تست A/B/n، یک نوع تست وب‌سایت است که در آن چندین نسخه از یک صفحه وب با هم مقایسه می‌شود تا بفهمیم که کدام صفحه نرخ تبدیل بالاتری دارد. در این نوع تست، ترافیک به طور مساوی و تصادفی بین نسخه‌های مختلف یک صفحه تقسیم می‌شود تا در نهایت تعیین شود که کدام تغییر عملکرد بهتری دارد.
می‌توان گفت تست A/B/n تستی افزون بر تستA/B است. در تست A/B دو نسخه از یک صفحه (نسخه A و نسخه B) در برابر هم تست می‌شوند، اما در تست A/B/n بیش از دو نسخه از یک صفحه همزمان تست می‌شوند. در این تست “n” به تعداد نسخه‌هایی اشاره می‌کند که تست می‌شوند، و می‌تواند از دو نسخه تا n نسخه باشد. از طرفی تست A/B/n می‌تواند با آنچه به عنوان تست چند متغیره شناخته می‌شود در تضاد باشد. تست چند متغیره نیز چند نسخه از یک صفحه را به طور همزمان تست می‌کند، به این صورت که تمام ترکیبات ممکن از تغییرات را همزمان تست می‌کند. تست چند متغیره جامع‌تر از تست A/B/n است و برای تست تغییرات در عناصر خاص یک صفحه استفاده می‌شود، در‌حالی‌که تست A/B/n می‌تواند برای تست نسخه‌های کاملا متفاوت از یک صفحه در برابر همدیگر استفاده شود.دلیل اهمیت تست A/B/n چیست؟
- تست A/B/n به شما کمک می‌کند تا دریابید که کدام طرح وب‌سایت باعث ایجاد تعامل و تبدیل بیشتری از سوی کاربران شما می‌شود. شما می‌توانید چندین صفحه را همزمان با یکدیگر آزمایش کنید و با توجه به داده‌های به دست آمده تعیین کنید که کدام تغییرات را باید دنبال کنید.
برای مثال وقتی یک شرکت بیشتر از یک ایده رقابتی برای بهترین طرح وب‌سایت دارد، می توان از تست A/B/n برای تست هر ایده استفاده کرد و بر اساس داده‌های به دست آمده تعیین کرد که کدام نسخه بهتر از دیگر نسخه‌ها است.
- تست A/B/n علاوه‌بر تعیین صفحه‌ای با بیشترین میزان موفقیت، نشان می‌دهد که کدام یک از صفحه‌ها بدترین عملکرد را دارد. با تجزیه و تحلیل صفحات با عملکرد پایین، می‌توان فرضیه‌هایی مبنی بر این‌که دلیل عملکرد بهتر برخی از ویژگی‌ها چیست، را ارائه داد و سپس از این تحلیل‌ها برای انجام بهتر تست‌های بعدی استفاده کرد.
مطالعه موردی تست A/ B/n
یک مثال واقعی از عملکرد تست A/B/n، انتشار نسخه جدیدی از حق رای SimCity توسط Electronic Arts در مارس 2013 است، در تست A/B/n آنها، EA چندین نسخه مختلف از صفحه را ایجاد و با هم تست کرد تا تعیین کند که کدام صفحه بهترین عملکرد را دارد. تیم EA بعد از انجام این تست دریافت که نسخه‌ای از صفحه که فاقد پیشنهاد ویژه تبلیغاتی در بالای صفحه باشد، 43 درصد بهتر از سایر صفحه‌ها عمل می‌کند. نه تنها تیم EA به‌دلیل انجام این تست توانست شاهد افزایش چشم‌گیر پیش خریدها باشد، بلکه آنها با به‌کار‌گیری نتایج به دست آمده از این تست در سایر صفحات سایت خود، افزایش تبدیل‌ها را مشاهده کردند. در لینک EA case study می‌توانید این مطالعه موردی را به صورت کامل مطالعه کنید.
نکات منفی بالقوه تست A/B/n
- تست تعداد زیادی متغیر (وقتی نمی‌توان درباره آنها درست تصمیم‌گیری کرد)، می‌تواند باعث بالا رفتن ترافیک تقسیم شده در میان تغییرات وب‌سایت شود. این موضوع می‌تواند باعث بالا رفتن زمان و ترافیک مورد نیاز برای دستیابی به نتیجه اهمیت آماری شود و به عبارتی باعث ایجاد "اختلال آماری" در فرایند شود.
- یکی دیگر از مواردی که باید هنگام اجرای چندین تست A/B/n به آن توجه داشت، غافل نشدن از فرایند کلی است. فقط به‌دلیل این‌که متغیرهای مختلف در آزمایش انفرادی بهترین عملکرد را دارند، دلیل بر این نیست که این متغیرها به خوبی با هم ترکیب می‌شوند. برای تست تمامی تغییرات، اجرای تست‌های چند متغیره را در نظر بگیرید و مطمئن شوید که پیشرفت در معیارهای سطح بالا از طریق قیف تبدیل قابل دستیابی است.
