Pengujian A / B - Multivariasi
Seperti Pengujian A / B, Pengujian Multivariasi didasarkan pada mekanisme yang sama, tetapi membandingkan jumlah variabel yang lebih tinggi, dan memberikan lebih banyak informasi tentang perilaku variabel ini. Dalam Pengujian A / B, Anda membagi lalu lintas halaman di antara berbagai versi desain. Pengujian Multivariasi digunakan untuk mengukur keefektifan setiap desain.
Contoh
Misalkan ada halaman web yang telah menerima lalu lintas yang cukup untuk menjalankan pengujian. Sekarang data dari setiap variasi dibandingkan untuk memeriksa variasi yang paling berhasil, tetapi juga menyertakan elemen, yang memiliki pengaruh positif atau negatif maksimum pada interaksi pengunjung.
Keuntungan menggunakan Multivariate
Pengujian Multivariasi adalah alat yang efektif untuk membantu Anda menargetkan serta mendesain ulang elemen laman Anda dan menunjukkan area yang akan berdampak paling besar. Metode multivariasi berguna untuk membuat kampanye halaman arahan.
Contoh
Data tentang dampak desain elemen tertentu dapat diterapkan ke kampanye di masa mendatang, meskipun konteks elemen telah berubah.
Batasan
Batasan pengujian Multivariasi adalah lalu lintas yang dibutuhkan untuk menyelesaikan pengujian. Karena semua eksperimen sepenuhnya faktorial, terlalu banyak elemen yang berubah sekaligus dapat dengan cepat menambahkan hingga sangat banyak kemungkinan kombinasi yang harus diuji. Bahkan situs dengan lalu lintas yang cukup tinggi mungkin mengalami kesulitan menyelesaikan pengujian dengan lebih dari 25 kombinasi dalam waktu yang memungkinkan.
Perbedaan antara Pengujian Multivariasi dan A / B
Pengujian A / B juga dikenal sebagai Split Testing adalah metode pengoptimalan situs web, di mana Anda membandingkan tingkat konversi dari dua versi halaman yaitu, A dan B. Semua pengunjung dibagi menjadi satu versi atau yang lain. Setelah pengunjung mengunjungi salah satu versi ini (A atau B), mereka mengklik berbagai tombol atau bahkan mendaftar untuk buletin. Ini memungkinkan Anda untuk menentukan versi halaman mana yang lebih efektif.