7 สิ่งที่ต้องพิจารณาก่อนการทดสอบ A/B ที่ไม่หวังผลกำไรครั้งต่อไปของคุณ

องค์กรไม่แสวงผลกำไรแห่งใดบ้างที่ไม่ต้องการมอบประสบการณ์การบริจาคที่แข็งแกร่ง มีประสิทธิภาพสูงสุด และเน้นผลลัพธ์ให้กับผู้สนับสนุน วิธีหนึ่งที่จะมั่นใจได้ว่าแนวคิดของคุณทำงาน ได้ ดีที่สุดคือการพึ่งพา แนวคิดการทดสอบ A/B ใหม่ๆ

การทดสอบ A/B เป็นกลยุทธ์ที่เชื่อถือได้สำหรับองค์กรไม่แสวงผลกำไร แต่ต้องใช้เวลาและทรัพยากรในการดำเนินการให้ถูกต้อง เรามาที่นี่เพื่อแจกแจงอย่างชัดเจนถึงสิ่งที่จะเข้าสู่กระบวนการทดสอบ A/B เพื่อช่วยทีมของคุณเตรียมความพร้อมและตั้งงบประมาณตามนั้น

ผลกระทบของการทดสอบ A/B ประสบการณ์การบริจาคของคุณ

แนวทางปฏิบัติทั่วไปในการแจ้งประสบการณ์ของผู้ใช้ การทดสอบ A/B จะระบุจุดที่ต้องปรับปรุง ที่ Classy เราทำการทดสอบเหล่านี้บ่อยครั้งเพื่อแจ้งถึงนวัตกรรมผลิตภัณฑ์ของเรา และช่วยให้ชุมชนที่ไม่หวังผลกำไรของเราเพิ่มประสิทธิภาพประสบการณ์การบริจาค

องค์กรไม่แสวงผลกำไรสามารถทำการทดสอบ A/B ได้เมื่อใด

องค์กรที่ไม่แสวงหาผลกำไรอาจทำการทดสอบ A/B เพื่อ:

• ระบุโอกาสในการเพิ่มประสิทธิภาพบน เว็บไซต์ หรือแบบฟอร์มการบริจาค (เช่น สี ปุ่ม แบบอักษร แบรนด์ ช่องแบบฟอร์ม ฯลฯ)
• ประเมินอัตรา Conversion ของ แบบฟอร์มการบริจาค แบบฝังเทียบกับแบบ มาตรฐาน
• เข้าใจข้อมูลประชากรและพฤติกรรมของผู้บริจาคได้ดีขึ้น
• เพิ่มเป้าหมายแคมเปญที่เฉพาะเจาะจง (เช่น ราย ได้จากการให้เป็นประจำ )
• ลดความขัดแย้งในกระบวนการชำระเงิน (เช่น การลบข้อกำหนดข้อมูลติดต่อบางอย่างออก)
• ประเมินข้อความของแคมเปญและองค์ประกอบเชิงสร้างสรรค์เพื่อค้นหาว่าองค์ประกอบใดโดนใจผู้บริจาคมากที่สุด

วิธีการทดสอบอื่น ๆ

บางครั้ง การทดสอบ A/B อาจไม่เหมาะสมที่สุด โดยเฉพาะอย่างยิ่งเมื่อคุณต้องการควบคุมตัวแปร เช่น ฤดูกาล ตัวอย่างที่ดีของเรื่องนี้คือหนึ่งในการทดสอบที่เราดำเนินการที่ Classy ในแบบฟอร์มการบริจาคที่ฝังไว้ของเรา

แบบ ฟอร์มการบริจาคที่ฝังไว้ เป็นประสบการณ์ที่ได้รับการปรับปรุง ซึ่งโดยทั่วไปจะใช้เป็นตัวเลือกการบริจาคเว็บไซต์หลัก ผู้เยี่ยมชมสามารถเข้าถึงแบบฟอร์มผ่านทางคำกระตุ้นการตัดสินใจ (CTA) “บริจาค” ในส่วนหัวของไซต์ที่ไม่แสวงหาผลกำไรหรือ CTA หลักในเนื้อหาของไซต์ที่ไม่แสวงหาผลกำไร

เมื่อเร็วๆ นี้ เราได้ทดสอบกรณีการใช้งานนี้เพื่อพิจารณาว่าการรับส่งข้อมูลจากเว็บไซต์ขององค์กรมากกว่า 500 แห่งมีความผันผวนในช่วงเก้าเดือนอย่างไร เมื่อใช้แบบฟอร์มแบบฝังเมื่อเปรียบเทียบกับแบบฟอร์มการบริจาคมาตรฐาน เราตรวจสอบเซสชันที่ไม่ซ้ำกันมากกว่า 500,000 เซสชัน และเปรียบเทียบประสิทธิภาพการแปลงกับการบริจาคมาตรฐานในช่วงเวลาเดียวกันของปีก่อน

นี่คือผลการวิจัย:

• ค่ามัธยฐานของ Conversion ที่เพิ่มขึ้นคือ 3 คะแนนโดยมีประสบการณ์การบริจาคแบบฝัง ซึ่งเพิ่มขึ้นเป็น 4.3 คะแนนบนมือถือ
• รายได้ต่อผู้เข้าชมเพิ่มขึ้น 29% จากประสบการณ์การบริจาคแบบฝัง

การวิจัยทั่วทั้งอุตสาหกรรมและเฉพาะองค์กรของเราช่วยให้องค์กรที่ไม่หวังผลกำไรมีข้อมูลประกอบการตัดสินใจเกี่ยวกับประสบการณ์การบริจาค จากนั้น เมื่อเหมาะสมสำหรับการทดสอบ A/B เราก็ทำสิ่งนั้นมากมายเช่นกันเพื่อเสนอข้อมูลเชิงลึกเกี่ยวกับสิ่งที่โดนใจผู้บริจาคในพื้นที่ในปัจจุบัน

7 สิ่งที่ควรรู้ก่อนที่คุณจะทดสอบ A/B แคมเปญของคุณ

การทดสอบ A/B อาจดูเหมือนเป็นกระบวนการที่น่ากังวลและมีความแตกต่างหลายประการ นั่นเป็นเหตุผลที่เราสรุปขั้นตอนสองสามขั้นตอนเพื่อเป็นแนวทางในการตัดสินใจของคุณและวางแผนเส้นทางที่ดีที่สุดข้างหน้า

1. รับความชัดเจนเกี่ยวกับตัวเลขเพื่อเตรียมพร้อมสู่ความสำเร็จ

เป้าหมายและสมมติฐานที่กำหนดไว้อย่างชัดเจนสำหรับการทดสอบที่คุณต้องการทำคือจุดที่คุณต้องการเริ่มต้น มีเมตริกและตัวบ่งชี้ประสิทธิภาพหลัก (KPI) ที่แตกต่างกันหลายประการที่การทดสอบ A/B สามารถรองรับได้

กำหนดลำดับความสำคัญหลักของคุณ ไม่ว่าจะเป็นการเพิ่มอัตรา Conversion รายได้รวม รายได้ต่อผู้เข้าชม หรือตัวชี้วัดเฉพาะอื่นๆ ที่จะช่วยเพิ่มรายได้ให้กับองค์กรที่ไม่หวังผลกำไรของคุณ ที่ Classy เราตรวจสอบ KPI เหล่านี้ทั้งหมดและอื่นๆ อีกมากมาย เรามักจะมุ่งเน้นไปที่การเพิ่มรายได้ที่ผู้เข้าชมแต่ละรายนำมาสู่แบบฟอร์มการบริจาค ซึ่งเป็นตัวชี้วัดแบบองค์รวมที่พิจารณาอัตราการแปลงและขนาดการบริจาค

เมื่อคุณมีความชัดเจนเกี่ยวกับเป้าหมายและการวัดความสำเร็จแล้ว ให้ระบุระดับนัยสำคัญทางสถิติของความสบายใจเพื่อใช้ในการตัดสินใจ

เพียงจำไว้ว่าการทดสอบอาจมีความท้าทาย และคุณอาจต้องทดสอบสองสามครั้งเพื่อให้แน่ใจว่าคุณสามารถไว้วางใจผลลัพธ์ได้ ทีมของเราแนะนำให้บรรลุนัยสำคัญทางสถิติ 95% ก่อนดำเนินการขั้นตอนถัดไปเพื่อให้แน่ใจว่าผลลัพธ์มีความถูกต้องและเป็นตัวแทนมากที่สุด

2. ทดสอบตัวแปรเฉพาะก่อน

ตัวแปรที่คุณทดสอบมีความสำคัญ และคุณต้องการมุ่งเน้นไปที่การหลีกเลี่ยงการทดสอบตัวแปรมากเกินไปพร้อมกัน ตัวอย่างเช่น หากคุณทดสอบการออกแบบประสบการณ์การบริจาค การเพิ่มแบบอักษรและการเว้นวรรคใหม่อาจทำให้ผลลัพธ์ของคุณบิดเบือน และทำให้ยากขึ้นในการทราบว่าสิ่งใดที่กระตุ้นให้เกิดประสิทธิภาพเพิ่มขึ้นหรือลดลงอย่างแท้จริง

สิ่งเดียวที่ควรเปลี่ยนแปลงระหว่างประสบการณ์ที่คุณทดสอบคือตัวแปรทดสอบ นั่นหมายถึงการรักษาสิ่งต่างๆ เช่น โลโก้ ชื่อ สำเนา แบบอักษร และการเว้นวรรคให้เหมือนเดิม หากคุณต้องการเห็นผลกระทบของการเปลี่ยนแปลงการออกแบบเท่านั้น ในหมายเหตุดังกล่าว คุณต้องการป้องกันไม่ให้การทดสอบ A/B อื่นๆ ทำงานบนเว็บไซต์ของคุณที่อาจรบกวนผลการทดสอบของคุณ

3. พิจารณาขนาดตัวอย่าง

ขนาดกลุ่มตัวอย่างของผู้ชมจะต้องมีขนาดใหญ่พอที่จะบรรลุนัยสำคัญทางสถิติเพื่อให้ได้ผลลัพธ์ที่เชื่อถือได้ ท้ายที่สุดแล้ว การทดสอบกับผู้คน 15 คนไม่ได้แสดงถึงฐานผู้บริจาคที่มีศักยภาพนับพันคน กลุ่มที่กว้างขวางมากขึ้นซึ่งเป็นตัวแทนของรูปแบบความคิดและสถานการณ์ต่างๆ จะลดความน่าจะเป็นของการสุ่มและเพิ่มโอกาสของความแม่นยำ

นอกจากนี้ ยิ่งไซต์ได้รับเซสชันมากเท่าใด การทดสอบ A/B ก็สามารถบรรลุผลลัพธ์ที่มีนัยสำคัญทางสถิติและข้อมูลเชิงลึกที่เชื่อถือได้ได้เร็วขึ้นเท่านั้น นั่นหมายถึงการมุ่งเป้าไปที่การเป็นตัวแทนให้มากที่สุดเท่าที่จะเป็นไปได้จากผู้ทดสอบของคุณในทุกสถานการณ์ อาจต้องใช้เวลาพอสมควร แต่ยิ่งยิ่งใหญ่ก็ยิ่งดี

กฎทั่วไปคือ: สำหรับการทดสอบที่มีความน่าเชื่อถือสูง คุณต้องมีผู้เข้าชมอย่างน้อย 30,000 รายและ Conversion 3,000 รายการต่อตัวแปร หากคุณปฏิบัติตามหลักเกณฑ์นี้ โดยทั่วไปคุณจะได้รับการเข้าชมและ Conversion ที่เพียงพอเพื่อให้ได้ผลลัพธ์ที่มีนัยสำคัญทางสถิติที่ระดับความเชื่อมั่นในระดับสูง ¹

4. สร้างผลลัพธ์ที่แม่นยำยิ่งขึ้นด้วยสภาวะจริง

การทดสอบ A/B ควรสร้างรูปแบบและเงื่อนไขการเข้าชมเว็บไซต์ที่ไม่แสวงหากำไรโดยทั่วไปของคุณขึ้นมาใหม่ ลองนึกถึงปริมาณการเข้าชม เว็บไซต์ที่ไม่แสวงหาผลกำไร ของคุณ โดยทั่วไปได้รับในหนึ่งสัปดาห์ และใช้ตัวเลขนั้นเพื่อพิจารณาว่าคุณจะต้องทำการทดสอบนานเท่าใดเพื่อให้ได้นัยสำคัญทางสถิติ

อย่างน้อยสองสัปดาห์เป็นพื้นฐานทั่วไปในการบัญชีถึงความผันผวนตามธรรมชาติ หากคุณไม่เห็นการเข้าชมเพิ่มขึ้นทุกวัน การทดสอบอาจต้องใช้เวลาเพิ่มขึ้นเพื่อให้แน่ใจว่าคุณจะบันทึกทุกอย่างถูกต้อง

5. ลงทุนในโปรแกรมการทดสอบที่เชื่อถือได้

หลายโปรแกรมสามารถช่วยในการทดสอบ A/B ได้ เครื่องมือยอดนิยมอย่าง Google Optimize ให้บริการฟรี แต่จะเลิกใช้งานในวันที่ 30 กันยายน 2023 องค์กรไม่แสวงผลกำไรอาจพิจารณาสมัครใช้บริการแบบชำระเงินสำหรับเครื่องมืออื่น เช่น Optimizely หรือ Vanguard FTSE Emerging Markets ETF

เครื่องมือเหล่านี้มีฟังก์ชันการทำงานที่ครอบคลุมเพื่อช่วยคุณในการเปิดตัว ติดตาม และวิเคราะห์การทดสอบของคุณ อย่างไรก็ตาม จำเป็นต้องทราบว่าโดยทั่วไปแล้วทรัพยากรจำนวนหนึ่ง การตรวจสอบอย่างเข้มงวด และการวิเคราะห์เชิงลึกนั้นจำเป็นต่อการควบคุมศักยภาพของเครื่องมือทดสอบ A/B ได้อย่างเต็มที่

Classy ทำให้การทำซ้ำเว็บไซต์บริจาคในปัจจุบันเป็นเรื่องง่าย และปรับแต่งเล็กๆ น้อยๆ โดยไม่ต้องเขียนโค้ดส่วนหลัง จากนั้น คุณสามารถทดสอบ A/B แต่ละ URL ของแคมเปญกับ URL อื่นในแพลตฟอร์มทดสอบของคุณได้ เราขอแนะนำให้ทำการแบ่งการเข้าชม 50/50

6. ทดสอบแนวโน้มข้อมูลระยะยาวเพื่อจับภาพทั้งหมด

การทดสอบ A/B ของคุณสามารถให้ข้อมูลเชิงลึกเกี่ยวกับการเปลี่ยนแปลงเฉพาะในช่วงเวลาหนึ่งๆ ได้ นั่นหมายความว่าคุณอาจต้องทำการทดสอบหลายครั้งเพื่อดูแนวโน้มเมื่อเวลาผ่านไปเมื่อคุณเริ่มคิดถึงภาพรวมของข้อมูลของคุณ

แผนงานผลิตภัณฑ์และเส้นทางนวัตกรรมของ Classy มุ่งเน้นไปที่ข้อมูลเชิงลึกจากประสบการณ์การบริจาคหลายครั้งตลอดฤดูกาลต่างๆ เราทำการทดสอบ A/B ด้วยวิธีนี้สำหรับองค์กรไม่แสวงผลกำไรเพื่อให้ได้ภาพรวมทั้งหมด และใช้สิ่งที่เราค้นพบเพื่อประกอบการตัดสินใจอย่างมั่นใจ

7. พิจารณาว่าการทดสอบแต่ละครั้งจะส่งผลต่อผลกำไรของคุณอย่างไร

ถึงตอนนี้ คุณคงเข้าใจแล้วว่าการทดสอบ A/B ครั้งเดียวต้องมีค่าใช้จ่ายเท่าไร โดยปกติแล้ว คุณต้องการเห็นผลตอบแทนจากการลงทุนด้านต้นทุนและเวลา ดังนั้น ให้พิจารณาผลกระทบที่การทดสอบเหล่านี้อาจมีต่อผลกำไรของคุณ

การลงทุนในแพลตฟอร์มระดมทุนที่ทำการทดสอบเบื้องหลังเพื่อให้แน่ใจว่ามีเครื่องมือและประสบการณ์แคมเปญที่ดีที่สุดในอุตสาหกรรมสามารถช่วยพนักงานของคุณ (และทีมการเงิน) จากการทำงานพิเศษหรือความยากลำบากได้ ที่ Classy เรารู้ว่าข้อมูลเชิงลึกเหล่านี้มีคุณค่า ดังนั้นเราจึงดูแลสิ่งเหล่านี้แทนคุณ

เมื่อเราทดสอบแบบฟอร์มการบริจาคที่ฝังไว้ กับ แบบฟอร์มการบริจาคมาตรฐานบน Classy เราพบว่าองค์กรที่ไม่หวังผลกำไรเปลี่ยนผู้บริจาคในอัตรา 2 เท่าของมาตรฐานอุตสาหกรรมนี่คือตัวอย่างหนึ่งของข้อมูลเชิงลึกที่ขับเคลื่อนแพลตฟอร์มของเราและแจ้งคำแนะนำและคำแนะนำในการฝึกสอน ลูกค้าที่มีระดับจะได้รับประโยชน์จากการที่พวกเขากำหนดกลยุทธ์การระดมทุน

เมื่อเราเห็นผลกระทบของแบบฟอร์มการบริจาคที่ฝังไว้ผ่านการทดสอบของเรา ผลลัพธ์การแปลงเป็นแรงบันดาลใจให้องค์กรไม่แสวงผลกำไรจำนวนมากลงทะเบียนเพื่อสัมผัสกับผลกระทบ

ตัวอย่างเช่น:

• Many Hopes เห็นการบริจาคเพิ่มขึ้น 56% เมื่อเทียบเป็นรายปี
• V Foundation เพิ่มการแปลง 13 แต้ม
• Feeding San Diego มีอัตรา Conversion อยู่ที่ 44%

ค้นหาแพลตฟอร์มการระดมทุนที่คุณเชื่อถือได้

การทดสอบ A/B เป็นเครื่องมืออันมีค่าสำหรับองค์กรไม่แสวงผลกำไรในการตัดสินใจอย่างมั่นใจ อย่างไรก็ตาม กระบวนการนี้ยังมีค่าใช้จ่ายสูงและใช้เวลานานซึ่งอาจทำให้เกิดงานพิเศษหรือความยากลำบากเมื่อทำคนเดียว นั่นคือสิ่งที่ Classy เข้ามา

ที่ Classy เรามุ่งมั่นที่จะทดสอบผลิตภัณฑ์ของเราก่อนและหลังวางจำหน่ายแก่ลูกค้าเพื่อให้แน่ใจว่าผลิตภัณฑ์แต่ละรายการตรงตามความต้องการของภาคส่วนด้วยวิธีที่มีประสิทธิภาพและประสิทธิผลสูงสุด นอกจากนี้ เรายังมุ่งหวังที่จะมอบความมั่นใจให้กับองค์กรที่ไม่หวังผลกำไรทุกแห่งที่ใช้ Classy เพื่อทราบว่าผลิตภัณฑ์ทุกชิ้นในชุดการระดมทุนของเราผ่านการทดสอบอย่างเข้มงวดในขอบเขตสูงสุด จากนั้นจึงปรับเปลี่ยนผลลัพธ์ให้เป็นไปตามความคาดหวังของผู้บริจาคและองค์กรที่ไม่หวังผลกำไร

เราตั้งตารอที่จะทดลองใช้การทดสอบ A/B บนแพลตฟอร์มของเราต่อไป ในขณะที่เราได้รับข้อมูลเชิงลึกมากขึ้นว่าผู้บริจาคในปัจจุบันโดนใจใคร และอะไรเป็นแรงผลักดันให้พวกเขาดำเนินการเพื่อสนับสนุนภารกิจอันน่าทึ่งเช่นคุณ

บรรณาธิการคัดลอก: Ayanna Julien

ที่มาบทความ

1. “วิธีคำนวณขนาดตัวอย่างอย่างถูกต้องในการทดสอบ A/B” Guess the Test แก้ไขล่าสุดเมื่อเดือนธันวาคม 2021 https://guessthetest.com/calculating-sample-size-in-ab-testing-everything-you-need-to - รู้