặc thiết kế các nút CTA – Kêu gọi hành động, bạn thường phải sử dụng trực giác của mình để dự đoán điều gì sẽ kích thích người dùng click và tối ưu tỉ lệ chuyển đổi – conversion rate optimization.

Tuy nhiên, nếu chỉ marketing dựa trên “trực giác” không phải lúc nào cũng mang lại kết quả chính xác!

Thay vì đưa ra phỏng đoán hay giả định, có một cách thức có thể giúp bạn biết chính xác hành vi, suy nghĩ của người dùng – chạy A/B Testing.

Trong bài viết này, tôi sẽ giải thích cụ thể cho bạn:

  • A/B Testing là gì?
  • Những lợi ích khi dùng A/B Testing là gì?
  • Quy trình tiến hành A/B Testing
  • Ứng dụng của A/B testing
  • Các lỗi A/B Testing thường gặp

I. A/B Testing là gì?

A/B Testing giúp các marketer quan sát và thử nghiệm sự thay đổi của một nội dung marketing tác động như thế nào tới tỷ lệ chuyển đổi của người dùng (Conversion rate, hay còn được gọi là CR). Từ đó, các nhà quản trị có thể đưa ra đề xuất và quyết định có áp dụng những thay đổi vào thực tiễn hay không.

Thông thường, các marketer thực hiện các bài kiểm tra A/B dưới 2 dạng:

Dạng 1: Test trải nghiệm khách hàng (UX Test)

Có khi nào bạn nghĩ việc đặt nút CTA ở đầu trang sẽ đem lại tỷ lệ chuyển đổi cao hơn khi đặt ở cuối trang?

Để trả lời câu hỏi này, bạn chỉ còn cách sử dụng bài test A/B để kiểm tra. Trong trường hợp này, phiên bản web có nút CTA đặt sẵn ở cuối trang là phiên bản A (hay còn gọi là phiên bản Control). Phiên bản thử nghiệm còn lại (nút CTA đặt ở đầu trang) là phiên bản B (còn có tên gọi khác là phiên bản Challenger).

Sau đó, bạn thực hiện test bằng cách cho người dùng trải nghiệm cả 2 phiên bản trong cùng một khoảng thời gian. Bài test thành công khi có số lượng phần trăm khách ghé thăm tương đương nhau, trong khoảng thời gian đủ dài để các số liệu đo lường được không phải là ngẫu nhiên.

Dạng 2: Test thiết kế

Khi bạn băn khoăn không biết nên chọn màu đỏ hay màu xanh cho nút CTA ở trang landing page, đó là lúc A/B Testing lên tiếng.

Bài thực hiện bài test với 2 phiên bản: Phiên bản 1 với nút CTA có màu sắc hiện tại mà bạn đang dùng cho trang landing page (trong trường hợp này là màu đỏ). Phiên bản 2 là nút CTA với màu sắc khác so với phiên bản 1 (màu xanh). Sau đó bạn chạy cùng một lúc cả 2 phiên bản để tính toán số lượt chuyển đổi từ người dùng.

Đó chính là cách mà các nhà quản trị test liên quan tới khía cạnh thiết kế trực quan của một nội dung digital.

II. Những lợi ích khi dùng A/B Testing là gì?

A/B Testing cho phép các cá nhân, nhóm và doanh nghiệp thực hiện những thay đổi thận trọng cho trải nghiệm người dùng (user experience) trong khi thu thập những dữ liệu cho kết quả. Dưới đây là những điều bạn nhận được khi áp dụng thành công những dữ liệu thu thập được từ bài test A/B:

Tăng lượng traffic:

Bài test A/B có thể làm tăng số lượng người dùng truy cập từ một trang blog/landing page nào đó đến trang đích mà bạn muốn khách hàng lưu tới.

Tăng tỷ lệ chuyển đổi:

Mục tiêu hàng đầu của bài A/B Testing là khiến khách hàng click vào nút “Mua hàng”, điền form, gọi điện,… Rất nhiều những trường hợp, chỉ vì doanh nghiệp thay đổi màu sắc của một nút CTA mà số lượng đơn đặt hàng sản phẩm của khách hàng tăng vọt.

Giảm tỷ lệ thoát:

Những trải nghiệm tồi có thể khiến khách hàng rời khỏi trang web của bạn và tìm nguồn thông tin mới. Bài test A/B có thể giúp bạn tìm hiểu nguyên nhân của vấn đề và hạn chế tỷ lệ thoát trên website.

Giảm tỷ lệ “bỏ rơi” giỏ hàng:

Thông thường trên các trang thương mại điện tử có từ 40 – 75% khách hàng thêm hàng vào giỏ nhưng lại không xúc tiến bất kỳ hoạt động thanh toán nào. Bài test A/B sẽ giúp bạn tìm ra nguyên nhân của vấn đề này.

III. Quy trình tiến hành A/B Testing

Để thực hiện một quy trình A/B testing (hay bất cứ quá trình thử nghiệm nào khác) đúng mực thì cần tuân theo phương pháp khoa học thông thường, gồm các bước sau:

1. Đặt câu hỏi:

Cần phải đặt ra câu hỏi để làm định hướng và mục tiêu cho quá trình A/B testing và rõ ràng để biết sau khi test thì sẽ nhận kết quả là gì. Các câu hỏi đặt ra có thể đại loại là: “làm sao để giảm bounce rate cho trang landing page?” hoặc “làm sao để tăng số người đăng ký cho form trên trang chủ?” hay là “làm sao để cải thiện CTR của banner quảng cáo?”.

2. Nghiên cứu tổng quan:

Cần phải hiểu và nắm được hành vi của các khách hàng khi họ thực hiện các conversion bằng các công cụ đo lường cho từng kênh, cho website thì có thể là Google Analytics, cho Email thì có thể là các email client, social thì là social listening tools.

3. Đặt ra một giả thuyết:

Với câu hỏi có bên trên và những gì biết về hành vi của khách hàng khi thực hiện conversion, bạn hãy thử nghĩ ra một giả thuyết về để giải quyết câu hỏi đặt ra phía trên. “Có một đường link tới trang hướng dẫn ở dưới footer có thể giảm bounce rate”, “làm cho nút đăng ký nổi bật hơn sẽ làm tăng số người đăng ký” hay “banner với hình ảnh một cô gái xinh đẹp sẽ có CTR cao hơn” là những ví dụ về các giả thuyết cho các câu hỏi được nêu trên.

4. Xác định mẫu thử và thời gian thực hiện test:

Bước tiếp theo là bạn cần phải xác định số lượng khách hàng mà sẽ được tiến hành việc A/B testing. Số lượng mẫu thử phải đủ lớn để có thể thấy được sự khác biệt giữa 2 phiên bản A/B một cách rõ rệt sau quá trình test. Thời gian test cũng cần được xác định một cách hợp lý để đảm bảo kết quả không bị ảnh hưởng bởi yếu tố thời vụ, tác động từ bên ngoài khiến nhu cầu và hành vi của khách hàng thay đổi. Bạn có thể sử dụng thử công cụ ước lượng để tính toán thời gian chạy test.

5. Tiến hành test:

Tạo ra thêm phiên bản mới B để thử nghiệm với phiên bản gốc A. Phiên bản B này sử dụng giả thuyết mà bạn đã đặt ra (có link dưới footer, nút đăng ký nổi bật hơn, banner có hình cô gái đẹp) và sẽ được đo lường về conversion rate với phiên bản A.

6. Thu thập thông tin và tiến hành phân tích:

Nếu sau quá trình A/B testing và bạn thấy được rằng phiên bản B mang lại conversion rate cao hơn phiên bản A (bounce rate giảm, người đăng ký tăng, CTR tăng) thì tức là phiên bản B hiệu quả hơn. Nhưng nếu conversion rate thấp hơn hoặc không thay đổi thì tức là giả thuyết để giải quyết vấn đề của bạn không đúng. Lúc này cần quay lại bước thứ 3 và tìm một giả thuyết mới để tiếp tục.

7. Cung cấp kết quả cho tất cả các bên liên quan:

Gửi các thông tin và insights tìm được sau quá trình thử nghiệm cho các bộ phận liên quan (lập trình, thiết kế UI/UX, team tối ưu hóa, v.v…). Tiến hành thay thế phiên bản A bằng phiên bản B nếu B thực hiệu quả hơn sau khi đã xem xét hết tất cả các khả năng có thể xảy ra nếu thay thế.

Lập lại quy trình test này từ đầu để giải quyết một câu hỏi, một vấn đề khác.

IV. Ứng dụng của A/B testing

Với A/B testing bạn có thể ứng dụng và cải thiện được rất nhiều thứ cho quy trình hoạt động và phát triển web, quảng cáo online / offline, cho tới mobile app và email marketing.

1. Cho website

Chủ yếu là liên quan đến vấn đề giao diện web và trải nghiệm người dùng (UI/UX) vì đây là các yếu tố tác động trực tiếp đến việc người dùng có thể thực hiện conversion trên website hay không. Với một trang web bạn có thể A/B testing hết toàn bộ những yếu tố nào có thể ảnh hưởng đến hành vi của người dùng như hình ảnh, tựa đề, nội dung, call to action, form điền thông tin, v.v… Test lần lượt từng yếu tố mà bạn cảm thấy có thể cải thiện để gia tăng conversion rate. Xem thêm các ứng dụng phân tích và A/B testing cho web.

2. Cho quảng cáo và bán hàng

Đối với mảng online thì A/B testing thường được dùng để đo lường hiệu quả của các mẫu quảng cáo khác nhau. Ví dụ như khi bạn viết copy quảng cáo Adwords cho cùng 1 nhóm từ khóa (ad group), luôn nên viết 2 mẫu quảng cáo khác nhau và cho chạy song song để biết mẫu quảng cáo nào hiệu quả hơn sau một thời gian chạy. Tương tự với các quảng cáo GDN hay Facebook, sử dụng các thiết kế quảng cáo khác nhau cho cùng một chiến dịch để đo lường hiệu quả sau đó chọn mẫu thiết kế nào hiệu quả hơn để chạy tiếp. Việc tối ưu hóa quảng cáo thường xuyên bằng cách test các lựa chọn khác nhau sẽ giúp bạn liên tục cải thiện được conversion rate và giúp quảng cáo chạy ngày càng hiệu quả hơn.

Đối với mảng offline thì A/B testing thường có thể được dùng để đánh giá hiệu quả của các kênh quảng cáo như báo giấy, tờ rơi, billboard… Chẳng hạn bằng cách sử dụng các mã coupon khác nhau cho từng mẫu quảng cáo trên báo, mẫu tờ rời, hoặc billboard, nhà quảng cáo có thể nắm được mẫu quảng cáo nào hiệu quả hơn thông qua việc có nhiều người sử dụng mã couple nào hơn. Một số trường hợp khác có thể sử dụng số điện thoại khác nhau để thay cho mã coupon.

Một ứng dụng khác trong bán hàng tại các cửa hàng có thể bao gồm việc sắp xếp vị trí các sản phẩm theo các vị trí khác nhau để đo lường sự chú ý của khách hàng và cuối cùng khiến họ mua nhiều hơn. Điều này cho thấy khả năng áp dụng của A/B testing là rất đa dạng và rất linh động tùy theo mục tiêu được đặt ra.

3. Cho ứng dụng di động

A/B testing cũng được ứng dụng trong việc phát triển ứng dụng di động và tương tự như website, chủ yếu nhằm cải thiện UI/UX của sản phẩm. Với các ứng dụng điện thoại di động thì việc tiến hành testing thường khó khăn hơn nhiều cả về mặt kỹ thuật lẫn về hành vi người dùng. Về mặt kỹ thuật thì để tiến hành test, thì phiên bản ứng dụng cần được cập nhật, được duyệt bởi AppStore hay Google Play rồi mới đến với người dùng do đó tốn nhiều thời gian hơn. Về phương diện hành vi người dùng, không phải ai cũng sẽ cập nhật ngay phiên bản mới và trải nghiệm người dùng trên điện thoại di động hoàn toàn khác so với trên web.

Hiện nay có nhiều công cụ hỗ trợ A/B testing dành cho ứng dụng di động trên thị trường, cá nhân thì tôi đã có cơ hội thử qua 2 công cụ là Splitforce và Apptimize và cả 2 đều khá tốt. Bạn cũng có thể tham khảo thêm danh sách 20 công cụ A/B testing cho điện thoại di động.

4. Cho email marketing

Đã qua rồi cái thời mà đẩy hàng trăm ngàn email đi và nghĩ rằng người dùng sẽ đọc được những email của mình gửi. Các email clients ngày càng có các bộ lọc tinh xảo hơn, tống tất cả các spam email vào thùng rác và dù cho là vậy khách hàng vẫn bị chôn vùi bởi hàng chục thậm chí hàng trăm email mỗi ngày. Điều quan trọng là làm thế nào để khách hàng chịu mở email của mình ra xem và tương tác với các email đó. Câu trả lời chính là A/B testing. Bạn phân vân không biết câu title nào sẽ hấp dẫn người đọc hơn để tăng open rate, hãy test. Bạn không biết nên dùng CTA nào để khiến người dùng bấm vào link, hãy test.

Hiện nay hầu hết các tool gửi email như MailChimp, BenchmarkEmail, đều có tính năng cho phép A/B testing các nội dung được gửi ra để có thể đo lường hiệu quả của chiến dịch được gửi.

V. Các lỗi A/B Testing thường gặp

1. Công cụ testing của bạn bị lỗi

Sự nổi tiếng là một con dao hai lưỡi và điều này vẫn luôn đúng ngay cả với phần mềm A/B testing.

Sự phổ biến của phương pháp testing A/B đã tạo ra nhiều phần mềm với chi phí thấp và tuyệt vời, nhưng về chất lượng thì lại không nhất quán.

Nhiều công cụ khác nhau dĩ nhiên sẽ có chức năng khác nhau nhưng có vài điểm khác biệt bạn cần phải lưu ý. Và nếu bạn không ý thức được những điểm khác biệt đó thì quá trình A/B testing sẽ gặp khó khăn từ trước khi bạn bắt đầu.

Thực tế đã chỉ ra rằng trung bình mỗi lần load trang kéo dài thêm 1 giây cũng làm giảm đi 11% lượt viewvà kèm theo đó, tỉ lệ chuyển đổi cũng giảm 7%. Điều này tạo ra một cơn ác mộng thực sự khi mọi nỗ lực cải thiện website bằng A/B testing lại cản trở tiến trình làm việc của bạn.

Và ngay cả khi bạn nghĩ, mọi chuyện không thể tồi tệ hơn được nữa, thì chính quyết định lựa chọn phần mềm A/B testing nào của bạn cũng sẽ tác động đến kết quả của việc kiểm tra.

Neil Patel là một chủ doanh nghiệp và là một người có sức ảnh hưởng. Patel đã phát hiện rằng phần mềm A/B Testing anh ấy hiện đang sử dụng có những điểm khác biệt rõ rệt. Nhưng khi ông tạo một trang mới thì lại không nhận thấy sự thay đổi trong việc chuyển đổi.

Nguyên nhân thật ra bắt nguồn từ công cụ testing (testing tool) bị lỗi.

Vậy những việc bạn nên làm để đảm bảo hiệu quả hoạt động của phần mềm testing A/B là gì trong vô vàn bẫy ngầm đang đợi bạn?

Cách giải quyết – Chạy A/A test

Trước khi chạy A/B test, bạn nên chạy A/A test với phần mềm của mình để đảm bảo phần mềm vẫn hoạt động mà không tác động đến tốc độ và hiển thị nội dung của trang.

Đối với dân nghiệp dư, A/A test cũng giống như A/B test. Điểm khác nhau chính là trong A/A test, cả 2 nhóm người dùng đều nhìn thấy cùng một trang web.

Đúng vậy, điều phải làm ở đây là bạn cần phải so sánh trang web đó với chính bản thân nó.

Nghe có vẻ hơi vô lý, nhưng khi chạy A/A test, bạn sẽ nhận ra nhiều vấn đề bắt nguồn từ phần mềm kiểm tra.

Riêng đối với A/A test, bạn sẽ muốn kết quả kiểm tra của mình vô vị một tí.

Bởi nếu bạn thấy tỉ lệ chuyển đổi bị giảm ngay khi bạn bắt đầu kiểm tra thì có lẽ công cụ bạn đang dùng đang làm chậm nó. Và nếu bạn thấy có nhiều sự khác biệt đáng kể giữa 2 trang thì có lẽ phần mềm của bạn mới là thứ bị lỗi.

2. Ngừng test ngay khi kết quả đạt mức

Về mặt thống kê số liệu, việc này giống như là ôm banh rồi về nhà vậy. Thực ra, khi tiến hành A/B testing, việc ngừng test ngay khi bạn thấy kết quả mong muốn không chỉ đơn thuần là hành động phi thể thao, mà nó còn khiến kết quả mà bạn tạo ra trở nên vô nghĩa.

Rất nhiều công cụ dung túng cho hành vi này bằng cách cho phép người dùng ngưng kiểm tra ngay khi đạt được kết quả mong muốn.

Nhưng nếu bạn thực sự muốn cải thiện trang web của mình, bạn cần phải thay đổi ngay ý định muốn kết thúc quá trình A/B Testing sớm.

Vấn đề ở đây được gọi là “false positives”: những kết quả đó sai lầm khi chỉ ra sự khác biệt giữa các trang với nhau. Bạn càng kiểm tra kết quả thường xuyên, bạn sẽ càng có nhiều cơ hội nhận được kết quả vốn tưởng là đúng nhưng bị khẳng định nhầm.

Điều này sẽ không thành vấn đề nếu bạn bình tĩnh và tiếp tục kiểm tra thêm. Tuy nhiên nếu bạn kết thúc quá trình kiểm tra ngay khi bạn thấy kết quả khả quan thì có lẽ bạn đã bị “false positives” lừa rồi.

Công ty phân tích Heap đưa ra kết quả mô phỏng cho thấy việc kết thúc kiểm tra quá sớm sẽ nguy hại đến kết quả của bạn như thế nào.

Bằng phương pháp kiểm tra số liệu, sau đó kiểm tra kết quả từ 1000 người dùng cho thấy có 5% là “false positives”.

Nếu người kiểm tra xem lại kết quả từ cùng nhóm người dùng đó 10 lần, khả năng gặp “false positives” sẽ tăng lên đến 19.55%. Và nếu kiểm tra 100 lần, thì 5% ban đầu sẽ gấp 8 lần, lên đến 40,1%.

Những con số này sẽ giúp cảnh tỉnh bạn nếu lần kế tiếp bạn háo hức muốn kết thúc sớm với kết quả khả quan.

Cách giải quyết – Bám theo một kích cỡ mẫu được định sẵn

Hiểu được false positives là gì là một chuyện, còn để đối đầu với false positives là một chuyện khác. Để đối đầu với false positives, bạn phải đặt ra quy tắc. Bạn nên có một bộ mẫu trước khi chạy A/B test và chống lại cám dỗ khiến bạn muốn kết thúc sớm.

Dù kết quả có khả quan ra sao đi nữa, cũng đừng băn khoăn không biết bộ mẫu phải lớn đến bao nhiêu. Trên mạng có rất nhiều công cụ giúp bạn tính toán kích cỡ tối thiểu. Vài công cụ phổ biến có thể kể đến Optimizely và VWO, …

Lưu ý: Về kích cỡ số liệu mẫu, hãy nhớ rằng bạn cần một kích cỡ mẫu thực tế cho trang web của mình.

Thực tế, ai cũng muốn có hàng triệu người dùng để thử nghiệm, nhưng không phải ai cũng có thể làm được điều đó. Tôi nghĩ bạn nên ước tính bạn sẽ thử nghiệm trong bao lâu để đạt đến bộ kích cỡ mẫu.

3. Bạn chỉ tập trung vào chuyển đổi

Khi bạn đang lặn ngập trong những lần A/B test thì rất dễ bỏ qua bức tranh toàn cảnh. Để tôi giải thích cho bạn dễ hiểu hơn. Khi nói đến A/B testing, bạn thường tập trung vào mỗi việc chuyển đổi mà quên mất kết quả kinh doanh lâu dài.

Dĩ nhiên là thêm nhiều bản sao vào web của bạn sẽ khiến tỉ lệ chuyển đổi cao hơn. Và nếu vậy thì người dùng đã qua chuyển đổi với chất lượng thấp hơn nhưng có tỉ lệ chuyển đổi cao hơn cũng sẽ không mang lại kết quả tốt cho doanh nghiệp.

Bạn sẽ dễ bị những thứ phù phiếm thu hút sự quan tâm khi đang tiến hành AB testing. Nhưng bạn phải nhớ rằng, những thứ đó chỉ đánh lạc hướng bạn khỏi kết quả sinh lời thực sự.

Nếu bạn đang thử nghiệm chiến thuật kêu gọi hành động nhằm dẫn đến landing page, bạn không nên chỉ chú tâm vào việc chuyển đổi đến trang landing page này. Thay vào đó bạn nên tính toán những đường dẫn tới trang và ràng buộc nó với lợi nhuận được sinh ra.

Cách giải quyết: Kiểm chứng giả thuyết

Trước khi tiến hành A/B test, bạn nên lập nên một giả thuyết bạn muốn chứng minh hoặc bác bỏ. Và khi tập trung giả thuyết này vào mục tiêu kinh doanh nhằm thúc đẩy kết quả doanh nghiệp, bạn sẽ tránh được những cám dỗ phù phiếm.

Quá trình chạy A/B test nên được đánh giá dựa trên mức độ ảnh hưởng đến mục tiêu kinh doanh chứ không phải bất kỳ số liệu nào khác. Nên nếu bạn muốn tăng lượt đăng ký, hãy chú tâm vào số lượng người đăng ký chứ không phải lượt truy cập (traffic) hay traffic vào trang “Đăng ký” hay trang chủ chứa form đăng ký của mình.

Trong khi đang kiểm chứng để chứng minh hoặc bác bỏ giả thuyết, đừng bỏ qua bất kỳ kết quả nào không quan trọng mà hãy dùng chúng cho những lần kiểm chứng tiếp theo.

4. Bạn chỉ chú tâm tới những thứ nhỏ nhặt

Thực ra, A/B Testing không chỉ đơn giản là một yếu tố riêng lẻ nào đó (như test màu của nút CTA chẳng hạn). Nó còn gồm nhiều yếu tố khác nữa. Chính việc bạn chỉ test màu của các nút CTA đã làm hỏng việc tiến hành A/B testing của bạn.

Nếu những trang web lớn sẽ có cú lội ngược dòng ngoạn mục chỉ nhờ vào việc thay đổi màu nút CTA. Thì với đại đa số các trang web thông thường, những thứ nhỏ nhặt (như màu nút CTA) sẽ không cho ra kết quả ý nghĩa nào.

A/B testing sẽ gò ép chúng ta vào việc cải thiện những thứ lắt nhắt, nhưng nếu làm vậy chúng ta sẽ bỏ lỡ những cơ hội to lớn hơn.

Cách giải quyết – Kiểm tra căn bản định kỳ

Có một quy tắc cơ bản đó là hãy kiểm tra những thay đổi căn bản cho trang web của bạn một cách định kỳ. Vì thế, việc này được gọi là Kiểm tra căn bản định kỳ.

Nếu bạn thấy tỉ lệ chuyển đổi thấp, thì có lẽ bạn nên dành thời gian kiểm tra những thay đổi căn bản thay vì những thay đổi nhỏ nhặt.

Hãy coi việc testing như một bàn chơi bài, thi thoảng bạn nên cược lớn một chút nếu bạn muốn lời to.

Nhưng trước khi bạn tuyên truyền về cách “kiểm tra căn bản”, thì hãy nhớ rằng bản thân nó cũng có nhiều điểm bất cập.

  • Cần nhiều sự chuẩn bị hơn A/B testing

Kiểm tra căn bản yêu cầu bạn dành thời gian thiết kế lại trang web. Vì việc này sẽ tốn nhiều thời gian, nên tôi khuyến cáo bạn nên tiến hành định kỳ.

  • Khó xác định yếu tố nào có tác động lớn nhất đến web của bạn

Và bạn nên lưu ý rằng kiểm tra căn bản sẽ giúp bạn xác định nếu việc tái thiết trang web có tác động đến tỉ lệ chuyển đổi chứ không cho phép bạn định vị chính xác yếu tố nào đã thúc đẩy kết quả đó.

Hi vọng bài viết này sẽ giải đáp những thắc mắc của những ai đang tìm hiểu về quá trình A/B testing để áp dụng vào công việc của mình. Mọi thắc mắc và ý kiến, hãy để lại dưới comment hoặc liên hệ để được giải đáp.

LEAVE A REPLY

Please enter your comment!
Please enter your name here