در دنیای کسب و کارهای اینترنتی هرچه پیش می‌رویم توجه مشتریان به مطالب و محتوا کم می‌شود و رقابت آنلاین بیشتر می‌شود. به همین دلیل است که بهینه‌سازی نرخ تبدیل مهارتی ناگزیر برای بازاریابهای اینترنتی است.
بهینه‌سازی نرخ تبدیل مهمترین جنبه استراتژی بازاریابی اینترنتی است، چون نرخ تبدیل تنها معیار قابل اندازه‌گیری است که ارتباط واقعی با بازگشت سرمایه دارد.
حتی اگر تبدیل مشتری در وب سایت شما چیزی به غیر از خرید هم باشد (مانند ثبت نام برای خبرنامه)، باز قوانین بهینه‌سازی نرخ تبدیل بر آن حاکم است.
متاسفانه وقتی می‌خواهید یک برنامه بهینه‌سازی نرخ تبدیل را اجرا کنید، در دریایی از مطالب و منابع آنلاین گم می‌شوید که به شما می‌گویند چکار کنید؛ مواردی مانند رنگ دکمه‌ها را تغییر دهید، ادِلّه شبکه‌های اجتماعی را اضافه کنید، نوشته‌های وب را کوتاه کنید، بازی‌سازی کنید و …
قبل از اینکه درگیر کارهای تاکتیکی شوید، تنها یک کار برای بهینه‌سازی نرخ تبدیل در وب سایت خود باید انجام دهید؛ آن هم تست A/B است. به جای ایمان بدون پشتوانه به مجموعه‌ای از تاکتیکها، بهتر است از ابزارهای تجزیه و تحلیل وب استفاده کنید که با استفاده از اطلاعات حاصل از رفتار کاربران به دست آمده‌اند و نگرشی ژرف به شما می‌دهند. اطلاعاتی که از رفتارِ واقعیِ کاربرانِ واقعی حاصل می‌شود می‌تواند در بهینه‌سازی هر بخشی از وب سایت مورد استفاده قرار گیرد.
در ادامه به ۱۰ نکته‌ای اشاره می‌کنیم که در اجرای تست A/B با هدف بهینه‌سازی نرخ تبدیل باید مد نظر قرار دهید.
نکته ۱: هر چیزی را که فکر می‌کنید درباره مشتریان خود می‌دانید فراموش کنید.
اینکه بر مبنای چیزهایی مانند سن، جنسیت، محل یا درآمد مخاطبان خود تصوراتی بسازید، کاری است وسوسه کننده. اما در مقابل وسوسه مقاومت کنید! به جای آن سعی کنید پروفایل مشتریان را بسازید و از آن برای رسیدن به مشتریان هدف خود استفاده کنید. این کار هنوز هم جایگاه خود را در بازاریابی حفظ کرده است.
نکته ۲: همیشه یک مبنا برای مقایسه داشته باشید.
افزایش نرخ تبدیل هدفی است که می‌خواهید خیلی سریع به آن برسید. اما عجله نکنید! قبل از اینکه برای تست A/B اقدام کنید، سعی کنید مبنایی بسازید که بتوانید بعدا نتایج تست را با آن مقایسه کنید. اگر ندانید که در حال حاضر نرخ تبدیل چقدر است، چگونه می‌خواهید بدانید که تستهایی که می‌خواهید انجام دهید چقدر موفق بوده‌اند؟
نکته ۳: اینکه چیزی برای دیگری درست کار کرده است، دلیل نمی‌شود که برای شما هم درست کار کند.
اگر بهینه‌سازی نرخ تبدیل فرآیندی قابل تکرار بود که برای همه وب سایتها همیشه به شکلی یکسان کار می‌کرد، دیگر نیازی به تست کردن نبود. در اینصورت کافی بود که بازاریابها بدانند سایر فروشگاههای اینترنتی و وب سایتها چکار می‌کنند و آنها هم همان کارها را انجام دهند.
اما متاسفانه اینطور نیست که فرآیند برای همه یکسان باشد و به همین دلیل است که باید روی محتوای منحصر بفرد خود و با مخاطبان منحصر بفرد خود تست A/B را انجام دهید. مطمینا می‌توانید از ایده‌های سایر بهینه‌سازی‌های انجام شده استفاده کنید اما انتظار نتایج یکسان را نداشته باشید.
برای مثال فرض کنید شرکت ABC کفش می‌فروشد و شرکت XYZ نرم‌افزارهای کامپیوتری. روشن است که اگر حتی این دو شرکت مشتریان مشترکی هم داشته باشند، چرخه فروش برای این دو شرکت کاملا متفاوت است. شاید شرکت ABC به این نتیجه رسیده باشد که تغییر رنگ دکمه درخواست عمل از قرمز به سبز موجب افزایش ۲۵ درصدی در فروش می‌شود. اما این به این معنی نیست که شرکت XYZ هم با این تغییر به همین نتیجه خواهد رسید.
نکته ۴: در هر زمان فقط یک چیز را تست کنید.
گرچه این نکته کاملا روشن است ولی به دلیل اهمیت آن اجازه دهید کمی در مورد آن صحبت کنیم. وقتی روی سایت خود تست A/B انجام می‌دهید، هر زمان فقط یک متغیر را تست کنید؛ بدین ترتیب به نتایجی خواهید رسید که مبهم نخواهند بود. اگر همزمان هم تیتر را عوض کنید و هم نوشته درخواست عمل را، چگونه می‌فهمید که کدامیک در تبدیل نقش موثری داشته‌اند؟
نکته ۵: تا وقتی به نتایج آماری قابل اعتماد نرسیده‌اید، گزینه «برنده» را مشخص نکنید.
در تست A/B قابلیتِ اعتمادِ آماری به معنی احتمال رسیدن به نتایج مشابه در آینده است اگر دوباره همان تست اجرا شود. به بیان دیگر قابلیت اعتماد آماری به شما می‌گوید که نتایج تست چقدر قابل اتکا و قابل اطمینان است.
برای مثال فرض کنید که یک تست A/B روی صفحه سبد خرید انجام می‌دهید که گزینه A حاوی مجموعه‌ای از دکمه‌های رادیویی است و گزینه B حاوی یک منوی کشویی. همچنین فرض کنید که گزینه B موجب افزایش ۷۵ درصدی نرخ تبدیل شود. واضح است که B گزینه برنده است، اینطور نیست؟ لزوما خیر! اینجا سه واقعیت هست که باید در نظر بگیرید:
۱- اندازه نمونه آماری: اگر در مثال بالا اندازه نمونه ۴ نفر باشد، پس سه نفر منوی کشویی را ترجیح داده‌اند. گرچه این یک شروع خوب است اما احتمال اینکه همین نتیجه برای یک نمونه ۱۰۰۰ نفری هم حاصل شود بسیار کم است. بنابراین سطح قابلیت اعتماد این تست پایین است.
۲- درصد: دقت یک تست A/B به حاشیه خطا هم بستگی دارد. اگر در یک نمونه ۵۰۰ نفری، ۹۹٪ مشتریانی که منوی کشویی را می‌بینند تبدیل شوند، می‌توانید مطمین باشید که حتما حاشیه خطا پایین است. اما از سوی دیگر اگر فقط ۵۱٪ مشتریان با دیدن منوی کشویی تبدیل شوند و ۴۹٪ با دیدن دکمه‌های رادیویی، در اینصورت حاشیه خطا بالاست و باید تست را ادامه دهید تا به سطح بالاتری از قابلیت اعتماد برسید.
۳- اندازه جمعیت آماری: اگر تعداد کل مخاطبان شما ۲۵۰۰۰۰ نفر باشد و اندازه نمونه ۲۵ نفر، پس دوباره سطح قابلیت اعتماد تست پایین است.
نکته ۶: اول راه بروید، بعد بدوید.
این جمله در بسیاری از جنبه‌های کسب و کار درست است و تست A/B هم از آن مستثنا نیست.
همانطور که آگاهی و انتظار مشتریان رشد می‌کند، بهینه‌سازی نرخ تبدیل هم همیشه هدفی در حال حرکت است. شما مرتکب اشتباه خواهید شد. شما از اشتباههای خود درس خواهید گرفت. شما با تمرین به یک خبره در تست A/B تبدیل خواهید شد.
نکته ۷: از دیگران نظر بگیرید.
هرگز تست قابلیت استفاده برای کاربر تا به این حد مهم نبوده است و همینطور تا به این حد ساده! لازم نیست که حتما بخشی برای جمع‌آوری و رسیدگی به رفتارهای کاربران و نظرهای آنها در کسب و کار خود داشته باشید. در حال حاضر چندین خدمت رایگان یا ارزان ارایه می‌شود که تست قابلیت استفاده ارایه می‌کنند. دو مورد از این خدمات در زیر معرفی شده‌اند.
Peek User Testing: راهی بسیار ساده و سریع برای جمع‌آوری بازخوردهای کیفی در مورد وب سایت است.
- مزایا: بطور کلی بازخوردها به دور از تعصب، همراه با جزییات و رایگان هستند.
- معایب: به دلیل طبیعت زمان-بَر آن، جمع‌آوری تعداد زیادی بازخورد به این شیوه مشکل است.
Amazon Turk: به کمک Amazon Turk می‌توانید بازخورد هزاران نفر را در مدت زمانی کوتاه جمع‌آوری کنید. برای این کار از شیوه‌های تحقیقی کمّی مانند نظرسنجی‌ها استفاده می‌شود.
- مزایا: بطور کلی ارزان، قابل گسترش و کمّی است و می‌توانید معیارهای واجد شرایط بودن تست کنندگان را از پیش تعیین کنید.
- معایب: این کار به کمک موتورهای نظرسنجی انجام می‌شود که می‌توانند از فیلترهای مصنوعی استفاده کنند.
اما نتیجه کلی اینکه: هر بازخوردی بهتر از هیچ بازخورد است!
نکته ۸: نتایج رفتار مشتریان و نتایج نظرسنجی مشتریان ممکن است با هم مغایرت داشته باشند.
بطور حتم نظرسنجی‌ها جایگاه خود را در بازاریابی دارند، اما همیشه به اندازه بازخوردهایِ رفتاریِ حاصل از تجزیه و تحلیل وب، صادقانه نیستند. علت این امر این است که قصد و غرضهای انسانی می‌توانند در نظرسنجی‌ها تاثیر بگذارند، در صورتی که این مساله در نتایج حاصل از تجزیه و تحلیل رفتار کاربر وجود ندارد.
برای مثال فرض کنید که برای رسیدن به یک جلسه کاری عجله دارید ولی قبل از آن باید مدارک مهمی را برای جلسه پرینت بگیرید. در حین پرینت گرفتن جوهرِ کارتریج تمام می‌شود و باید آن را عوض کنید. حالا اگر از شما بپرسیم که چگونه این وضعیت را مدیریت می‌کنید، پاسخ شما چیست؟
قبل از اینکه به خواندن ادامه دهید، لطفا کمی تامل کنید و درباره پاسخ صادقانه خود فکر کنید.
شاید بگویید کارتریج را عوض می‌کنم و پرینت مدرک را تمام می‌کنم. اگر این یک نظرسنجی بود، این به عنوان پاسخ شما پذیرفته می‌شد.
اما در محیط واقعی، ۴ بار به پرینتر ضربه می‌زنید، ۷ بار دکمه کنسِل را فشار می‌دهید و در نهایت کارتریج را عوض می‌کنید. بعد در حالی که به سرعت دارید کاغذها را مرتب می‌کنید، قهوه را روی لباس خود می‌ریزید، عصبانی می‌شوید و مجبور می‌شوید جلسه را برای زمانی دیگر تنظیم کنید.
در نظرسنجی شما در مورد کاری که انجام می‌دهید دروغ نگفتید. شما در نهایت کارتریج را عوض می‌کنید؛ اما در نظرسنجی همه اطلاعات اضافیِ رفتاری در مورد قبل و بعد از عوض کردن کارتریج از دست می‌رود.
نکته ۹: معیار موفقیت خود را به روشنی تعریف کنید.
هرگز چشم‌انداز خود را به معیار نهایی موفقیت خود از دست ندهید. بهینه‌سازی نرخ تبدیل در مورد تبدیل‌ها است؛ نه در مورد نرخ بازکردن‌های صفحه، نرخ تعداد کلیک‌ها، تعداد توییت‌ها یا تعداد اشتراک گذاری‌ها. (مگر اینکه قصد اصلی شما از تبدیل تعداد توییت‌ها یا اشتراک گذاری‌ها باشد.)
یک هدف در ذهن خود داشته باشید و محتوا را گِرد آن هدف بهبود بخشید. هر چیز دیگری به غیر از آن یک شاخص کلیدی کارایی به حساب می‌آید.
نکته ۱۰: پچ پچ‌ها را تست نکنید.
این گفته به روزهایی برمی‌گردد که از نامه‌های پستی کاغذی استفاده می‌شد ولی هنوز هم برای بازاریابی اینترنتی درست است. از تست عناصر بی‌اهمیتی که شانس کمی برای بوجود آوردن تغییر قابل توجهی دارند پرهیز کنید. از عقل سلیم خود استفاده کنید، به بینش و فراست خود اعتماد کنید و بر تستهای با تاثیر بالا تمرکز کنید.
جمع‌بندی
بهینه‌سازی نرخ تبدیل تنها رسیدن به بازدیدکنندگان بیشتر برای کلیک روی دکمه‌ها نیست بلکه درباره تحویل محتوای درست به مخاطبان درست و ترغیب آنها به کلیک روی دکمه‌های درست در زمان درست است. اگر تست A/B را روی کل وب سایت اجرا کرده‌اید و بر پایه اطلاعات حاصل بهینه‌سازی کرده‌اید ولی همچنان نرخ تبدیل پایین‌تر از چیزی است که انتظار دارید، شاید مجموعه نادرستی از معیارها را اندازه‌گیری کرده باشید.
برای مثال فرض کنید شما نوعی کاپ کیک خوشمزه درست می‌کنید و برای فروش آن یک وب سایت راه‌اندازی کرده‌اید و در حال حاضر نرخ تبدیل آن ۲٪ باشد. در این مثال مشتری‌ای که یک سفارش برای کاپ کیک ثبت می‌کند، یک «تبدیل» محسوب می‌شود. برخی از پرسشهایی که باید از خودتان بپرسید عبارتند از:
- آیا نرخ تبدیل ۲٪ بر پایه ترافیک کل سایت است یا بر پایه کلیکهایی که در صفحه «چگونه سفارش بدهم» صورت گرفته است؟
- مبداهای ترافیک کسانی که در صفحه «چگونه سفارش بدهم» کلیک کرده‌اند کجاست؟
- مبداهای ترافیک کسانی که بالاترین نرخ پرش را دارند کجاست؟
- الگوهای رفتاری کسانی که در نهایت تبدیل می‌شوند چیست؟ آیا فیلم را دیده‌اند؟ گالری عکسها را مشاهده کرده‌اند؟ تعریف و تمجید سایر مشتریان را خوانده‌اند؟
- آخرین و مهمترین پرسش: چگونه می‌توانم از این اطلاعات برای رسیدن نتایج بهتر استفاده کنم؟
با شکستن نتایج تجزیه و تحلیل وب به این شیوه، دو چیز ممکن است رخ دهد:
- بخشهایی از وب سایت و/یا استراتژی بازاریابی خود را کشف کنید که به بهسازی نیاز دارند.
- به این نتیجه برسید که نرخ تبدیل بهتر از آن چیزی است که در ابتدا تخمین زده‌اید.
در هر صورت، این تمرین کمک خواهد کرد تا تقویم تست A/B خود را اولویت بندی کنید.
سخن آخر اینکه هیچ اکسیر حقیقت یا رازی برای بهینه‌سازی نرخ تبدیل وجود ندارد. تنهاراه برای اینکه بدانید چه چیز برای مخاطبتان درست کار می‌کند این است که مجموعه‌ای از تستهای A/B را اجرا کنید و سپس تغییرات را بر پایه نتایج حاصل از اجرای تستها پیاده‌سازی کنید.