A/B testing (hay còn được gọi là split testing) là một quy trình mà trong đó hai phiên bản (A và B) sẽ được cùng so sánh trong một môi trường / tình huống được xác định và qua đó đánh giá xem phiên bản nào hiệu quả hơn.
Đây là phương pháp phổ biến nhằm :
– Lọc đối tượng khách hàng tiềm năng / Cải thiện tệp khách hàng hiện có
– Xác định được các yếu tố ảnh hưởng đến chất lượng Ad
– Tiết kiệm chi phí quảng cáo
Nội dung bên dưới là do mình đúc kết lại từ kinh nghiệm bản thân, đây chỉ là mình chia sẻ cách làm mà mình thấy hiệu quả, còn nhiều cách khác hay hơn nữa nên các bạn cứ góp ý thoải mái để mọi người cùng rút kinh nghiệm nhé. Nếu bạn thấy nội dung hữu ích thì nhớ tương tác (Comment, share hoặc tag bạn bè cần đọc) để mình có động lực viết các series tiếp theo nhé. Mỗi bài viết tốn khoảng 4-5 tiếng nên tầm 2 tuần mình mới có thời gian đăng 1 lần.
Series này gồm 3 phần:
PHẦN 1: Giới thiệu AB Testing & Các bước chuẩn bị
PHẦN 2: Tiến hành AB Testing, lưu trữ & đối chiếu dữ liệu
– Phần này quan trọng nhất, bao gồm các kinh nghiệm như Cách đặt tên để dễ dàng quản lý thống kê, cách xác nhận độ chính xác của mỗi đợt test (dùng Significance Calculator, rất quan trọng), cách phân bổ ngân sách và thời gian, file data mẫu, v.v.
PHẦN 3: Tối ưu quy trình để hạn chế các yếu điểm của AB Testing
Mọi người lưu ý do trước giờ mình chỉ sử dụng phiên bản tiếng anh nên nhiều chỗ sẽ không dịch hoặc dịch không sát các bạn thông cảm.
LÍ DO BẠN NÊN SỬ DỤNG AB TESTING?
Mình nghĩ 99% các bạn đã và đang dùng AB Testing rồi, có điều không nhiều bạn biết tên chính thức và các bước thực hiện chi tiết của nó thôi. AB Testing là phương pháp so sánh trực tiếp 2 phiên bản của cùng 1 đối tượng (Website, Ads, App, etc.) trong cùng 1 hoàn cảnh để tìm ra phiên bản tốt hơn, thông thường 2 phiên bản chỉ khác nhau ở 1 đặc điểm duy nhất. AB Testing là phương pháp căn bản phổ biến nhất, so với các phương pháp tối ưu hóa khác nó có các ưu điểm:
– Đơn giản, không yêu cầu kiến thức hoặc kĩ năng quá cao
– Chi phí thấp
– Hiệu quả có thể thấy ngay
– Có thể áp dụng gần như trong mọi mặt của cuộc sống, ngay cả trong tự nhiên
– Không chỉ giúp tối ưu kết quả campaign, nó còn cung cấp nhiều dữ liệu hữu ích để hiểu thêm về nhóm khách hàng mục tiêu
Tất nhiên phương pháp này cũng có 1 số hạn chế, mình sẽ nói sâu hơn về vấn đề này và cách khắc phục ở các bài viết sau.
Trên thị trường hiện tại có rất nhiều tool hỗ trợ AB Testing cho Facebook Ad. Trong bài viết này mình chỉ chia sẻ theo hướng tự quản lý AB Testing bằng Excel / Google Spreadsheet để tiết kiệm chi phí.
BƯỚC 1: XÁC ĐỊNH CHỈ SỐ MÀ BẠN CẦN TỐI ƯU HÓA.
VD như: Giá mỗi lượt comment, giá mỗi lượt like page, tỉ lệ chuyển đổi, v.v.
Trong bài viết mình sẽ chọn tối ưu Tỉ Lệ Hoàn Vốn Đầu Tư (ROI – Tổng doanh thu chia Tổng chi phí quảng cáo)
Bạn nên lưu lại giá trị trung bình hiện tại của chỉ số đó để 3-6 tháng sau so sánh lại.
Bạn cũng nên chọn thêm 1 số KPI liên quan trực tiếp đến nó để cái nhìn bao quát hơn. VD như có trường hợp:
– ROI của 2 phiên bản test bằng nhau
– Kiểm tra cho thấy Frequency (Số lần nhìn thấy quảng cáo) hoặc CPM (Chi phí 1000 lần hiển thị) của Version 1 lại tốt hơn nhiều so với Version 2
Tức là điểm khác nhau giữa 2 version đã dẫn tới 1 hệ quả mới nào đó mà chúng ta chưa biết (tuy ROI vẫn như nhau). Nếu tận dụng được hệ quả này thì chúng ta có thể tối ưu các chiến dịch tiếp theo tốt hơn nữa.
BƯỚC 2: XÁC ĐỊNH ĐƠN VỊ SO SÁNH
Độ chính xác của AB Testing bị ảnh hưởng mạnh khi quy mô test quá nhỏ (Thời gian, ngân sách, lượng người truy cập, v.v), đây là lí do lớn nhất khiến nhiều bạn sử dụng AB Testing thời gian dài nhưng kết quả vẫn không được cải thiện.
Chúng ta cần 1 công cụ xác nhận lại độ chính xác của kết quả. Công cụ mà mình chọn là SIGNIFICANCE TEST, nhưng nó chỉ áp dụng được khi mẫu thử và kết quả có cùng 1 “đơn vị” để có thể tính ra Tỉ lệ chuyển đổi / Tỉ lệ thành công (Conversion Rate), VD:
– 1000 người click thì có 1 người mua hàng (Áp dụng được, TLCĐ là 0.1%)
– 1000 người click thì doanh thu được 1.000.000VND (Không áp dụng được)
– 1000 người click thì được 3 đơn hàng (Áp dụng được, TLCĐ là 0.3%)
Ở trường hợp của mình muốn tối ưu ROI nhưng mình sẽ không dùng VND mà sử dụng Số lượng đơn hàng để so sánh, mình sẽ hướng dẫn chi tiết hơn về việc này ở bài viết sau.
BƯỚC 3: XÁC ĐỊNH CHỈ TIÊU WINNER/LOSER
Nhiều trường hợp 2 phiên bản sẽ có kết quả khá gần nhau vd 80-100. Bạn nên cân nhắc kĩ chỉ tiêu để chọn ra Winner/Loser. VD như nếu B có kết quả thấp hơn hoặc bằng 70% của A thì sẽ bị xem là Loser và loại.
Điều này rất quan trọng vì đôi khi bạn sẽ mất 1 nhóm lớn khách hàng khi nhóm đó bị xem là Loser. Nhưng bạn cũng đừng quá lo lắng, chúng ta sẽ quay lại test các yếu tố cũ sau mỗi 3-6 tháng để chắc chắn chỉ loại nhưng Loser thật sự kém.
BƯỚC 4: XÁC ĐỊNH CÁC YẾU TỐ CẦN TEST
Chúng ta có vô số thứ có thể test:
– Tệp khách hàng: Độ tuổi, giới tính, khu vực, sở thích,…
– Vị trí hiển thị: Mobile, Desktop Newsfeed, Column,…
– Thiết bị: Android, iPhone, Desktop, Tablet/Phone,…
– Thời gian: Giờ trong ngày, ngày trong tuần, ngày trong tháng,…
– Định dạng Ad: Single/Multiple Images, Product Catalog, Canvas,…
– Design Ad: Ảnh có mặt người, phong cảnh, màu sắc, bố cục,…
– Nội dung Ad: Headlines, Text, CTA,…
– Hình thức đấu thầu: Impression, Link Click, Conversion,…
– Sản phẩm: Sản phẩm cao cấp, sản phẩm tầm trung, sản phẩm mới,…
Các bạn vừa bắt đầu thường sẽ bị choáng ngợp bởi quá nhiều thứ cần test nên không biết chọn cái nào trước. Kinh nghiệm của mình là HÃY KIÊN NHẪN, test từng phần một và chờ đợi. Ngoài ra, bạn nên bắt đầu với những yếu tố ảnh hưởng nhiều nhất đến kết quả, sau đó mới đến các yếu tố nhỏ hơn.
VD ở một số ngành hàng:
– Khác biệt độ tuổi thường sẽ ảnh hưởng nhiều đến kết quả hơn là khác biệt về khu vực
– Khác biệt về Giờ trong Ngày có thể sẽ ảnh hưởng nhiều hơn so với Ngày trong Tháng
– Khác biệt về định dạng Ad có thể ảnh hưởng nhiều hơn Khác biệt Headline
Ở series này mình chọn mặt hàng Thời Trang Nữ. Chúng ta sẽ chọn 3 yếu tố cần test VD như:
– Độ tuổi: 25-29 vs 30-39
– Hệ điều hành: Android vs iOS
– Sở thích: Zara vs Exclude Zara
GIẢI THÍCH:
– Mình chọn test hệ điều hành Mobile vì sau nhiều lần test các Ad chạy trên Desktop không thể thắng Mobile và ngân sách mình có hạn. Nhiều trường hợp Desktop có thể tốt hơn hoặc bạn cần target rộng hơn có thể chọn cả Mobile & Desktop mà ko cần test nhiều.
– Tương tự, bạn có thể test độ tuổi bao quát nhất từ 18-65 và rút gọn lại từ từ sau mỗi lần test. Nhưng nếu bạn tự tin đã nắm rõ độ tuổi tốt nhất là từ 25-40 thì cứ dùng thôi, để dành thời gian test các yếu tố khác.
– Nhiều bạn cho rằng target sở thích của Facebook Việt Nam không chính xác. Nhưng với AB Testing thì không quan trọng lắm, vì chúng ta chỉ cần biết tệp khách hàng “chứa sở thích X” có tốt hơn “không chứa sở thích X” hay không thôi.
(Nhưng các nhân mình thấy một số sở thích trên Facebook khá chính xác so với khảo sát thực tế)
CÁC BẠN LƯU Ý:
– Với các yếu tố liên quan đến tệp khách hàng. Bạn nên cân đối so cho số lượng 2 tệp không quá chênh lệch. VD như nếu mình chọn độ tuổi 20-29 số lượng người tiếp cận có thể hơn gấp đôi 30-39 nên mình giới hạn lại chỉ từ 25-29 thôi
– Hoặc khi dùng sở thích để test, bạn lưu ý 2 tệp Include vs Exclude không nên quá chênh lệch và cũng không nên quá nhỏ
BƯỚC 5: Chuẩn bị file data – Mình sẽ gửi các bạn file mẫu (Google Sheet) và hướng dẫn sử dụng ở phần 2 của series. Cũng rất đơn giản thôi.
Nguồn: Đỗ Khang
– ST –
Lưu ý: Các bạn tham gia Groups để thường xuyên theo dõi và nhận những bộ tài liệu hay về Marketing nhé!
