แนวทางปฏิบัติที่ดีที่สุดในการสร้าง Single Source of Truth (SSOT) สำหรับการทดสอบ A/B

การทดสอบ CX ของคุณมีชีวิตอยู่หรือตายไปกับคุณภาพของข้อมูลของคุณ คุณไม่สามารถสร้างสมมติฐานที่ถูกต้องและทดสอบได้โดยใช้ข้อมูลที่น่าสงสัย และคุณไม่สามารถเชื่อถือผลการทดสอบของคุณได้ หากคุณไม่ทราบว่าคุณกำลังดูเมตริกที่ถูกต้อง

นั่นเป็นเหตุผลที่คุณต้องสร้างโปรแกรมทดสอบโดยใช้ชุดข้อมูล Single Source of Truth (SSOT) หากคุณทำไม่ได้ แม้แต่การทดสอบ A/B แบบง่ายที่สุดก็ยังขาดคุณค่า บทความนี้สำรวจว่าเหตุใดการสร้าง SSOT จึงมีความสำคัญและแชร์แนวทางปฏิบัติที่ดีที่สุดที่ผ่านการทดสอบภาคสนามซึ่งเราได้พัฒนาขึ้นเพื่อดำเนินการดังกล่าวที่ Kameleoon

SSOT คืออะไร

การตัดสินใจทางธุรกิจสมัยใหม่จะต้องขับเคลื่อนด้วยข้อมูล การรักษา SSOT ไว้หมายความว่าสำหรับการทดลอง CX หรือฟังก์ชันอื่นๆ คุณกำหนดมาตรฐานในแหล่งข้อมูลหนึ่งเป็น "ความจริง" ขั้นสุดท้ายที่คุณดำเนินการงานของทีมนั้นและแจ้งการตัดสินใจของบริษัทของคุณ

หากไม่มี SSOT คุณเสี่ยงที่ข้อมูลของคุณจะถูกแฟรกเมนต์ไปยังไซโลซึ่งได้รับการปกป้องโดยทีมต่าง ๆ สำหรับการทำงานที่แตกต่างกัน ไม่มีมาตรฐาน ไม่มีฉันทามติ และไม่มีทางรู้ได้ว่ามีใครกำลังตัดสินใจตามข้อมูลที่ดีที่สุดที่มีอยู่หรือไม่

SSOT ไม่ใช่เทคโนโลยีหรือระบบเฉพาะ เป็นแนวทางปฏิบัติทางธุรกิจที่ออกแบบมาเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดจากกิจกรรมของทีม บางบริษัทประหยัดเงินได้หลายล้านโดยเปลี่ยนไปใช้กลยุทธ์ข้อมูล SSOT โดยไม่ต้องแตะต้องงานเบื้องหลัง

จากการศึกษาพบว่าตัวชี้วัดพฤติกรรมลูกค้าคุณภาพสูงยังคงเป็นข้อมูลที่เป็นที่ต้องการมากที่สุดสำหรับการตัดสินใจเชิงกลยุทธ์ ในการสำรวจซีอีโอประจำปีของ PricewaterhouseCoopers เป็นเวลาหลายปีติดต่อกัน ซีอีโอให้คะแนนว่าเป็นตัวชี้วัดที่สำคัญที่สุดที่พวกเขาต้องการสำหรับการวางแผนเชิงกลยุทธ์

การทดสอบ A/B คืออะไร

การทดสอบ A/B เป็นวิธีการทดลองกับเว็บไซต์ แอปพลิเคชันบนมือถือ หรือโฆษณาโดยการเปรียบเทียบประสิทธิภาพของเวอร์ชันดั้งเดิม—เวอร์ชัน A หรือการควบคุม— กับเวอร์ชัน B ที่แก้ไข เป้าหมายคือการรวบรวมข้อมูลประสิทธิภาพสำหรับแต่ละรายการ ทำการวิเคราะห์ทางสถิติ และพิจารณาจากข้อมูลว่าเวอร์ชันใดทำงานได้ดีที่สุด
การทดสอบ A/B ใช้สำหรับการทดสอบมากกว่าองค์ประกอบหน้าเว็บเดียว ตัวอย่างเช่น คุณสามารถใช้เพื่อปรับราคาให้เหมาะสม ตรวจสอบคุณสมบัติผลิตภัณฑ์ และปรับแต่งเว็บไซต์ให้เป็นส่วนตัวสำหรับกลุ่มผู้เข้าชมต่างๆ นอกจากนี้ การทดสอบ A/B เป็นพื้นฐานของเทคนิคการเพิ่มประสิทธิภาพ CX อื่นๆ มากมาย รวมถึงการทดสอบหลายตัวแปร คำแนะนำผลิตภัณฑ์ และการกำหนดเป้าหมายตามโปรไฟล์

ใครบ้างที่ต้องการ SSOT สำหรับการทดสอบ

ทีมทดลองกำลังตรวจสอบข้อมูลที่สร้างขึ้นในแพลตฟอร์มการวิเคราะห์, CRM, แพลตฟอร์มการทดสอบ และอื่นๆ พวกเขาจำเป็นต้องสร้าง SSOT สำหรับการทดสอบเพื่อชี้แจงว่าทีมของพวกเขาต้องการทำอะไร ลองพิจารณาตัวอย่าง

ลูกค้ารายหนึ่งของคาเมลูนเปิดตัวแคมเปญเพื่อเพิ่มประสิทธิภาพฟังก์ชันการค้นหาของเว็บไซต์ พวกเขาทำการทดสอบฝั่งเซิร์ฟเวอร์ที่เกี่ยวข้องกับการติดตามปริมาณการใช้ข้อมูลไปยังหน้าการเข้าถึง

แต่พวกเขาพบปัญหาที่โปรแกรมการทดสอบจำนวนมากเผชิญ: ข้อมูลใน Google Analytics แสดงการเข้าชมหน้าเว็บจำนวนหนึ่ง และเครื่องมือทดสอบของพวกเขาแสดงอีกรายการหนึ่ง ความแตกต่างมีมากกว่า 9 เปอร์เซ็นต์

เนื่องจากเป็นเว็บไซต์อีคอมเมิร์ซที่มีผู้เข้าชมมากกว่าหนึ่งล้านคนต่อเดือน การตัดสินใจเลือกชุดข้อมูลที่จะไว้วางใจสร้างความแตกต่างอย่างมากในการรายงาน KPI ของบริษัท แม้ว่าแบรนด์ระดับกลางและระดับองค์กรบางแบรนด์สามารถละเลยความเหลื่อมล้ำได้ถึง 10 เปอร์เซ็นต์ในสถิติผู้เข้าชม แต่ความแตกต่างในข้อมูล 9 เปอร์เซ็นต์ทำให้ทีมทดลองของบริษัทนี้กังวล

ทีมนี้เพิ่งได้รับการซื้ออินสำหรับโปรแกรมการทดลองของพวกเขา ซึ่งรวมถึงงบประมาณในการลงทุนในเครื่องมืออย่าง Kameleoon พวกเขาคาดหวังการทดสอบด้วยข้อสรุปที่ชัดเจน แต่ความถูกต้องของข้อมูลกลับเป็นที่น่าสงสัย พวกเขาจำเป็นต้องจัดตั้ง SSOT

เราช่วยบริษัทนี้ทำความสะอาดการติดตามข้อมูลผู้เยี่ยมชม สร้าง SSOT และรับผลการทดสอบที่จำเป็นสำหรับการเติบโต ในการทำเช่นนั้น เราได้ช่วยพวกเขานำแนวปฏิบัติที่ดีที่สุดของ SSOT เจ็ดประการมาใช้ เราแบ่งปันแนวทางปฏิบัติที่ดีที่สุดเหล่านี้ เนื่องจากทีม CX ที่ต้องการโต้แย้งข้อมูลการทดสอบและใช้ประโยชน์สูงสุดจากโปรแกรมการทดลองของพวกเขา สามารถใช้สิ่งเหล่านี้เพื่อพัฒนาตนเองได้

แนวทางปฏิบัติที่ดีที่สุดในการกำจัดความคลาดเคลื่อนของข้อมูลการทดสอบและการสร้าง SSOT

1. ก่อนที่คุณจะทำอย่างอื่น ทำการทดสอบ A/A

ในขณะที่การทดสอบ A/B เปรียบเทียบเวอร์ชันเก่ากับผลิตภัณฑ์หรือหน้าเว็บเวอร์ชันใหม่ การทดสอบ A/A จะเปรียบเทียบสิ่งที่ชอบกับสิ่งที่ชอบ ทำไมคุณถึงต้องการทำเช่นนี้? คุณจึงสามารถเปรียบเทียบข้อมูลที่สร้างโดยแต่ละแพลตฟอร์มการตรวจสอบได้

ในการทดสอบ A/A รูปแบบทั้งสองจะเหมือนกัน แต่ผู้ใช้ที่เห็นจะแตกต่างกัน:

วิธีดำเนินการ

ก่อนที่คุณจะทำการทดสอบ A/B ที่จริงจังหรือเปิดตัวการใช้งานใหม่ซึ่งคุณจะต้องการรวบรวมข้อมูล ให้เรียกใช้การทดสอบ A/A เพื่อปรับเทียบ ในโลกที่สมบูรณ์แบบ การทดสอบ A/A ของคุณจะให้ผลลัพธ์ที่เหมือนกัน ในความเป็นจริง มันไม่ค่อยเกิดขึ้น แต่คุณจะยังได้เรียนรู้ว่าคุณกำลังรับมือกับความคลาดเคลื่อนมากแค่ไหน

ตัวอย่างเช่น การทดสอบ A/A ช่วยให้คุณเห็นเมตริกที่ Google Analytics ได้รับเมื่อเปรียบเทียบกับเครื่องมือทดสอบของคุณในเซสชันเดียวกัน ผู้ใช้ การเข้าชม Conversion หรือเมตริกใดก็ตามที่คุณต้องการวัด

2. ติดตามผู้เยี่ยมชมและเยี่ยมชมในลักษณะเดียวกันในเครื่องมือทั้งหมดของคุณ

จำนวนผู้เข้าชมหรือการเข้าชมที่ติดตามโดยเครื่องมือวิเคราะห์ของคุณจะไม่ตรงกับผู้ใช้และเซสชันอย่างแม่นยำ อย่างไรก็ตาม คุณสามารถมั่นใจได้ว่าการเข้าชมจะถูกนับในลักษณะเดียวกันในการวิเคราะห์และแพลตฟอร์ม A/B ของคุณเพื่อลดความคลาดเคลื่อน

ใน Google Analytics การเข้าชมสิ้นสุดลงสองวิธี:

• การหมดอายุตามเวลา: ที่นี่ เซสชันจะหมดอายุหลังจากไม่มีการใช้งาน 30 นาทีหรือตอนเที่ยงคืน ตัวอย่างเช่น ใน Kameleoon หลังจากไม่มีการใช้งานเป็นเวลา 30 นาที

• การเปลี่ยนแปลงแคมเปญ : หากผู้เข้าชมคนเดียวกันมาถึงผ่านแคมเปญหนึ่ง ออกหลังจากผ่านไป 2 นาที แล้วกลับมาใช้แคมเปญอื่นในอีก 2 นาทีต่อมา Google Analytics จะนับการเข้าชมสองครั้ง เครื่องมือทดสอบ A/B บางอย่างจะเห็นว่าสิ่งนี้เป็นหนึ่งเดียว

วิธีดำเนินการ

ตรวจสอบวิธีการนับผู้เข้าชมและการเข้าชมในเครื่องมือวิเคราะห์ของคุณ และตรวจดูให้แน่ใจว่าเครื่องมือทดสอบของคุณเหมือนกัน หรือว่าคุณเปลี่ยนมันได้ ที่ Kameleoon เราแนะนำให้ใช้แพลตฟอร์มการวิเคราะห์ของคุณเป็นแหล่งความจริงเพียงแหล่งเดียว

ใน GA คุณสามารถแก้ไขระยะเวลาที่เซสชันและแคมเปญหมดเวลาได้ในการตั้งค่าเซสชัน

ทำไม SSOT ควรกำหนดไว้ที่ระดับองค์กร ดังนั้น แม้ว่าทีมทดสอบของคุณจะใช้เวลาทั้งวันในการทำงานกับข้อมูลในแพลตฟอร์มการทดสอบของคุณ ทีมอื่นๆ อาจยังคงต้องอ้างอิงข้อมูลจาก GA เพื่อวัตถุประสงค์อื่น ตั้งค่า SSOT ให้เป็นชุดข้อมูลที่อ้างอิงโดยทีมที่หลากหลายที่สุดในองค์กรของคุณ

3. สร้างตัวกรองเบราว์เซอร์และเวอร์ชันในเครื่องมือวิเคราะห์ของคุณ

แพลตฟอร์มการทดสอบ A/B จำนวนมากไม่ทำงานบน Internet Explorer ดังนั้นการเข้าชมใดๆ ในเบราว์เซอร์นั้นจะถูกแยกออกจากรายงานการทดสอบโดยอัตโนมัติ แต่ IE ยังคงสามารถทำให้เกิดความคลาดเคลื่อนของข้อมูลได้หากคุณกำหนดเป้าหมายองค์กรขนาดใหญ่ที่ใช้ระบบเดิม

ปัญหาการติดตามที่อาจเกิดขึ้นอีกประการหนึ่งคือ Google Analytics เข้ากันได้กับเบราว์เซอร์ทุกเวอร์ชัน ในขณะที่เครื่องมือทดสอบ A/B มักจะรักษาความเข้ากันได้อย่างสมบูรณ์กับหลายเวอร์ชันล่าสุดเท่านั้น

วิธีดำเนินการ

ใน Google Analytics ให้สร้างตัวกรองที่กำหนดเองตามเบราว์เซอร์และเวอร์ชันของเบราว์เซอร์ที่คุณสนใจ เพื่อให้ทุกแพลตฟอร์มตรงกัน คุณทำสิ่งนี้ใน

ตัวอย่างเช่น ในส่วนมุมมอง คุณจะยกเว้น Google Chrome เวอร์ชันเก่าได้อย่างไร:

4. กรองทราฟฟิกที่มีปัญหาในเครื่องมือทั้งหมดของคุณ

รักษาข้อมูล SSOT ของคุณให้สะอาดที่สุดโดยรวบรวมข้อมูลจากสมาชิกผู้ชมที่ถูกต้องเท่านั้น คุณคงไม่อยากทำให้ข้อมูลของคุณยุ่งเหยิงด้วยบอท โทรลล์ ตัวติดตามบั๊ก หรือทราฟฟิกอื่นๆ ไม่ต้องกังวลว่าปริมาณจะลดลง คุณภาพของผลลัพธ์จะเพิ่มขึ้น

วิธีดำเนินการ

เครื่องมือทดสอบ A/B ขั้นสูงมีการตั้งค่าการกรองบอทหลายแบบตั้งแต่แกะกล่อง ตัวอย่างเช่น พวกเขาสามารถลบการรับส่งข้อมูลออกจากสถิติที่รวบรวมได้โดยอัตโนมัติ หากตรวจพบพฤติกรรมผิดปกติ หรือหากเซสชันอยู่ในสภาวะกิจกรรมที่น่าสงสัย

ในทางกลับกัน หากคุณใช้ GA คุณจะต้องตัดสินใจว่าจะตรวจจับและแยกการเข้าชมของบ็อตออกจากข้อมูลการวิเคราะห์ของคุณอย่างไรโดยใช้ตัวกรอง สำหรับการอ้างอิง ต่อไปนี้เป็นเงื่อนไขบางประการที่คุณอาจต้องการยกเว้น

• ระยะเวลาการเยี่ยมชม > 120 นาที
• ระยะเวลาการเยี่ยมชม < 100 มิลลิวินาที
• จำนวนเหตุการณ์ (Conversion การคลิก การกำหนดเป้าหมาย ผลิตภัณฑ์ การดูหน้าเว็บ ฯลฯ) > 10K

คุณยังต้องการยกเว้นการรับส่งข้อมูลภายในจากภายในองค์กรของคุณ โปรดจำไว้ว่า เป้าหมายในการสร้างชุดข้อมูล SSOT นี้คือการมีแหล่งข้อมูลที่ชัดเจนเกี่ยวกับลูกค้าจริงของคุณ ไม่ใช่เพื่อนร่วมงานของคุณ

ในการกรองการรับส่งข้อมูลภายในใน GA ให้ไปที่แผงการดูแลระบบ > ตัวกรองทั้งหมด และสร้างตัวกรองใหม่ ตั้งค่าประเภทตัวกรองเป็น 'ไม่ได้กำหนด' จากนั้น เพิ่มช่วง IP ภายในที่คุณต้องการยกเว้น

5. หลีกเลี่ยงตัวบล็อกโฆษณา

ผู้เข้าชมจำนวนมากใช้ตัวบล็อกโฆษณา เช่น Adblock, Ghostery และ uBlock ตัวบล็อกโฆษณาบางตัวสามารถบล็อกตัวติดตามฝั่งไคลเอ็นต์ได้ ซึ่งรวมถึงเหตุการณ์การวิเคราะห์จากเครื่องมือทดลอง

หากผู้เยี่ยมชมของคุณมีส่วนสำคัญเปิดใช้งานตัวบล็อกโฆษณาในเบราว์เซอร์ มีโอกาสสูงที่จำนวนการเข้าชมที่บันทึกไว้จะแตกต่างกันไประหว่างเครื่องมือทดสอบ A/B และแพลตฟอร์มการวิเคราะห์ของคุณ

วิธีดำเนินการ

บางแพลตฟอร์มสามารถให้ URL คำขอติดตาม "ในองค์กร" ที่อนุญาตให้พวกเขาหลีกเลี่ยงการถูกบล็อกโดยตัวบล็อกโฆษณา ที่นี่ การติดตามเกิดขึ้นที่ฝั่งเซิร์ฟเวอร์ ดังนั้นการบล็อกโค้ดฝั่งไคลเอ็นต์ เช่น จากตัวบล็อกโฆษณา จะไม่หยุดการติดตามที่ถูกต้อง เปิดใช้งานบนแพลตฟอร์มที่เป็นไปได้ทั้งหมด

อีกวิธีหนึ่งในการทำความเข้าใจความคลาดเคลื่อนระหว่างแพลตฟอร์มการวิเคราะห์และการทดสอบของคุณคือการส่งเหตุการณ์ไปยังแพลตฟอร์มการวิเคราะห์ของคุณหลังจากที่เครื่องมือทดสอบของคุณโหลดแล้ว ซึ่งจะทำให้คุณมีแนวคิดที่ชัดเจนเกี่ยวกับเปอร์เซ็นต์ของผู้เข้าชมที่ใช้ตัวบล็อกโฆษณาที่บล็อกเครื่องมือทดสอบ A/B ของคุณ จากนั้น คุณจะต้องกรองการเข้าชมของคุณเพื่อยกเว้นผู้เข้าชมโดยใช้ตัวบล็อกโฆษณา

6. ติดตั้งเครื่องมือของคุณในหน้าเดียวกันทั้งหมด

ตำแหน่งตัวอย่างเป็นสาเหตุหลักของความคลาดเคลื่อนของข้อมูล โดยเฉพาะอย่างยิ่งหากคุณต้องการเรียกใช้การทดสอบที่กำหนดเป้าหมายทั้งไซต์ เหตุผลก็คือเครื่องมือทดลองจำนวนมากถือว่า "ทั้งไซต์" เป็นหน้าทั้งหมดที่มีข้อมูลโค้ด น่าเสียดายที่อาจรวมถึงไซต์การแสดงละครของคุณหากคุณคัดลอกตัวอย่างไว้ที่นั่น

วิธีดำเนินการ

หากคุณยังไม่ได้ทำ ตอนนี้เป็นเวลาที่ดีในการทำการทดสอบ A/A เพื่อปรับเทียบแพลตฟอร์มของคุณ จากนั้น ตรวจสอบให้แน่ใจว่าเครื่องมือทั้งหมดของคุณถูกนำไปใช้ในหน้าเดียวกัน

วิธีหนึ่งในการระบุว่าไม่ใช่หรือไม่คือการแยกข้อมูลของคุณตาม URL ของหน้าที่เข้าชม ซึ่งจะแสดง URL หลักทั้งหมดที่มีการดำเนินการทดสอบ เพื่อให้คุณสามารถระบุ URL ที่เครื่องมือทดสอบของคุณไม่ควรโหลด นี่คือลักษณะของตัวเลือกนี้ใน Kameleoon:

ความคิดสุดท้าย

หลังจากวิเคราะห์อย่างรอบคอบแล้ว Kameleoon พบว่าลูกค้าที่มีข้อมูลไม่ตรงกันพบปัญหาสุดท้ายนั้น Google Analytics และเครื่องมือทดสอบไม่ได้ทำงานบนหน้าเดียวกัน

ในขณะที่ GA ติดตามการเข้าชมทั้งหมดที่ไปที่หน้าผลการค้นหา พวกเขากำหนดค่าเครื่องมือทดสอบด้วยพารามิเตอร์ที่แคบลง ซึ่งการทดสอบจะนับการเข้าชมหน้าการเข้าถึงหลังจากการค้นหาในแถบค้นหาเท่านั้น

แม้ว่าหน้าทั้งสองจะเหมือนกัน แต่ URL ต่างกัน ทำให้เกิดความคลาดเคลื่อนของข้อมูล อย่างไรก็ตาม เมื่อแก้ไขแล้ว พวกเขามี SSOT ที่เชื่อถือได้สำหรับการทดสอบข้อมูล และสร้างข้อมูลเชิงลึกอันมีค่ามากมาย

เมื่อรู้ว่าการตั้งค่าสำเร็จรูปในเครื่องมือทดสอบของคุณอยู่ที่ใดไม่สอดคล้องกับการติดตามการวิเคราะห์ของคุณ คุณสามารถเลือกจำนวนผู้เยี่ยมชมที่จะรายงานหรือวิธีการใช้การตั้งค่าของคุณเพื่อลดความแตกต่าง

ขจัดความคลาดเคลื่อน สร้างแหล่งความจริงเพียงแหล่งเดียว และรวบรวมทีมของคุณโดยใช้ชุดข้อมูลทั่วไปชุดเดียว การสร้าง SSOT เป็นขั้นตอนแรกในการทดสอบที่ดีขึ้น เชื่อถือได้มากขึ้น และมีข้อมูลเชิงลึกมากขึ้น