Pengertian A/B Testing
A/B testing adalah metode membandingkan dua versi dari satu hal, misalnya halaman, iklan, atau email, dengan menampilkannya ke dua kelompok audiens secara acak untuk melihat versi mana yang hasilnya lebih baik. Versi A biasanya versi yang sedang dipakai, sedangkan versi B memuat satu perubahan yang ingin diuji.
Contohnya, sebuah toko online ingin tahu apakah tombol “Beli Sekarang” lebih banyak diklik daripada “Tambah ke Keranjang”. Separuh pengunjung melihat versi A, separuh lainnya versi B, lalu jumlah klik keduanya dibandingkan.
A/B testing membuat keputusan pemasaran berangkat dari data, bukan dari selera tim. Metode ini menjadi bagian dari langkah ukur dan perbaiki dalam strategi digital marketing.
Cara Kerja A/B Testing
A/B testing bekerja dengan membagi audiens secara acak ke dua versi, lalu membandingkan satu metrik yang sudah ditentukan sejak awal. Pembagian acak penting supaya perbedaan hasil benar-benar berasal dari perubahan yang diuji, bukan dari perbedaan jenis pengunjung.
Hasil A/B testing baru bisa dipercaya kalau datanya cukup. Selisih kecil dari sedikit pengunjung bisa terjadi karena kebetulan. Karena itu, alat A/B testing biasanya menghitung tingkat keyakinan statistik sebelum menyatakan versi pemenang.
Fitur A/B testing sudah tersedia di banyak platform. Meta Ads Manager punya fitur uji A/B untuk iklan, kebanyakan platform email menyediakan uji subjek email, dan alat seperti VWO atau Optimizely dipakai untuk halaman website.
Bedanya A/B Testing, Split Testing, dan Multivariate Testing
Split testing sering dipakai sebagai nama lain A/B testing, sedangkan multivariate testing menguji beberapa perubahan sekaligus. Ketiga istilah ini sering tertukar.
- A/B testing. Dua versi dengan satu perubahan, misalnya warna tombol atau judul.
- Split testing. Umumnya sama dengan A/B testing. Sebagian praktisi memakai istilah ini khusus untuk uji dua halaman yang berbeda URL, misalnya dua desain landing page yang benar-benar terpisah.
- Multivariate testing. Beberapa elemen diubah bersamaan dalam banyak kombinasi. Metode ini butuh lalu lintas jauh lebih besar, jadi jarang cocok untuk website dengan pengunjung sedikit.
Langkah Melakukan A/B Testing
A/B testing dilakukan dalam enam langkah: menentukan tujuan dan KPI, membuat hipotesis, membuat satu perubahan, membagi audiens, menjalankan uji sampai datanya cukup, lalu menerapkan hasilnya.
- Tentukan tujuan dan KPI. Pilih satu angka yang menentukan pemenang, misalnya tingkat klik, jumlah pendaftaran, atau penjualan. Cara merumuskan tujuan yang terukur ada di cara mengukur keberhasilan tujuan SMART.
- Buat hipotesis. Tulis dugaan dan alasannya, misalnya “judul yang menyebut harga akan menaikkan klik karena pengunjung banyak bertanya soal harga”. Hipotesis bisa diambil dari rekaman sesi dan heatmap di alat seperti Microsoft Clarity.
- Ubah satu elemen saja. Kalau judul dan gambar diubah bersamaan, tidak jelas mana yang menyebabkan perubahan hasil.
- Bagi audiens secara acak. Biasanya dibagi rata, 50 banding 50, oleh alat pengujiannya.
- Jalankan sampai datanya cukup. Jangan menghentikan uji hanya karena satu versi unggul di hari pertama. Jalankan setidaknya satu siklus mingguan penuh, karena perilaku pengunjung hari kerja dan akhir pekan bisa berbeda.
- Terapkan dan uji lagi. Versi pemenang menjadi versi A yang baru, lalu uji perubahan berikutnya.
Kesalahan yang paling sering terjadi adalah menyimpulkan pemenang terlalu cepat. Hasil uji yang dihentikan dini sering berbalik setelah datanya bertambah, dan keputusan yang diambil dari situ sama saja dengan menebak.