Pengujian A/B adalah metode pengujian untuk kampanye iklan. Juga dikenal sebagai pengujian split-run atau pengujian bucket, pengujian A/B terdiri dari peserta yang tidak mengetahui pengujian yang sedang dilakukan. Ini adalah studi buta di mana separuh pengunjung melihat versi A, yang merupakan kontrol, dan separuh pengunjung lainnya melihat versi B, yang merupakan varian. Versi B mencakup perubahan yang dapat meningkatkan keterlibatan, konversi, rasio klik-tayang, atau waktu yang dihabiskan di halaman. Tujuan pengujian A/B adalah untuk mengetahui versi mana yang disukai pengunjung.
Situs media sosial seperti Facebook, Instagram, Google, dan LinkedIn menggunakan pengujian A/B untuk meningkatkan pengalaman pengguna, tetapi banyak profesi termasuk pemasar, desainer, pengusaha, dan insinyur perangkat lunak menggunakan pengujian A/B untuk meningkatkan kepuasan pelanggan dan meningkatkan pendapatan mereka.
Jika Anda memutuskan untuk melakukan pengujian A/B di situs web Anda, ada sejumlah variabel yang dapat diuji selain situs web itu sendiri. Variabel ini dapat mencakup: halaman arahan, email, iklan spanduk, warna, gambar, tata letak, teks salinan, harga produk, testimonial, dll.
Anda dapat melakukan pengujian A/B pada lebih dari satu variabel, tetapi Anda ingin melakukannya satu per satu, jika tidak, Anda tidak akan tahu variabel mana yang bertanggung jawab atas perubahan kinerja. Jika Anda penasaran apakah menambahkan iklan spanduk akan menarik pengunjung, tambahkan spanduk ke versi B untuk melihat apakah kinerjanya lebih baik. Pemasar dapat memperoleh manfaat dari salinan iklan pengujian A/B. Mereka dapat mempelajari versi salinan mana yang menarik lebih banyak klik.
Menjalankan dua versi secara bersamaan merupakan bagian penting dari pengujian A/B. Ini akan memberi Anda gambaran yang lebih jelas tentang mana yang lebih disukai. Jika Anda menjalankannya berminggu-minggu atau berbulan-bulan, Anda tidak akan tahu apakah itu hanya waktu yang membuat satu lebih menarik atau perubahan yang sebenarnya dibuat. Anda juga ingin memberikan waktu yang cukup untuk pengujian sehingga Anda dapat mengumpulkan ukuran sampel yang lebih besar. Uji coba yang lebih pendek mungkin tidak menunjukkan banyak perbedaan.
Survei atau jajak pendapat dapat menjadi cara yang baik untuk mengumpulkan pendapat dari pengguna nyata yang mengunjungi versi A dan versi B selama pengujian A/B Anda. Beberapa pertanyaan yang mungkin ingin Anda tanyakan meliputi:
- Seberapa besar kemungkinan Anda merekomendasikan kami kepada teman atau kolega?
- Seberapa mudah menyelesaikan masalah Anda dengan kami hari ini?
- Apa yang paling penting bagi Anda saat memilih ________?
- Mengapa Anda memutuskan untuk mengklik (atau tidak mengklik) tombol?
Setelah pengujian A/B selesai, Anda dapat menganalisis hasilnya. Hal ini dapat dilakukan dengan perangkat lunak pengujian yang akan menyajikan data yang dikumpulkan dan menunjukkan kepada Anda perbedaan kinerja versi A dan versi B. Perangkat lunak pengujian akan memberi tahu Anda jika ada perbedaan yang signifikan secara statistik dalam kedua versi yang diuji. Jika pengujian A/B Anda menghasilkan tingkat signifikansi 95%, Anda bisa sangat yakin bahwa hasilnya nyata dan tidak disebabkan oleh beberapa peristiwa acak.