UX Optimization (รู้จัก A/B Testing และ Personalization)

ความสำคัญของการทำ UX Optimization

ปกติแล้ว หากจะทำการพัฒนาเว็บไซต์ให้มีประสิทธิภาพที่สุด (Optimization) เราควรเริ่มจากการทำ Experiment ซึ่งหมายถึงการปรับหรือเปลี่ยน Element ต่างๆ
บนเว็บไซต์ (สี, ขนาด, คำที่ใช้, รูปแบนเนอร์) เพื่อหารูปแบบหรือเวอร์ชั่นที่ดีกว่า ในการสร้างประสบการณ์ใช้งาน (User Experience) ที่ดีให้กับผู้ใช้ และสร้างผลประโยชน์ที่เพิ่มขึ้นให้กับธุรกิจ ยกตัวอย่างเช่น Web Engagement ดีขึ้นหรืออัตรา Conversion เพิ่มมากขึ้น อย่างไรก็ตามต้องไม่ลืมว่าการทำ Experiment ไม่ใช่สิ่งที่ทำแล้วเสร็จในครั้งเดียว แต่ต้องทำอย่างต่อเนื่องเพื่อหารูปแบบที่มีประสิทธิภาพยิ่งขึ้นๆ

ในยุคปัจจุบัน เกือบทุกประเภทธุรกิจ/บริการมีคู่แข่งทางตรง (Direct Competitor) เพราะการเสนอสินค้าลักษณะเดียวกัน การทำ UX Optimization
จึงกลายเป็นหนึ่งในจุดแข็งทางธุรกิจ (competitive advantage) ที่อาจทำให้ผู้ใช้งานสามารถเกิดการ conversion ดังนั้นต้องบอกว่าใครทำก่อนได้เปรียบ

การปรับหรือเปลี่ยน Element บนเว็บไซต์ถือเป็นเรื่องใหญ่สำหรับธุรกิจ เพราะมันไม่ใช่การคาดเดา
หรือการให้ Designer บอกว่าจะเปลี่ยนเพราะความชอบของพวกเขา แต่ควรจะมี Data มายืนยันว่าการเปลี่ยนนั้นจะส่งผลดีต่อธุรกิจจริงๆ อย่างไรก็ตามหลายๆธุรกิจก็ยังไม่ได้เริ่มทำอย่างจริงๆจังๆเนื่องจาก ไม่มีเวลา ขาดผู้เชี่ยวชาญ ยุ่งยากเรื่องการวัดผล ฯลฯ

วันนี้เราจึงมาแนะนำ Google Optimize ตัวช่วยในการ Set-up, และวัดผลของการทำ Experiment

อย่างไรก็ตามคุณควรมีความรู้พื้นฐานเกี่ยวกับ HTML5/CSS3

Google Optimize คือเครื่องมือที่ผลิตขึ้นโดย Google Marketing Platform และเปิดให้ใช้งานฟรีทั่วโลก
เพื่อช่วยอำนวยความสะดวกแก่ธุรกิจให้การทำ Experiment ต่างๆบนเว็บไซต์เป็นเรื่องง่ายดาย อย่างไรก็ตามธุรกิจของคุณสามารถอัพเกรดเป็น Google Optimize 360 ได้ เพื่อเพิ่มประสิทธิภาพสูงสุดในการใช้งาน (เช่น ไม่จำกัดจำนวนในการทำ Experiment, สามารถดึงข้อมูล Audience จาก Google Analytics 360 ) 

ด้วย Visual Editor คุณสามารถทำการปรับ, เปลี่ยน, เพิ่ม, หรือลบ Element บนเว็บไซต์ ได้อย่างง่ายดาย
เพียงมีความเข้าใจพื้นฐานเกี่ยวกับ HTML5/CSS3

Google Optimize มีรูปแบบ Experiment ดังนี้

A/B Testing = คือการเปรียบเทียบ Element (1 อย่าง) เพื่อหา version ที่ดีกว่า

สมมติว่าคุณมีเว็บไซต์ขายของออนไลน์ และคุณอยากให้มีจำนวนผู้ซื้อสินค้ามากขึ้น 
ให้เริ่มจากการตั้งสมมติฐานก่อนว่าจุดไหนคือปัญหาและจะปรับเปลี่ยนอย่างไรบ้าง เพราะอะไร เช่น

“การเปลี่ยน ปุ่ม Call to Action คำว่า (ซื้อเลย) เป็นคำว่า ( ซื้อวันนี้รับส่วนลด 20%)
อาจช่วยให้มีอัตราการ Conversion ที่สูงขึ้น เนื่องจากข้อความส่วนลดจะช่วยกระตุ้นความอยากซื้อ”

ในกรณีนี้เราเรียกปุ่ม Call to Action ตั้งต้น (ซื้อเลย) ว่า Control
ส่วนเวอร์ชั่นคู่แข่งที่เราสร้างขึ้นเพื่อทดสอบ (ซื้อวันนี้รับส่วนลด 41%) เรียกว่า Variant 1

ในการทำ A/B Testing จำนวนยอดผู้เข้าชมเว็บไซต์ (traffic) จะถูกหารเท่ากับจำนวนตัวแปรที่ทำการทดสอบ
หมายความว่าในกรณีนี้ที่มีเพียงหนึ่งตัวแปร traffic จะถูกหาร 50/50 โดยผู้ใช้ครึ่งหนึ่งจะได้เห็นเวอร์ชั่นปัจจุบัน
ส่วนผู้ใช้อีกครึ่งจะได้เห็นเวอร์ชั่นที่ทำการทดสอบ

จะทำอย่างไรหากมีหลายตัวแปร (Variant) อยากทดสอบ?

หากคุณมีไอเดียหรือคำอื่นๆที่อยากทดสอบ คุณสามารถทำการ A/B Test หลาย Variants ได้
แต่ยอดผู้เข้าชมเว็บไซต์ (traffic) จะถูกหารตามจำนวนตัวแปรที่ทำการทดสอบ หมายความว่า
คุณจะต้องใช้เวลานานขึ้นกว่าจะรู้ผลว่าเวอร์ชั่นไหนที่สร้าง conversion ได้ดีที่สุด

ดังนั้นการทำ A/B Testing หลายตัวแปรจึงเหมาะกับเว็บไซต์ขนาดใหญ่ที่มี traffic สูง

Multivariate Test = การเปรียบเทืียบหลายๆ Element เพื่อหา version ที่ดีที่สุด

เป็นการเปรียบเทียบสอง Element ขึ้นไป ยกตัวอย่างจากกรณีเดิมที่เราทำการ A/B Testing ปุ่ม CTA
เว็บไซต์ขายของออนไลน์ ครั้งที่แล้วเราทดสอบการเปลี่ยนคำ ครั้งนี้เราอยากทดสอบการเปลี่ยนสีปุ่มด้วย
ว่ามีผลให้ยอด conversion เพิ่มขึ้นหรือไม่

โดยที่เราจะใช้คำเดิมจากการทดสอบ  (ซื้อวันนี้รับส่วนลด 41%)
สีปุ่มต้นฉบับเป็นสีส้ม เราจะทดลองเปลี่ยนเป็นสี น้ำเงิน และสีเขียว

Google Optimize จะทำการกระจาย Variant เพื่อให้เรารู้ได้ชัดเจนว่า สถิติที่ดีขึ้นมาจาก Element ไหนกันแน่
เช่นเดียวกับการทำ A/B Testing ยิ่งคุณเพิ่มตัวแปรมากขึ้น คุณก็จะต้องใช้เวลาในการเก็บข้อมูลมากขึ้น

Redirect Test = ใช้สำหรับการทดสอบการเปลี่ยน/เพิ่ม Flow ที่เว็บปัจจุบันไม่มี

Redirect Test หรือที่หลายๆคนรู้จักในชื่อ Split test คือประเภท Experiment ที่จะมีประโยชน์มาก
ในกรณีที่คุณคุณต้องการทดสอบ ปรับเปลี่ยน flow ที่ไม่มีอยู่บนหน้าเว็บปัจจุบัน หรือเปลี่ยนแปลงดีไซน์
จากหน้ามือเป็นหลังมือ ในกรณีนี้คุณไม่สามารถทำใน Visual Editor ได้

คุณอาจต้องให้ทีม Developers ช่วยสร้างหน้าใหม่ที่จะทดสอบนี้ขึ้นมาบนอีก URL ที่แตกต่างกัน
การทำ Redirect Test จะทำให้ผู้ใช้งานที่ถูกทดสอบถูก reload ไปยังหน้าที่สร้างขึ้นมาใหม

ยกตัวอย่าง คุณอาจใช้ Redirect Test ได้เมื่อคุณต้องการทดสอบหน้า HOMEPAGE สองเวอร์ชั่น
ท่ีมีรายละเอียดแตกต่างกันอย่างมาก เพื่อเปรียบเทียบว่ารูปแบบไหนดีกว่ากัน 

Personalization = การสร้างประสบการณ์ที่ตรงความสนใจของแต่ละ User segment

ในขณะที่จุดประสงค์ของ A/B Testing คือการหา version ที่เหมาะที่สุดสำหรับคนทุกประเภท

การทำ Personalization เกิดจากแนวความคิดทีเชื่อว่า “ผู้ใช้” แต่ละคนไม่เหมือนกัน ดังนั้นจึงควร
ได้รับประสบการณ์ที่แตกต่างกัน ด้วยวิธีนี้จึงจะสามารถเพิ่ม Conversion ของแต่ละบุคคลได้อย่างตรงจุด

สมมติว่าคุณกำลังทำ Optimize เว็บบทความออนไลน์ซึ่งมีบทความหลายประเภท เป้าหมายของคุณคือการเพิ่มเครดิตในการขายพื้นที่โฆษณาให้เว็บไซต์คุณ ด้วยการทำให้ Users อยู่บนเว็บได้นานที่สุด

คุณสามารถทำการ Personalize ได้ด้วยการกำหนดให้แต่ละ Segment เห็นหน้า HOMEPAGE ในส่วนของบทความที่ถูกแนะนำ (Article Recommendation) แตกต่างกันไปตามความสนใจของเขา ข้อมูลเหล่านี้ได้จากประวัติการเล่นเว็บไซต์ที่ Google Analytics บันทึกไว้และรายการแนะนำบทความสามารถเปลี่ยนแปลงได้จากพฤติกรรมการใช้งานจริงบนเว็บไซต์

*การทำ Personalization สามารถใช้ A/B Test เพื่อหาเวอร์ชั่นที่ดีที่สุดสำหรับกลุ่มเป้าหมายนั้นๆ
เช่นทำ A/B Test เพื่อหาเวอร์ชั่นที่ดีที่สุดของส่วนแนะนำบทความ (Article Recommendation)สำหรับแต่ละ Segment 

หากคุณอยากศึกษาเกี่ยวกับการทำ Experiment เพิ่มเติมคลิก https://marketingplatform.google.com/about/optimize/

ในแง่การวัดผล ต้องบอกว่าง่ายมากเพราะ Google Optimize ระบุให้เห็นชัดเจนเลยว่า
Variant ไหนที่มีอัตราการ conversion มากที่้สุด, กี่%, และให้ชื่อผู้ชนะว่าเป็น “Leader”
เมื่อค้นพบ Leader แล้วเราสามารถทำการ Deploy ขึ้นหน้าเว็บได้เลย โดยจะอยู่ในรูปแบบของ
Personalization ซึ่งเราสามารถเลือกเป็น All traffic หรือระบุ Segment ใดๆก็ตามที่เราต้องการได้เลย
ในกรณีที่คุณทำการ

* ถ้าคุณใช้งาน Google Analytics (GA) อยู่แล้วก็จะยิ่งเป็นเรื่องง่าย เพราะคุณสามารถดูข้อมูลของการทำ Experiment ผ่าน GA ได้เลย
นอกจากนี้คุณสามารถใช้ Goals ที่ set ไว้ใน GA เพื่อทำการวัดผลได้อีกด้วย

หากคุณทำการ A/B Testing แล้วไอเดียจากสมมติฐานของคุณไม่ชนะรูปแบบต้นฉบับ ก็ไม่ต้องตกใจไป
เป็นเรื่องปกติที่การทำ Experiment อาจไม่ได้สำเร็จในครั้งเดียว คุณสามารถทดลองตัวแปรอื่นๆ
เพื่อทำการทดสอบสมมติฐานอีกครั้งได้

เช่นเดียวกันถ้าคุณทำ A/B Testing แล้วผลลัพธ์ปรากฎว่าคุณได้ “Leader” ตั้งแต่ครั้งแรกเลย
ยินดีด้วยแต่อย่าลืมว่าการทำ Experiement ควรทำอย่างต่อเนื่องคุณสามารถคิดสมมติฐานใหม่ๆ
ได้เสมอ เพื่อหาเวอร์ชั่นทีดีขึ่้นๆ (ดียิ่งกว่า Leader ที่ชนะในการทำ A/B Testing ครั้งแรก)


อย่างที่กล่าวไปครับว่าการทำ Optimization เว็บไซต์ช่วยพัฒนาประสบการณ์ใช้งานที่ดีและเป็นหนึ่งในปัจจัยที่อาจช่วยเพิ่มผลกำไรให้แก่ธุรกิจ
ปัจจุบันในประเทศไทยที่ยังมีคู่แข่งน้อยธุรกิจไหนเริ่มทำก่อนก็ได้เปรียบ แต่ในอนาคต ซึ่งอาจจะในอีกไม่ไกล ที่ทุกธุรกิจตระหนักถึงความสำคัญ
และเริ่มลงทุนกับการ Optimizationถึงตอนนั้นเว็บไหนไม่มีก็คงไม่ได้แล้วล่ะครับ เพราะคุณจะแพ้คู่แข่งของคุณบนช่องทางออนไลน์​ในทันที

หากธุรกิจคุณสนใจการทำ Web Optimization แต่ว่ายังไม่มั่นใจ, ไม่มีเวลาทำเอง, หรือ ขาดทีมผู้เชี่ยวชาญ
หรือต้องการคำปรึกษา ให้ทีม Predictive ช่วยคุณคลิก https://predictive.co.th/contact-us/





Leave a Comment

Your email address will not be published. Required fields are marked *