A/B testing แลนดิ้งเพจ: ได้ผลเมื่อไหร่ และทำอะไรแทนเมื่อทราฟฟิกไม่พอ

A/B testing แลนดิ้งเพจ เป็นวิธีที่น่าเชื่อถือที่สุด ในการรู้ว่า การเปลี่ยนแปลงหนึ่งทำให้มีการติดต่อสอบถาม เพิ่มขึ้นจริง ไม่ใช่แค่บังเอิญมาพร้อมกับเดือนที่ดี หรือแคมเปญใหม่ แต่ก็เป็นวิธีที่ถูกใช้ผิดบ่อยมาก ถ้าทดสอบกับทราฟฟิกน้อยเกินไป การทดสอบไม่ได้แค่หาคำตอบไม่เจอ แต่อาจให้คำตอบที่ดูมั่นใจ ทั้งที่ผิด

ดังนั้นคำถามแรกไม่ใช่ว่าจะทดสอบอะไร แต่คือหน้าของคุณรองรับการทดสอบได้หรือไม่ และถ้าไม่ได้ ควรทำอะไรแทน

คำตอบสั้น ๆ

A/B testing หรือ split testing คือการสุ่มส่งผู้เข้าชมไปยังหน้าสองเวอร์ชัน แล้วเปรียบเทียบว่าแต่ละกลุ่มเกิด conversion (ผู้เข้าชมทำสิ่งที่ต้องการ เช่น ส่งแบบฟอร์ม) มากน้อยแค่ไหน เพราะทั้งสองกลุ่มเจอฤดูกาล โฆษณา และสภาพแวดล้อมเดียวกัน ถ้าความต่างมากเกินกว่าจะเป็นความบังเอิญ ก็สรุปได้ว่าเป็นผลจากการเปลี่ยนแปลงนั้น

• ได้ผล เมื่อหน้าเก็บ conversion ได้มากพอที่จะตรวจจับการเพิ่มขึ้นที่คุณสนใจ ที่ระดับนัยสำคัญ 95% และอำนาจการทดสอบ (power) 80% ตามปกติ ต้องใช้ประมาณ 400 ครั้งต่อเวอร์ชัน สำหรับการเพิ่มขึ้นเชิงสัมพัทธ์ 20% และ 1,600 ครั้ง สำหรับการเพิ่มขึ้น 10%
• ล้มเหลว เมื่อหยุดทดสอบเร็วเกินไป ใช้ตัวชี้วัดผิด หรือทดสอบกับ conversion เพียงไม่กี่สิบครั้งต่อเดือน
• เมื่อทราฟฟิกไม่พอ ให้แก้ปัญหาที่เห็นชัด ทำวิจัยกับคนจริง ทดสอบการเปลี่ยนแปลงใหญ่ ๆ แทนการปรับเล็กน้อย และลองทดสอบข้อความในโฆษณาก่อน

A/B testing ทำงานอย่างไร

เครื่องมือทดสอบจะจัดผู้เข้าชมแต่ละคน ไปยังเวอร์ชัน A (control คือหน้าปัจจุบันของคุณ) หรือเวอร์ชัน B (variant) แสดงเวอร์ชันเดียวกับครั้งก่อน ให้คนที่กลับมาเข้าชมซ้ำ และนับ conversion ในแต่ละกลุ่ม มีวิธีใกล้เคียงอีกสองแบบที่ควรรู้จัก:

• Split URL testing ส่งทราฟฟิกไปยังสองหน้าที่อยู่คนละ URL เหมาะกับหน้าที่ออกแบบใหม่ทั้งหน้า
• Multivariate testing ทดสอบทุกชุดผสม ของการเปลี่ยนแปลงหลายจุด พาดหัวสองแบบ รูปสองแบบ และปุ่มสองแบบ รวมเป็นแปดเวอร์ชัน แต่ละเวอร์ชันต้องได้ทราฟฟิกส่วนของตัวเอง จึงเหมาะกับหน้าที่มีคนเข้าเยอะมากเท่านั้น

4 ตัวเลขสำคัญในทุกการทดสอบ

เครื่องคำนวณขนาดกลุ่มตัวอย่าง (sample size calculator) ต้องการข้อมูลสี่อย่าง:

1. อัตรา conversion พื้นฐาน (baseline): หน้านั้นเกิด conversion เท่าไรกับทราฟฟิกที่คุณจะทดสอบ ดูจาก GA4 ย้อนหลังสี่ถึงแปดสัปดาห์
2. ผลต่างขั้นต่ำที่ตรวจจับได้ (MDE): การปรับปรุงที่น้อยที่สุดที่คุ้มจะตรวจจับ มักคิดเป็นการเพิ่มขึ้นเชิงสัมพัทธ์ เช่น จาก 3% เป็น 3.6% คือเพิ่มขึ้น 20%
3. ระดับนัยสำคัญ (significance level): ตามธรรมเนียมคือ 5% ซึ่งเป็นที่มาของ “ความมั่นใจ 95%” ใช้จำกัดว่าคุณจะประกาศผู้ชนะบ่อยแค่ไหน ทั้งที่ไม่มีความต่างจริง
4. อำนาจการทดสอบ (statistical power): ตามธรรมเนียมคือ 80% คือโอกาสที่จะตรวจจับการปรับปรุงจริง ที่มีขนาดเท่ากับ MDE ของคุณ

นัยสำคัญทางสถิติหมายถึงอะไร ผลที่มีนัยสำคัญที่ 95% บอกว่า ถ้าทั้งสองเวอร์ชันทำผลงานได้เท่ากันจริง ความต่างที่มากเท่านี้หรือมากกว่า จะเกิดขึ้นไม่ถึง 5% ของการทดสอบ ผลนี้ไม่ได้แปลว่า B มีโอกาส 95% ที่จะดีกว่า และลำพังตัวเลขนี้ ก็ไม่ได้บอกว่าการปรับปรุงนั้นมากแค่ไหน

เช็กขนาดตัวอย่างก่อนลงมือสร้าง

คำนวณตัวเลขก่อนออกแบบ variant เสมอ สำหรับแลนดิ้งเพจที่มีอัตรา conversion ในระดับทั่วไป จำนวน conversion ที่ต้องใช้ต่อเวอร์ชัน ขึ้นอยู่กับขนาดการเพิ่มขึ้น ที่คุณอยากตรวจจับเป็นหลัก ไม่ใช่ตัวอัตรา conversion เอง ด้านล่างคือการคำนวณมาตรฐาน ที่ระดับนัยสำคัญ 95% และ power 80% พร้อมจำนวนผู้เข้าชม สำหรับหน้าที่มีอัตรา conversion 3%:

สำหรับยอดรวมใน A/B test ให้คูณตัวเลขต่อเวอร์ชันด้วยสอง และบวกเพิ่มอีกหนึ่งเวอร์ชัน สำหรับทุก variant ที่เพิ่มเข้ามา เครื่องคำนวณแต่ละตัวใช้สูตรต่างกันเล็กน้อย คำตอบจึงใกล้เคียงกัน แต่ไม่เท่ากันเป๊ะ

ตัวอย่างการคำนวณ

แลนดิ้งเพจหนึ่งมีผู้เข้าชมจากโฆษณา 4,000 คนต่อเดือน และมีอัตรา conversion 3% คือได้การติดต่อสอบถาม 120 ครั้ง

• การตรวจจับการเพิ่มขึ้น 20% ต้องใช้ผู้เข้าชมรวมประมาณ 28,000 คน: ประมาณเจ็ดเดือน
• การตรวจจับการเพิ่มขึ้น 50% ต้องใช้ประมาณ 5,000 คน: ห้าถึงหกสัปดาห์

หน้านี้จึงทดสอบความต่างใหญ่ ๆ ได้ เช่น ข้อเสนอใหม่ แต่ทดสอบสีปุ่มใหม่ไม่ได้ การทดสอบที่ยาวนานยังเปราะบางด้วย ยิ่งทดสอบนาน ฤดูกาล การปรับงบ และผู้เข้าชมที่ล้างคุกกี้ (แล้วถูกจัดกลุ่มใหม่) ก็ยิ่งรบกวนผลมากขึ้น

แม้จะได้กลุ่มตัวอย่างครบเร็ว ก็ควรทดสอบอย่างน้อยสองสัปดาห์เต็ม เพราะผู้เข้าชมวันธรรมดา กับวันหยุดสุดสัปดาห์ มักมีพฤติกรรมต่างกัน

หยุดเร็ว ได้ผู้ชนะปลอม

สาเหตุที่พบบ่อยของคำตอบผิด คือการเช็กผลทุกวัน แล้วหยุดทันทีที่เครื่องมือบอกว่ามีผู้ชนะ

ปัญหาการแอบดูผล

ช่วงแรกตัวเลขยังน้อย และความต่างระหว่างเวอร์ชัน จะแกว่งไปมามาก การทดสอบนัยสำคัญแบบมาตรฐาน ตั้งอยู่บนสมมติฐานว่า คุณดูผลเพียงครั้งเดียว ตอนได้ขนาดกลุ่มตัวอย่างตามแผน ถ้าหยุดตั้งแต่ครั้งแรกที่ผลมีนัยสำคัญ ก็เท่ากับให้ความผันผวนแบบสุ่ม มีโอกาสข้ามเส้นหลายครั้ง อัตราผลบวกลวงจริงจึงสูงกว่า 5% ไปมาก

วิธีแก้ไม่มีอะไรหวือหวา: กำหนดขนาดกลุ่มตัวอย่าง และระยะเวลาก่อนเริ่ม และอย่าตัดสินใจจนกว่าจะถึงตัวเลขนั้น เครื่องมือบางตัวใช้สถิติแบบ sequential ที่ออกแบบมาให้ติดตามผล ระหว่างที่ข้อมูลเข้ามา ถ้าเครื่องมือของคุณเป็นแบบนั้น ให้ทำตามเงื่อนไขการหยุดของเครื่องมือนั้น อย่างเคร่งครัด

ผลหลอกตาแบบอื่น ๆ

• สัดส่วนกลุ่มไม่ตรง (sample ratio mismatch) คุณตั้งไว้ 50/50 แต่ได้ 55/45 จากผู้เข้าชมหลายพันคน แปลว่ามีบางอย่าง เช่น redirect กำลังทำให้ผู้เข้าชมหายไป อย่าเชื่อผลนั้น
• ตัวชี้วัดผิด ยอดคลิกปุ่มเพิ่มขึ้น แต่การติดต่อสอบถามที่ส่งสำเร็จไม่เพิ่ม ให้เลือกตัวชี้วัดหลักหนึ่งตัวไว้ล่วงหน้า และตรวจให้แน่ใจว่า วัดผลใน GA4 อย่างถูกต้อง
• เปรียบเทียบหลายอย่างเกินไป ถ้าดูตัวชี้วัดสิบตัว หรือแยกดูทุกอุปกรณ์และทุกประเทศ ก็มีแนวโน้มที่บางอย่างจะดูมีนัยสำคัญ เพราะความบังเอิญ
• คำสาปของผู้ชนะ (winner’s curse) ผู้ชนะจากการทดสอบที่กลุ่มตัวอย่างไม่พอ มักแสดงผลเกินจริง ให้คาดว่าผลจะน้อยลงเมื่อนำไปใช้จริง
• เปลี่ยนอะไรระหว่างทดสอบ โฆษณาใหม่ การปรับงบ หรือการแก้ไขหน้า จะเปลี่ยนว่าใครเข้ามาและเขาเห็นอะไร ทำให้ผลคลุมเครือ

ก่อนประกาศผู้ชนะ ให้ถามฝ่ายขายว่า การติดต่อสอบถามที่เพิ่มขึ้น เป็นลูกค้าที่มีแนวโน้มจะซื้อจริงหรือไม่

ควร A/B test อะไร และอะไรควรข้าม

หน้าส่วนใหญ่ตรวจจับได้เฉพาะผลขนาดใหญ่ จึงควรทดสอบสิ่งที่เปลี่ยน การตัดสินใจของผู้เข้าชม ทดสอบทีละแนวคิด ไม่ใช่ทีละองค์ประกอบ variant หนึ่งอาจเปลี่ยนพาดหัว รูปภาพ และหัวข้อรองไปพร้อมกันได้ ถ้าทั้งหมดสื่อสมมติฐานเดียวกัน

สิ่งที่ไม่ค่อยคุ้มจะทดสอบ ที่ปริมาณทราฟฟิกทั่วไป: สีปุ่ม ฟอนต์ การสลับรูปเล็ก ๆ และการปรับถ้อยคำเล็กน้อย เว็บไซต์ขนาดใหญ่มาก ตรวจจับการเพิ่มขึ้น เพียงเศษเสี้ยวของเปอร์เซ็นต์ได้ แต่หน้าที่มีการติดต่อสอบถาม 100 ครั้งต่อเดือนจะไม่มีวันทำได้ จึงควรเลือกแบบที่สมเหตุสมผลไปเลย แล้วเก็บทราฟฟิกไว้ใช้กับเรื่องอื่น

ถ้าต้องการไอเดีย ให้เริ่มจากวินิจฉัยปัญหาก่อน บทความ ทำไมแลนดิ้งเพจของคุณไม่เกิด conversion ไล่ตรวจหน้าตามลำดับที่ผู้เข้าชมเห็น และ คู่มือการปรับปรุงอัตรา conversion ช่วยเปลี่ยนสิ่งที่พบ ให้เป็นสมมติฐานที่จัดลำดับความสำคัญแล้ว

ทดสอบโดยไม่เสีย SEO และความเร็ว

ถ้าหน้านั้นปรากฏบน Google ให้ทำตามแนวทางของ Google Search Central เรื่อง การลดผลกระทบของ A/B testing ต่อการค้นหา:

• อย่า cloak คือห้ามแสดงเวอร์ชันหนึ่งให้ Googlebot แต่แสดงอีกเวอร์ชันให้คน Google ถือว่า cloaking เป็นการละเมิดนโยบายสแปม
• ใช้ rel="canonical" บน URL ของ variant โดยชี้กลับไปที่หน้าต้นฉบับ แทนการใช้ noindex
• ใช้ redirect แบบ 302 (ชั่วคราว) ไม่ใช่ 301 ในการทดสอบแบบ split URL เพื่อให้ Google ยังเก็บ URL เดิมไว้
• ปิดการทดสอบทันทีเมื่อเสร็จ แล้วลบ URL ของ variant การ redirect และสคริปต์ทดสอบออก

ระวังต้นทุนด้านความเร็ว

เครื่องมือทดสอบแบบ client-side จะเปลี่ยนหน้าในเบราว์เซอร์ หลังจากหน้าเริ่มโหลดแล้ว เพื่อไม่ให้ผู้เข้าชม เห็นหน้าต้นฉบับแวบหนึ่งก่อน (เรียกว่า flicker) เครื่องมือหลายตัวจะซ่อนหน้าไว้ จนกว่าสคริปต์ทดสอบจะทำงานเสร็จ ซึ่งอาจทำให้ค่า Largest Contentful Paint ช้าลง โดย Google ถือว่าค่านี้ดีเมื่ออยู่ที่ 2.5 วินาทีหรือน้อยกว่า ให้ตรวจทั้งสองเวอร์ชันด้วย PageSpeed Insights ก่อนเริ่มทดสอบ โดยใช้ลิงก์พรีวิวของเครื่องมือ สำหรับแต่ละเวอร์ชัน ถ้าเวอร์ชันหนึ่งหนักกว่า แปลว่าคุณกำลังทดสอบความเร็ว ไปพร้อมกับไอเดียด้วย

เครื่องมือทดสอบหลัง Google Optimize ปิดตัว

Google Optimize ปิดตัวไปเมื่อเดือนกันยายน 2023 และ GA4 เองก็ไม่มีฟีเจอร์ทำการทดลอง ณ เวลาที่เขียน (มิถุนายน 2026) ตัวเลือกแบ่งได้เป็นสี่กลุ่ม:

• แพลตฟอร์มแบบ client-side ที่มีเครื่องมือแก้ไขแบบภาพ: นักการตลาดใช้ได้รวดเร็ว แต่มักเกิด flicker
• แพลตฟอร์มแบบ server-side และ feature flag: ไม่มี flicker แต่ต้องใช้เวลาของนักพัฒนา
• เครื่องมือสร้างแลนดิ้งเพจและปลั๊กอินของ CMS ที่แบ่งทราฟฟิกระหว่างเวอร์ชันของหน้า
• ฟีเจอร์ทดลองของแพลตฟอร์มโฆษณา เช่น ใน Google Ads และ Meta

ไม่ว่าจะใช้แบบไหน ให้ตัดสินแต่ละเวอร์ชันจากการติดต่อสอบถาม ที่ KPI ของเว็บไซต์ ของคุณติดตามอยู่แล้ว

ทราฟฟิกน้อย ควรทำอะไรแทน

แลนดิ้งเพจของธุรกิจบริการและ B2B จำนวนมาก จะไม่มีวันมีทราฟฟิกพอ สำหรับการทดสอบแบบนี้ แต่นั่นไม่ใช่เหตุผลที่จะเดาเอา เป็นเหตุผลที่จะเลือกวิธี ที่เหมาะกับปริมาณทราฟฟิกของคุณ

แก้สิ่งที่ไม่ต้องพิสูจน์

แบบฟอร์มที่ใช้ไม่ได้บนมือถือบางรุ่น หน้าที่โหลดแปดวินาที พาดหัวที่ไม่บอกว่าคุณขายอะไร ไม่มีข้อไหนต้องทดลองเลย แก้ไปเลย แล้วจดวันที่ไว้

วิจัยกับคนจริง

การวิจัยเชิงคุณภาพแสดงให้เห็นว่า ทำไมคนถึงลังเล ซึ่งการทดสอบไม่มีวันบอกได้ บทความของ Nielsen Norman Group โดย Jakob Nielsen ซึ่งถูกอ้างถึงอย่างกว้างขวาง ระบุว่าการทดสอบกับผู้ใช้ประมาณห้าคน จะพบปัญหาการใช้งานส่วนใหญ่ และการทดสอบเล็ก ๆ หลายรอบ ดีกว่าการศึกษาใหญ่ครั้งเดียว

• ให้คนห้าคนจากกลุ่มเป้าหมายของคุณ ลองใช้หน้านั้นบนมือถือ เพื่อทำสิ่งที่หน้าต้องการ แล้วคอยสังเกต โดยให้เขาพูดสิ่งที่คิดออกมาดัง ๆ
• ถามฝ่ายขายว่า ลูกค้าที่สนใจมักถามอะไรก่อนซื้อ แล้วตรวจว่าหน้าตอบคำถามนั้นหรือยัง
• ถามคนที่เพิ่งติดต่อเข้ามาว่า “อะไรที่เกือบทำให้คุณไม่ติดต่อมา?”

ทดสอบห้าวินาที

ให้ใครสักคนดูหน้านั้นห้าวินาที ซ่อนหน้า แล้วถามว่าหน้านี้เสนออะไร เหมาะกับใคร และเขาจะทำอะไรต่อ ถ้าเขาตอบไม่ได้ แปลว่าหน้าจอแรกยังไม่ได้ผล วิธีนี้ไม่ต้องใช้ทราฟฟิกเลย

เทียบก่อนและหลังอย่างระมัดระวัง

การเปลี่ยนแปลงที่ทำโดยไม่ได้ทดสอบ ก็ยังสอนอะไรคุณได้:

• บันทึกค่าพื้นฐานของหน้าเดียวกัน และแหล่งทราฟฟิกเดียวกัน อย่างน้อยสี่สัปดาห์
• จดวันที่เปลี่ยน และเปลี่ยนเรื่องสำคัญทีละอย่าง
• เปรียบเทียบช่วงเวลาที่เท่ากัน และดูข้อมูลปีที่แล้ว เพื่อเช็กผลของฤดูกาล
• ยืนยันว่างบ การกำหนดกลุ่มเป้าหมาย และสัดส่วนแหล่งทราฟฟิก ไม่ได้เปลี่ยนไปด้วย
• ตัดสินจากการติดต่อสอบถามที่มีคุณภาพ ไม่ใช่แค่จำนวนการส่งแบบฟอร์ม

ถึงอย่างนั้น คุณก็แยกผลของการเปลี่ยนแปลง ออกจากปัจจัยอื่นที่ขยับไปพร้อมกันได้ไม่หมด จึงควรมองการเปลี่ยนแปลงที่ใหญ่และต่อเนื่อง ว่าเป็นสัญญาณที่ดี และมองการเปลี่ยนแปลงเล็ก ๆ ว่าเป็นแค่ความผันผวน

ทดสอบข้อความในโฆษณาก่อน

ลงโฆษณาที่ให้คำสัญญาต่างกันจริง ๆ เช่น ความรวดเร็ว ความแน่นอนของราคา หรือความเชี่ยวชาญ กับกลุ่มเป้าหมายเดียวกัน แล้วเปิดแลนดิ้งเพจด้วยข้อความที่ชนะ ระบบโฆษณามักเทน้ำหนัก ไปที่โฆษณาที่ทำผลงานดีในช่วงแรก จึงควรใช้ฟีเจอร์ทดลอง (experiment) ของแพลตฟอร์ม เพื่อให้แบ่งทราฟฟิกอย่างยุติธรรม อีกเรื่องคือ คลิกไม่ใช่การติดต่อสอบถาม จึงต้องดูว่าผู้เข้าชมจากโฆษณาไหน ติดต่อเข้ามาจริง

เปลี่ยนให้ใหญ่ขึ้น หรือรวมทราฟฟิก

ทางเลือกที่แตกต่างอย่างชัดเจน เช่น ข้อเสนอที่ต่างออกไป ทดสอบได้กับทราฟฟิก ที่ไม่มีวันตรวจจับการปรับเล็กน้อยได้ ถ้าหน้าแคมเปญหลายหน้า ใช้เทมเพลตเดียวกัน การทดสอบการเปลี่ยนแปลง กับทุกหน้าพร้อมกัน จะรวมทราฟฟิกของทุกหน้าเข้าด้วยกัน

คำถามที่พบบ่อย

A/B test ควรทดสอบนานแค่ไหน?

จนกว่าจะได้ขนาดกลุ่มตัวอย่าง ที่คำนวณไว้ก่อนเริ่ม และนานอย่างน้อยสองสัปดาห์เต็ม ถ้านั่นหมายถึงนานกว่าสองสามเดือน ให้ทดสอบการเปลี่ยนแปลงที่ใหญ่กว่านี้แทน

A/B testing ทำร้าย SEO ไหม?

ไม่ ถ้าทำตามแนวทางของ Google คือไม่ cloak ใส่ canonical tag บน URL ของ variant ใช้ redirect แบบชั่วคราว และปิดการทดสอบทันทีเมื่อเสร็จ ความเสี่ยงในทางปฏิบัติที่ใหญ่กว่า คือความเร็ว เพราะสคริปต์ทดสอบอาจทำให้หน้าช้าลง

เชื่อค่า “chance to win” ในเครื่องมือได้ไหม?

ให้มองเป็นข้อมูลประกอบหนึ่งอย่าง ไม่ใช่คำตัดสิน แต่ละเครื่องมือคำนวณตัวเลขนี้ ภายใต้สมมติฐานของตัวเอง และเชื่อถือไม่ได้เมื่อกลุ่มตัวอย่างน้อย หรือเมื่อคุณหยุดทันทีที่ผลดูดี

ขั้นตอนต่อไป

A/B testing เป็นเครื่องมือที่แม่นยำ แต่ต้องการทราฟฟิกมาก ใช้เมื่อตัวเลขเอื้ออำนวย กับการตัดสินใจที่สำคัญ ส่วนกรณีอื่น ให้แก้สิ่งที่พัง ฟังผู้เข้าชมจริง และวัดผลอย่างละเอียดพอ ที่การเปรียบเทียบก่อนและหลัง จะมีความหมาย

ทั้งสองทางเริ่มจากหน้าที่โหลดเร็ว และโฟกัสที่การกระทำเดียว แลนดิ้งเพจ ของเราสร้างขึ้นแบบนั้น และถ้าอยากได้มุมมองจากภายนอก สำหรับหน้าที่คุณใช้อยู่ ตรวจสอบเว็บไซต์ฟรี ครอบคลุมความเร็ว ประสบการณ์บนมือถือ และความง่ายที่ผู้เข้าชมจะติดต่อคุณ