การทดสอบ A/B: กฎและหลักเกณฑ์

แคมเปญอีเมลและจดหมายข่าวสามารถสร้างคำสั่งซื้อซ้ำได้เช่นเดียวกับลูกค้าใหม่ เป็นไปได้มากว่าคุณมีฐานข้อมูลผู้ติดต่อของผู้ใช้ที่ยืนยันว่าต้องการรับข้อมูลล่วงหน้าอยู่แล้ว และหลายคนอาจจะสั่งบางอย่างจากคุณไปแล้ว ทุกคนรู้ดีว่าการรักษาลูกค้าเดิมไว้ได้ง่ายกว่าและถูกกว่าการหาลูกค้าใหม่

นั่นเป็นเหตุผลสำคัญที่ต้องทำการทดสอบ A/B เมื่อสร้างวิธีการและรูปแบบใหม่สำหรับแคมเปญการตลาดทางอีเมลของคุณ

การปรับปรุงการแปลงของแคมเปญเหล่านี้จะช่วยให้คุณเพิ่มผลกำไรได้มากกว่ากิจกรรมทางการตลาดอื่นๆ โดยเฉพาะกิจกรรมที่เทียบเท่ากับแคมเปญอีเมล

ตัดสินใจว่าคุณจะทดสอบอะไร

ขั้นตอนแรกในการสร้างการทดสอบ A/B ที่มีประสิทธิภาพคือการตัดสินใจว่าคุณจะทดสอบอะไร แม้ว่าคุณจะสามารถทดสอบองค์ประกอบได้มากกว่าหนึ่งองค์ประกอบ แต่สิ่งสำคัญคือต้องทดสอบทีละรายการเพื่อให้ได้ผลลัพธ์ที่แม่นยำ องค์ประกอบข้อความอีเมลที่คุณสามารถทดสอบได้:

• คำกระตุ้นการตัดสินใจ (ตัวอย่าง: ทดสอบ “ซื้อเลย” แทน “ดูราคาและราคา”) หัวเรื่องอีเมล (ตัวอย่าง: “การขาย ABC” แทน “ส่วนลด ABC”)
• เปิดใช้งานบทวิจารณ์ (หรือพิจารณารวมเลย)
• โครงสร้างของตัวอักษร (ตัวอย่าง: หนึ่งหรือสองคอลัมน์ การวางองค์ประกอบต่างๆ ของตัวอักษรในรูปแบบต่างๆ)
• การปรับเปลี่ยนในแบบของคุณ (ตัวอย่าง: “เรียน Sergey Ivanovich” แทนที่จะเป็น “Sergey”)
• ข้อเสนอพิเศษสำหรับข้อความส่วนหัวของข้อความส่วนท้ายของรูปภาพ (ตัวอย่าง: “ลด 20%” หรือ “จัดส่งฟรี”)

แต่ละองค์ประกอบเหล่านี้สามารถมีผลกระทบโดยตรงต่ออัตราการแปลงโดยรวมของแคมเปญอีเมลของคุณ ตัวอย่างเช่น คำกระตุ้นการตัดสินใจจะส่งผลต่อจำนวนผู้ที่ซื้อผลิตภัณฑ์ของคุณหรือไปที่หน้า Landing Page ของคุณอย่างชัดเจน ในทางกลับกัน หัวเรื่องของจดหมายจะส่งผลโดยตรงต่อจำนวนคนที่เปิดจดหมาย

คิดเกี่ยวกับสิ่งนี้เมื่อตัดสินใจว่าจะทดสอบองค์ประกอบใดก่อน ถ้ามีคนเปิดอีเมลของคุณไม่มากนัก ก็น่าจะเริ่มจากการทดสอบหัวเรื่องอีเมล บรรทัดแรกและคำกระตุ้นการตัดสินใจจะส่งผลต่ออัตราการแปลงมากกว่ารูปภาพ ทดสอบรายการที่สำคัญที่สุดก่อน ค่อยๆ ย้ายไปที่รายการน้อยกว่า

ทดสอบรายชื่อสมาชิกทั้งหมดหรือเพียงบางส่วน

ในกรณีส่วนใหญ่ จำเป็นต้องมีการทดสอบในรายชื่อสมาชิกทั้งหมด นี่เป็นสิ่งสำคัญเพื่อให้ได้ภาพที่แม่นยำยิ่งขึ้นว่าผู้ใช้ตอบสนองต่อการเปลี่ยนแปลงในแคมเปญโฆษณาของคุณอย่างไร อย่างไรก็ตาม มีบางกรณีที่คุณอาจไม่สามารถทดสอบได้ทั้งหมดในรายการ:

• หากคุณมีรายชื่อสมาชิกจำนวนมากและบริการที่คุณใช้สำหรับการทดสอบ A/B จะคิดค่าบริการสำหรับที่อยู่อีเมลแต่ละรายการที่รวมอยู่ในรายชื่อผู้รับจดหมาย ในกรณีนี้ ให้ทดสอบกับสมาชิกให้มากที่สุดเท่าที่คุณจะจ่ายได้ และตรวจสอบให้แน่ใจว่าได้เลือกที่อยู่แบบสุ่มเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง
• หากคุณกำลังพยายามทดสอบบางสิ่งที่น่าทึ่งมาก คุณอาจต้องการจำกัดจำนวนผู้ที่อาจมองเห็นได้ ในกรณีนี้ ตรวจสอบให้แน่ใจว่ามีคนดูเวอร์ชันทดสอบแต่ละเวอร์ชันอย่างน้อยสองสามร้อยคน แต่จะดีกว่าแน่นอนถ้าได้เป็นพัน
• หากคุณกำลังส่งข้อเสนอแบบจำกัดเวลาและต้องการได้รับ Conversion มากที่สุดเท่าที่จะเป็นไปได้ ให้ทดสอบกับตัวอย่างเล็กๆ (สมาชิกสองสามร้อยคน) แล้วส่งเวอร์ชันที่ดีที่สุดไปยังรายการทั้งหมด

ยิ่งผู้ใช้มีส่วนร่วมในการทดสอบมากเท่าไร คุณก็จะได้ผลลัพธ์ที่แม่นยำมากขึ้นเท่านั้น ตรวจสอบให้แน่ใจว่าการแยกผู้ใช้ทำแบบสุ่ม

การเลือกผู้รับด้วยตนเอง (หรือแม้แต่การใช้สองรายการจากแหล่งที่ต่างกัน) อาจทำให้เกิดผลลัพธ์ที่บิดเบี้ยวได้ จุดประสงค์ของการทดสอบคือเพื่อรวบรวมข้อมูลเชิงประจักษ์เพื่อค้นหาว่าเวอร์ชันใดของรายการที่ทดสอบทำงานได้ดีที่สุด

ความสำเร็จหมายถึงอะไร

ก่อนที่คุณจะส่งอีเมลโดยใช้ตัวเลือกอีเมลต่างๆ สิ่งสำคัญคือต้องตัดสินใจว่าคุณจะทดสอบสิ่งใดและสิ่งใดที่คุณคิดว่าประสบความสำเร็จ ขั้นแรก ดูผลลัพธ์ก่อนหน้าของคุณ

หากคุณใช้รูปแบบแคมเปญอีเมลแบบเดิมมาเป็นเวลาหลายเดือนหรือหลายปี คุณจะมีข้อมูลมากมายที่จะสร้างต่อไป หากอัตราการแปลงเฉลี่ยตลอดระยะเวลาของแคมเปญอีเมลคือ 10% เป้าหมายอาจเป็นการเพิ่มสูงถึง 15% เพื่อเริ่มต้น

แน่นอน ในระยะเริ่มต้น เป้าหมายของการทดสอบ A/B อาจเป็นเพียงการเพิ่มจำนวนการเปิดอีเมล ในกรณีนี้ ให้ดูข้อมูลก่อนหน้าของคุณสำหรับตัวชี้วัดนั้น แล้วตัดสินใจว่าคุณต้องการเห็นการเพิ่มขึ้นเท่าใดในตัวชี้วัดนั้น หากคุณไม่เห็นการปรับปรุงใดๆ ในการทดสอบ A/B ครั้งแรก ให้ทำการทดสอบ A/B ครั้งที่สองกับอีกสองเวอร์ชัน

เครื่องมือทดสอบ

บริการและซอฟต์แวร์การตลาดผ่านอีเมลส่วนใหญ่มีเครื่องมือทดสอบ A/B ในตัว ตัวอย่างของเครื่องมือดังกล่าว: Campaign Monitor, MailChimp, Active Campaign

หากแพ็คเกจซอฟต์แวร์ที่คุณใช้ทำแคมเปญอีเมลโฆษณาไม่มีเครื่องมือทดสอบ A / B คุณสามารถทำได้ด้วยตนเอง

เพียงแบ่งรายชื่อผู้ติดต่อปัจจุบันของคุณออกเป็นสองส่วน จากนั้นส่งอีเมลเวอร์ชันหนึ่งไปยังรายการหนึ่ง และอีกเวอร์ชันหนึ่งไปยังเวอร์ชันที่สอง หลังจากนั้น คุณจะต้องเปรียบเทียบผลลัพธ์ด้วยตนเอง แม้ว่าการส่งออกข้อมูลผลลัพธ์ไปยังสเปรดชีตสามารถช่วยในการประมวลผลได้

การวิเคราะห์ผลลัพธ์

หลังจากใช้งานแคมเปญอีเมลด้วยอีเมลสองเวอร์ชันที่ต่างกัน คุณควรวิเคราะห์ผลลัพธ์ของอีเมล

มีตัวบ่งชี้หลายประเภทที่แตกต่างกันซึ่งควรค่าแก่การวิเคราะห์เชิงประเมิน: เปอร์เซ็นต์ของอีเมลที่เปิดอยู่ เปอร์เซ็นต์ของการคลิกไปยังไซต์ อัตราการแปลงของไซต์สำหรับแหล่งที่มาของการเข้าชมนี้
เหตุผลในการติดตามตัวบ่งชี้สองตัวแรกนั้นชัดเจน แต่หลายคนอาจสงสัยว่าเหตุใดเราจึงต้องการติดตาม Conversion ของไซต์จากแหล่งที่มานี้ บางทีพวกเขาไม่ได้ขึ้นอยู่กับแคมเปญอีเมลเฉพาะ แต่ขึ้นอยู่กับปัจจัยของไซต์เท่านั้น?

ใช่และไม่ใช่ในเวลาเดียวกัน ตามหลักการแล้ว อีเมลที่ส่งไม่ควรเกี่ยวข้องกับการแปลงไซต์โดยรวม หากอีเมลเวอร์ชันหนึ่งทำให้ผู้รับ 10% ไปที่ไซต์ และอีกเวอร์ชันหนึ่งนำไปสู่ ​​15% อีเมลฉบับที่สองจะทำให้เกิด Conversion มากกว่าอีเมลแรกถึง 50% แต่สิ่งนี้ไม่ได้เกิดขึ้นเสมอไป

เป็นสิ่งสำคัญที่ข้อความที่คุณใส่ในอีเมลที่คุณส่งจะต้องสอดคล้องกับข้อความบนไซต์เอง หากคุณสัญญาว่าผู้เยี่ยมชมจะได้รับข้อเสนอพิเศษ แต่ที่จริงแล้วมันไม่ชัดเจนเลยบนเว็บไซต์ ในกรณีนี้ คุณจะสูญเสียลูกค้า สิ่งเดียวกันอาจเกิดขึ้นได้หากอีเมลไม่สอดคล้องกับรูปลักษณ์ของไซต์ของคุณ ผู้เข้าชมอาจสับสนและประหลาดใจเมื่อเข้าสู่หน้าขวา

ตรวจสอบให้แน่ใจว่าคุณติดตามอัตราการแปลงสำหรับอีเมลแต่ละเวอร์ชันที่คุณส่งออกไป เพื่อหลีกเลี่ยงโอกาสที่จะสูญเสียยอดขายที่อาจเกิดขึ้น เป้าหมายสูงสุดในกรณีนี้คือการแปลง ไม่ใช่แค่การเปลี่ยนผ่านไปยังไซต์ อาจเกิดขึ้นได้ว่าอีเมลเวอร์ชันหนึ่งนำผู้เข้าชมมายังไซต์มากขึ้น แต่อัตราการแปลงของอีเมลฉบับที่สองนั้นดีกว่ามาก

ในกรณีนี้ จะทำการทดสอบเพิ่มเติมอีกสองสามแบบเพื่อกำหนดรูปแบบตัวอักษรดังกล่าว ซึ่งไม่เพียงเพิ่มจำนวนการเปลี่ยนผ่านไปยังไซต์เท่านั้น แต่ยังเพิ่มอัตราการแปลงด้วย

ข้อแนะนำการปฏิบัติ

เคล็ดลับต่อไปนี้จะช่วยคุณในการทดสอบ A/B ในแคมเปญอีเมลของคุณ:

• ทดสอบอีเมลสองเวอร์ชันพร้อมกันเสมอ ซึ่งจะช่วยลดโอกาสที่ผลลัพธ์จะบิดเบือนเมื่อเวลาผ่านไป
• ทดสอบตัวอย่างให้ได้มากที่สุดเพื่อช่วยให้ได้ผลลัพธ์ที่แม่นยำยิ่งขึ้น
• ฟังสิ่งที่ข้อมูลที่คุณรวบรวมจากการฝึกฝนบอกคุณ ไม่ใช่สัญชาตญาณของคุณ
• ใช้เครื่องมือที่มีให้คุณทำการทดสอบ A/B ได้อย่างรวดเร็วและง่ายดาย
• ทดสอบให้เร็วและบ่อยที่สุดเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด
• การทดสอบเพียงครั้งละหนึ่งองค์ประกอบจะให้ผลลัพธ์ที่ดีที่สุด (หากคุณต้องการทดสอบมากกว่าหนึ่ง ให้พิจารณาทำการทดสอบหลายตัวแปรแทนการทดสอบ A/B)