วิธีเพิ่มเซสชันให้พอสำหรับฮีตแมปและการบันทึกเซสชันอย่างรวดเร็ว

คุณเคยสงสัยไหมว่าคนที่เข้ามาในเว็บไซต์ของคุณทำอะไรกันแน่? พวกเขาคลิกรูปไหน วางเมาส์เหนือปุ่มใด และอ่านข้อความส่วนไหนบ้าง? ฮีตแมปและการบันทึกเซสชันช่วยให้คุณเห็นสิ่งเหล่านี้ และให้ข้อมูลที่มีประโยชน์สำหรับปรับปรุงประสบการณ์ผู้ใช้หรือ UX ของเว็บไซต์คุณ

เช่นเดียวกับการทดสอบ A/B หรือการทดสอบตลาดใหม่ คุณต้องมีทราฟฟิกมากพอที่จะได้ข้อมูลที่มีนัยสำคัญทางสถิติ โดยยังควบคุมต้นทุนให้สมดุล มาดูกันว่าควรทำอย่างไร:

ฮีตแมปและการบันทึกเซสชันคืออะไร?

ฮีตแมปและการบันทึกเซสชันเป็นวิธีที่ยอดเยี่ยมในการทดสอบว่าคนจริง ๆ มีปฏิสัมพันธ์กับเว็บไซต์ของคุณอย่างไร

• ฮีตแมปสร้างภาพหน้าเว็บที่ใช้สีแสดงจุดต่าง ๆ โดยเน้นบริเวณที่ผู้คนวางเมาส์ คลิก และใช้เวลาอ่าน ภาพนี้เกิดจากการรวมข้อมูลของผู้เข้าชมทั้งหมด จึงช่วยให้เห็นว่าคนทั่วไปมีปฏิสัมพันธ์กับหน้าเว็บของคุณอย่างไร ยิ่งสีในส่วนที่เน้นดู “ร้อน” มากเท่าไร ส่วนนั้นก็ยิ่งได้รับความสนใจมากขึ้นเท่านั้น
• การบันทึกเซสชันก็เป็นไปตามชื่อ คือให้วิดีโอที่แสดงว่าผู้ใช้คนหนึ่ง ซึ่งไม่เปิดเผยตัวตน มีปฏิสัมพันธ์กับหน้าเว็บของคุณอย่างไร คุณจึงติดตามเส้นทางของผู้ใช้บนหน้าเว็บได้อย่างแม่นยำ ทั้งการคลิกเมาส์ วิธีกรอกแบบฟอร์ม หรืออาการลังเลขณะกรอก และการเลื่อนลงไปลึกแค่ไหน

ข้อมูลนี้ช่วยให้คุณเห็นว่าผู้คนกำลังมีปฏิสัมพันธ์กับอะไรในเว็บไซต์ของคุณ นั่นหมายความว่าคุณทดสอบได้ว่าพวกเขาคลิกปุ่มกระตุ้นให้ดำเนินการ อ่านข้อความ และเลื่อนลงไปด้านล่างของหน้าเว็บหรือไม่ อีกทั้งยังดูออกด้วยว่าพวกเขาคลิกสิ่งที่เป็นเพียงภาพนิ่งโดยคาดหวังว่ามันจะทำอะไรบางอย่าง หรือข้ามเนื้อหาบางส่วนไป แล้วจึงแก้ปัญหาเหล่านั้นได้

ฉันใช้เครื่องมือเหล่านี้ทดสอบอะไรได้บ้าง?

ทั้งฮีตแมปและการบันทึกเซสชันช่วยให้คุณทดสอบส่วนใดก็ได้ของหน้าเว็บ พร้อมเก็บข้อมูลจากการใช้งานจริงว่าผู้คนมีปฏิสัมพันธ์กับเว็บไซต์ของคุณอย่างไร

สมมติว่าคุณอยากทดสอบสีของปุ่มกระตุ้นให้ดำเนินการ ตอนนี้ปุ่มเป็นสีแดง แต่คุณสงสัยว่าสีเขียวอาจดึงดูดให้คนคลิกมากกว่า ก่อนอื่น ให้ตั้งค่าปลั๊กอินฮีตแมปและเก็บข้อมูลของสภาพปัจจุบัน จากนั้นเปลี่ยนสี แล้วเปรียบเทียบว่าการเปลี่ยนนั้นส่งผลต่อวิธีที่ผู้คนมีปฏิสัมพันธ์กับปุ่มที่คุณทดสอบอย่างไร สุดท้ายคุณก็เลือกใช้แบบที่ได้ผลดีที่สุดได้

ในทำนองเดียวกัน ถ้าคุณอยากทดสอบว่าหัวข้อของคุณช่วยกระตุ้นให้คนเลื่อนอ่านได้ดีแค่ไหน การดูบันทึกเซสชันสักสองสามรายการก็อาจให้ข้อมูลที่มีประโยชน์ การเปรียบเทียบเซสชันก่อนและหลังเปลี่ยนแปลงจำนวนหนึ่งน่าจะช่วยให้เห็นว่าเวอร์ชันใดทำให้ผู้คนอยากอ่านต่อไปด้านล่างของหน้ามากกว่า

สิ่งอื่น ๆ ที่คุณทดสอบได้ ได้แก่:

• ผู้คนคลิกรูปภาพของคุณหรือไม่
• ผู้คนมีปฏิสัมพันธ์กับแบบฟอร์มอย่างไร — พวกเขาลังเลในส่วนใดส่วนหนึ่ง หรือเข้าใจข้อความที่คุณใช้ชี้แนะผิดไปหรือไม่?
• “การคลิกด้วยความหงุดหงิด” — ผู้คนคลิกสิ่งเดิมซ้ำ ๆ หรือไม่ ซึ่งอาจบ่งบอกถึงลิงก์เสีย ปุ่มที่ไม่ตอบสนอง หรือองค์ประกอบที่โหลดช้า?
• บริเวณที่ได้รับความสนใจ — ผู้คนใช้เวลาอยู่ตรงไหนของเว็บไซต์ และความสนใจลดลงตรงไหน
• ปฏิสัมพันธ์กับการนำทาง — ผู้คนไปยังส่วนต่าง ๆ ของหน้าเว็บอย่างไร และข้ามบริเวณไหนไปบ้าง

วิธีเพิ่มทราฟฟิกเพื่อทดสอบฮีตแมปและการบันทึกเซสชัน

เมื่อเรารู้แล้วว่าคุณทดสอบอะไรได้บ้าง ต่อไปมาดูวิธีตั้งค่าการทดสอบและดึงทราฟฟิกเข้าสู่หน้าเว็บให้มากพอ เพื่อให้ได้ข้อมูลเพียงพอสำหรับตัดสินใจเรื่อง UX อย่างมีข้อมูลรองรับ

แน่นอนว่าคุณทำสิ่งนี้ในระยะยาวด้วยทราฟฟิกแบบออร์แกนิกได้ แต่การค้นหาจุดที่สร้างปัญหาในหน้าเว็บควรเป็นเรื่องสำคัญ เพราะประสบการณ์ผู้ใช้ที่ไม่ดีเท่าที่ควรอาจทำให้คนที่มีโอกาสเป็นลูกค้าจริง ๆ หมดความสนใจก่อนจะไปถึงขั้นตอนชำระเงินเสียอีก

วิธีสร้างทราฟฟิกที่เร็วที่สุดมักเป็นการใช้โฆษณาแบบเสียเงิน นั่นจึงเป็นสิ่งที่เราจะมาดูกัน

ฉันต้องมีทราฟฟิกเท่าไรจึงจะทดสอบได้?

ไม่มีคำตอบตายตัวว่าคุณต้องมีการเข้าชมกี่ครั้งสำหรับฮีตแมปหรือการบันทึกเซสชัน จริง ๆ แล้วยิ่งมากก็ยิ่งดี แต่ก็ต้องหาจุดสมดุลระหว่างต้นทุนการได้ผู้เข้าชม อัตราคอนเวอร์ชัน เวลาที่ใช้ทดสอบ และปัจจัยอื่น ๆ อีกมาก เราต้องการข้อมูลที่นำไปใช้ได้จริง ซึ่งหมายถึงการได้ผลลัพธ์ค่อนข้างเร็ว โดยไม่ลดความน่าเชื่อถือทางสถิติด้วยการตัดสินใจจากข้อมูลผิดปกติและข้อมูลที่ไม่ครบถ้วน

เราต้องคิดด้วยว่ากำลังดูองค์ประกอบใดอยู่จริง ๆ คำถามกว้าง ๆ อย่าง “ผู้คนมีปฏิสัมพันธ์กับเว็บไซต์ของฉันอย่างไร” อาจต้องใช้การเข้าชมไม่มากนัก แต่คำถามที่เฉพาะเจาะจงกว่านั้นต้องใช้มากขึ้น เช่น ถ้าคุณอยากทดสอบว่าปุ่มหนึ่งได้ผลดีแค่ไหน คุณต้องมีจำนวนคลิกบนปุ่มนั้นมากพอที่จะมีนัยสำคัญทางสถิติ

นอกจากนี้ ยังมีข้อควรระวังสำคัญที่สุดข้อหนึ่ง: เซสชันที่น้อยเกินไปจะให้ข้อมูลที่ไม่น่าเชื่อถือ เพราะผู้เข้าชมแต่ละคนอาจทำสิ่งที่เราไม่คาดคิด ตามหลักแล้ว เราต้องการ 200+ คลิกบนองค์ประกอบที่กำลังทดสอบ และยิ่งมากก็ยิ่งมั่นใจได้มากขึ้น นั่นหมายความว่าจำนวนเซสชันทั้งหมดอาจต่างกันมาก ขึ้นอยู่กับว่าองค์ประกอบที่คุณทดสอบโดดเด่นแค่ไหน

ฉันต้องมีทราฟฟิกเท่าไรสำหรับฮีตแมป?

ฮีตแมปรวมพฤติกรรมของผู้เข้าชมทั้งหมดเป็นภาพกราฟิกที่เข้าใจง่าย โดยบริเวณที่ได้รับความสนใจมากที่สุดจะแสดงด้วยสีที่ “ร้อน” กว่า และบริเวณที่ได้รับความสนใจน้อยกว่าจะใช้สีที่เย็นกว่า ยิ่งเว็บไซต์ของคุณมีเซสชันมาก ข้อมูลก็ยิ่งแม่นยำ แต่แรงกดดันทั้งด้านเวลาและงบประมาณทำให้เราต้องคำนวณจำนวนที่ให้ความมั่นใจได้พอสมควรภายในเวลาค่อนข้างสั้น

สูตรอาจมีหน้าตาประมาณนี้:

จำนวนเซสชันที่ต้องการ = จำนวนคลิกเป้าหมายบนองค์ประกอบ ÷ อัตราการคลิกที่คาดไว้ขององค์ประกอบ

อัตราการคลิกในที่นี้คือสัดส่วนของเซสชันที่คลิกองค์ประกอบนั้น (จำนวนคลิก ÷ จำนวนเซสชัน) โดยเขียนเป็นทศนิยม ไม่ใช่อัตราการคลิกผ่านของโฆษณาของคุณ

สูตรนี้ช่วยให้เราคำนวณเป้าหมายทราฟฟิกที่ต้องดึงเข้ามาเพื่อทดสอบองค์ประกอบหนึ่งบนหน้าเว็บ เช่น ปุ่ม หรือประสิทธิภาพของหัวข้อในการกระตุ้นให้เลื่อนอ่านต่อ หลักง่าย ๆ คือองค์ประกอบสำคัญที่ใหญ่และเห็นชัด เช่น ปุ่มกระตุ้นให้ดำเนินการ จะต้องใช้ทราฟฟิกน้อยกว่าสิ่งที่สังเกตเห็นยากกว่าอย่างตัวเลือกนำทางที่ซ่อนอยู่ในเมนูชั้นที่ 3 เพื่อให้การทดสอบมีนัยสำคัญทางสถิติ

ตัวอย่างเช่น ถ้าเราต้องการ 200 คลิกบนปุ่มกระตุ้นให้ดำเนินการที่ผู้เข้าชมประมาณ 5% คลิก เราต้องมี 200 ÷ 0.05 = 4,000 เซสชัน ส่วนตัวเลือกนำทางที่ผู้เข้าชมคลิกเพียง 0.5% จะต้องมี 200 ÷ 0.005 = 40,000 เซสชัน เพื่อเก็บให้ได้ 200 คลิกเท่ากัน

ค่าความคลาดเคลื่อน

แน่นอนว่าถ้าทุกคนตอบสนองต่อองค์ประกอบเป้าหมายของคุณเหมือนกันหมด ก็ไม่จำเป็นต้องทดสอบตั้งแต่แรก เพราะมันจะได้ผลหรือไม่ได้ผลเท่านั้น นั่นหมายความว่าเราต้องเผื่อความคลาดเคลื่อนรอบผลลัพธ์ไว้บ้าง เพื่อรองรับคนที่ไม่ได้ทำอย่างที่เราคาด รวมถึงแผนที่การเลื่อนด้วย: คนหนึ่งจะเลื่อนลึกพอที่จะเห็นองค์ประกอบนั้นหรือไม่ก็ไม่เห็น และการแบ่งแบบใช่หรือไม่นี้ก็คือสิ่งที่สูตรวัดพอดี

สำหรับฮีตแมปทุกประเภท เราจะใช้สูตร:

ค่าความคลาดเคลื่อน = Z × √(p × (1 − p) ÷ n)

สูตรนี้ช่วยให้เราคำนวณค่าความคลาดเคลื่อนในรูปทศนิยมได้ ถ้าต้องการเป็นเปอร์เซ็นต์ก็เพียงคูณด้วย 100 โดย Z คือค่าที่สัมพันธ์กับระดับความเชื่อมั่นที่เราต้องการ ซึ่ง 1.96 ให้ระดับความเชื่อมั่น 95% ที่เป็นมาตรฐานในอุตสาหกรรม และ p คือสัดส่วนของตัวอย่าง หรือเปอร์เซ็นต์ของคนที่มีปฏิสัมพันธ์กับองค์ประกอบเป้าหมายของเรา โดยเขียนเป็นทศนิยม ดังนั้น 40% จึงเป็น 0.4 ส่วน n ก็คือขนาดตัวอย่าง ยิ่งมาก ผลลัพธ์สุดท้ายของเราก็ยิ่งแม่นยำ

สูตรนี้ช่วยให้เราระบุระดับความเชื่อมั่นของสิ่งที่ค้นพบได้อย่างแม่นยำพอสมควร

ตัวอย่างเช่น ถ้า 40% ของเซสชันบนเดสก์ท็อป 300 เซสชันเลื่อนมาถึงตารางราคา ค่าความคลาดเคลื่อนของเราคือ 1.96 × √(0.4 × 0.6 ÷ 300) = 0.055 หรือคลาดเคลื่อนได้ 5.5 จุดเปอร์เซ็นต์ในแต่ละทิศทาง พูดอีกอย่างคือค่าจริงมีแนวโน้มมากที่สุดที่จะอยู่ระหว่าง 34.5% และ 45.5%

สูตรเดียวกันแสดงให้เห็นว่า 200 คลิกจากตัวอย่างก่อนหน้าให้อะไรกับเราบ้าง สำหรับปุ่มที่ถูกคลิกใน 5% ของ 4,000 เซสชัน ค่าความคลาดเคลื่อนคือ 1.96 × √(0.05 × 0.95 ÷ 4,000) = 0.007 เราจึงรู้อัตราการคลิกของปุ่มโดยมีความคลาดเคลื่อนประมาณ 0.7 จุดเปอร์เซ็นต์

เรายังจัดรูปสูตรใหม่เพื่อคำนวณจำนวนเซสชันที่ต้องมีตั้งแต่ก่อนเริ่มได้ด้วย:

จำนวนเซสชันที่ต้องการ = Z² × p × (1 − p) ÷ (ค่าความคลาดเคลื่อน)²

ถ้าเราอยากรู้ว่าผู้คนเลื่อนลงไปไกลแค่ไหนโดยให้คลาดเคลื่อนไม่เกิน 5 จุดเปอร์เซ็นต์ และยังไม่รู้เลยว่าจะมีสัดส่วนเท่าไรที่เลื่อนถึงองค์ประกอบนั้น เราใช้ 0.5 แทน p เพราะจะให้จำนวนที่มากที่สุดและปลอดภัยที่สุด: 1.96² × 0.5 × 0.5 ÷ 0.05² = 385 เซสชัน สำหรับปุ่มที่ผู้เข้าชมประมาณ 5% คลิก ถ้าความคลาดเคลื่อน 2 จุดเปอร์เซ็นต์ในแต่ละทิศทางถือว่าแม่นยำพอ เราต้องมี 1.96² × 0.05 × 0.95 ÷ 0.02² = 457 เซสชัน

จำนวนนี้น้อยกว่า 4,000 เซสชันที่ต้องใช้เพื่อให้ได้ 200 คลิกมาก ดังนั้นก่อนตั้งเป้าทราฟฟิก ก็ควรตัดสินใจให้ดีว่าคำตอบของคุณต้องแม่นยำแค่ไหน อย่าลืมว่าจำนวนเหล่านี้ใช้กับอุปกรณ์แต่ละประเภทแยกกัน ซึ่งเราจะดูกันต่อไปด้านล่าง

คุณต้องมีทราฟฟิกเท่าไรสำหรับการบันทึกเซสชัน

เมื่อต้องการข้อสรุปที่หนักแน่นจากการบันทึกเซสชัน ก็เป็นอีกกรณีที่ยิ่งมากยิ่งดี แต่เรายังมีข้อจำกัดว่าต้องได้ผลลัพธ์ภายในเวลาที่กำหนด และไม่ทุ่มงบการตลาดทั้งหมดไปกับการทดสอบ

ควรทราบด้วยว่าการบันทึกเซสชันให้ข้อมูลเชิงคุณภาพมากกว่าเชิงปริมาณอย่างมาก เวลาใช้เครื่องมือนี้ เรามักกำลังหาคำตอบให้คำถามอย่าง “ทำไมผู้คนถึงไม่ทำคอนเวอร์ชันในแบบฟอร์มนี้” ซึ่งอาจเห็นคำตอบได้จากเซสชันจำนวนน้อยอย่างน่าประหลาดใจ

เราต้องคำนึงด้วยว่าไม่ใช่ทุกเซสชันจะเป็นตัวอย่างที่ใช้ทดสอบได้ว่าผู้คนมีปฏิสัมพันธ์กับเว็บไซต์ของเราอย่างไร การเข้าชมจากทีมของคุณเอง บอต ครอว์เลอร์ หรือแหล่งที่เราตัดออกด้วยเหตุผลใดก็ตาม ต้องนำออกจากสมการ และเรายังต้องคำนึงด้วยว่าไม่ใช่ทุกคนจะยินยอมให้บันทึกเซสชันของตัวเอง

จึงได้เป็น:

ทราฟฟิกที่ต้องการ = จำนวนบันทึกเป้าหมายที่ต้องการ ÷ (อัตราการเกิดเหตุการณ์ × อัตราการบันทึก × อัตราเซสชันที่ใช้ได้)

อัตราการเกิดเหตุการณ์ในที่นี้คือสัดส่วนของการเข้าชมที่แสดงพฤติกรรมที่เราต้องการศึกษา อัตราการบันทึกคือสัดส่วนของการเข้าชมที่ถูกบันทึกจริง โดยนำสัดส่วนของคนที่ยินยอมให้บันทึกมาคูณกับอัตราการสุ่มบันทึกของเครื่องมือ หากเครื่องมือไม่ได้บันทึกทุกเซสชัน ส่วนอัตราเซสชันที่ใช้ได้คือสัดส่วนของบันทึกที่เหลือหลังนำทีมของเราเอง บอต และแหล่งที่ตัดออกออกไป ทั้งสามค่าเขียนเป็นทศนิยม

เพื่อให้เห็นภาพแทนที่จะเป็นคณิตศาสตร์นามธรรม ลองใช้ตัวอย่างที่ชัดเจน: ทำไมผู้คนถึงไม่กรอกแบบฟอร์มสมัครรับอีเมลของคุณให้เสร็จ?

สมมติว่าเราต้องการเซสชันที่ผ่านการกรองแล้วประมาณ 15 เซสชัน ซึ่งเราจะเปิดดูจริง ๆ จึงมีจำนวนบันทึกเป้าหมายเท่ากับ 15 สมมติว่า 20% ของผู้เข้าชมเริ่มกรอกแบบฟอร์มแต่ไม่ส่ง นี่คืออัตราการเกิดเหตุการณ์ของเราเมื่อเขียนเป็นทศนิยม (0.2) และสมมติด้วยว่า เพื่อให้คำนวณง่าย 60% ของผู้เข้าชมยินยอมให้บันทึก และเครื่องมือของเราบันทึกทุกคนที่ยินยอม จึงมีอัตราการบันทึก 0.6 อีกทั้ง 90% ของบันทึกเหล่านั้นยังใช้ได้หลังเรานำทีมของเราเองและบอตออก จึงมีอัตราเซสชันที่ใช้ได้ 0.9

จึงได้:

ทราฟฟิกที่ต้องการ = 15 ÷ (0.2 × 0.6 × 0.9) = 15 ÷ 0.108 = 139

นั่นหมายความว่าเราต้องมีการเข้าชมประมาณ 139 ครั้ง เพื่อให้ได้บันทึก 15 รายการมาเปิดดู

ถ้าเครื่องมือของคุณบันทึกเซสชันเพียงบางส่วนที่สุ่มมา อัตราการสุ่มนั้นก็ต้องรวมอยู่ในอัตราการบันทึกด้วย ที่อัตราการสุ่ม 10% อัตราการบันทึกจะลดลงเป็น 0.6 × 0.1 = 0.06 และเราจะต้องมีการเข้าชม 15 ÷ (0.2 × 0.06 × 0.9) = 1,389 ครั้ง ดังนั้นควรตรวจสอบข้อจำกัดการบันทึกของเครื่องมือก่อนตั้งงบประมาณ

ทำไมต้อง 15? ถ้าปัญหาหนึ่งปรากฏใน 20% ของบันทึกของคนที่เลิกกรอกแบบฟอร์ม โอกาสที่จะเห็นปัญหานั้นอย่างน้อยหนึ่งครั้งคือ:

โอกาสที่จะเห็นปัญหา = 1 − (1 − อัตราการเกิดปัญหา)ⁿ โดย n คือจำนวนบันทึกที่เราเปิดดู

เมื่อมีบันทึก 15 รายการ ค่านี้คือ 1 − 0.8¹⁵ = 0.965 หรือมีโอกาส 96.5% ที่จะพบปัญหา ถ้าปัญหาปรากฏในบันทึกเพียง 10% บันทึก 15 รายการเท่าเดิมจะให้ค่า 1 − 0.9¹⁵ = 0.79 ดังนั้นจึงควรดูเพิ่มอีกสักหน่อย

อีกครั้ง จำนวนนี้อาจต่างกันมากตามคำถามที่คุณกำลังถาม บั๊กที่กระทบผู้เข้าชม 1% จะต้องใช้ทราฟฟิกในการวิเคราะห์มากกว่าปัญหาที่กระทบแทบทุกคนที่เข้าชม หากต้องการโอกาส 95% ที่จะพบบั๊กแบบนั้นแม้เพียงครั้งเดียว เราต้องมีบันทึกประมาณ 300 รายการ (1 − 0.99³⁰⁰ = 0.95) เราไม่สามารถกรองหาบั๊กที่ยังไม่เคยพบได้ ดังนั้นอัตราการเกิดเหตุการณ์จึงเป็น 1 ซึ่งให้ค่า 300 ÷ (1 × 0.6 × 0.9) = การเข้าชมประมาณ 556 ครั้ง

การกำหนดกลุ่มเป้าหมายของทราฟฟิก

เพราะเรากำลังทดสอบด้วยทราฟฟิกแบบเสียเงิน เราจึงควบคุมได้มากว่าใครจะเข้ามาเป็นเซสชันของเรา ผ่านการกำหนดกลุ่มเป้าหมายของเครือข่ายโฆษณา

SparkTraffic เป็นเครือข่ายโฆษณาที่ส่งคนจริง ๆ มายังหน้าเว็บของคุณผ่านตำแหน่งโฆษณาแบบดิสเพลย์ เนทีฟ และป๊อปอันเดอร์บนเว็บไซต์ของผู้เผยแพร่ที่เป็นพาร์ทเนอร์ คุณเลือกประเทศ ภูมิภาค หรือเมืองสำหรับแต่ละแคมเปญได้ รวมถึงเลือกให้โฆษณาแสดงบนเดสก์ท็อป มือถือ หรือทั้งสองแบบ นั่นหมายความว่าคุณเติมข้อมูลให้กลุ่มอุปกรณ์หนึ่งในฮีตแมปด้วยทราฟฟิกเว็บไซต์ที่ตรงกลุ่มเป้าหมาย และหยุดทันทีที่ได้ขนาดตัวอย่างตามสูตรด้านบนได้

ตามหลักแล้ว คุณควรกำหนดกลุ่มเป้าหมายให้ใกล้เคียงกับที่ใช้ตามปกติพอสมควร นั่นหมายถึงการใช้การกำหนดขอบเขตพื้นที่ ความสนใจ และปัจจัยอื่น ๆ ตามปกติ เพื่อให้ทดสอบได้ว่ากลุ่มผู้ชมที่คุณมีอยู่ตามปกติตอบสนองต่อเว็บไซต์อย่างไร แต่การผ่อนเกณฑ์ลงเล็กน้อยก็อาจคุ้มค่า เพื่อให้ได้คลิกมากขึ้นอย่างรวดเร็ว และทดสอบว่าผู้ชมทั่วไปตอบสนองอย่างไร

ถ้าเราผ่อนเกณฑ์การกำหนดกลุ่มเป้าหมายมากเกินไป ก็เสี่ยงที่จะได้ข้อมูลที่แม่นยำมากเกี่ยวกับวิธีที่คนผิดกลุ่มมีปฏิสัมพันธ์กับหน้าเว็บของเรา

การตั้งงบโฆษณา

เราต้องการสร้างทราฟฟิกในปริมาณพอสมควรภายในเวลาค่อนข้างสั้น คุณจึงอาจตั้งงบสูงกว่าการทดสอบรูปแบบอื่น ๆ วิธีนี้น่าจะช่วยให้ได้ทราฟฟิกและคอนเวอร์ชันมากพอที่จะสรุปผลได้อย่างหนักแน่น แต่ก็เสี่ยงที่จะทำให้การทดสอบแพงจนรับไม่ไหว

หัวใจของการไม่ใช้จ่ายเกินงบคือการติดตามข้อมูลวิเคราะห์อย่างใกล้ชิด และหยุดแคมเปญเมื่อได้ทราฟฟิกมากพอที่จะถือว่าผลลัพธ์น่าเชื่อถือ ใช้สูตรด้านบนคำนวณเป้าหมายของคุณ เมื่อถึงเป้าหมายแล้ว ให้หยุดแคมเปญและวิเคราะห์ผลลัพธ์

วิธีนี้ช่วยให้คุณหาสมดุลระหว่างต้นทุนกับความจำเป็นในการเก็บข้อมูลที่มีนัยสำคัญทางสถิติ และยังทดสอบได้ค่อนข้างรวดเร็วด้วย

การทดสอบการเข้าชมบนเดสก์ท็อปเทียบกับมือถือ

วิธีที่ผู้คนมีปฏิสัมพันธ์กับเว็บไซต์ต่างกันมากตามประเภทอุปกรณ์ที่กำลังใช้เข้าเว็บ นั่นหมายความว่าการทดสอบของเราต้องคำนึงถึงพฤติกรรมที่ต่างกันนี้ในผลลัพธ์ด้วย

ฮีตแมปบันทึกปฏิสัมพันธ์ แม้บางอย่างจะคล้ายกันระหว่างการเข้าชมบนมือถือและเดสก์ท็อป เช่น การคลิกที่โดยพื้นฐานแล้วเทียบได้กับการแตะ แต่บางอย่างก็มีเฉพาะในอุปกรณ์แต่ละประเภท ตัวอย่างเช่น ฮีตแมปบนมือถืออาจคำนึงถึงพฤติกรรมอย่างการจีบนิ้วเพื่อซูมภาพ ซึ่งไม่มีสิ่งที่เทียบได้ตรง ๆ เมื่อใช้แล็ปท็อป ในทางกลับกัน การวางเคอร์เซอร์ไว้เหนือจุดใดจุดหนึ่งมักใช้เป็นตัวแทนบอกได้ว่าผู้ใช้เดสก์ท็อปกำลังสนใจตรงไหน แต่ไม่มีพฤติกรรมที่เทียบได้จริงบนมือถือ

เป็นไปได้ด้วยว่าบั๊กที่คุณอยากทดสอบจะปรากฏในเซสชันบนเดสก์ท็อปแต่ไม่ปรากฏบนมือถือ หรือกลับกัน และอย่าลืมว่ารูปแบบหน้าเว็บของคุณอาจเปลี่ยนไปมากระหว่างอุปกรณ์แต่ละประเภท

นั่นหมายความว่าเราต้องแยกแหล่งทราฟฟิกไว้ และดูฮีตแมปกับบันทึกเซสชันเป็นชุดข้อมูลคนละชุดตามอุปกรณ์ที่ผู้เข้าชมใช้ คุณอาจแยกทราฟฟิกจากเบราว์เซอร์ต่าง ๆ ด้วย หากพบว่ามีปัญหาเฉพาะกับ Chrome หรือ Firefox

วิธีที่ง่ายที่สุดในการคำนึงถึงความต่างเหล่านี้คือกำหนดกลุ่มเป้าหมายของโฆษณาแบบเสียเงินให้แสดงเฉพาะกับคนที่ใช้อุปกรณ์ประเภทหนึ่ง หรือกรองแผนที่และบันทึกเซสชันตามประเภทอุปกรณ์อย่างระมัดระวังในแดชบอร์ดของแพลตฟอร์ม ขึ้นอยู่กับว่าคุณกำลังทดสอบอะไร ความต่างด้านต้นทุนอาจมากทีเดียว ถ้า 60% ของการเข้าชมมาจากมือถือ การเก็บเซสชันบนเดสก์ท็อป 385 เซสชันตามตัวอย่างการเลื่อนของเราหมายถึงต้องซื้อการเข้าชม 385 ÷ 0.4 = 963 ครั้ง ขณะที่การกำหนดเป้าหมายเฉพาะเดสก์ท็อปต้องใช้เพียง 385 ครั้ง

ปัญหาที่พบบ่อยและวิธีแก้ไข

แม้การบันทึกเซสชันและฮีตแมปจะให้รายละเอียดมากมายว่าผู้คนมีปฏิสัมพันธ์กับหน้าเว็บอย่างไร แต่คุณภาพของข้อมูลก็ขึ้นอยู่กับการตั้งค่าและการตีความของคุณ และยังมีปัญหาสำคัญบางอย่างที่อาจเกิดขึ้นได้

ปัญหาเรื่องขนาดตัวอย่าง

อย่างแรกคือความเสี่ยงที่จะสรุปผลจากตัวอย่างผิดปกติเพียงไม่กี่ตัวอย่าง การเปิดดูฮีตแมปก่อนที่จะมีคนเข้าชมเว็บไซต์มากพอ หรือสุ่มเลือกบันทึกเซสชันมาหนึ่งรายการ อาจทำให้คุณสรุปผิดจากการเข้าชมเพียงครั้งเดียวที่ไม่ตรงกับแนวโน้มที่คุณกำลังตรวจสอบจริง ๆ ไม่ว่าคุณจะออกแบบ UX อย่างไร ก็จะมีคนที่รู้สึกว่าบางอย่างใช้ยากหรือชวนสับสน และกลายเป็นตัวอย่างที่ต่างจากคนส่วนใหญ่

วิธีแก้ง่ายมาก: สรุปผลเฉพาะจากการทดสอบที่มีจำนวนตัวอย่างมากพอจะมีนัยสำคัญทางสถิติแล้วเท่านั้น

ปัญหาการใช้จ่ายเกินงบ

ในด้านตรงข้ามกับปัญหาที่แล้ว ซึ่งส่วนใหญ่เกิดจากการเข้าชมไม่พอที่จะสรุปผลได้อย่างหนักแน่น ยังมีความเสี่ยงที่จะจ่ายเงินซื้อการเข้าชมมากเกินไปด้วย แม้สิ่งนี้จะทำให้ฮีตแมปน่าเชื่อถือขึ้น แต่เราก็ต้องหาสมดุลระหว่างต้นทุนกับผลลัพธ์เสมอ ยอมรับกันตรง ๆ ว่าโฆษณาแบบเสียเงินมีราคาแพง

การหลีกเลี่ยงปัญหานี้คือการติดตามตัวเลข และหยุดแคมเปญในเวลาที่เหมาะสม ซึ่งก็จะหยุดไม่ให้ต้นทุนเพิ่มขึ้นด้วย ตั้งเป้าจำนวนคอนเวอร์ชันที่คุณต้องการตรวจสอบให้ชัดเจนตั้งแต่เริ่มกระบวนการ และหยุดเมื่อใกล้ถึงเป้าหมาย

ปัญหาที่เกิดจากแหล่งทราฟฟิก

“โฆษณาแบบเสียเงิน” เป็นคำที่ค่อนข้างกว้าง ครอบคลุมทุกอย่างตั้งแต่แบนเนอร์แบบดั้งเดิม ไปจนถึงโฆษณาบนหน้าค้นหาและป๊อปอันเดอร์ และแต่ละประเภทอาจให้ผลการทดสอบต่างกัน ตัวอย่างสุดท้ายนี้อาจสร้างปัญหาเฉพาะเรื่องระยะเวลาเซสชัน เพราะหน้าจะเปิดขึ้น ซึ่งเป็นการเริ่มเซสชัน แล้วค้างอยู่ “ใต้” แท็บที่กำลังใช้งาน ทำให้บันทึกยาวขึ้นมากและบิดเบือนฮีตแมปของคุณ

วิธีแก้คือใส่แท็ก UTM ลงใน URL ที่แนบกับโฆษณาแต่ละประเภทที่คุณใช้งานเพื่อสนับสนุนการทดสอบ วิธีนี้ช่วยให้คุณแยกผลลัพธ์ตามแหล่งที่มา โดยบันทึกโฆษณาแต่ละประเภทแยกกัน จึงปรับแก้ผลกระทบจากความผิดปกติเหล่านี้ได้

ปัญหาเรื่องความยินยอมและความเป็นส่วนตัว

เราอยู่ในโลกที่ผู้คนใส่ใจเรื่องข้อมูลมากขึ้นเรื่อย ๆ และให้ความสำคัญกับความเป็นส่วนตัวอย่างจริงจัง กฎหมายอย่าง GDPR และข้อกำหนด ePrivacy ของสหภาพยุโรป รวมถึงกฎหมายลักษณะเดียวกันทั่วโลก พบได้มากขึ้นเรื่อย ๆ และเข้มงวดขึ้นอย่างต่อเนื่อง ในพื้นที่ส่วนใหญ่ ผู้คนมีสิทธิ์เลือกไม่ให้ประมวลผลข้อมูลของตัวเองได้หากต้องการ

ไม่มีวิธีแก้ง่าย ๆ สำหรับปัญหานี้ นอกจากขอความยินยอมผ่านแบนเนอร์เมื่อผู้คนเข้ามายังเว็บไซต์ของคุณครั้งแรก และอธิบายวัตถุประสงค์ของการเก็บข้อมูลในนโยบายความเป็นส่วนตัว คุณควรระบุด้วยว่าจะใช้ข้อมูลอย่างไร และปกป้องข้อมูลจากภัยคุกคามด้านความปลอดภัยอย่างไร สุดท้ายแล้ว ข้อมูลการท่องเว็บของผู้คนก็เป็นของพวกเขา และคุณมีหน้าที่ตามกฎหมายที่จะต้องจัดการอย่างระมัดระวัง

สรุป: เพิ่มทราฟฟิกให้พอสำหรับการทดสอบที่เชื่อถือได้

ถ้าคุณต้องการปรับปรุง UX และช่วยให้ผู้คนใช้เว็บไซต์ของคุณได้อย่างเต็มที่ การสร้างฮีตแมปและตรวจดูบันทึกเซสชันคือวิธีค้นหาว่าส่วนไหนทำให้พวกเขาติดขัด และส่วนไหนทำงานได้ตรงตามที่ตั้งใจไว้

แน่นอนว่าคุณไม่อยากเสี่ยงทำให้ลูกค้าจริง ๆ หงุดหงิดกับ UX ที่ยังต้องปรับปรุง การจ่ายเงินซื้อทราฟฟิกให้พอที่จะทดสอบหน้าเว็บ โดยไม่ซื้อเกินความจำเป็น ช่วยให้คุณเลี่ยงปัญหานี้ได้ และถ้าผู้เข้าชมเหล่านั้นกลายเป็นลูกค้าจริง ๆ ก็ยิ่งดี

พยายามหาสมดุลระหว่างต้นทุนกับการเก็บข้อมูลให้พอที่จะตัดสินใจได้อย่างหนักแน่น อย่าด่วนตีความจากตัวอย่างที่ผิดปกติมากเกินไป และตรวจสอบให้แน่ใจว่าคุณกำลังศึกษาปัญหาเฉพาะเรื่อง ไม่ใช่แค่แอบดูว่าผู้คนใช้เว็บไซต์อย่างไร แล้วทั้งฮีตแมปและการบันทึกเซสชันก็จะเป็นเครื่องมือที่มีประโยชน์อย่างยิ่ง