تست A/B (آزمون A/B یا Split Test) یعنی دو نسخه از یک صفحه، ایمیل یا تبلیغ را همزمان به دو گروه تصادفی از مخاطبان نشان دهید و با عدد، نه با سلیقه، ببینید کدام نسخه نتیجهٔ بهتری میگیرد. خیلی از تصمیمهای بازاریابی مثل رنگ دکمه، تیتر صفحهٔ فرود یا متن تبلیغ معمولاً بر اساس نظر مدیر یا طراح گرفته میشود؛ تست A/B این بحثها را به داده تبدیل میکند. در این مطلب توضیح میدهیم تست A/B چیست، چه چیزهایی را میشود تست کرد، چطور یک آزمون درست را در ۷ قدم اجرا کنید و چه اشتباههایی نتیجه را بیاعتبار میکند.
در این مطلب بخوانید
تست A/B چیست و چطور کار میکند؟
در تست A/B نسخهٔ فعلی (نسخهٔ A یا کنترل) و یک نسخهٔ تغییریافته (نسخهٔ B) ساخته میشود. بازدیدکنندگان بهطور تصادفی بین این دو نسخه تقسیم میشوند و رفتارشان، مثلاً ثبت فرم یا کلیک روی دکمهٔ تماس، ثبت میشود. وقتی تعداد کافی داده جمع شد، با محاسبهٔ آماری مشخص میشود که آیا تفاوت دو نسخه واقعی است یا فقط حاصل شانس.
نکتهٔ کلیدی همزمان بودن و تصادفی بودن است. اگر یک هفته نسخهٔ A و هفتهٔ بعد نسخهٔ B را نمایش دهید، تست A/B انجام ندادهاید؛ چون تفاوت نتیجه ممکن است بهخاطر تعطیلات، کمپین رقیب یا تغییر فصل باشد، نه تغییر صفحه.
تست A/B با تست چندمتغیره و Split URL چه فرقی دارد؟
- تست A/B: یک تغییر مشخص (مثلاً تیتر) بین دو نسخه مقایسه میشود. سادهترین و رایجترین نوع آزمون است.
- تست A/B/n: بهجای دو نسخه، سه یا چند نسخه همزمان مقایسه میشوند. ترافیک بیشتری لازم دارد.
- تست چندمتغیره (Multivariate): چند عنصر با هم تغییر میکنند (تیتر، تصویر، دکمه) و ترکیبهای مختلف سنجیده میشوند. فقط برای سایتهای پرترافیک منطقی است.
- Split URL: دو صفحهٔ کاملاً متفاوت با دو آدرس جدا مقایسه میشوند؛ مثلاً طراحی قدیم و جدید صفحهٔ فرود.
چه چیزهایی را میشود تست A/B کرد؟
- صفحهٔ فرود: تیتر اصلی، متن دکمهٔ فراخوان (CTA)، تعداد فیلدهای فرم، جای نظرات مشتریان و تصویر بالای صفحه. اصول ساخت این صفحه را در مطلب لندینگ پیج چیست توضیح دادهایم.
- تبلیغات: متن و تصویر آگهی گوگل، تبلیغات بنری و پستهای اسپانسری. در گوگل ادز امکان «آزمایشها» (Experiments) برای مقایسهٔ کمپینها وجود دارد.
- ایمیل و پیامک: عنوان ایمیل، زمان ارسال و متن پیامک تبلیغاتی.
- فروشگاه اینترنتی: نمایش قیمت، متن ارسال رایگان، چیدمان صفحهٔ محصول و مراحل پرداخت.
- قیمتگذاری و پیشنهاد: مقایسهٔ دو نوع تخفیف یا دو بستهٔ خدمات؛ با احتیاط، چون مشتریها ممکن است تفاوت قیمت را ببینند.

اجرای تست A/B در ۷ قدم
- هدف و شاخص را مشخص کنید: قبل از هر چیز بگویید موفقیت یعنی چه؛ مثلاً «نرخ ثبت فرم مشاوره» یا «کلیک روی دکمهٔ واتساپ». یک شاخص اصلی کافی است. برای ثبت درست این رویدادها، ردیابی باید از قبل با گوگل تگ منیجر و آنالیتیکس راه افتاده باشد.
- فرضیه بنویسید: «اگر تعداد فیلدهای فرم را از ۷ به ۳ کاهش دهیم، نرخ ثبت فرم بالا میرود، چون کاربران موبایل حوصلهٔ پر کردن فرم طولانی را ندارند.» فرضیهٔ خوب هم تغییر را میگوید و هم دلیلش را.
- فقط یک تغییر بدهید: اگر هم تیتر و هم دکمه و هم عکس را عوض کنید، نمیفهمید کدام تغییر اثر داشته است.
- حجم نمونه را حساب کنید: با ماشینحسابهای آنلاین حجم نمونه (Sample Size Calculator) و با وارد کردن نرخ تبدیل فعلی و حداقل بهبودی که برایتان مهم است، تعداد بازدید لازم برای هر نسخه را تخمین بزنید. هرچه نرخ تبدیل پایینتر و تفاوت مورد انتظار کوچکتر باشد، بازدید بیشتری لازم است.
- مدت آزمون را ثابت کنید: آزمون را دستکم یک تا دو هفتهٔ کامل اجرا کنید تا رفتار روزهای مختلف هفته پوشش داده شود، و قبل از رسیدن به حجم نمونه آن را متوقف نکنید.
- نتیجه را با آمار بخوانید: ابزارها معمولاً سطح اطمینان را نشان میدهند. معیار رایج اطمینان ۹۵ درصد است؛ یعنی احتمال اینکه تفاوت دیدهشده فقط شانسی باشد کم است.
- اجرا و مستندسازی کنید: نسخهٔ برنده را اجرا کنید و نتیجه، حتی آزمونهای بینتیجه، را در یک فایل ثبت کنید تا تیم دوباره همان آزمون را تکرار نکند.
ابزارهای تست A/B بعد از تعطیلی گوگل آپتیمایز
گوگل آپتیمایز (Google Optimize) که ابزار رایگان و محبوب تست A/B بود، از سپتامبر ۲۰۲۳ تعطیل شد. امروز گزینههای اصلی اینها هستند:
- ابزارهای تخصصی تست: سرویسهایی مثل VWO، Optimizely، AB Tasty و Convert که با GA4 یکپارچه میشوند. بیشترشان پولی هستند و پرداخت آنها از ایران ساده نیست.
- افزونههای وردپرس: برای سایتهای وردپرسی افزونههایی وجود دارد که دو نسخه از صفحه یا بلوک را بهصورت تصادفی نمایش میدهند و نتیجه را میشمارند.
- تست سمت سرور یا دستی: اگر برنامهنویس دارید، میتوانید تقسیم تصادفی کاربران را در کد سایت انجام دهید و رویداد هر نسخه را با یک پارامتر جدا به GA4 بفرستید.
- آزمایشهای داخلی پلتفرمها: گوگل ادز، متا و بسیاری از سرویسهای ایمیل مارکتینگ امکان تست A/B داخلی دارند و برای شروع سادهترین گزینهاند.
برای تست تبلیغات و لینکهای کمپین، هر نسخه را با پارامترهای UTM جدا برچسب بزنید تا در آنالیتیکس قابل تفکیک باشد. نتیجه را هم میتوانید در یک داشبورد لوکر استودیو به مدیر نشان دهید.

اگر ترافیک سایت کم است چه کنیم؟
بسیاری از کسبوکارهای کوچک و مطبها روزانه چند ده بازدید دارند و رسیدن به حجم نمونهٔ کافی برایشان ماهها طول میکشد. در این حالت:
- تغییرهای بزرگتر را تست کنید (مثلاً کل ساختار صفحه یا پیشنهاد اصلی)، نه رنگ دکمه؛ چون تفاوتهای بزرگ با نمونهٔ کمتر دیده میشوند.
- شاخصی را بسنجید که بیشتر اتفاق میافتد؛ مثلاً کلیک روی دکمه بهجای خرید نهایی.
- تست را روی تبلیغات اجرا کنید که ترافیک را خودتان کنترل میکنید.
- از روشهای کیفی کمک بگیرید: نقشهٔ حرارتی (Heatmap)، ضبط جلسهٔ کاربران و گفتوگو با مشتریها. اینها فرضیهٔ بهتری برای تست میسازند.
اشتباههای رایج در تست A/B
- متوقف کردن زودهنگام: دیدن برتری نسخهٔ B در روز دوم و اعلام برنده، رایجترین اشتباه است. نتایج روزهای اول معمولاً نوسان زیادی دارند.
- چند تغییر همزمان: نتیجه قابل تفسیر نیست.
- شاخص اشتباه: بالا رفتن نرخ کلیک فایدهای ندارد اگر فروش یا تماس واقعی کم شود.
- نادیده گرفتن موبایل و دسکتاپ: نسخهای که در دسکتاپ برنده است ممکن است در موبایل بازنده باشد؛ نتیجه را به تفکیک دستگاه هم ببینید.
- تست همزمان چند آزمون روی یک صفحه: آزمونها روی هم اثر میگذارند.
- کپی کردن نتیجهٔ دیگران: اینکه دکمهٔ قرمز برای یک سایت جواب داده، دلیلی برای جواب دادن در سایت شما نیست.
تست A/B بخشی از برنامهٔ بزرگتر بهینهسازی نرخ تبدیل است. چارچوب کامل آن را در مطلب استراتژی بهینهسازی نرخ تبدیل (CRO) ببینید.
سوالات متداول
تست A/B چقدر باید طول بکشد؟
تا زمانی که هر نسخه به حجم نمونهٔ محاسبهشده برسد و دستکم یک تا دو هفتهٔ کامل گذشته باشد. اجرای خیلی طولانی هم خوب نیست، چون عوامل بیرونی مثل کمپینهای جدید روی نتیجه اثر میگذارند.
آیا تست A/B به سئو آسیب میزند؟
اگر درست اجرا شود، نه. گوگل توصیه میکند در تست Split URL از تگ canonical به نسخهٔ اصلی و ریدایرکت موقت (302) استفاده شود، نسخهٔ متفاوتی فقط به ربات گوگل نشان داده نشود و آزمون بعد از پایان جمع شود.
حداقل چقدر ترافیک برای تست A/B لازم است؟
عدد ثابتی وجود ندارد و به نرخ تبدیل فعلی و اندازهٔ بهبود مورد انتظار بستگی دارد. اگر ماشینحساب حجم نمونه بگوید به چند ماه ترافیک نیاز دارید، بهتر است تغییرهای بزرگتر را تست کنید یا آزمون را روی تبلیغات اجرا کنید.
بعد از گوگل آپتیمایز از چه ابزاری استفاده کنیم؟
بسته به بودجه، ابزارهای تخصصی مثل VWO یا Optimizely، افزونههای تست A/B وردپرس، تست سمت سرور با کمک برنامهنویس یا امکانات آزمایش داخلی گوگل ادز و سرویسهای ایمیل.
اگر نتیجهٔ تست بیتفاوت بود چه کنیم؟
نتیجهٔ بیتفاوت هم اطلاعات است: یعنی آن تغییر برای کاربران مهم نبوده است. نتیجه را ثبت کنید و سراغ فرضیهای بروید که به مشکل اصلیتری، مثل پیشنهاد یا اعتماد، میپردازد.
جمعبندی
تست A/B راهی ساده برای جایگزین کردن حدس با داده است: یک هدف روشن، یک فرضیه، یک تغییر، حجم نمونهٔ کافی و صبر تا پایان آزمون. با ردیابی درست رویدادها در آنالیتیکس و ثبت منظم نتایج، هر آزمون حتی اگر بازنده باشد، شناخت شما از مشتری را بیشتر میکند و صفحههای فرود و تبلیغات شما را قدمبهقدم بهتر میکند.



