आपको लगता है कि आपका कॉल-टू-एक्शन बटन बड़ा होना चाहिए। आपके टीममेट को लगता है कि वह लाल होना चाहिए। आपके डिज़ाइनर को लगता है कि कॉपी बहुत लंबी है। सबकी अपनी राय है। पर राय से कन्वर्ज़न नहीं बढ़ते। टेस्टिंग से बढ़ते हैं। A/B टेस्टिंग आपको इन सवालों के जवाब बहस की जगह डेटा से देने देती है। मौजूदा बटन के साथ वर्शन A बनाएं। बड़े बटन के साथ वर्शन B बनाएं। दोनों चलाएं। मापें कि कौन बेहतर कन्वर्ट करता है। एक जीतता है। आप विजेता को लागू करते हैं। कोई बहस नहीं। कोई अंदाज़ा नहीं। बस नतीजे। A/B टेस्टिंग ताक़तवर है पर सीमित। आप एक बार में एक बदलाव टेस्ट कर सकते हैं। अगर आप बटन का आकार, रंग और कॉपी तीनों एक साथ टेस्ट करना चाहें तो? मल्टीवेरिएट टेस्टिंग आपको यह करने देती है। आप तीन अलग A/B टेस्ट की जगह एक साथ आठ मेल टेस्ट करते हैं। आप तेज़ी से सीखते हैं। आप ज़्यादा ऑप्टिमाइज़ करते हैं। यह लेख A/B टेस्टिंग और मल्टीवेरिएट टेस्टिंग समझाता है और बताता है कि कब कौन सी इस्तेमाल करें।
A/B टेस्टिंग क्या है?
A/B टेस्टिंग टेस्टिंग का सबसे सरल रूप है। आप किसी पेज या एलिमेंट के दो वर्शन बनाते हैं। वर्शन A आपका कंट्रोल है। वर्शन B आपका टेस्ट है। आप विज़िटर को बेतरतीब ढंग से हर वर्शन पर भेजते हैं। आप मापते हैं कि कौन बेहतर कन्वर्ट करता है। जिसका कन्वर्ज़न रेट ज़्यादा है, वह जीतता है। A/B टेस्टिंग को स्प्लिट टेस्टिंग भी कहते हैं क्योंकि आप अपना ट्रैफ़िक दो वर्शन में बांटते हैं। A/B टेस्टिंग एक बार में एक बदलाव तक सीमित है। आप एक टेस्ट में बटन का रंग टेस्ट करते हैं। दूसरे में बटन का आकार। तीसरे में बटन की कॉपी। पर यह ताक़तवर है क्योंकि नतीजे साफ़ हैं। वर्शन B या तो जीतता है या नहीं।
A/B टेस्टिंग की प्रक्रिया
परिकल्पना से शुरू करें। मेरी परिकल्पना है कि मौजूदा बटन से बड़ा बटन बेहतर कन्वर्ट करता है। टेस्ट डिज़ाइन करें। बड़े बटन के साथ वर्शन B बनाएं। अपने टेस्टिंग प्लेटफ़ॉर्म में टेस्ट सेट करें। अपना सफलता का मेट्रिक तय करें। सफलता का मतलब ऊंचा कन्वर्ज़न रेट है। टेस्ट चलाएं। दोनों वर्शन पर ट्रैफ़िक भेजें। डेटा जमा करें। टेस्ट तब तक चलाएं जब तक सांख्यिकीय सार्थकता न मिल जाए। आम तौर पर हर वर्शन में सौ कन्वर्ज़न। नतीजों का विश्लेषण करें। क्या वर्शन B सांख्यिकीय रूप से काफ़ी बेहतर है? अगर हां, तो उसे लागू करें। अगर नहीं, तो मूल को रखें।
सांख्यिकीय सार्थकता मायने रखती है
नतीजे अर्थपूर्ण होने के लिए आपको काफ़ी डेटा चाहिए। अगर आप एक दिन के लिए कुल दस कन्वर्ज़न के साथ टेस्ट चलाते हैं, तो नतीजे बेमतलब हैं। संयोग से होने वाला उतार-चढ़ाव बहुत ज़्यादा है। अगर आप एक हज़ार कन्वर्ज़न के साथ टेस्ट चलाते हैं, तो नतीजे अर्थपूर्ण हैं। संयोग का उतार-चढ़ाव कम है। ज़्यादातर टेस्टिंग प्लेटफ़ॉर्म बताते हैं कि आपके पास सांख्यिकीय सार्थकता कब आ गई। सिर्फ़ इसलिए टेस्ट जल्दी न रोकें कि आपको विजेता दिख रहा है। सांख्यिकीय सार्थकता का इंतज़ार करें।
मल्टीवेरिएट टेस्टिंग क्या है?
मल्टीवेरिएट टेस्टिंग (MVT) कई बदलाव एक साथ टेस्ट करती है। बटन का रंग और बटन का आकार अलग-अलग टेस्ट करने की जगह, सभी मेल एक साथ टेस्ट करें। मेल ये हो सकते हैं: लाल बड़ा, लाल छोटा, नीला बड़ा, नीला छोटा। आप चार वेरिएशन एक साथ टेस्ट करते हैं। ट्रैफ़िक चार हिस्सों में बंटता है। आप सीखते हैं कि कौन सा मेल सबसे अच्छा कन्वर्ट करता है। जब आपके पास काफ़ी ट्रैफ़िक हो, तो MVT अलग A/B टेस्ट चलाने से ज़्यादा कारगर है।
A/B बनाम MVT: कब कौन सी इस्तेमाल करें
जब आपके पास कम ट्रैफ़िक हो, तब A/B टेस्टिंग इस्तेमाल करें। कम ट्रैफ़िक में सांख्यिकीय सार्थकता तक पहुंचने के लिए आपको अपना सैंपल साइज़ कम वेरिएशन पर केंद्रित करना होगा। जब आप साफ़, अलग-थलग नतीजे चाहें, तब A/B टेस्टिंग इस्तेमाल करें। आप सिर्फ़ यह जानना चाहते हैं कि लाल नीले से बेहतर कन्वर्ट करता है या नहीं, और कुछ नहीं। जब आपके पास ज़्यादा ट्रैफ़िक हो, तब MVT इस्तेमाल करें। आप कई वेरिएशन में ट्रैफ़िक बांट सकते हैं। जब आपको शक हो कि एलिमेंट एक-दूसरे पर असर डालते हैं, तब MVT इस्तेमाल करें। बटन का रंग बटन के आकार के साथ मिलकर असर डाल सकता है। मेल टेस्ट करने से ये आपसी असर दिखते हैं।
साफ़ दिखने वाली चीज़ों से आगे टेस्टिंग
ज़्यादातर लोग साफ़ दिखने वाली चीज़ें टेस्ट करते हैं। बटन का रंग। बटन का आकार। फ़ॉर्म की लंबाई। ये टेस्ट मायने रखते हैं। पर कम साफ़ चीज़ें भी टेस्ट करें। हेडलाइन कितनी ख़ास है। सोशल प्रूफ़ कहां रखा है। लोडिंग स्पीड। भरोसे के संकेत। रंगों का कंट्रास्ट। ख़ाली जगह। टाइपोग्राफ़ी। छोटे बदलाव जुड़ते जाते हैं। कई एलिमेंट में छोटे सुधार खोजें और वे मिलकर बड़े हो जाते हैं।
क्रमिक टेस्टिंग बनाम एक साथ टेस्टिंग
क्रमिक टेस्टिंग एक टेस्ट चलाती है, विजेता को लागू करती है, फिर अगला टेस्ट चलाती है। यह धीमा है पर साफ़। हर टेस्ट पिछली जीत पर बनता है। एक साथ टेस्टिंग एक ही समय पर कई टेस्ट चलाती है। यह तेज़ है पर ज़्यादा जटिल। आप तेज़ी से सीखते हैं पर संभालने के लिए ज़्यादा टेस्ट होते हैं।
अक्सर पूछे जाने वाले सवाल
A/B टेस्ट चलाने के लिए मुझे कितना ट्रैफ़िक चाहिए?
सांख्यिकीय सार्थकता तक पहुंचने के लिए आपको काफ़ी ट्रैफ़िक चाहिए। ज़्यादातर टेस्ट में हर वेरिएशन पर सौ कन्वर्ज़न चाहिए। अगर आपका कन्वर्ज़न रेट एक प्रतिशत है, तो हर वेरिएशन पर दस हज़ार विज़िटर चाहिए। अगर आपका कन्वर्ज़न रेट दस प्रतिशत है, तो एक हज़ार विज़िटर। ज़रूरी ट्रैफ़िक आपके कन्वर्ज़न रेट पर निर्भर करता है। कम कन्वर्ज़न रेट के लिए ज़्यादा ट्रैफ़िक चाहिए। WEMASY के वेबसाइट बिल्डर से आप इसे सीधे अपनी वेबसाइट पर सेट कर सकते हैं।
क्या मैं एक ही समय पर कई A/B टेस्ट चला सकता हूं?
हां, अगर आपके पास काफ़ी ट्रैफ़िक है। pageA और pageB पर एक ही समय में ट्रैफ़िक टेस्ट करना ठीक है। वे एक-दूसरे में दखल नहीं देते। एक ही पेज पर एक ही समय में वेरिएशन एक और वेरिएशन दो टेस्ट करना दखल दे सकता है। एक ही विज़िटर को दोनों वेरिएशन नहीं दिखने चाहिए। इसे रोकने के लिए अपने टेस्टिंग प्लेटफ़ॉर्म का इस्तेमाल करें।
अगर टेस्ट वेरिएशन के बीच कोई फ़र्क़ न दिखाए तो?
कोई फ़र्क़ न होना भी डेटा है। यह बताता है कि जो बदलाव आपने टेस्ट किया, वह कन्वर्ज़न पर ख़ास असर नहीं डालता। आप मूल को रख सकते हैं या वर्शन B लागू कर सकते हैं अगर वह सस्ता या आसान है। अगली परिकल्पना पर बढ़ें। हर टेस्ट का विजेता नहीं होता।
क्या मुझे एलिमेंट अलग-अलग टेस्ट करने चाहिए या साथ?
एलिमेंट अलग-अलग टेस्ट करने से शुरू करें। बदलाव अलग करने से नतीजे साफ़ होते हैं। जब आप अलग-अलग एलिमेंट ऑप्टिमाइज़ कर लें, तब मेल टेस्ट करें। आप पा सकते हैं कि एलिमेंट A और एलिमेंट B साथ में, अकेले A या अकेले B से बेहतर काम करते हैं।
मुझे टेस्ट कितनी बार चलाने चाहिए?
लगातार। कन्वर्ज़न ऑप्टिमाइज़ेशन चलता रहने वाला काम है। दस टेस्ट चलाकर रुक न जाएं। एक के बाद एक टेस्ट चलाएं। हर टेस्ट आपको कुछ सिखाता है। सौ टेस्ट के बाद आपका कन्वर्ज़न रेट काफ़ी ऊंचा हो सकता है। इसमें समय लगता है पर यह जुड़ता जाता है।
टेस्टिंग से व्यावहारिक कन्वर्ज़न सुधार कितना होता है?
अच्छा A/B टेस्ट कन्वर्ज़न को पांच से दस प्रतिशत सुधार सकता है। बढ़िया टेस्ट बीस प्रतिशत तक। ये सुधार असली हैं और जब आप इन्हें जोड़ते हैं तो ये बड़े हो जाते हैं। औसतन पांच प्रतिशत सुधार वाले पचास जीतने वाले टेस्ट चलाएं और फ़ायदे जुड़ते जाते हैं: आपका कन्वर्ज़न रेट लगभग ग्यारह गुना हो जाता है, यानी एक हज़ार प्रतिशत से ज़्यादा की बढ़त। हर टेस्ट नहीं जीतता, इसलिए असली नतीजे छोटे होते हैं।