Apa itu Pengujian A/B? (Definisi + Cara Menjalankan Pengujian A/B)

Jika Anda menjalankan kampanye pemasaran, mengirim email, atau mencoba mendapatkan arahan dari situs web Anda, Anda menghasilkan konten yang berharga untuk pengikut Anda secara teratur.

Tapi tahukah Anda seberapa baik kinerja konten itu?

Apakah Anda puas dengan hasil yang Anda lihat? Jika Anda telah mencoba mencari tahu mengapa beberapa bagian konten tampaknya jauh lebih berhasil daripada yang lain, Anda mungkin ingin mempertimbangkan untuk menjalankan pengujian A/B.

Alat berharga ini menghilangkan tebakan dari strategi konten Anda dan memberi Anda data yang Anda butuhkan untuk membuat keputusan terbaik untuk bisnis Anda. Tidak yakin apa itu pengujian A/B atau bagaimana menjalankannya? Kami akan langsung ke dasar-dasar dengan panduan ini sehingga Anda dapat menjalankan tes Anda sendiri dalam waktu singkat!

Apa itu Pengujian A/B?

Komponen kunci untuk strategi pemasaran yang sukses adalah mengetahui apa yang berhasil dan memanfaatkan informasi ini. Pengujian A/B memberi Anda wawasan utama ini dan menghilangkan kebutuhan untuk menebak apa yang paling berhasil. Dengan pengujian A/B, Anda menjalankan eksperimen acak menggunakan dua konten serupa yang Anda bagikan dengan grup berbeda dan memantau untuk melihat mana yang memberikan hasil yang diinginkan.

Hal ini sering dilakukan dengan email, di mana baris subjek atau sudut pandang yang berbeda dapat digunakan untuk menguji yang menghasilkan tingkat terbuka yang lebih tinggi. Atau Anda dapat menguji dua iklan untuk penawaran yang sama dengan salinan yang sedikit berbeda untuk melihat versi mana yang menghasilkan rasio klik yang lebih tinggi.

Potongan konten yang menghasilkan rangkaian hasil yang lebih baik dianggap sebagai sampel 'pemenang' dan digunakan dalam kampanye mendatang atau untuk membuat materi pemasaran lainnya. Jika Anda menemukan bahwa kedua sampel memiliki hasil yang sama atau serupa, itu mungkin berarti Anda perlu membuat masing-masing lebih berbeda untuk mengujinya dengan benar.

Tentu saja, ini tidak berarti bahwa sampel 'kehilangan' itu buruk. Faktanya, wawasan dari kinerjanya dapat menjadi sangat penting dalam membantu Anda memutuskan cara terbaik untuk berkomunikasi dengan segmen audiens yang lebih kecil atau apa yang harus dihindari di masa mendatang.

Mengapa Anda Harus Melakukan Tes A/B?

Tanpa pengujian AB, Anda pada dasarnya terbang buta. Anda berbagi konten dan berharap Anda telah membuat pesan yang tepat untuk audiens yang ingin Anda tarik. Alasan utama untuk melakukan pengujian A/B adalah untuk mengumpulkan wawasan tentang audiens Anda dan bagaimana mereka merespons konten Anda. Ini membekali Anda dengan data yang kemudian dapat Anda gunakan untuk meningkatkan konten yang Anda hasilkan, frekuensi pembagiannya, dan bahkan platform tempat publikasinya.

Pada tahap produksi konten awal, Anda menggunakan informasi umum untuk memandu Anda, tetapi pengujian A/B memungkinkan Anda untuk menyempurnakan pendekatan Anda. Jika Anda melakukan pengujian A/B pada email dan mengirimkannya ke satu grup pada pukul 10 pagi dan grup lainnya pada pukul 3 sore, Anda dapat menggunakan tarif terbuka masing-masing grup untuk menentukan waktu terbaik untuk mengirim email Anda. Demikian pula, Anda dapat membuat perubahan kecil pada baris subjek atau pratinjau email untuk melihat mana yang menghasilkan respons yang lebih baik dari pelanggan Anda.

Bagaimana Cara Kerja Pengujian A/B?

Pengujian A/B terdengar cukup sederhana tetapi perlu dijalankan dengan benar untuk menghasilkan hasil yang andal. Anda bekerja dengan sejumlah variabel yang tidak terkontrol seperti waktu, perangkat lunak, dan orang sehingga ada ruang besar untuk kesalahan. Di sinilah perencanaan yang tepat dapat membantu. Berikut adalah beberapa langkah kunci yang harus Anda ikuti untuk menjalankan tes AB yang sukses dan menghasilkan hasil yang akurat.

Langkah 1. Tentukan Variabel Apa yang Ingin Anda Uji

Langkah pertama adalah mengetahui dengan tepat apa yang akan Anda uji. Untuk setiap tes AB yang Anda jalankan, Anda hanya perlu fokus pada satu hal. Variabel ini dapat berupa baris subjek Anda atau penggunaan personalisasi untuk satu set email atau salinan yang digunakan untuk ajakan bertindak Anda. Meskipun Anda dapat menguji beberapa variabel untuk satu konten, pastikan untuk menguji setiap rangkaian variabel pada waktu yang berbeda. Jika Anda mencoba menguji beberapa variabel sekaligus, Anda tidak akan dapat membedakan variabel mana yang benar-benar lebih efektif.

Selain itu, dengan mempersempit persis apa yang ingin Anda uji, Anda akan lebih mampu memutuskan cara membuat variabel. Jika Anda ingin menguji seberapa efektif personalisasi dalam meningkatkan tarif terbuka Anda, Anda tahu bahwa satu set email perlu menyertakan personalisasi dan yang lainnya tidak. Demikian pula, jika fokus Anda adalah pada bagaimana salinan Anda memengaruhi tingkat klik Anda, fokus Anda adalah membuat dua set salinan ajakan bertindak yang berbeda.

Langkah 2. Identifikasi Metrik Yang Menjadi Fokus

Anda juga perlu tahu apa yang ingin Anda ukur. Apakah itu tingkat klik Anda? Tarif terbuka Anda? Jumlah pelanggan baru? Dengan memperjelas metrik, Anda tahu persis data apa yang harus difokuskan saat memutuskan versi mana yang paling efektif.

Dalam beberapa kasus, terutama jika Anda memiliki data yang ada, ada baiknya untuk memiliki tujuan aktual dalam pikiran atau bahkan hipotesis. Misalnya, Anda mungkin telah memperhatikan bahwa kata-kata tertentu memengaruhi rasio buka Anda secara negatif dan Anda bermaksud menjalankan tes AB untuk melihat apakah ini benar. Hipotesis Anda mungkin bahwa menggunakan kata 'burnout' di baris subjek saya mengurangi tingkat terbuka saya sebesar 3% . Tujuan Anda adalah mengidentifikasi baris subjek mana yang menghasilkan tingkat terbuka yang lebih tinggi.

Langkah 3. Siapkan Kontrol dan Penantang

Dengan menyelesaikan dua langkah pertama, Anda telah mengidentifikasi variabel dan hasil yang Anda inginkan. Sekarang Anda akan siap untuk memutuskan apa 'kontrol' dan 'penantang' Anda. Untuk kontrol Anda, Anda akan membuat konten seperti biasa.

Kembali ke contoh kami mencoba meningkatkan tarif terbuka dengan menguji baris subjek, Anda akan menggunakan format khas baris subjek Anda dengan penyertaan kata 'burnout'. Misalnya, Sepuluh Cara Terbukti Mencegah Burnout sebagai Kreatif .

Penantang Anda adalah tempat Anda akan mulai melakukan penyesuaian berdasarkan hipotesis yang Anda miliki. Dalam hal ini baris subjek Anda mungkin terlihat seperti ini: Sepuluh Cara untuk Membakar Energi Kreatif Anda.

Langkah 4. Bagi Sampel Anda Secara Merata Jika Diperlukan

Cara Anda membagi sampel ditentukan oleh jenis konten yang Anda uji dan alat yang Anda gunakan. Untuk email, Anda biasanya membagi sampel Anda secara merata sehingga setiap grup cukup mirip tetapi Anda juga dapat memilih untuk membaginya secara acak dengan alat pengujian AB Anda.

Untuk konten lain yang kurang dapat Anda kendalikan seperti halaman arahan atau iklan, sampel Anda akan dibagi secara acak.

Langkah 5. Pilih Ukuran Sampel Anda

Sama seperti memilih cara membagi sampel, Anda akan menentukan ukuran sampel sebenarnya berdasarkan alat yang Anda gunakan dan konten apa yang Anda uji. Untuk email, Anda biasanya dapat mengirim kontrol dan penantang Anda ke sebagian kecil dari daftar email Anda. Setelah target tertentu tercapai, 'pemenang' akan dikirim ke kontak yang tersisa.

Halaman web dan iklan sangat berbeda karena Anda tidak memiliki jumlah orang yang Anda harapkan untuk melihatnya. Oleh karena itu, ukuran sampel Anda akan ditentukan oleh berapa lama konten dibagikan atau berapa banyak uang yang dihabiskan untuk iklan.

Apa pun metode yang digunakan, Anda ingin memastikan bahwa Anda mengizinkan pengujian berjalan cukup lama untuk mencapai hasil yang meyakinkan.

Langkah 6. Tentukan Seberapa Signifikan Hasil Anda Seharusnya

Ingat langkah sebelumnya untuk mengidentifikasi metrik yang ingin Anda fokuskan? Di sinilah hal itu menjadi sangat penting. Anda perlu menentukan seberapa signifikan hasil Anda seharusnya untuk memilih 'pemenang' atau konten yang berkinerja lebih baik. Di sini signifikansi statistik ikut bermain. Jika sudah lama sejak Anda melakukan kelas statistik, inilah saatnya untuk penyegaran cepat.

Signifikansi statistik menunjukkan seberapa besar kemungkinan hasil Anda disebabkan oleh kesalahan atau kebetulan. Semakin tinggi signifikansi statistik Anda, semakin dapat diandalkan hasil Anda karena ini berarti bahwa hasil Anda tidak mungkin acak atau dicapai karena kesalahan.

Ingat, hasil dari pengujian Anda akan digunakan untuk menentukan strategi pemasaran Anda, bagaimana Anda menganggarkan pembelanjaan iklan Anda, dan bagaimana Anda berkomunikasi dengan audiens Anda. Oleh karena itu, Anda ingin memastikan bahwa data yang memandu keputusan ini akurat. Biasanya Anda ingin memiliki setidaknya tingkat kepercayaan 95% tetapi Anda bisa mencapai 99%.

Menghitung signifikansi statistik dan tingkat kepercayaan Anda bisa menjadi proses yang cukup rumit, tetapi untungnya ada alat praktis yang dapat menanganinya untuk Anda.

Langkah 7. Pilih Alat Pengujian A/B

Banyak alat pemasaran digital populer di pasar dapat digunakan untuk menjalankan pengujian A/B. Alat seperti Pengelola Iklan Facebook, Pengoptimal Google, Hubspot, ActiveCampaign, Target Adobe, dan Pengoptimal Situs Web Visual hanyalah beberapa contoh perangkat lunak yang dapat menjalankan pengujian A/B untuk email, halaman web, atau iklan.

Saat memilih alat, Anda ingin mempertimbangkan bagaimana Anda akan menggunakannya, jenis konten atau kampanye apa yang akan Anda uji, keterjangkauan, dan kemudahan penggunaan. Fitur penting lainnya untuk difokuskan adalah bagaimana data dikumpulkan dan dibagikan. Angka-angka ini adalah keluaran terpenting yang Anda perlukan sehingga Anda ingin memilih alat yang menyediakan laporan terperinci dalam format yang mudah dipahami.

Langkah 8. Uji Versi A dan B Secara Bersamaan

Tes Anda perlu dilakukan dengan kontrol dan penantang Anda secara bersamaan. Itu berarti Anda tidak dapat mengirim email A hari ini dan email B minggu depan atau menjalankan setiap hari iklan secara terpisah. Mereka perlu diuji dalam kondisi yang sama dengan satu-satunya perbedaan adalah elemen yang diubah dan individu sebenarnya yang melihat konten.

Satu-satunya pengecualian untuk aturan ini adalah ketika tes berhubungan dengan waktu Anda. Jika Anda mencoba menemukan waktu atau hari yang tepat untuk menjangkau audiens Anda, maka tentu saja Anda akan membagikan konten Anda pada waktu yang berbeda. Namun, dalam hal ini, satu-satunya perbedaan antara kontrol dan penantang adalah waktu .

Langkah 9. Fokuskan Analisis Pada Tujuan Utama Anda

Setelah Anda menjalankan pengujian dan mulai mengumpulkan hasil, Anda akan dibanjiri data. Meskipun semua ini relevan, Anda perlu memprioritaskan metrik yang telah Anda tentukan untuk diukur. Jika tujuan utama Anda adalah untuk mengetahui apa yang terbaik untuk rasio terbuka Anda, maka itu perlu menjadi fokus analisis Anda. Itu akan menjadi faktor penentu atau mana dari keduanya yang berhasil.

Itu tidak berarti Anda harus membuang data yang tersisa. Ini dapat digunakan untuk membantu Anda lebih memahami audiens Anda dan bahkan meningkatkan konten Anda lebih jauh. Yang penting untuk diingat adalah bahwa data tambahan ini hanya bagus untuk dimiliki – bukan fokus utama pengujian.

Langkah 10. Ukur Hasil Anda dengan Kalkulator Pengujian A/B

Pada tahap ini, Anda memiliki semua data dan Anda menuangkan angka-angkanya. Jadi, bagaimana Anda benar-benar mengukur hasil Anda dan menentukan apakah hasil tersebut cukup substansial untuk membuat perubahan pada strategi Anda?

Alat seperti Hubspot atau kalkulator pengujian A/B Survey Monkey dapat membantu Anda menebak-nebak. Dengan menggunakan alat ini, Anda akan memasukkan jumlah orang yang menerima setiap variabel dan berapa banyak orang yang mengambil tindakan. Ini akan menghasilkan tingkat konversi untuk masing-masing dan memberikan indikator yang jelas tentang mana yang berkinerja lebih baik.

Langkah 11. Gunakan Hasil Anda untuk Memandu Tindakan Anda Selanjutnya

Sekarang setelah Anda memiliki data yang solid, Anda dapat dengan yakin menggunakan ini untuk menentukan perubahan apa, jika ada, yang diperlukan untuk strategi Anda. Perhatikan bahwa pengujian AB tidak selalu merupakan aktivitas satu kali. Anda dapat menguji konten pemenang Anda melawan penantang lain untuk mendapatkan lebih banyak wawasan sampai Anda puas bahwa apa yang Anda hasilkan akan menghasilkan hasil yang optimal.

Dan jika Anda tidak puas dengan hasilnya, Anda selalu dapat memulai dari awal dengan kumpulan konten yang benar-benar baru. Hebatnya adalah meskipun hasilnya tidak memuaskan, mereka tetap memberi Anda informasi berharga yang dapat Anda gunakan.

Bagaimana Menginterpretasikan Hasil Pengujian A/B

Kami berbicara sedikit tentang betapa berharganya informasi yang diterima dari tes Anda, tetapi bagaimana Anda menafsirkannya dengan benar? Sekali lagi Anda perlu fokus pada tujuan utama Anda. Jika metrik yang Anda fokuskan adalah kurs terbuka, maka Anda akan melihatnya terlebih dahulu. Itu adalah nomor yang akan Anda masukkan ke alat pengujian A/B Anda.

Selanjutnya Anda akan melihat perbedaan tingkat konversi. Anda mungkin telah melihat tingkat konversi 3% untuk email A tetapi tingkat konversi 7% untuk email B dengan tingkat kepercayaan 95%. Hasil ini dianggap signifikan secara statistik dan Anda dapat mengharapkan bahwa menggunakan email B sebagai model Anda untuk email mendatang akan menghasilkan tingkat konversi yang lebih tinggi.

Anda juga dapat melihat lebih jauh ke dalam wawasan lain – demografi audiens seperti usia, jenis kelamin, lokasi, jenis perangkat, atau waktu email Anda dibuka. Semua informasi ini memberi Anda pandangan yang lebih luas tentang siapa audiens Anda dan apa yang mungkin berhasil untuk mereka.

Kesalahan Umum Pengujian A/B yang Harus Dihindari

Bahkan pemasar berpengalaman membuat kesalahan dengan pengujian AB yang dapat berdampak negatif pada hasil mereka dan, dengan perluasan, strategi. Berikut adalah beberapa kesalahan paling umum dan langkah-langkah yang dapat Anda ambil untuk menghindarinya.

Tidak Membiarkan Tes Berjalan Cukup Lama

Tes AB biasanya dilakukan melalui platform tertentu dan platform ini menyediakan data secara real time. Sekarang ini bisa menjadi manfaat besar selama Anda sabar. Sangat mudah untuk melihat kinerja awal tes dan mengakhirinya sebelum waktunya karena Anda ingin membuat keputusan dengan cepat. Masalahnya adalah Anda tidak membiarkan tes berjalan cukup lama untuk memberi Anda gambaran besar. Jika Anda mengakhiri tes Anda setelah beberapa jam, itu tidak akan cukup waktu untuk mengumpulkan hasil nyata.

Untuk menghindari hal ini, putuskan dalam tahap perencanaan berapa lama Anda ingin pengujian dijalankan. Jika Anda memutuskan untuk 24 jam , jangan lakukan apa pun selama 24 jam itu, tidak peduli bagaimana kinerja kontennya.

Ada juga masalah orang tidak menyisihkan waktu yang cukup untuk menjalankan tes mereka. Ingat, berbagai jenis konten perlu diuji dalam situasi yang berbeda. Iklan Anda tidak dapat diuji untuk jangka waktu yang sama dengan email atau halaman arahan Anda, misalnya. Selain itu, Anda ingin memberikan lebih banyak waktu untuk audiens yang lebih besar. Dapat diharapkan bahwa kelompok kecil yang terdiri dari 50 orang akan menghasilkan hasil yang signifikan dalam waktu yang lebih singkat daripada kelompok yang terdiri dari 35.000 orang.

Menguji Terlalu Banyak Variabel Sekaligus

Ada alasan mengapa ini disebut pengujian AB – Anda menguji elemen A terhadap elemen B. Meskipun ada pengujian multivarian, itu adalah bentuk pengujian yang sama sekali berbeda dan dilakukan dalam kondisi yang berbeda. Apa yang terjadi ketika Anda menjalankan tes AB dan memasukkan terlalu banyak variabel adalah hasilnya tidak dapat dipercaya. Akan ada terlalu banyak contoh kesalahan atau peluang acak yang mungkin berdampak pada hasil. Jika Anda mengirim email Anda pada waktu yang berbeda, itu mungkin yang memaksa tarif terbuka dan bukan baris subjek. Jika Anda mengubah desain tombol ajakan bertindak dan salinannya, Anda tidak dapat memastikan mana yang membuat perbedaan.

Inilah sebabnya mengapa sangat penting untuk mengetahui tujuan Anda dan menggunakannya untuk memandu bagaimana pengujian Anda dilakukan. Jika Anda ingin fokus pada kurs terbuka, variabel Anda harus berhubungan dengan itu. Jika Anda mencoba untuk mendapatkan lebih banyak kunjungan situs web, Anda seharusnya hanya memiliki satu variabel yang berhubungan dengan itu dan tidak ada yang lain. Ketika Anda melakukan ini, Anda dapat lebih percaya diri mengandalkan hasil.

Pengujian Terlalu Cepat

Ini mungkin terdengar agak membingungkan tetapi bersabarlah. Semakin banyak lalu lintas yang Anda miliki, semakin besar audiens Anda, semakin banyak orang yang dapat Anda sertakan dalam pengujian Anda, dan semakin dapat diandalkan hasil Anda.

Ini bukan untuk mengatakan Anda tidak boleh menguji konten Anda ketika Anda baru memulai tetapi Anda tidak bisa terlalu mengandalkan data yang Anda dapatkan. Anda harus menguji ulang lagi saat jumlah Anda bertambah. Peringatan lainnya adalah bahwa pengujian yang terlalu cepat mungkin didorong oleh rasa putus asa untuk melihat angka yang lebih baik yang dapat mengacaukan pengujian Anda. Ini membuat Anda menjadi tidak sabar saat menjalankan tes dan Anda mungkin terjebak untuk mengakhirinya terlalu cepat, meninggalkan Anda dengan data yang tidak meyakinkan atau gagal.

Cara terbaik untuk menghindari kesalahan ini adalah dengan bersabar. Tunggu hingga konten asli Anda memiliki kesempatan untuk tampil dan kemudian putuskan apakah ada ruang untuk perbaikan. Beri diri Anda waktu untuk mulai menumbuhkan audiens Anda dan menarik target ideal Anda sehingga datanya benar-benar relevan bagi Anda. Kemungkinannya adalah, dengan waktu yang cukup Anda tidak perlu menjalankan pengujian – kampanye Anda akan mulai meningkat kecepatannya, dan jika tidak, Anda dapat membuat keputusan.

Siap Menggunakan Pengujian AB untuk Meningkatkan Strategi Pemasaran Anda?

Tidak ada keraguan bahwa pengujian A/B adalah bagian penting dari setiap strategi pemasaran yang sukses, tetapi perlu dijalankan dengan baik. Ini berarti mengidentifikasi tujuan Anda, metrik utama, alat yang perlu Anda gunakan, dan mengidentifikasi variabel Anda.

Jika Anda telah merencanakan pengujian Anda dengan benar menggunakan langkah-langkah yang diuraikan di atas, mengumpulkan dan menafsirkan hasilnya harus mudah. Masukkan data ke dalam kalkulator Anda dan putuskan apakah perbedaannya cukup signifikan untuk membuat perubahan pada konten Anda.

Jika ya, luangkan waktu untuk benar-benar melihat data dan menafsirkan hasil Anda. Kemudian gunakan temuan Anda untuk meningkatkan strategi pemasaran Anda.

Dan sebelum Anda menyadarinya, Anda dan bisnis Anda akan menuai manfaat dari pengujian AB.