วันพฤหัสบดีที่ 30 สิงหาคม พ.ศ. 2555

ทดสอบ UX ด้วยกระบวนการ A/B Testing

A/B testing หรือจะเรียกว่า split testing หรือ bucket testing ก็ได้ครับ แต่รวมๆ แล้วคือความพยายามที่จะทดสอบว่า UI แบบไหนที่ทำให้เว็บประสบความสำเร็จสูงสุด ตัวอย่างเช่น เรามี Title ของเว็บสองแบบ แล้วต้องการทดสอบว่าแบบไหนที่ทำให้คนกดปุ่ม "Sign up now" สูงสุด

ภาพแสดง UI แบบ A และ B ที่ต่างกันตรงข้อความ Title

UI แบบ A แสดง Title ว่า "Cloud-Base Awesome for your Business" ส่วนแบบ B เขียนว่า "Cloud-Base will solve your business problems"

หลังจากได้ UI A และ B แล้ว เราจะนำผู้ใช้จำนวนหนึ่ง สมติว่า 100 คน มาทดสอบเว็บ A ว่าใน 100 คนมีคนกด sign up Now กี่คน จากนั้นก็นำผู้ใช้อีก 100 คน ที่ไม่ใช่กลุ่มแรก มาทดสอบเว็บ B ว่าจะมีคนกด sign up Now กี่คน

ถ้าผลออกมาว่าคนกด A เป็น 10% ส่วนคนกด B เป็น 15% ก็แสดงว่าแบบ B ดีกว่า แต่เราต้องแน่ใจวางเป้าหมาย หรือจะเรียกว่า Landing page ไว้ชัดเจนนะครับ

วิธีการทดสอบแบบ A/B Testing ค่อนข้างตรงไปตรงมาและได้ผลชัดเจน แต่มีข้อเสียตรงที่จะเสียเวลามาก และยังทดสอบได้ทีละจุดทดสอบแบบภาพรวมไม่ได้ ดังนั้นจึงมักใช้วิธี AB Testing กับเว็บที่เสร็จแล้วและต้องการปรับเปลี่ยนเพียงเล็กน้อย แล้วทดสอบว่าดีหรือไม่ดี โดยใช้คนที่เข้ามาในเว็บอยู่แล้วเป็นคนทดสอบ

สิ่งที่เป็นพื้นฐานของการทำ A/B Testing หรือจะเรียกเป็นกฎเลยก็ได้ มีอยู่ 3 ข้อ

  1. ต้องมีจำนวนคนทดสอบมากพอที่จะทำให้ผลลัพธ์มีความหมายในทางสถิติ
  2. ต้องทดสอบแค่ 1 อย่างต่อการทดสอบเท่านั้น
  3. ต้องมีความรู้ว่าจะเปลี่ยนอะไร และรู้ว่าสิ่งนั้นมีผลต่อผู้ใช้อย่างไร
ในตัวอย่างที่ยกขึ้นมา จะต้องมีผู้ใช้มากพอจึงเช่นตัวอย่างละ 100 คนต่อแบบทดสอบและเปลี่ยนแค่ Title ได้อย่างเดียวเท่านั้น เพราะต้องการวัดว่าข้อความทั้งสองแบบจะมีผลต่อผู้ใช้อย่างไร ถ้าเราเปลี่ยนสีด้วย เปลี่ยนข้อความที่อื่นด้วย จะทำให้ผลที่ออกมาคลาดเคลื่อนได้

สุดท้ายคือเราต้องรู้ด้วยว่าการเปลี่ยนข้อความ Title มันมีผลถึงขนาดต้องทดสอบเลยหรือเปล่า ในทาง UX บางทีข้อความแบบนี้อาจจะไม่มีผลหรืออาจจะไม่สามารถนำไปใช้ต่อในอนาคต ทำให้เสียเวลาไม่คุ้มกับการทดสอบ ดังนั้นก่อนจะลงทุนทดสอบอยากให้ลองหาข้อมูลเพิ่มเติมกันครับ

มีอยู่สองที่ที่แนะนำให้ลองเข้าไปดูก่อน
  1. conversion-rate-experts.com
  2. abtests.com
ผมชอบที่ abtests.com ครับ เข้าใจง่ายดี และสามารถนำมาใช้ได้ในอนาคต ถ้าใครเคยทำ A/B Testing ลองมาแลกเปลี่ยนกันนะครับ

ไม่มีความคิดเห็น:

แสดงความคิดเห็น