"Tôi đổi nút bấm sang màu đỏ và đơn tăng". Bạn nghe câu này nhiều rồi. Nhưng làm sao biết đơn tăng vì màu nút, hay chỉ vì tuần đó may mắn?
Mở bài: "Đổi tiêu đề, đơn tăng, rồi tuần sau lại tụt"
Anh Hùng bán đồ gia dụng thông minh trên web riêng. Đọc được vài mẹo tối ưu, anh đổi tiêu đề trang sản phẩm bán chạy nhất từ "Máy hút bụi cầm tay X" thành "Dọn nhà trong 15 phút với máy hút bụi X". Tuần đó đơn tăng, anh mừng ra mặt, kết luận tiêu đề mới hiệu quả hơn. Nhưng tuần sau đơn tụt về như cũ, thậm chí thấp hơn. Anh bối rối: rốt cuộc tiêu đề nào tốt hơn? Hay chẳng cái nào?
Vấn đề của anh Hùng không phải chọn sai tiêu đề, mà là anh không có cách nào biết cái nào thật sự tốt hơn. Anh so tuần này với tuần trước, nhưng hai tuần đó khác nhau đủ thứ: một tuần có ngày lương, một tuần mưa gió, lượng truy cập khác nhau, quảng cáo chạy khác nhau. Anh đang so táo với cam và gọi đó là bằng chứng.
Đây chính là bài toán mà A/B testing giải được. Thay vì đoán, bạn cho hai phiên bản chạy cùng lúc với hai nhóm khách tương đương, rồi để số liệu nói cái nào thắng. Bài viết này chỉ cho bạn cách chạy thử nghiệm A/B đúng, chọn cái nên test website, đọc kết quả cho đúng, và tránh sai lầm phổ biến nhất khiến mọi công sức đổ sông đổ biển.
A/B testing là gì và vì sao nó đáng tin hơn cảm tính
A/B testing (thử nghiệm A/B) là cách bạn cho hai phiên bản của một thứ (ví dụ hai tiêu đề, hai nút bấm, hai bố cục trang) chạy đồng thời, chia ngẫu nhiên khách vào hai nhóm, rồi đo xem phiên bản nào cho tỷ lệ chuyển đổi cao hơn. Nhóm A thấy phiên bản gốc, nhóm B thấy phiên bản mới, mọi thứ khác giữ nguyên.
Điểm mấu chốt khiến A/B testing đáng tin hơn cách của anh Hùng: hai phiên bản chạy cùng thời điểm, với cùng loại khách. Vì cả hai nhóm đều trải qua cùng ngày lương, cùng thời tiết, cùng chiến dịch quảng cáo, nên nếu một nhóm mua nhiều hơn, khác biệt đó gần như chắc chắn đến từ thứ bạn đang test, chứ không phải yếu tố bên ngoài. Đó là cách bạn tách được "thật sự tốt hơn" khỏi "may mắn".
Đây là công cụ cốt lõi của việc tối ưu chuyển đổi có cơ sở, thay vì tối ưu mù. Nếu bạn chưa nắm cách tính và theo dõi tỷ lệ chuyển đổi, hãy đọc trước bài conversion rate là gì. Và A/B testing chỉ là một phần trong bức tranh tối ưu chuyển đổi tổng thể, được trình bày ở bài tối ưu tỷ lệ chuyển đổi website D2C.
Bốn nguyên tắc để chạy một test đúng
Rất nhiều test cho kết quả vô nghĩa vì phạm một trong bốn nguyên tắc dưới đây. Nắm chắc chúng trước khi chạy bất cứ thử nghiệm nào.
1. Bắt đầu bằng một giả thuyết rõ ràng. Đừng test lung tung. Mỗi test phải xuất phát từ một giả thuyết cụ thể: "Tôi tin rằng thêm ảnh sản phẩm dùng thực tế vào trang sẽ tăng chuyển đổi, vì khách đang băn khoăn không hình dung được kích thước." Có giả thuyết thì dù thắng hay thua bạn cũng học được điều gì đó. Không có giả thuyết, bạn chỉ đổi bừa và không rút ra được bài học.
2. Chỉ đổi một biến mỗi lần. Đây là nguyên tắc bị vi phạm nhiều nhất. Nếu bạn vừa đổi tiêu đề, vừa đổi ảnh, vừa đổi nút bấm cùng lúc, rồi phiên bản mới thắng, bạn không biết cái nào tạo ra khác biệt. Muốn biết chính xác cái gì hiệu quả, mỗi test chỉ đổi đúng một thứ. Nếu muốn test nhiều thứ, chạy nhiều test lần lượt.
3. Đủ cỡ mẫu và đủ thời gian. Đây là nguyên tắc kỹ thuật quan trọng nhất, sẽ nói kỹ ở phần sau. Test trên quá ít khách hoặc dừng quá sớm cho kết quả không có ý nghĩa thống kê, tức bạn không phân biệt được khác biệt thật với dao động ngẫu nhiên.
4. Chọn đúng chỉ số để đo. Đo cái gần với tiền nhất. Với web bán hàng, chỉ số tốt thường là tỷ lệ chuyển đổi (số khách mua trên số khách vào) hoặc doanh thu trên mỗi khách. Đừng chỉ đo lượt click vào nút: một nút được bấm nhiều hơn nhưng ra ít đơn hơn thì vẫn là thua.
Nên test cái gì trên web bán hàng
Không phải mọi thứ đều đáng test. Hãy dồn sức vào những yếu tố ảnh hưởng lớn đến quyết định mua. Đây là những thứ đáng test nhất, xếp theo mức tác động thường thấy:
Tiêu đề và mô tả sản phẩm. Cách bạn gọi tên và mô tả lợi ích ảnh hưởng trực tiếp đến việc khách có thấy sản phẩm "dành cho mình" không. Đây là thứ anh Hùng đã thử đổi, chỉ là anh làm sai cách.
Nút kêu gọi hành động (CTA). Chữ trên nút ("Mua ngay" và "Thêm vào giỏ" và "Đặt hàng, giao trong 2 ngày"), vị trí, độ nổi bật. Nút là bước chuyển từ xem sang mua, nên đáng test.
Ảnh sản phẩm. Ảnh nền trắng và ảnh dùng thực tế, một ảnh và nhiều ảnh, có video và không. Với đồ gia dụng, ảnh cho thấy sản phẩm đang được dùng thường thắng ảnh chụp sản phẩm đơn độc.
Cách trình bày giá và ưu đãi. Hiển thị giá gốc gạch ngang và giá sale, "giảm 200k" và "giảm 20%", freeship hiện sớm và hiện muộn. Cách trình bày cùng một mức giá có thể tạo cảm nhận khác nhau rõ rệt.
Bố cục trang và luồng checkout. Thứ tự các khối thông tin, số bước checkout, form dài và form ngắn. Những thứ này tác động mạnh nhưng cần cỡ mẫu lớn hơn để test.
Cách chọn thứ tự test: ưu tiên trang có nhiều truy cập nhất (để đủ mẫu nhanh) và yếu tố bạn có giả thuyết mạnh nhất. Cấu trúc một trang sản phẩm chuẩn để biết nên test gì được trình bày ở bài trang sản phẩm chuẩn D2C tăng chuyển đổi.
Cỡ mẫu và thời gian: chỗ hầu hết test thất bại
Đây là phần kỹ thuật nhưng quyết định test của bạn có giá trị hay không. Vấn đề của anh Hùng gốc rễ ở đây: anh kết luận sau một tuần với vài chục đơn, quá ít để có ý nghĩa.
Nguyên lý: bạn cần đủ số khách trong mỗi phiên bản để phân biệt khác biệt thật với dao động ngẫu nhiên. Cỡ mẫu cần thiết phụ thuộc ba yếu tố: tỷ lệ chuyển đổi hiện tại (càng thấp càng cần nhiều mẫu), mức cải thiện bạn muốn phát hiện (muốn phát hiện khác biệt nhỏ thì cần nhiều mẫu hơn), và độ tin cậy mong muốn.
Con số làm nhiều người giật mình: với tỷ lệ chuyển đổi nền khoảng 2%, để phát hiện chắc chắn một cải thiện tương đối 15%, bạn cần cỡ khoảng 50.000 lượt truy cập cho mỗi phiên bản (tham khảo, theo các máy tính cỡ mẫu phổ biến). Nghĩa là 100.000 lượt cho cả test. Với web của anh Hùng chỉ vài nghìn lượt mỗi tuần, một test đúng nghĩa phải chạy nhiều tuần, không phải một tuần.
Điều này dẫn tới ba hệ quả thực tế:
Web nhỏ khó test những thay đổi nhỏ. Nếu bạn không đủ traffic, đừng test những khác biệt tinh vi (màu nút, một chữ), bạn sẽ không bao giờ đủ mẫu để kết luận. Hãy test những thay đổi lớn, kỳ vọng tạo khác biệt lớn (đổi hẳn bố cục trang, thêm nguyên phần review), vì khác biệt lớn cần ít mẫu hơn để phát hiện.
Chạy tối thiểu 1-2 tuần trọn vẹn. Kể cả khi đủ mẫu sớm, hãy chạy ít nhất một đến hai tuần đầy đủ để bao trọn các ngày trong tuần. Hành vi khách ngày thường và cuối tuần khác nhau; dừng test giữa chừng bỏ sót điều đó.
Xác định cỡ mẫu trước khi chạy. Dùng một máy tính cỡ mẫu (nhiều công cụ miễn phí) để biết cần bao nhiêu khách và bao lâu, quyết định trước, rồi không đụng vào cho tới khi đạt. Điều này dẫn thẳng tới sai lầm chết người nhất.
Sai lầm chết người: dừng test quá sớm
Nếu chỉ nhớ một điều từ bài này, hãy nhớ điều này: đừng dừng test ngay khi thấy một phiên bản đang dẫn.
Đây là cạm bẫy tinh vi và phổ biến nhất. Bạn chạy test, ngày thứ ba thấy phiên bản B đang thắng với "độ tin cậy 95%", mừng quá dừng lại và triển khai B. Vấn đề: trên cỡ mẫu nhỏ, tỷ lệ dao động dữ dội: hôm nay B dẫn, mai A vượt, ngày kia lại B. Nếu bạn cứ nhìn liên tục và dừng đúng lúc B đang dẫn, bạn gần như chắc chắn sẽ tìm thấy một "người thắng", kể cả khi thật ra hai phiên bản chẳng khác gì nhau.
Con số minh họa mức nguy hiểm: nếu bạn cứ kiểm tra kết quả sau mỗi 100 khách và dừng ngay khi thấy "có ý nghĩa", tỷ lệ báo thắng giả có thể vọt lên tới hơn 50%, thay vì mức 5% lẽ ra (tham khảo). Nghĩa là hơn một nửa số "người thắng" bạn tìm thấy theo cách đó chỉ là nhiễu ngẫu nhiên. Bạn triển khai chúng, rồi ngạc nhiên vì đơn không tăng như test hứa hẹn, đúng như anh Hùng.
Cách tránh: quyết định cỡ mẫu và thời gian trước khi chạy, rồi kỷ luật không kết luận cho tới khi đạt đủ. Đừng "nhìn trộm" và dừng sớm. Test là để tìm sự thật, không phải để xác nhận điều bạn muốn nghe.
Đọc kết quả cho đúng
Khi test đã chạy đủ mẫu và đủ thời gian, đọc kết quả thế nào?
Nhìn ý nghĩa thống kê, không chỉ nhìn ai cao hơn. Phiên bản B chuyển đổi 2,3% và A chuyển đổi 2,1%, nghe B thắng, nhưng nếu cỡ mẫu chưa đủ, khác biệt 0,2% này có thể chỉ là ngẫu nhiên. Các công cụ test đều báo mức tin cậy (thường lấy mốc 95%); dưới mốc đó, coi như chưa có kết luận.
Chấp nhận kết quả "hòa" hoặc "thua". Rất nhiều test cho ra không có khác biệt có ý nghĩa, hoặc phiên bản mới thua. Đó không phải thất bại, đó là bạn vừa tránh được việc triển khai một thay đổi vô ích hoặc có hại. Một test cho biết "đừng đổi" cũng đáng giá như một test cho biết "nên đổi".
Xét cả tác động thực tế, không chỉ phần trăm. Một cải thiện 5% chuyển đổi trên trang có 100 khách/tháng gần như vô nghĩa; cùng 5% đó trên trang chủ lực có 50.000 khách/tháng là tiền thật. Ưu tiên triển khai những thắng lợi trên trang lưu lượng cao.
Sau mỗi test, dù kết quả gì, ghi lại giả thuyết và điều học được. Theo thời gian bạn tích lũy được hiểu biết thật về khách của mình, thứ quý hơn bất kỳ mẹo tối ưu vay mượn nào. Việc đọc số liệu tổng thể của web được trình bày ở bài đọc số liệu analytics cho shop.
Nói thẳng: A/B testing không dành cho mọi web, và không phải phép màu
Cần nói rõ vài điều để bạn không tốn công vô ích.
Web quá ít traffic thì đừng A/B test tinh vi. Đây là sự thật khó nghe với brand nhỏ. Nếu web bạn chỉ vài trăm khách mỗi ngày, bạn sẽ mất hàng tháng để đủ mẫu cho một test, và trong lúc đó thị trường đã đổi. Với web nhỏ, thường hiệu quả hơn là làm đúng các nguyên tắc nền tảng đã được kiểm chứng rộng rãi (trang sản phẩm đầy đủ thông tin, checkout gọn, có review, tốc độ nhanh) thay vì test từng chi tiết. Hãy để dành A/B testing cho khi có đủ lưu lượng, hoặc chỉ test những thay đổi lớn.
A/B testing tối ưu cái đang có, không tạo ra ý tưởng lớn. Test giúp bạn chọn giữa các phương án, nhưng nó không nghĩ ra phương án cho bạn. Nếu cả hai phiên bản đều tệ, test chỉ cho bạn biết cái nào ít tệ hơn. Ý tưởng tốt đến từ hiểu khách, xem số liệu, nghe phản hồi; test chỉ để kiểm chứng.
Đừng test những thứ không đáng. Có một cám dỗ là test mọi thứ, kể cả những chi tiết tác động bé xíu. Thời gian và lưu lượng là hữu hạn; dồn chúng vào những test có khả năng tạo khác biệt lớn. Test màu nút trong khi trang sản phẩm còn thiếu ảnh và review là ưu tiên sai chỗ.
Kết: để số liệu quyết định, đừng để cảm tính
Anh Hùng cuối cùng làm lại đúng cách: anh dựng một A/B test thật, cho hai tiêu đề chạy đồng thời trên cùng trang, chia ngẫu nhiên khách, và để nó chạy đủ ba tuần cho tới khi đạt cỡ mẫu định trước. Kết quả bất ngờ: tiêu đề "nhấn lợi ích" mà anh yêu thích thật ra chỉ ngang bằng tiêu đề cũ, khác biệt không có ý nghĩa. Nhưng nhờ vậy anh không phí công đổi toàn bộ web theo một niềm tin sai. Test tiếp theo, khi anh thử thêm phần review khách thật vào trang, mới cho ra một thắng lợi rõ ràng và bền.
Đó là giá trị thật của A/B testing: nó thay "tôi nghĩ vậy" bằng "số liệu cho thấy vậy". Nó không hào nhoáng và đôi khi cho kết quả làm bạn cụt hứng, nhưng nó là cách duy nhất để biết chắc thay đổi nào đáng tiền. Làm đúng bốn điều (một giả thuyết, một biến, đủ mẫu, không dừng sớm) và bạn sẽ tối ưu web dựa trên sự thật, không dựa trên may rủi. Khi mỗi lượt truy cập đều tốn tiền quảng cáo, biết chắc cái gì hiệu quả là một lợi thế lớn.
Lần gần nhất bạn đổi một thứ trên web, bạn có chắc nó thật sự giúp, hay chỉ là tuần đó may?
Đặt lịch tư vấn cùng ScaleCommerce →. Chúng tôi dựng quy trình A/B testing và tối ưu chuyển đổi cho web bán hàng của bạn, chọn đúng thứ nên test và đọc kết quả cho đúng, chỉ làm phần tạo ra khác biệt.
Câu hỏi thường gặp (FAQ)
A/B testing là gì, giải thích ngắn gọn? Là cách cho hai phiên bản của một thứ (tiêu đề, nút, ảnh, bố cục) chạy đồng thời, chia ngẫu nhiên khách vào hai nhóm, rồi đo phiên bản nào cho chuyển đổi cao hơn. Vì cả hai chạy cùng lúc với cùng loại khách, khác biệt đo được đến từ thứ bạn test, không phải yếu tố bên ngoài.
Cần bao nhiêu khách để một A/B test có ý nghĩa? Tùy tỷ lệ chuyển đổi nền và mức cải thiện muốn phát hiện. Với chuyển đổi nền khoảng 2% và muốn phát hiện cải thiện tương đối 15%, cần cỡ 50.000 lượt cho mỗi phiên bản (tham khảo). Web nhỏ nên test những thay đổi lớn (cần ít mẫu hơn) và chạy tối thiểu 1-2 tuần trọn vẹn.
Sai lầm phổ biến nhất khi A/B testing là gì? Dừng test quá sớm ngay khi thấy một phiên bản đang dẫn. Trên cỡ mẫu nhỏ, tỷ lệ dao động mạnh, nên "nhìn trộm" rồi dừng đúng lúc sẽ cho người thắng giả. Cách tránh: quyết định cỡ mẫu và thời gian trước khi chạy, rồi không kết luận cho tới khi đạt đủ.
Nên test cái gì trước trên web bán hàng? Ưu tiên yếu tố tác động lớn đến quyết định mua: tiêu đề và mô tả sản phẩm, nút kêu gọi hành động, ảnh sản phẩm, cách trình bày giá, và bố cục trang hoặc luồng checkout. Chọn trang có nhiều truy cập nhất để đủ mẫu nhanh, và yếu tố bạn có giả thuyết mạnh nhất.
Web ít khách có nên A/B testing không? Nếu web quá ít traffic, test tinh vi (màu nút, một chữ) sẽ mất hàng tháng mới đủ mẫu, không đáng. Với web nhỏ, thường hiệu quả hơn là làm đúng các nguyên tắc nền tảng đã được kiểm chứng (trang sản phẩm đầy đủ, checkout gọn, có review, tốc độ nhanh), để dành A/B testing cho thay đổi lớn hoặc khi đủ lưu lượng.
Nguồn tham khảo
- Convert.com, Acceleroi: máy tính cỡ mẫu A/B, chuyển đổi nền ~2%, phát hiện cải thiện tương đối 15% cần cỡ ~50.000 lượt/phiên bản (tham khảo)
- RevLifter, AWA Digital: nguy cơ dừng test sớm và "peeking", kiểm tra liên tục có thể đẩy tỷ lệ báo thắng giả lên trên 50% (tham khảo)
- Nielsen Norman Group: nguyên tắc chạy A/B test và yêu cầu chạy đủ 1-2 tuần bao trọn các ngày trong tuần
- Lưu ý: cỡ mẫu cụ thể tùy tỷ lệ chuyển đổi nền, mức cải thiện muốn phát hiện và độ tin cậy; hãy dùng máy tính cỡ mẫu cho trường hợp của bạn
Nhận buổi đánh giá doanh nghiệp miễn phí từ ScaleCommerce: xem điểm số, lỗ hổng và lộ trình cụ thể cho riêng shop của bạn. Không pitch, chỉ tư vấn thật.