Tối ưu hóa chiến dịch Digital Marketing – Part 3: A/B testing và Case studies

Như đã nói ở phần 1 bài viết trước, để tối ưu hóa chiến dịch bạn cần phải tối ưu hóa các công cụ sử dụng cho chiến dịch đó. Để làm được điều này, bạn không thể chỉ dựa vào cảm tính kiểu "Tôi nghĩ là...", "Tôi cảm thấy rằng...", "Tôi cho là...". Các con số và biểu đồ luôn thể hiện chính xác, khách quan tình huống hơn trực giác của bạn, đặc biệt khi bạn chỉ mới chập chững làm Affiliate Marketing. Một trong những cách hiệu quả và tiết kiệm chi phí nhất cho việc này đó là A/B Testing.

Phần 1: Tối ưu hóa chiến dịch Digital Marketing - Part 1: Tạo quy trình tối ưu của riêng bạn

Phần 2: Tối ưu hóa chiến dịch Digital Marketing - Part 2: Học được gì từ những chiến dịch thất bại

Để tiếp tục serie, bài viết ngày hôm nay sẽ đem đến cho bạn những kiến thức cơ bản trong việc áp dụng A/B Testing để tối ưu hóa chiến dịch và các case studies đã sử dụng thành công phương pháp này.

1. A/B Testing là gì?

ab-testing

A/B Testing (hay Split Testing) là một phương pháp giúp người làm Marketing thử nghiệm hai (hay nhiều) phiên bản A - B dựa trên so sánh về các mặt như giao diện, nội dung, màu sắc, bố cục, nút căn chỉnh điều hướng, vị trí hình ảnh, nút mua hàng, call to action,… của một website/ads/landing page/…, qua đó đánh giá xem phiên bản nào hiệu quả hơn, được khách hàng yêu thích hơn.

2. Tại sao nên sử dụng A/B Testing để tối ưu hóa chiến dịch?

2.1. Tăng hiệu quả, giảm chi phí cho việc chạy quảng cáo

Gỉả sử bạn tạo ra được 3 mẫu quảng mà theo-bạn đều hay tuyệt vời ông mặt trời! Bạn muốn chạy luôn cả 3 mẫu nhưng ngân sách không cho phép. Bạn cũng không biết khách hàng thích mẫu nào nhất để tập trung mạnh vào nó. Những mẫu quảng cáo đã thực sự hiệu quả trong việc gia tăng tỷ lệ chuyển đổi hay chưa?... Không biết chút gì về khách hàng thì việc bạn không test mà đã chạy luôn quảng cáo đúng là “liều mạng”.

A/B Testing sẽ giúp bạn giải quyết những vướng mắc này. Việc test sẽ giúp bạn đo lường hiệu quả của các mẫu quảng cáo, biết khách hàng đang thực sự cần gì, yếu tố nào kích thích, lôi kéo họ mua hàng, từ đó tập trung vào yếu tố đó để tối ưu hóa quảng cáo.

2.2. Tối ưu giao diện website thu hút người dùng

Giao diện web gắn liền với trải nghiệm người dùng (UI/UX). Đây là một trong những yếu tố tác động trực tiếp đến việc người dùng có thực hiện các chuyển đổi (mua hàng, điền form,…) trên website hay không. Bạn có thể A/B testing lần lượt những yếu tố như tiêu đề, hình ảnh, nội dung, call to action, nút điều hướng,… để chọn ra những yếu tố nào tác động nhất đến khách hàng.

2.3. Tìm ra phương pháp Email Marketing hiệu quả

Đã qua rồi cái thời đẩy hàng ngàn email đi và nghĩ rằng người dùng sẽ đọc chúng. Các email clients ngày càng có các bộ lọc tinh xảo hơn, tuy nhiên khách hàng vẫn bị chôn vùi bởi hàng chục, thậm chí hàng trăm email mỗi ngày. Điều quan trọng là làm thế nào để họ chịu mở email của bạn ra xem và tương tác với chúng.

Bằng cách làm A/B Testing, bạn có thể xác định được thời gian khách hàng mở mail nhiều nhất, tiêu đề, nội dung mail nào mang lại tỉ lệ mở và phản hồi mail cao hơn,… Điều này giúp những chiến dịch quảng cáo qua Email Marketing của bạn đạt được kết quả tốt nhất.

Nói tóm lại, A/B Testing giúp bạn cải thiện hiệu quả của website, ads, email hay bất kỳ công cụ nào bạn đang sử dụng để chạy chiến dịch thông qua việc thử nghiệm nhiều phiên bản khác nhau để chọn ra phiên bản tốt nhất.

3. Những nguyên tắc khi làm A/B Testing

3.1. Chỉ nên test lần lượt từng yếu tố một

Đây là một nguyên tắc rất quan trọng khi làm A/B Testing. Nếu test đồng thời nhiều yếu tố, bạn sẽ không thể biết được yếu tố nào ảnh hưởng nhất hay ảnh hưởng như thế nào đến chiến dịch. Như đã nói ở bài viết trước, bạn cần sắp xếp các yếu tố theo thứ tự giảm dần về độ quan trọng để lần lượt tối ưu hóa từng cái.

Ví dụ, bạn muốn làm A/B Testing cho một chiến dịch quảng cáo trên Facebook.

Bước 1: Đầu tiên, bạn có thể test nội dung. Mọi yếu tố khác đều phải giữ nguyên và chỉ thay đổi mỗi nội dung thôi nhé. Sau đó chuyển sang test hình ảnh/video đi kèm, thay đổi góc chụp/quay, hiệu ứng,… để xem khách hàng thích cái nào hơn.

ab testing 1ab testing 2

2 mẫu quảng cáo được tác giả giữ nguyên video, chỉ thay đổi caption

Bước 2: Sau khi chọn được nội dung và hình ảnh/video thích hợp, tiếp tục test target khách hàng. Những yếu tố có thể test là: độ tuổi, giới tính, sở thích, vùng miền, thiết bị,…

  • Test độ tuổi: khách hàng bạn nhắm đến là từ 18 – 40 tuổi. Hãy chia nhỏ khoảng tuổi để test, ví dụ: 18 – 22 tuổi, 23 – 27 tuổi, 28 – 32 tuổi,… Sau đó cho chạy ads và đo lường. Khỏang tuổi nào tương tác hay mua hàng nhiều nhất thì tập trung vào đó. Nhớ phải giữ nguyên các yếu tố còn lại nhé.
  • Test sở thích, hành vi: mặt hàng bạn quảng bá là thuốc giảm cân. Khách hàng của bạn đa số là nữ và thích mua sắm, du lịch, tập gym,… Bạn tiếp tục test như trên:

Ads set 1: mua sắm + nội dung, hình ảnh và đổ tuổi đã xác định ở trên

Ads set 2: du lịch + nội dung, hình ảnh và đổ tuổi đã xác định ở trên

Ads set 3: tập gym + nội dung, hình ảnh và đổ tuổi đã xác định ở trên.

Có thể thiếp lập thêm ads set tùy vào ngân sách và đối tượng khách hàng bạn xác định được. Chạy ads và đo lường.

  • ….

Cứ như thế bạn test lần lượt để chọn ra những yếu tố tốt nhất. Khi đó chiến dịch của bạn sẽ được tối ưu đến mức tối đa. Nên dành khoảng 10 – 15% ngân sách để làm A/B Testing.

Bonus: FB có cung cấp công cụ A/B Testing trong trình quản lý quảng cáo. Việc thực hiện A/B Testing cho FB ads đã trở nên đơn giản và nhanh chóng hơn nhiều.

3.2. Dừng test đúng lúc

Dừng test quá sớm thì bạn sẽ không đủ dữ liệu để biết phiên bản nào vượt trội ở điểm nào, hay kết quả của các phiên bản có gì khác nhau. Thông thường, thời gian cho A/B Testing cần ít nhất 3 ngày, tối đa có thể lên đến 1 tháng.

Còn test quá lâu sẽ độn chi phí lên hoặc đen đủi hơn, nếu performance của các phiên bản đều quá tệ thì bạn sẽ chẳng thu được kết quả gì.

3.3. Test nhiều lần

Không phải đợt test nào cũng đem lại kết quả tốt, có thể do các phiên bản bạn tạo ra đều tệ. Vì vậy hãy tiếp tục test thêm một số lần nữa, theo các hướng đi khác nhau. Nghĩ theo hướng tích cực thì những lần test đó không phải là thất bại, chỉ là bạn đang thu thập thêm thông tin về khách hàng mà thôi. Giống như Edison từng nói: “Tôi không hề thất bại 10,000 lần. Tôi đã thành công trong việc tìm ra 10,000 chất không thể làm dây tóc bóng đèn!”

3.4. Hạn chế những quyết định cảm tính về khách hàng

Thông thường, khi triển khai một hoạt động Marketing bất kỳ, công việc đầu tiên bạn làm đó là đưa ra giả định về đối tượng khách hàng: Tôi cho rằng những người mua thuốc sinh lý thường thích đi tập gym, Tôi nghĩ call to action này sến súa quá, sẽ chẳng ai thích nó cả, Đặt nút mua hàng ở chỗ này trên trang sẽ gia tăng chuyển đổi, bla bla…

Những suy nghĩ cảm tính như vậy thường chỉ đúng một phần, thậm chí không hiếm trường hợp là sai hoàn toàn. Vậy nên tốt nhất bạn nên đưa ra nhiều phiên bản để test, rồi dựa vào dữ liệu thu được để nhắm đối tượng khách hàng một cách chính xác và khách quan nhất.

3.5. Sự khác biệt giữa traffic từ mobile và desktop

Khách hàng truy cập website bằng mobile hoặc desktop có thể có biểu hiện hoàn toàn khác nhau trên website của bạn, tùy theo bố cục, thiết kế, UI/UX và độ thân thiện trên các thiết bị. Do đó khi A/B testing, bạn nên test cho mobile và desktop traffic riêng.

4. Case study - Những trường hợp thành công với A/B Testing

4.1. WallMonkeys

Nếu như bạn không biết thì đây là công ty chuyên bán decal dán tường. Những mẫu decal của họ cực kỳ đa dạng với vô vàn các chủ đề khác nhau.

Mục tiêu

WallMonkeys đứng trước bài toán tối ưu hóa lượt click và lượng chuyển đổi cho trang chủ. Dưới đây là trang chủ nguyên bản của công ty.

ab-testing-case-study-6

Về tổng quan, trang chủ đáp ứng được hầu hết các tiêu chuẩn và không có bất kì điểm sai sót nào. Hình ảnh thu hút nhưng không gây xao lãng. Tiêu đề và call-to-action có vẻ đáp ứng được mục tiêu Marketing của công ty.

Đầu tiên, họ sử dụng công cụ CrazyEgg để tìm hiểu xem khách hàng tương tác nhiều nhất với khu vực nào trên trang chủ.

ab-testing-3

Như bạn thấy, có khá nhiều tương tác tại tiêu đề, CTA, logo, giỏ hàng và thanh tìm kiếm.

Tiếp theo WallMonkeys tiến hành chạy A/B Testing. Thay vì một hình ảnh duy nhất trên trang chủ, họ đưa thêm một số hình ảnh khác vào, khách hàng lướt sang trái là có thể thấy. Điều này giúp cho khách hàng thấy được họ có thể tìm kiếm rất nhiều sản phẩm với đủ thể loại khác nhau trên website.

ab-testing-case-study-4

Sự thay đổi này đã giúp conversion rate tăng thêm 27%.

Tuy nhiên, WallMonkeys vẫn muốn tiếp tục bài test. Ở lần test thứ 2, họ đã bổ sung thêm một tính năng mới cho thanh tìm kiếm. Khi khách hàng click vào thanh tìm kiếm, một số gợi ý về những chủ đề phổ biến/hot trend sẽ hiện ra.

ab-testing-case-study-5

Kết quả

Lần test thứ 2 đã giúp conversion rate tăng thêm tới 550%! Một con số vô cùng ấn tượng ngay cả với một công ty lớn như WallMonkeys. Nhờ việc không dừng lại sau bài test thứ 1, công ty vừa thu về được rất nhiều doanh số vừa nâng cao trải nghiệm cho khách hàng.

Tại sao việc test lại thành công

Trước khi làm A/B Testing, bạn cần đưa ra những giả thuyết về hành vi khách hàng thông qua dữ liệu thu thập được. Như WallMonkeys đã sử dụng công cụ của CrazyEgg để xác định khu vực khách hàng thường xuyên tương tác trên trang chủ, rồi đưa ra những dự đoán về hình ảnh và thanh tìm kiếm để lần lượt tối ưu chúng.

Và họ đã đúng. Chỉ một thay đổi nhỏ cộng với một chút chi phí đã đem lại lợi nhuận vượt xa mong đợi. Số lượng sản phẩm trên website là vô cùng lớn, những khách hàng không có ý niệm rõ ràng về loại decal mình định mua sẽ chìm ngập trong hơn 1 triệu lựa chọn. Việc đưa ra gợi ý về những chủ đề phổ biến/hot trend đã giúp khách hàng dễ dàng hơn rất nhiều trong việc lựa chọn và mua sắm, từ đó mà doanh thu cũng tăng vụt theo.

Nếu WallMonkeys hài lòng với con số 27% lúc đầu và không tiến hành lần test thứ 2, họ đã không đạt được thành công lớn như vậy. Đó là lí do ở trên chúng tôi khuyên bạn nên test nhiều lần. Việc bạn làm rất tốt ở ngay lần thử nghiệm đầu tiên không đồng nghĩa với việc bạn không thể làm tốt hơn nữa.

4.2. Humana

Humana là một công ty bảo hiểm. Website của họ có banner với đầy đủ tiêu đề, hình ảnh và CTA. Thông qua A/B Testing, họ nhận thấy rằng cần cải thiện một số điểm để banner mang lại hiệu quả cao hơn.

Mục tiêu

Mục tiêu của Humana là gia tăng tỷ lệ click chuột vào banner. Tỷ lệ hiện tại đang khá ổn, nhưng công ty vẫn muốn một con số tốt hơn nữa. Và họ đã thực hiện một số thay đổi nhỏ như sau.

Banner gốc tóm gọn một số thông tin nổi bật về công ty. Trên dòng tiêu đề có một con số cụ thể => giúp gia tăng conversion rate. Phía dưới là một vài chấm đầu dòng => dễ đọc. Mọi thứ về cơ bản là ổn, nhưng hiệu quả mang lại vẫn chưa đáp ứng được mong muốn của công ty.

Banner sau khi chỉnh sửa đã rút bớt đáng kể lượng text. Hình ảnh và màu sắc cũng được thay đổi hài hòa và bắt mắt hơn. Call-to-action đổi từ “Shop Medicare Plans” thành “Get Started Now”.

ab-testing-case-study-7

Kết quả

Thay đổi về text và hình ảnh đã giúp tỷ lệ click chuột vào banner tăng hơn 430%! Còn thay đổi về CTA giúp tăng thêm 190%! Những con số rất ấn tượng!

Tại sao việc test lại thành công

Tối giản hóa là một quy tắc được áp dụng khá phổ biến trong Marketing. Khi bán 1 sản phẩm, bạn luôn muốn “truyền bá” tới mọi khách hàng về tất cả những đặc điểm và lợi ích tuyệt vời của nó. Nhưng nếu không đánh trúng tâm lý khách hàng, không hiểu họ thực sự cần gì thì họ sẽ chẳng thèm nghe những lời quảng cáo đường mật của bạn đâu.

Trong trường hợp của Humana, họ đã lược bớt đi những thứ không cần thiết, gây xao lãng khách hàng để tối ưu hóa banner.

Kết luận:

Hi vọng qua bài viết này, bạn có thể xây dựng cho chiến dịch của mình những bản test hiệu quả nhất. Hãy nhớ, để gia tăng conversion bạn phải dựa vào những con số, dữ liệu thông qua những lần điều tra và thử nghiệm chứ đừng lệ thuộc vào trực giác. Phần tiếp theo của serie sẽ nói về việc "Tối ưu hóa trải nghiệm khách hàng" - một yếu tố cực kỳ quan trọng trong việc thu hút khách mới và giữ chân khách cũ cho chiến dịch của bạn.

Nguồn: ACCESSTRADE - Nền tảng tiếp thị liên kết số 1 Việt Nam