A/B test membantu Anda memilih konten atau marketing strategi terbaik. A/B test sering juga disebut split test atau bucket test, adalah eksperimen online dengan dua varian, dengan pembagian acak 50% pengguna di antara varian, untuk menentukan opsi yang berperforma lebih baik. Hampir semua pengujian A/B secara acak mengirimkan 50% pengguna ke satu varian dan 50% pengguna ke varian lainnya.
Contoh, A/B test secara random mengarahkan web traffic ke dua versi berbeda dari sebuah halaman web. Respon dari masing-masing versi halaman tersebut dipantau berdasarkan metrik yang ditentukan untuk menentukan versi mana yang lebih baik.
A/B test umumnya dilakukan pada live web pages, jika dilakukan untuk website yang belum live, diperlukan jumlah user yang besar untuk melakukan test agar dapat diperoleh statistik yang berarti.
Misalnya Anda ingin menguji dua versi Iklan untuk bergabung dengan program loyalitas. Versi pertama muncul dengan dukungan selebriti dan versi lainnya muncul dengan tawaran diskon. Versi mana yang akan menghasilkan lebih banyak konversi?
Pengujian A/B akan memberi tahu Anda versi mana yang lebih baik menggunakan populasi sampel yang diuji dalam waktu singkat.
Pengujian A/B bergantung pada pengujian statistik untuk menentukan mana dari dua opsi yang diuji yang lebih efektif.
Pengujian statistik yang digunakan selama pengujian A/B bergantung pada apakah metrik diskrit atau kontinu digunakan perbandingan.
Metrik diskrit memiliki nilai tertentu, dapat dihitung, atau bersifat biner, seperti setelan on/off atau benar/salah.
Contoh untuk nilai tertentu adalah, click through rate (CTR), conversion rate, dan bounce rate. Contoh untuk metrik yang dapat dihitung adalah new dan returning user counts. Sementara binary response contohnya apakah user mengklik atau tidak.
Metrik continue diukur dan berubah seiring waktu. Contoh adalah revenue per user, average session duration dan average order value. Data bersifat kontinu karena pengukuran berubah dengan setiap sesi atau urutan tambahan
Perangkat lunak pengujian A/B yang Anda gunakan akan melakukan analisis statistik pada sampel user yang cukup besar agar informatif.
Plan A/B test mengandung:
- Description of variants. Saat Anda melakukan pengujian A/B, Anda biasanya menguji apakah versi baru akan meningkatkan perbandingan metrik ke versi aslinya.
- Past performance, perlu untuk mendokumentasikan performa masa lalu.
- Peningkatan yang diharapkan
- metrik yang akan digunakan.
Tersedia banyak software untuk melakukan A/B test:
- Google Ads: untuk Ads.
- Hubspot: untuk email dan landing pages.
- Optimizely: menawarkan pengujian A/B untuk berbagai titik kontak dalam perjalanan pelanggan.
- Intellemize: membantu mempersonalisasi halaman web dengan pembelajaran mesin dan apa yang dapat dianggap sebagai pengujian A/B berkelanjutan.
Tool manapun yang digunakan, jika pengujian A/B dilakukan, Anda akan lebih yakin dalam memenuhi target performance, meningkatkan jumlah konversi, dan mendapatkan manfaat dari peningkatan pengalaman pelanggan melalui halaman web yang didesain ulang yang telah diuji.