بهینه‌سازی نرخ تبدیل

بهینه‌سازی نرخ تبدیل را مثل برچسب خالی نبینید. اول مسئله‌ای را نام بگذارید که واقعاً هزینه یا فرصت می‌سازد.

شاهان دیجیتال از تشخیص شروع می‌کند، نه از فروش قالب آماده.

اگر فقط تعریف کلی از همین سرویس می‌خواهید، این بخش برای شما نیست. اینجا همان چیزهایی را می‌نویسیم که در جلسه فروش رقبا معمولاً جا می‌ماند — چون فروش را سخت می‌کند، اما اعتماد می‌سازد.

در بهینه‌سازی نرخ تبدیل بعضی‌ها لینک و تاکتیک پرریسک را پشت اصطلاحات قشنگ پنهان می‌کنند. ما خط قرمز را از جلسه اول می‌گوییم تا بعداً غافلگیر نشوید.

بیشتر شرکت‌ها وقتی از این خدمت حرف می‌زنند، اول پکیج می‌فروشند و بعداً می‌فهمند مسئله شما اصلاً این پروژه نبوده. ما برعکس شروع می‌کنیم: تشخیص، بعد اسکوپ، بعد اجرا.

شاهان دیجیتال این شکاف‌ها را عمداً پر می‌کند: تعریف خدمت، صفحه هدف، معیار سرنخ واجد شرایط، خط قرمز، و زمان بازبینی. در مسیر بهینه‌سازی نرخ تبدیل شعار کمتر، سند بیشتر.

اگر جایی داده ندارید، اول ردیابی را درست می‌کنیم — نه اینکه حدس را به اسم این پروژه بفروشیم.

مالکیت خروجی در این خدمت با شماست: سند، دسترسی، و منطق تصمیم. وابستگی مصنوعی به آژانس نمی‌سازیم.

مسیر شفاف بهینه‌سازی نرخ تبدیل پیش ما این است: ۱) نام‌گذاری مسئله ۲) انتخاب صفحه/کانال پول‌ساز ۳) اسکوپ مکتوب داخل/خارج ۴) اجرای کوتاه قابل بررسی ۵) بازبینی فرضیه.

در جلسه اول نرخ تبدیل سه چیز روشن می‌شود: آیا الان اولویت است، چه معیاری بعد از ۳۰/۶۰/۹۰ روز خوانده می‌شود، و اگر فرضیه رد شد متوقف می‌شویم یا مسیر عوض می‌کنیم.

این مسیر برای خریدار هوشمند است؛ کسی که بودجه دارد و می‌خواهد بداند قبل از سفارش بهینهسازی نرخ دقیقاً چه می‌خرد.

صداقت یعنی اگر این کار برای مرحله شما زود یا دیر باشد، همان را می‌گوییم — حتی اگر یعنی این ماه سفارشی نگیریم. فروش پکیج اجباری نداریم.

صداقت فروش یعنی مشتری بعد از ورود به این صفحه بداند با چه تیمی طرف است. شاهان بهکام‌راد و تیم شاهان دیجیتال — دفتر استانبول، تیم ایران، سرویس جهانی — جلوی وعده غیرواقعی می‌ایستند.

اگر فقط ارزان‌ترین پیشنهاد را می‌خواهید بدون مالکیت خروجی، ما گزینه مناسبی نیستیم؛ و این را هم شفاف می‌گوییم.

این بخش را عمداً تند نوشتیم. لندینگ فروش است، اما فروش صادقانه: بعد از خواندن باید بتوانید بگویید «بله، بهینه‌سازی نرخ تبدیل برای ماست» یا «نه، الان نه».

پرفروش‌ترین دروغ این حوزه این است که «هر سایتی می‌تواند تست A/B اجرا کند». نمی‌تواند. تست آماری به تعداد مشخصی تبدیل نیاز دارد، نه به تعداد بازدید. سایتی که ماهی پنجاه سفارش دارد، هر تستی اجرا کند نتیجه‌اش تصادف است — و بدتر از تصمیم‌نگرفتن، تصمیم‌گرفتن بر اساس تصادف است.

پس اولین کاری که می‌کنیم این نیست که چه چیزی را تست کنیم؛ این است که کدام روش برای حجم شما معتبر است:

قاعده تصمیم ما: اگر تعداد تبدیل ماهانه زیر صد است، قرارداد تست A/B با شما نمی‌بندیم. همان بودجه صرف تحقیق کیفی، اصلاح مسیرهای شکسته و درست‌کردن اندازه‌گیری می‌شود که در آن مقیاس بازده به‌مراتب بالاتری دارد.

و یک نکته که خیلی‌ها جا می‌اندازند: عدد ملاک، تبدیلِ همان صفحه‌ای است که تست می‌کنید، نه کل سایت. اگر صفحه‌ای که می‌خواهید تست کنید سهم کوچکی از تبدیل‌ها را می‌سازد، آن صفحه با هیچ حجمی قابل تست نیست.

قبل از هر تستی باید سه چیز را از قبل تعیین کنیم: نرخ تبدیل فعلی، حداقل اثری که می‌خواهیم تشخیص دهیم، و سطح اطمینان. تقریب کاربردی برای تعداد بازدید لازم به‌ازای هر نسخه این است: ۱۶ ضرب‌در نرخ پایه ضرب‌در (۱ منهای نرخ پایه)، تقسیم‌بر مجذور اختلاف مطلق مورد انتظار.

این اعداد بر پایه سطح اطمینان ۹۵ درصد، توان آماری ۸۰ درصد و مقایسه دوطرفه برای یک جفت نسخه است. تغییر هر کدام، عدد را جابه‌جا می‌کند.

مهم‌ترین نتیجه‌ای که از جدول بیرون می‌آید: رابطه ترافیک با اندازه اثر، معکوسِ مجذور است. یعنی اگر بخواهید به‌جای بهبود ۲۰ درصدی، بهبود ۱۰ درصدی را تشخیص دهید، به چهار برابر ترافیک نیاز دارید. این یک جمله ساده دارد: تیم‌های کم‌ترافیک فقط حق دارند تغییرات بزرگ را تست کنند. تست رنگ دکمه در سایت کم‌ترافیک، از پایه بی‌معناست چون اثر مورد انتظارش چند درصد است.

و اگر بیش از یک نسخه در برابر نسخه اصلی تست کنید، هم ترافیک بین نسخه‌ها تقسیم می‌شود و هم احتمال نتیجه کاذب بالا می‌رود. با سه نسخه در برابر اصلی، احتمال اینکه دست‌کم یکی صرفاً به‌خاطر شانس «برنده» شود، از ۵ درصد به حدود ۱۴ درصد می‌رسد.

تست وقتی تمام می‌شود که هر دو شرط برقرار باشد، نه یکی: حجم نمونه از پیش تعیین‌شده کامل شده باشد، و دوره کامل چرخه کسب‌وکار پوشش داده شده باشد. رسیدن به یکی بدون دیگری، نتیجه را بی‌اعتبار می‌کند.

قاعده‌ای که رعایت می‌کنیم: اگر محاسبه حجم نمونه نشان دهد تست بیش از هشت هفته طول می‌کشد، آن تست را اجرا نمی‌کنیم. به‌جایش یا فرضیه را جسورانه‌تر می‌کنیم تا اثر مورد انتظار بزرگ‌تر شود، یا سراغ روش غیرآزمایشی می‌رویم. تست سه‌ماهه، در عمل دارد دو بازار متفاوت را با هم مقایسه می‌کند.

و مدت را در روزهای کامل می‌بندیم: تستی که وسط روز تمام شود، یک نیم‌روز نامتوازن به داده اضافه کرده است.

این رایج‌ترین خطای آماری در بازار است و تقریباً هیچ‌کس آن را خطا نمی‌داند: تست را روشن می‌کنیم، هر روز داشبورد را باز می‌کنیم، و روزی که ابزار «معنادار» نشان داد، برنده را اعلام می‌کنیم.

علت فنی مشکل: سطح معناداری ۹۵ درصد یعنی «اگر یک‌بار در پایان تست نگاه کنید، ۵ درصد احتمال دارد تفاوتِ ناموجود را موجود ببینید». هر نگاه اضافه، یک فرصت اضافه برای گرفتار شدن در همان ۵ درصد است. در روزهای اول که نمونه کم است، نوسان بسیار زیاد است و نمودار تقریباً همیشه از یک نقطه عبور می‌کند.

شبیه‌سازی‌ها نشان می‌دهند اگر در طول یک تست حدود ده بار نتیجه را ببینید و در اولین لحظه معناداری متوقف کنید، نرخ واقعی نتیجه کاذب از ۵ درصد به حدود ۲۰ تا ۳۰ درصد می‌رسد. یعنی از هر چهار «برنده» شما، حدود یکی اصلاً برنده نبوده.

• راه‌حل اول: حجم نمونه و تاریخ پایان را قبل از شروع بنویسید و تا آن تاریخ تصمیم نگیرید. ساده‌ترین و ارزان‌ترین راه.
• راه‌حل دوم: استفاده از روش‌های ترتیبی که برای پایش مکرر طراحی شده‌اند. این‌ها اجازه توقف زودهنگام می‌دهند، ولی در عوض برای همان قطعیت به نمونه بیشتری نیاز دارند — یعنی توقف زودهنگام مجانی نیست.
• چیزی که کمک نمی‌کند: «کمی بیشتر صبر می‌کنیم ببینیم پایدار می‌ماند». اگر معیار توقف از قبل تعریف نشده باشد، صبرکردن هم نوعی نگاه‌کردن است.

در گزارش‌های ما، تاریخ پایان و حجم نمونه هدف قبل از شروع نوشته و به شما داده می‌شود. اگر وسط تست بخواهید متوقفش کنید، این حق شماست، ولی در گزارش می‌نویسیم که نتیجه با توقف زودهنگام گرفته شده و درجه اطمینانش پایین‌تر است.

بیشتر کسب‌وکارهای ایرانی در همین دسته‌اند و پاسخ درست، «پس هیچ کاری نمی‌شود کرد» نیست. چند روش معتبر وجود دارد که هر کدام محدودیت خودش را دارد و ما محدودیت را همراه روش می‌گوییم:

قاعده استفاده از مقایسه قبل و بعد: فقط وقتی سه شرط برقرار باشد — تغییر بزرگ بوده، دو بازه از نظر فصل و کمپین قابل مقایسه‌اند، و ترکیب منابع ترافیک تغییر نکرده. در گزارش هم صریح می‌نویسیم که این عدد شواهد است نه اثبات علّی. هر کس نتیجه قبل و بعد را به‌عنوان نتیجه تست معرفی کند، دارد بیش از آنچه داده اجازه می‌دهد ادعا می‌کند.

و مسیر واقعی خروج از این وضعیت، معمولاً بالا بردن حجم ورودی است. اگر ترافیک واجد شرایط شما کم است، بهینه‌سازی نرخ تبدیل سقف پایینی دارد و بهتر است بخشی از بودجه به رشد ترافیک ارگانیک برود تا اصلاً امکان آزمایش فراهم شود.

تست کمی به شما می‌گوید کدام نسخه بهتر است؛ فقط تحقیق کیفی می‌گوید چرا. و چون فرضیه‌های خوب از «چرا» می‌آیند، ترتیب درست همیشه کیفی قبل از کمی است.

خطای رایج در خواندن داده کیفی: تبدیل مشاهده به آمار. اگر سه نفر از هشت نفر جایی گیر کردند، این یعنی «مشکل وجود دارد»، نه «۳۷ درصد کاربران گیر می‌کنند». نقش تحقیق کیفی، ساختن فرضیه است نه اندازه‌گیری آن. اندازه‌گیری کار داده کمی است.

و خطای مقابلش هم رایج است: رد کردن یک مشکل چون «فقط دو نفر گفتند». اگر آن دو نفر در مرحله پرداخت گیر کرده‌اند، فراوانی مهم نیست؛ محل وقوع مهم است. ما مشکلات را بر اساس فاصله تا لحظه پول اولویت می‌دهیم، نه بر اساس تعداد گزارش.

فرم، جایی است که بیشترین ریزش با کمترین هزینه قابل اصلاح است — به شرطی که به‌جای حدس، سطح فیلد را اندازه بگیرید.

سه عددی که برای هر فیلد جدا استخراج می‌کنیم:

• نرخ رهاکردن در همان فیلد: آخرین فیلدی که کاربر لمس کرده و بعد رفته. این مستقیم مقصر را نشان می‌دهد.
• نرخ بازگشت و اصلاح: اگر بیش از حدود ۱۵ درصد کاربران مقدار یک فیلد را پاک و دوباره وارد می‌کنند، برچسب یا قالب ورودی آن فیلد مبهم است.
• زمان صرف‌شده در فیلد: فیلدی که به‌طور غیرعادی زمان می‌برد، یا سؤال سختی می‌پرسد یا کاربر برای پاسخش تردید دارد.

قاعده‌های تصمیمی که از این سه عدد بیرون می‌آید:

یک نکته که در عمل تفاوت محسوسی می‌سازد: صفحه‌کلید موبایل باید متناسب با نوع فیلد باز شود. فیلد شماره تماس که صفحه‌کلید حروف باز می‌کند، در هر جلسه چند ثانیه و مقداری خطا اضافه می‌کند و در حجم بالا خودش را در نرخ تکمیل نشان می‌دهد.

پژوهش‌های میدانی بین‌المللی که روی سبدهای رهاشده انجام شده، ترتیب نسبتاً پایداری از علت‌ها نشان می‌دهند. این اعداد از بازار ایران نیستند و ما هم آن‌ها را به‌عنوان حقیقت محلی جا نمی‌زنیم؛ به‌عنوان فهرست فرضیه اولویت‌دار استفاده می‌شوند که بعد با داده خودتان تأیید یا رد می‌شود.

نکته‌ای که همیشه فراموش می‌شود: بخش بزرگی از رهاکردن سبد اصلاً مشکل نیست. کاربری که سبد را برای مقایسه قیمت یا ذخیره‌کردن پر می‌کند، هیچ‌وقت قصد خرید فوری نداشته. به همین دلیل نرخ رهاکردن خام، سنجه بدی است؛ ما نرخ عبور از هر مرحله را جدا می‌سنجیم و روی مرحله‌ای تمرکز می‌کنیم که ریزشش با مراحل مجاور ناهماهنگ است.

و موردی که مکرر دیده‌ایم: نرخ خطای درگاه پرداخت هیچ‌جا پایش نمی‌شود. با ثبت این رویداد گاهی معلوم می‌شود بخشی از تراکنش‌ها در ساعات مشخصی شکست می‌خورد — مسئله‌ای که نه به طراحی ربط دارد نه به متن، و بدون اندازه‌گیری هرگز پیدا نمی‌شود.

پدیده‌ای که کمتر درباره‌اش حرف زده می‌شود: تیم‌ها مجموعه‌ای از تست‌های برنده دارند که جمع اثرشان باید نرخ تبدیل را دو برابر کرده باشد، ولی نرخ تبدیل واقعی تکان نخورده. دلایلش قابل شناسایی است:

• نفرین برنده در تست‌های کم‌توان: وقتی تست توان آماری کافی ندارد، تنها نتایجی به آستانه معناداری می‌رسند که اتفاقاً اثر بزرگی نشان داده‌اند. یعنی اندازه اثر گزارش‌شده به‌طور سیستماتیک بزرگ‌تر از واقعیت است. تستی که «۳۵٪ بهبود» نشان داده، در اجرای واقعی شاید ۸٪ باشد.
• تحلیل زیرگروهی پس از پایان: اگر نتیجه را در ده زیرگروه — موبایل، دسکتاپ، کاربر تازه، شهر، منبع ترافیک — بشکافید، احتمال اینکه دست‌کم یکی به‌طور تصادفی معنادار شود به حدود ۴۰ درصد می‌رسد. زیرگروه‌ها باید قبل از تست انتخاب شوند.
• اثر تازگی: بهبودی که فقط از جلب توجه به تغییر می‌آید، پس از چند هفته محو می‌شود.
• تغییر ترکیب ترافیک: اگر وسط تست کمپینی راه بیفتد، دو نسخه با دو جمعیت متفاوت مواجه شده‌اند.
• تفاوت پیاده‌سازی نهایی با نسخه تست: آنچه تیم فنی می‌سازد همیشه دقیقاً همان نسخه آزمایشی نیست.

کاری که ما می‌کنیم: هر برنده‌ای که اثر گزارش‌شده‌اش بزرگ و نمونه‌اش نزدیک حداقل بوده، بعد از پیاده‌سازی دوباره پایش می‌شود. اگر اثر واقعی به‌مراتب کمتر از اثر تست بود، همان را در گزارش می‌نویسیم — حتی وقتی عدد قبلی زیباتر بود.

و در گزارش، اثر را همیشه با بازه می‌نویسیم نه با یک عدد. «بین ۴ تا ۱۸ درصد بهبود، با اطمینان ۹۵ درصد» جمله صادقانه‌ای است؛ «۱۱ درصد بهبود» یک عدد وسط بازه است که وانمود می‌کند قطعیت دارد.

بالا رفتن نرخ تبدیل همیشه خبر خوبی نیست. اگر با کاهش قیمت یا با جذب سرنخ‌های بی‌کیفیت به‌دست آمده باشد، درآمد کم می‌شود در حالی که گزارش سبز است.

به همین دلیل هر تست را با یک سنجه اصلی و چند سنجه نگهبان تعریف می‌کنیم:

یک هشدار فنی که مستقیم به اعتبار داده مربوط است: بعضی روش‌های اجرای تست، نسخه اصلی را نمایش می‌دهند و بعد با جاوااسکریپت آن را تغییر می‌دهند. نتیجه‌اش پرش محتوا در لحظه بارگذاری است که هم تجربه را خراب می‌کند هم خودش روی نتیجه اثر می‌گذارد. اگر پرش دیده می‌شود، تست قبل از تفسیر باید اصلاح شود.

و پیش‌شرط همه این‌ها، درست بودن اندازه‌گیری پایه است: رویدادهای تکراری، تبدیل‌های ثبت‌نشده و از دست رفتن داده به‌خاطر رضایت کوکی، هر سه نتیجه را جابه‌جا می‌کنند. اگر زیرساخت اندازه‌گیری ایراد داشته باشد، اولین ماه پروژه صرف اصلاح همان می‌شود — و این را قبل از قرارداد می‌گوییم، نه بعدش. در سایت‌های تازه‌ساخت، بخشی از این مسائل ریشه در نحوه پیاده‌سازی دارد که در طراحی سایت سئوپسند توضیح داده‌ایم.

برخلاف سئو که خروجی‌اش ملموس‌تر به‌نظر می‌رسد، در بهینه‌سازی نرخ تبدیل بخش بزرگی از هزینه صرف چیزهایی می‌شود که در گزارش دیده نمی‌شوند: اصلاح اندازه‌گیری، تحقیق کیفی، و مهندسی اجرای تست.

کِی می‌گوییم نمی‌ارزد:

• وقتی تبدیل ماهانه زیر صد است و منبع ترافیک هم قابل افزایش نیست. اینجا مسئله تقاضاست، نه تبدیل.
• وقتی مشکل اصلی در پیشنهاد یا قیمت است. اگر محصول در بازار گران و بدون تمایز است، هیچ چیدمان صفحه‌ای این را جبران نمی‌کند.
• وقتی تیم فنی امکان اعمال تغییر ندارد. برنامه تستی که خروجی‌اش اجرا نمی‌شود، فقط تولید سند است.
• وقتی انتظار، بهبود چندبرابری در چند هفته است. بهبودهای واقعی معمولاً پله‌های چنددرصدی‌اند که در طول ماه‌ها جمع می‌شوند.

و مرز صداقتی که از اول می‌گوییم: ما نمی‌توانیم تضمین کنیم نرخ تبدیل بالا می‌رود. آنچه تضمین می‌کنیم روش است — اندازه‌گیری درست، فرضیه مستند، حجم نمونه از پیش تعیین‌شده، و گزارش نتیجه حتی وقتی نتیجه منفی است. در برنامه‌های تست جدی، سهم قابل توجهی از تست‌ها به نتیجه بی‌تفاوت یا منفی می‌رسند؛ این شکست پروژه نیست، بخشی از سازوکار آن است.

قدم بعدی: اگر بعد از خواندن این صفحه هنوز ابهام دارید، همان ابهام را در پیام بنویسید. ما برای فروختن پکیج عجله نداریم؛ برای روشن شدن مسیر بهینه‌سازی نرخ تبدیل وقت می‌گذاریم.