Men's Wallets

คู่มือการวิเคราะห์ข้อมูลทดลอง

ธุรกิจไม่หยุดนิ่ง คุณต้องพัฒนาเพื่อความอยู่รอด หากคุณหยุดกระบวนการนี้ โครงการจะเริ่มลดระดับลง บ่อยครั้งที่คุณต้องเปลี่ยนแปลงบางสิ่ง เพื่อขยายการแบ่งประเภท เพิ่มการเข้าถึงโฆษณาของผู้ชม ปรับปรุงการออกแบบเว็บไซต์ เพิ่มรูปแบบใหม่ และเพิ่มการแปลง คุณรู้ล่วงหน้าได้อย่างไรว่านวัตกรรมเหล่านี้จะนำมาซึ่งอะไร? เครื่องมือหนึ่งที่ช่วยในการพัฒนาโครงการเว็บคือการทดสอบ A/B ด้วยความช่วยเหลือ คุณสามารถทดสอบสมมติฐานและทดลองประเมินความพึงพอใจของผู้เยี่ยมชม เพื่อตัดสินใจว่าควรเปลี่ยนบางสิ่งหรือปล่อยให้มันเป็นไปอย่างที่เป็นอยู่ดีกว่า การทดสอบ A/B (บางครั้งเรียกว่า “การทดสอบแยก”) เป็นเครื่องมือสำหรับเปรียบเทียบอัตราความสำเร็จของแคมเปญที่คล้ายคลึงกันตั้งแต่สองแคมเปญขึ้นไป ซึ่งอาจแตกต่างกัน เช่น เฉพาะในชื่อเรื่อง โดยให้คุณเลือกเปอร์เซ็นต์ของผู้ติดต่อ จากรายการควรทดสอบโดยตั้งใจเพื่อให้สามารถส่งตัวแปรที่ชนะของแคมเปญไปยังเปอร์เซ็นต์ที่ยังไม่ได้ทดสอบที่เหลือของผู้ติดต่อของเขา ข้อดีของวิธีนี้คือ คุณจะเปลี่ยนจากความรู้สึกเป็นหลักฐาน และดูว่าองค์ประกอบที่ทดสอบแต่ละอย่างดีขึ้น (หรือแย่กว่านั้น) มากน้อยเพียงใด คุณสามารถเข้าถึงการทดสอบนี้ผ่านการเพิ่มประสิทธิภาพ Google Analytics และการทดสอบ A/B ในขั้นแรก คุณต้องเลือกแคมเปญที่คุณต้องการทดสอบ เพิ่มการตั้งค่าบางอย่าง และรับผลลัพธ์ที่ถูกต้องทางสถิติภายในระยะเวลาหนึ่ง เมื่อใดที่ไม่ควรทดสอบ หากคุณมี Conversion น้อยกว่า 1000 ต่อเดือน อย่าแม้แต่จะพิจารณาการทดสอบ A/B แม้ว่าคุณจะมีการแปลง 1000 เวอร์ชันทดสอบจะต้องมีอย่างน้อย 15 % ต่างกันเพื่อความแน่นอนทางสถิติ และคุณจะไม่สามารถทำการทดสอบได้มากกว่า 20 ต่อปี การทดสอบ A/B ก็ไม่ใช่จอกศักดิ์สิทธิ์เช่นกัน ในอีกด้านหนึ่ง แม้ว่าจะไม่มีมัน คุณสามารถปรับปรุงเว็บไซต์ได้อย่างมาก ในทางกลับกัน มีกับดักมากพอที่คุณอาจพบและผลลัพธ์ที่ได้ก็เป็นเพียงภาพลวงตาเท่านั้น อย่างไรก็ตาม ฉันต้องการสร้างตัวเอง และคุณ ทำรายการตรวจสอบ บางสิ่งที่ไม่ควรลืม ใช้มันเป็นโน้ตเพลงที่อยู่ระหว่างดำเนินการและการรวบรวมประสบการณ์ของคุณเองและการศึกษาจาก Microsoft, Netflix, Amazon, Booking, AirBnB และอื่น ๆ รายการตรวจสอบ หากคุณจัดการสิ่งนี้ 20% ของการทดสอบของคุณจะไม่เป็นไร (เราจะพูดถึงเคล็ดลับที่เหลือในโอกาสอื่น แต่ก็ยังค่อนข้างจะค่อนข้าง ทางเทคนิค) 1.เลือกเกณฑ์การประเมินโดยรวมที่คุณต้องการปรับปรุง 2.วางแผนล่วงหน้าว่าจะทำอย่างไรหากผลออกมาเป็นบวก ลบ หรือไม่แน่นอน 3.สร้างสมมติฐาน 4.เลือกการกำหนดเป้าหมายผู้ใช้ 5.คำนวณผลที่ตรวจพบขั้นต่ำ การเข้างานที่จำเป็น และความยาวของการทดสอบ 6. ค้นหาว่าวงจรธุรกิจยาวแค่ไหน 7.ปล่อยให้การทดสอบทำงานตลอดระยะเวลาที่คำนวณได้ก่อนที่จะทำการประเมิน 8.ในขั้นต้น ให้ทดสอบเฉพาะเวอร์ชันที่มีอยู่และเวอร์ชันใหม่เท่านั้น 9.ถ้าผลงานออกมาดีเกินไปก็แย่ อย่าหยุดการเปลี่ยนแปลงระหว่างการทดสอบ และอย่าเปลี่ยนอัตราส่วนการเข้าชม 1. เลือกตัวชี้วัด (เกณฑ์การประเมินโดยรวม) สิ่งสำคัญคือต้องรู้ว่าคุณต้องการปรับปรุงอะไร เมื่อฉันถามลูกค้าเป็นครั้งแรก พวกเขามักจะพูดว่า: -conversion rate, -turnover หากคุณต้องการเพียงอัตราส่วนการแปลง ให้ปิด PPC และจัดส่งฟรี สิ่งนี้จะปรับปรุงอัตราการแปลงอย่างแน่นอน ซึ่งไม่สามารถพูดถึงสถานะบัญชีธนาคารของบริษัทได้ มูลค่าการซื้อขายดีขึ้นเล็กน้อย แต่ถึงกระนั้นฉันจะบอกคุณให้ตัดส่วนต่าง / ส่วนลดโดย 20% และขายในราคาหรือต่ำกว่า มูลค่าการซื้อขายจะสูงขึ้นเพราะคุณอาจจะถูกที่สุด และล้มละลายได้ไม่นาน ตาม Roni Kohavi จาก Microsoft ตัวชี้วัดในอุดมคติคือตัวชี้วัดที่เพิ่มมูลค่าตลอดอายุการใช้งานของผู้ใช้ของคุณ มักเป็นการถ่วงน้ำหนักของหน่วยที่ขาย มูลค่าการซื้อขาย กำไร และมูลค่าลูกค้าทั้งหมด (LTV) เพราะไม่เช่นนั้น คุณจะได้ยินว่า: “… แต่เวลาเพจของเราดีขึ้น / อัตราตีกลับลดลง / ตัวชี้วัดอื่นๆ ที่ไม่เกี่ยวข้อง” 2. วางแผนล่วงหน้าว่าจะทำอย่างไรถ้าผลออกมาเป็นบวก ลบ หรือไม่แน่นอน เวอร์ชันใหม่ชนะหรือไม่? ยอดเยี่ยม. รุ่นใหม่ไม่ชนะ? หรือมาไม่ถึงความแน่นอน/ความแรงทางสถิติ? บนกระดาษ ดูเรียบง่าย: – เวอร์ชัน B ชนะ – ใช้งาน – เวอร์ชัน B หายไป – ปล่อยต้นฉบับและทดสอบตัวแปรอื่น / เรียกใช้การทดสอบอื่น แต่ถ้ารุ่น B ชนะ แต่มือถือลดลง 20% และเดสก์ท็อปเพิ่มขึ้น 10%. คุณจะใส่มัน? หรือจะเกิดอะไรขึ้นหากเมตริกรองมีความแน่นอนทางสถิติว่าเป็นการคลิกไปยังขั้นตอนถัดไป แต่ไม่ใช่เมตริกหลักอีกต่อไป ถ้าคุณไม่พูดล่วงหน้า คุณจะเสี่ยงที่จะเป็นโรคความจำเสื่อม 3. สร้างสมมติฐาน คุณต้องมีสมมติฐานที่มั่นคงสำหรับการทดสอบ สิ่งที่ต้องทำ: 1. วัด 2.ปฏิเสธ (หรือยืนยัน) และบางอย่างที่มาจากข้อมูล และคุณไม่ได้ดูดมันออกจากนิ้วของคุณ ตามหลักการแล้ว คุณกำลังตรวจสอบสิ่งที่คุณค้นพบด้วยวิธีการวิจัยอื่นๆ ซึ่งสามารถเป็นอะไรก็ได้ตั้งแต่นักวิเคราะห์ไปจนถึงการให้คำปรึกษากับคอลเซ็นเตอร์ สมมติฐานคือคำแถลงของสิ่งที่ถือว่าจริงในปัจจุบัน รูปแบบของสมมติฐานคือ จากข้อมูลจาก A และผลป้อนกลับ B เราคิดว่าถ้าเราทำ C สำหรับลูกค้าเป้าหมาย D จะกลายเป็น E เราจะพบว่าสิ่งนี้เป็นจริงหรือไม่โดยดู F ในข้อมูลและ รับข้อเสนอแนะ G. เราคิดว่ามันจะเปลี่ยนตัวชี้วัด H o I ภายใน J รอบธุรกิจ. ตัวอย่างสมมติฐาน: จากแผนที่ความร้อน เราพบว่าผู้คนในตะกร้าคลิกที่เมนู แต่ในการแบ่งส่วน คนเหล่านี้ไม่ซื้อผลิตภัณฑ์อื่นและออกไป การยกเลิกการนำทางในรถเข็นทำให้เรามีตัวเลือกน้อยลงและมีคนทำการสั่งซื้อมากขึ้น 4. เลือกการกำหนดเป้าหมายผู้ใช้ คุณต้องการทดสอบใคร ผู้คนบนเดสก์ท็อป บนโทรศัพท์มือถือ ลูกค้า, ผู้ใช้ล็อกอิน, คนที่เข้าชมหน้าติดต่อหรือลำดับหน้า? และเป็นไปได้ไหมที่จะแยกส่วนของผู้ใช้ที่ไม่เกี่ยวข้องกับการทดสอบออกจากการทดสอบ? คุณต้องการค้นหาบางสิ่งเกี่ยวกับผู้ใช้บางประเภท ยิ่งคุณ “สร้างมลพิษ” ตัวอย่างนี้น้อยลงเท่าใด ผลลัพธ์ก็จะยิ่งแม่นยำมากขึ้นเท่านั้น และยังเร็วขึ้นอีกด้วย ตัวอย่างเช่น ฉันแนะนำว่าอย่าทดสอบอุปกรณ์เคลื่อนที่และเดสก์ท็อปร่วมกัน ผู้คนมีพฤติกรรมแตกต่างกัน และเว็บไซต์ก็ดูแตกต่างกัน 5. คำนวณผลที่ตรวจพบขั้นต่ำ การเข้างานที่จำเป็น และระยะเวลาของการทดสอบ งานส่วนใหญ่จะรอคุณอยู่ก่อนที่จะทำการทดสอบ A / B หลังจากเริ่มการทดสอบจริง คุณจะตรวจสอบเฉพาะว่าทุกอย่างทำงานอย่างถูกต้องหรือไม่ จากนั้นผลลัพธ์หลังจากเวลาที่คำนวณ (หรือเป็นช่วง ๆ ระหว่างการทดสอบตามลำดับ) สิ่งที่คุณต้องรู้สำหรับการคำนวณ? 1. ทดสอบการเข้าชมหน้า 2.จำนวน Conversion (สำหรับผู้ใช้ที่เห็นหน้าทดสอบ) 3.จำนวนรุ่น (ยกเว้น 2 – ที่มีอยู่และใหม่) และคุณคำนวณอะไร 1.ปริมาณการใช้งานที่จำเป็นต่อตัวแปร – จำนวนคนที่ต้องเห็นแต่ละตัวแปร 2. การทดสอบของคุณจะใช้เวลานานแค่ไหน – หากเกิน 6-8 สัปดาห์ แสดงว่าไม่สะดวก (เนื่องจากตัวอย่างมลพิษ) 3.ผลกระทบที่ตรวจพบน้อยที่สุด – ต้องดีแค่ไหนถึงจะได้ผลลัพธ์ที่ไม่ใช่เรื่องบังเอิญ 6. ค้นหาระยะเวลาของวงจรธุรกิจ ดูว่าอัตรา Conversion ของคุณเปลี่ยนแปลงไปอย่างไรระหว่างวัน สำหรับลูกค้าส่วนใหญ่ของฉัน “บิน” บวกหรือลบยี่สิบเปอร์เซ็นต์ และพระเจ้าห้ามไม่ให้มีวันหยุดนักขัตฤกษ์อยู่ที่ไหนสักแห่ง นั่นคือเหตุผลที่ฉันแนะนำให้ใช้เวลาอย่างน้อย 2 สัปดาห์ ในช่วงเวลาดังกล่าว ความเบี่ยงเบนส่วนใหญ่จะแบนราบ สำหรับเวลาสูงสุดนั้นขึ้นอยู่กับผลิตภัณฑ์เป็นอย่างมาก ยิ่งมีราคาแพงและซับซ้อนเท่าใด ผู้คนก็ยิ่งต้องใช้เวลาในการตัดสินใจซื้อนานขึ้นเท่านั้น ตัวอย่างเช่น ตอนนี้ฉันช่วยเรื่องแมกนีโตเรโซแนนซ์ และไม่มีการตัดสินใจที่รวดเร็วและหุนหันพลันแล่น 7. เริ่มแรก ทดสอบเฉพาะเวอร์ชันที่มีอยู่และเวอร์ชันใหม่ ยิ่งคุณทดสอบรูปแบบต่างๆ มากเท่าใด โอกาสในการเลือกรูปแบบที่ผิดก็จะยิ่งดีขึ้น ในทางเทคนิค นี่เรียกว่าข้อผิดพลาดอัลฟ่าสะสม แปลเป็นภาษาเช็กหมายความว่าโอกาสที่คุณเลือกผิดเพิ่มขึ้น ดังนั้น หากคุณอนุญาตให้อัตราข้อผิดพลาด 1 ถึง 20 สำหรับ 2 ตัวแปร ดังนั้นอัตราข้อผิดพลาด (ด้วย 30% ความแน่นอน) อยู่เหนืออยู่แล้ว 40% สำหรับสิบรูปแบบที่ทดสอบแล้ว เริ่มต้นอย่างง่ายดาย และคุณสามารถเพิ่มรูปแบบต่างๆ ได้ทีละน้อย (ถ้าคุณมี Conversion เพียงพอ) Andrew Anderson มีบทความดีๆ เกี่ยวกับความเป็นไปได้ทั้งหมด เป้าหมายคือการเพิ่มโอกาสสูงสุดที่ตัวแปรอย่างน้อยหนึ่งรายการจะชนะ และคุณทำได้โดยการทดสอบตัวแปรต่างๆ ให้มากที่สุดเท่านั้น 8. ถ้าผลลัพธ์ดูดีเกินไปก็แย่ ตลอดหลายปีของการทดสอบ ฉันได้เรียนรู้ที่จะเป็นคนขี้ระแวง (ยิ่งกว่าเดิม) ถ้าผลออกมาดีเกินจะพลาดตรงไหน มีชื่ออย่างเป็นทางการว่า Twyman's Law ทุกกรณีที่การแปลงสีของปุ่มทำให้เกิดการแปลงเป็น 253% ฯลฯ นั้นผิด การปรับปรุงโดยเฉลี่ยในการทดสอบ A/B อยู่ในหน่วยเปอร์เซ็นต์ที่ต่ำกว่า การทดสอบ A/B ช่วยให้คุณประเมินประสิทธิภาพของการเปลี่ยนแปลงในหน้าเว็บได้ วิธีการทางการตลาดนี้มีมูลค่าที่ใช้ ช่วยให้คุณสามารถปรับปรุงหน้าเว็บได้เกือบตลอดเวลาโดยการปรับปรุงเมตริกต่างๆ

  • Home
  • เข็มขัดผู้ชาย
  • เสื้อผ้าผู้ชาย
  • แว่นตาผู้ชาย
  • เนคไทของผู้ชาย
  • 1000ผู้ชาย กระเป๋าสตางค์
  • นาฬิกาผู้ชาย
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button