ما هو اختبار A/B؟ دليل المبتدئين إلى الخطوات الست والدلالة الإحصائية وحجم العينة

HeatMapX Engineering Team42 min read
  • ab-testing
  • cro
  • how-to
  • beginners

ملخص المقال

  • اختبار A/B هو أسلوب تقسّم فيه الزوار عشوائيًا، وتعرض الصفحة الأصلية (A) والصفحة المعدَّلة (B) في الفترة نفسها، ثم تقارن بالأرقام أيهما يحقق أداءً أفضل
  • المقارنة البسيطة بين ما قبل التغيير وما بعده لا تستطيع فصل أثر تغييرك عن أثر المواسم والإعلانات وأيام الأسبوع وغيرها. وتشغيل النسختين في الوقت نفسه هو جوهر اختبار A/B
  • تتألف العملية من 6 خطوات: الهدف والمقياس ← الفرضية ← إنشاء النسخة المعدَّلة ← التشغيل ← الحكم ← التطبيق. حدّد حجم العينة المطلوب (كمية البيانات) والمدة قبل أن تبدأ
  • "الدلالة الإحصائية" مؤشر إرشادي يبيّن ما إذا كان من الصعب تفسير الفرق بالتذبذب العشوائي وحده. والقيمة p ليست "احتمال أن B هي الفائزة"
  • تنشأ معظم حالات الفشل من "تكرار فحص النتائج والتوقف مبكرًا" و"تغيير عناصر كثيرة دفعة واحدة" و"تشغيل الاختبار لمدة قصيرة جدًا"
  • في المواقع قليلة الزيارات، لا يزال بإمكانك الحصول على مؤشرات أفضل بتغيير أسلوبك، كالتركيز على تغييرات أكبر أو النظر إلى مقياس في مرحلة أبكر

"ربما يجلب تغيير العنوان مزيدًا من التسجيلات." "ألا ينبغي أن يكون الزر أعلى في الصفحة؟" عندما تدير موقعًا إلكترونيًا، لا تتوقف أفكار التحسين عن الظهور. لكن ما إذا كان التغيير سيجعل الأمور أفضل أم أسوأ فلا يمكنك معرفته إلا بالتجربة. وحتى إن ارتفعت أرقامك بعد التغيير، فكثيرًا ما يستحيل أن تعرف هل يستحق التغيير الفضل، أم أنك ببساطة زدت الإنفاق الإعلاني في ذلك الأسبوع.

عندما تريد التحقق من أثر تغيير ما بمعزل عن العوامل الأخرى، تستخدم اختبار A/B.

يشرح هذا المقال معنى اختبار A/B وآلية عمله، ثم يتناول الخطوات العملية، وكيفية كتابة الفرضية، وكمية البيانات والوقت اللازمين، وما الذي تعنيه "الفروق ذات الدلالة" فعلًا، وأكثر الأخطاء التي يقع فيها المبتدئون. ترد بعض الإحصاءات، لكنني أُبقي المعادلات في أضيق نطاق وأقدّم فهم الأفكار أولًا. وكل الأمثلة الحسابية في هذا المقال تستخدم أرقامًا افتراضية اختيرت للتوضيح.

ما هو اختبار A/B؟

اختبار A/B هو أسلوب تعرض فيه على الزوار عشوائيًا إحدى نسختين من الصفحة، ثم تقارن أيهما يحقق نتائج أفضل باستخدام بيانات من الفترة نفسها. ويُسمّى أحيانًا "الاختبار المنقسم" (split testing).

  • A (الضابطة / النسخة الأصلية): الصفحة الحالية. وهي خط الأساس للمقارنة
  • B (البديلة / النسخة المعدَّلة): صفحة تغيّر جزء منها. وهي الفكرة التي تريد تجربتها

مثلًا، تعرض النسخة A على نصف زوارك والنسخة B على النصف الآخر، ثم تقارن نسبة من أتمّ التسجيل في كل مجموعة. تُسمّى هذه النسبة معدل التحويل (CVR). والتحويل هو إجراء تريد من الزوار القيام به في موقعك، مثل الشراء أو التسجيل أو طلب المواد التعريفية.

يأتي اسم "اختبار A/B" من مقارنة نسختين، لكن يمكنك أيضًا مقارنة ثلاث نسخ أو أكثر دفعة واحدة (ويُسمّى هذا اختبار A/B/n). والفكرة واحدة.

آلية العمل: التقسيم العشوائي والمقارنة في الوقت نفسه

تعمل ثلاث آليات معًا لينجح اختبار A/B.

آلية عمل اختبار A/B: يُقسَّم الزوار عشوائيًا بين A وB، وتُعرض النسختان في الفترة نفسها، ثم تُقارَن معدلات التحويل (الأرقام أمثلة)

1. يُسنَد الزوار عشوائيًا. تقرر الأداة، باستخدام أرقام عشوائية، هل يرى الزائر النسخة A أم B. لا يختار شخص ما، ولا يتبع التقسيم قاعدة مثل "A صباحًا وB بعد الظهر". يعني الإسناد العشوائي أن الفروق بين الزوار، مثل الجدد مقابل العائدين، أو الهاتف الذكي مقابل الحاسوب المكتبي، أو القادمين من الإعلانات مقابل القادمين من البحث، تتوزع بنسب متقاربة تقريبًا في A وB.

2. تعمل النسختان في الفترة نفسها. تُقدَّم A وB في الوقت ذاته. لذا فإن المؤثرات الخارجية مثل التخفيضات والمواسم وذكر الموقع في التلفزيون وتقلبات أيام الأسبوع تؤثر في A وB بالطريقة نفسها.

3. يرى الشخص نفسه النسخة نفسها دائمًا. إذا أُسند شخص إلى B ثم رأى A في زيارته التالية، لم يعد بإمكانك معرفة أي النسختين أثّرت في تسجيله. ولهذا السبب تستخدم معظم الأدوات علامة محفوظة في المتصفح (مثل ملف تعريف الارتباط) لتستمر في عرض النسخة نفسها للزائر نفسه.

عندما تتحقق هذه الشروط الثلاثة، يصبح الفرق الوحيد بين A وB هو "ما غيّرته في الصفحة". ولهذا يسهل أكثر، عند اختلاف النتائج، أن تنسب الفرق إلى التغيير. إنها الفكرة نفسها وراء التجارب العشوائية المضبوطة التي تُستخدم لاختبار تأثير الأدوية، مطبَّقة على المواقع الإلكترونية.

لماذا تحتاج إلى اختبار A/B: ما لا تخبرك به المقارنة بين ما قبل التغيير وما بعده

قد تتساءل: "لماذا لا أغيّر الصفحة وأقارن الأرقام قبل التغيير وبعده دون تقسيم الزوار؟" هذا ما يُسمّى المقارنة بين ما قبل التغيير وما بعده. وهو سهل، لكن له نقطة ضعف كبيرة: لا يمكنك فصل أثر تغييرك عن العوامل الأخرى.

تتحرك أرقام موقعك يومًا بعد يوم حتى لو لم تغيّر شيئًا في الصفحة. ومن العوامل التي تحركها:

  • المواسم والمناسبات: موسم المكافآت، ونهاية السنة المالية، والعطلات، والطقس، وغير ذلك
  • الإعلانات والحملات: زيادة الإنفاق الإعلاني أو خفضه، وتغيير وجهات الإعلانات، وإرسال النشرات البريدية
  • يوم الأسبوع ووقت اليوم: قد يختلف زوار أيام العمل وزوار عطلة نهاية الأسبوع في النوع والغرض
  • تغيّر مصادر الزيارات: تحولات ترتيب نتائج البحث، والانتشار الواسع على وسائل التواصل الاجتماعي، والإحالات من مواقع أخرى
  • المنافسون والسوق: خفض سعر لدى منافس، والتغطية الإخبارية

في المقارنة بين ما قبل التغيير وما بعده، إذا تزامن أي من هذه العوامل مع الفترة التي تلي تغييرك، فلا يمكنك معرفة هل التغير في الأرقام ناتج عن تغييرك أم عن شيء آخر. وحتى لو ارتفعت الأرقام بعد التغيير، فمن الممكن أن يكون التغيير نفسه قد أضرّ فعلًا وأن زيادة في الإعلانات كانت تخفي ذلك.

يقدّم اختبار A/B النسختين A وB في الفترة نفسها، فتؤثر هذه العوامل في الاثنتين بالقدر نفسه. ثم تنظر إلى الفرق المتبقي، مما يسهّل عزل أثر التغيير وحده.

رسم توضيحي: في المقارنة بين ما قبل التغيير وما بعده يختلط أثر الإعلانات وغيرها بأثر التغيير، أما في اختبار A/B فتُقارَن النسختان في الفترة نفسها فلا يبقى سوى الفرق

وهناك سبب آخر هو أن حدس من يبني الصفحة وردود فعل الزوار كثيرًا ما لا تتطابق. ليس غريبًا أن تفشل فكرة اتفق الجميع داخليًا على أنها "أسهل فهمًا" مع الزوار الحقيقيين. واختبار A/B أيضًا وسيلة للقرار بناءً على ما يفعله الزوار فعلًا، لا على من يجادل بصوت أعلى ولا على من يحمل المنصب الأرفع.

ما الذي يستطيع اختبار A/B إخبارك به وما لا يستطيع

اختبار A/B قوي، لكنه لا يستطيع إخبارك بكل شيء. ومعرفة ما يجيده وما لا يجيده قبل أن تبدأ تساعدك على تجنب إساءة قراءة النتائج.

ما يستطيع إخبارك به

  • هل رفع التغيير المقياسَ الذي اخترته (مثل معدل التسجيل) أم خفضه أم لم يغيّره تقريبًا
  • هل الفرق كبير بما يكفي بحيث يصعب تفسيره بالتذبذب العشوائي وحده

ما لا يستطيع إخبارك به أو لا يجيده

  • لماذا وُجد فرق: السبب تخمين. فاعتبره مع بيانات أخرى
  • التأثيرات بعيدة المدى: لا يرى إلا السلوك خلال فترة الاختبار. وكثيرًا ما لا يخبرك بمعدلات الاحتفاظ بالعملاء أو الإلغاء بعد أشهر
  • المقارنات مع أفكار لم تختبرها: تعرف أيهما أفضل، A أم B، لكن لا تعرف هل يوجد خيار C أفضل
  • التحسينات الصغيرة في الصفحات قليلة الزيارات: قد لا تتوفر بيانات كافية للحكم، سواء وُجد فرق أم لا (يتناول القسم اللاحق عن هذا الموضوع ما ينبغي فعله)

كما أن اختبار A/B "أداة للتحقق من الأفكار" وليس "أداة لابتكار أفكار جيدة". أما جودة الأفكار التي تختبرها فتحددها طريقة بنائك لفرضياتك.

أنواع اختبارات A/B: كيف تختلف عن الاختبار متعدد المتغيرات واختبار إعادة التوجيه

حتى ضمن "اختبار A/B" توجد عدة أساليب ذات صلة. وهذه أكثرها ورودًا.

النوع ما الذي يقارنه الأنسب لـ ما يجب الانتباه إليه
اختبار A/B نسخ على عنوان URL نفسه مع تغيير جزء واحد التحقق من أثر تغيير واحد، مثل عنوان أو زر أو صورة الشكل الأساسي. ابدأ به
اختبار A/B/n ثلاث نسخ أو أكثر لديك عدة عناوين مرشحة وتريد مقارنتها دفعة واحدة كلما زادت النسخ قلّت البيانات لكل نسخة وطالت مدة الاختبار
الاختبار متعدد المتغيرات مجموعات من عناصر متعددة (مثل عنوانين × صورتين = 4 مجموعات) تريد معرفة أي مجموعة من العناصر تعمل بأفضل شكل تحتاج إلى بيانات لكل مجموعة. يناسب الصفحات كثيرة الزيارات
اختبار إعادة التوجيه (اختبار عناوين URL منفصلة) صفحات بتصاميم مختلفة مبنية على عناوين URL منفصلة تريد مقارنة صفحة جديدة بتخطيط مختلف جوهريًا مع الصفحة الحالية قد تؤخر إعادة التوجيه العرض قليلًا. ويجب مراعاة محركات البحث
اختبار A/A نسختان متطابقتان تريد التحقق من أن تقسيم الزيارات والقياس في الأداة يعملان بشكل صحيح اختبار للفحص لا للتحسين

الاختبار متعدد المتغيرات يغيّر عناصر متعددة في وقت واحد ويقارن النتائج لكل مجموعة. وقد يُظهر حتى مدى تناغم العناصر، مثل "هذا العنوان مع هذه الصورة يعملان بأفضل شكل". غير أن 3 عناوين و3 صور وزرين تعطي 18 مجموعة، وتحتاج كل مجموعة إلى بيانات كافية. وبالنسبة للمواقع محدودة الزيارات، يكون إجراء اختبارات A/B واحدًا تلو الآخر أكثر واقعية.

اختبار إعادة التوجيه يرسل بعض الزوار إلى عنوان URL مختلف ويقارن النتائج؛ ويُسمّى أيضًا اختبار عناوين URL المنفصلة (split URL test). وهو يناسب التغييرات الكبيرة، مثل إعادة بناء هيكل الصفحة نفسها. أما اختبار A/B العادي، الذي يعيد كتابة العناصر على عنوان URL نفسه، فيناسب التجربة السريعة لتغييرات صغيرة كالصياغة أو اللون.

وخارج الويب، يُسمّى أيضًا اختبار A/B إرسال نسختين من سطر موضوع بريد إلكتروني أو من تصميم إعلاني ومقارنة الاستجابات. ويتناول هذا المقال اختبار A/B لصفحات الويب.

ماذا تختبر في اختبار A/B

هناك عناصر كثيرة يمكنك اختبارها. وهذه أبرزها.

  • العنوان (النص الرئيسي): انتقل من وصف الميزات إلى وصف النتيجة التي يحصل عليها الزائر. الهدف إيصال أن "هذا يعنيني" في الثواني الأولى
  • زر الدعوة إلى اتخاذ إجراء (CTA): غيّر الصياغة أو الموضع أو الحجم أو اللون. الهدف توضيح الإجراء التالي
  • الصورة الرئيسية أو الفيديو: قارن صورة المنتج وحده بصورته أثناء الاستخدام. الهدف إيصال القيمة بصورة بديهية
  • النماذج: قلّل عدد الحقول، أو قسّمها إلى خطوات، أو أضف مثالًا للإدخال. الهدف تقليل الجهد والتردد
  • طريقة عرض الأسعار: كيفية ترتيب الأسعار الشهرية والسنوية، وترتيب الخطط، وموضع الأسعار شاملة الضريبة. الهدف تسهيل المقارنة واتخاذ القرار
  • معلومات بناء الثقة: سجل العملاء، وشهادات العملاء، وموضع معلومات الضمان والدعم. الهدف تقليل القلق قبل التسجيل
  • التخطيط وترتيب المعلومات: انقل المعلومات المهمة إلى الأعلى، واختصر الصفحة الطويلة. الهدف مساعدة الزوار على الوصول إلى المعلومات التي يحتاجونها أسرع
  • التنقل: غيّر عدد عناصر القائمة أو صياغتها. الهدف تقليل الارتباك وتوجيه الزوار إلى الصفحة التي يريدونها

CTA اختصار لعبارة "Call To Action" أي الدعوة إلى اتخاذ إجراء. ويُقصد به زر أو رابط يحثّ الزوار على الإجراء، مثل "سجّل الآن" أو "اطلب المواد التعريفية".

كقاعدة عامة، حدّد من أين تبدأ بحسب القرب من النتيجة ومدى الظهور. الأماكن المرتبطة مباشرة بالنتائج، مثل أزرار التسجيل والنماذج، وأعلى الصفحة الذي يراه كثير من الزوار، هي الأكثر احتمالًا لظهور أثر التغييرات فيها. وفي المقابل، فإن تغييرًا صغيرًا قرب أسفل الصفحة لا يصل إليه معظم الناس يستغرق وقتًا طويلًا لاكتشافه حتى لو كان فعالًا.

كثيرًا ما يُذكر "لون الزر" مثالًا على اختبار A/B، لكن تغيير اللون وحده لا يُنتج بالضرورة فرقًا كبيرًا. وأهم من اللون نفسه هو: هل المشكلة أن الزر يذوب في محيطه فلا يلفت الانتباه. وما ينبغي تغييره يُستنتج بالانطلاق من الفرضية، وهذا ما يتناوله القسم التالي.

كيف تجري اختبار A/B [6 خطوات]

يسير اختبار A/B وفق الخطوات الست التالية. والمهم أن تحدد المقياس وكمية البيانات المطلوبة والمدة ومعايير الحكم قبل أن تبدأ التشغيل.

حدّد الهدف والمقياس

احصر ما تريد تحسينه في شيء واحد، وحدّد المقياس الذي يقيسه. صِغه بصيغة يمكن قياسها بالأرقام، مثل "رفع معدل إتمام طلب المواد التعريفية". استخدم مقياسًا واحدًا فقط للحكم (المقياس الأساسي).

كوّن فرضية

اكتب "أين المشكلة، وماذا ستغيّر وكيف، ولماذا تعتقد أن ذلك سيحسّن الأمور". والاستناد إلى بيانات مثل تحليلات الويب وخرائط الحرارة يقلل التخمين.

أنشئ النسخة المعدَّلة للاختبار

بناءً على الفرضية، أنشئ النسخة المعدَّلة (B). ولكي تستطيع معرفة ما نجح، اقصر التغييرات على ما تغطيه فرضية واحدة. تحقق من طريقة العرض على الهواتف الذكية والحواسيب المكتبية معًا.

حدّد البيانات والمدة المطلوبتين ثم شغّل الاختبار

قدّر حجم العينة المطلوب ومدة الاختبار، وحدّد نسبة التوزيع، ثم ابدأ. وبعد البدء مباشرة، تأكد من أن تقسيم الزيارات والقياس يعملان بشكل صحيح.

احكم بعد انتهاء الفترة

انظر إلى النتائج فقط بعد بلوغ المدة وكمية البيانات اللتين حددتهما مسبقًا. تحقق من الفرق في المقياس الأساسي، وهل هذا الفرق ضمن ما يمكن أن يفسره التذبذب العشوائي.

طبّق النتيجة وانتقل إلى الفرضية التالية

اعتمد رسميًا النسخة التي كان أداؤها أفضل ونظّف إعدادات الاختبار. وحتى لو لم يوجد فرق، سجّل ما تعلمته واستخدمه في الفرضية التالية.

تشرح الأقسام التالية الفكرة وراء كل خطوة بمزيد من التفصيل.

كيف تختار هدفك ومقاييسك

من المفيد تنظيم المقاييس بحسب دورها.

  • المقياس الأساسي: المقياس الذي يقرر الفائز في الاختبار. اختر مقياسًا واحدًا فقط. ومن أمثلته معدل إتمام الشراء، ومعدل إتمام طلب المواد التعريفية، ومعدل التسجيل المجاني
  • المقاييس الثانوية: مقاييس تنظر إليها لفهم كيف تحرّك المقياس الأساسي. ومن أمثلتها معدل النقر على الزر، ومعدل بدء النموذج، وعمق التمرير
  • مقاييس الحماية: مقاييس تراقبها للتأكد من أن شيئًا لم يسوء. ومن أمثلتها معدل الارتداد، وسرعة تحميل الصفحة، والمرتجعات أو الإلغاءات، وعدد الاستفسارات

السبب في الاقتصار على مقياس أساسي واحد هو أنك إذا عددت مقاييس كثيرة واعتبرت النتيجة نجاحًا متى تحسن أي منها، فمن المرجح أن تلتقط مقياسًا بدا أفضل بمحض الصدفة. وهذه هي مشكلة "المقارنات المتعددة"، التي يعود إليها قسم لاحق.

اختر مقياسًا أساسيًا أقرب ما يمكن إلى نتائج العمل. فقد يحدث أن يرتفع معدل النقر على الزر ولا ترتفع التسجيلات. فالصياغة التي تدعو إلى النقر تجعل مزيدًا من الناس يضغطون الزر، لكن إن لم يطابق ما يأتي بعد ذلك توقعاتهم غادروا.

ومن جهة أخرى، فإن المقاييس قليلة الحدوث، مثل المشتريات أو العقود، تستغرق وقتًا أطول لجمع بيانات كافية. وبالنسبة للمواقع محدودة الزيارات، أحد الخيارات أن تجعل مقياسًا في مرحلة أبكر (مثل الوصول إلى النموذج) هو المقياس الأساسي. وفي هذه الحالة من المهم أن تتذكر الفرضية القائلة إنه "حتى لو تحسن المقياس الأبكر، فلن تتحسن النتيجة النهائية بالضرورة".

كيف تكتب فرضية: حوّل بيانات السلوك إلى سبب للتغيير

يعتمد نجاح اختبار A/B اعتمادًا كبيرًا على جودة الفرضية. فإذا واصلت تجربة الأفكار دون فرضية، انتهيت إلى سلسلة اختبارات لا تُظهر فرقًا، وحتى حين يوجد فرق لا يمكنك البناء عليه.

كتابة الفرضية بالصيغة التالية تقلل الثغرات.

"من (حقيقة تظهر في البيانات)، نعتقد (تخمين حول المشكلة). لذا إذا (أجرينا هذا التغيير)، فيُتوقع أن يتحسن (هذا المقياس)."

وكمثال، افترض الموقف التالي (افتراضي).

  • الحقيقة: في صفحة الأسعار، قلة من الزوار يمررون إلى مسافة كافية للوصول إلى زر التسجيل
  • التخمين حول المشكلة: الزر بعيد جدًا في الأسفل، فلا يجده حتى الزوار الراغبون في التسجيل
  • التغيير: وضع زر تسجيل أيضًا أسفل جدول الخطط مباشرة
  • المقياس: معدل إتمام التسجيل

تتيح لك كتابتها بهذه الطريقة أن تعود بعد ظهور النتائج وتسأل: هل "كان التخمين خاطئًا، أم لم يكن التغيير كافيًا".

ومن البيانات التي يمكن أن تغذي الفرضية ما يلي.

  • تحليلات الويب: أي الصفحات يكثر فيها التسرب، وأي مصادر الزيارات نتائجها منخفضة. مفيدة لمعرفة أي "صفحة" فيها مشكلة
  • خرائط الحرارة: إلى أي عمق يقرأ الناس في الصفحة، وأين ينقرون، وهل ينقرون على عناصر ليست روابط. مفيدة لمعرفة أي "موضع" فيه مشكلة
  • الاستفسارات وسجلات المبيعات أو الدعم: ما الذي يربك الزوار وما الذي يقلقهم
  • الاستبيانات والمقابلات مع المستخدمين: خيوط لأسباب لا تظهر في الأرقام

خريطة الحرارة أداة تعرض سلوك الزوار فوق الصفحة على هيئة مناطق أفتح وأغمق لونًا (انظر ما هي خريطة الحرارة؟ لمعرفة أنواعها وكيفية قراءتها). وهي تساعدك على اكتشاف مواضع المشكلات داخل الصفحة، مثل "زر مهم لا يُنقر عليه" أو "كثيرون يتوقفون عن القراءة في منتصف الصفحة". وللاطلاع على تقسيم الأدوار، حيث تكتشف المشكلات بخريطة الحرارة وتتحقق من الحل باختبار A/B، انظر خرائط الحرارة مقابل اختبار A/B: الفروق وكيفية استخدام كل منهما.

عندما تكون لديك فرضيات متعددة، رتّبها بحسب ثلاث نقاط: "الحجم المتوقع للأثر" و"قوة الأدلة" و"الجهد اللازم للتنفيذ". والبدء بالفرضيات ذات الأثر المتوقع المرتفع والجهد المنخفض يسهّل التقدم.

فهم حجم العينة

حجم العينة هو كمية البيانات اللازمة للاختبار، أي عدد الزوار الذين رأوا كل نسخة. في اختبار A/B تقدّره قبل تشغيله. وإذا كانت البيانات قليلة جدًا، فستفشل في كثير من الأحيان في اكتشاف فرق موجود فعلًا، وحتى عندما يظهر فرق ذو دلالة بالصدفة، يميل حجمه إلى أن يبدو أكبر مما هو عليه حقًا.

يتحدد حجم العينة المطلوب أساسًا بهذه الأمور الأربعة.

  1. معدل التحويل الحالي: كلما انخفض احتجت إلى بيانات أكثر
  2. حجم الفرق الذي تريد اكتشافه: كلما صغر الفرق الذي تريد إيجاده احتجت إلى بيانات أكثر. ويُسمّى أصغر فرق تريد أن تتمكن من اكتشافه، بحيث لا تمانع في تفويت ما هو أصغر منه، الحد الأدنى للأثر القابل للاكتشاف (MDE)
  3. مستوى الدلالة: مقدار خطأ الإعلان عن "وجود فرق" في حين لا يوجد فرق الذي أنت مستعد لقبوله. وغالبًا ما يُستخدم 5%
  4. القدرة الإحصائية: احتمال إيجاد فرق عندما يكون موجودًا فعلًا. وغالبًا ما تُستخدم 80%

ومن هذه الأمور يكون الثاني الأكثر تأثيرًا. فعندما ينخفض الفرق الذي تريد إيجاده إلى النصف، تزداد كمية البيانات المطلوبة نحو 4 أضعاف.

وإليك مثالًا حسابيًا لتكوين فكرة تقريبية. هذه أعداد تقريبية للزوار اللازمين لكل نسخة، بافتراض معدل تحويل حالي 2.0% (حُسبت بمعادلة قياسية لمقارنة نسبتين، مع اختبار ثنائي الذيل ومستوى دلالة 5% وقدرة إحصائية 80%).

التحسن الذي تريد اكتشافه (نسبي) معدل التحويل بعد التغيير الزوار اللازمون لكل نسخة (تقريبًا)
+10% 2.0% → 2.2% نحو 80,700
+20% 2.0% → 2.4% نحو 21,100
+30% 2.0% → 2.6% نحو 9,800
+50% 2.0% → 3.0% نحو 3,800

حجم العينة المطلوب بحسب حجم التحسن الذي تريد اكتشافه: نحو 80,700 لـ +10%، ونحو 21,100 لـ +20%، ونحو 9,800 لـ +30%، ونحو 3,800 لـ +50%

يبيّن هذا الجدول أمرين. الأول: تأكيد تحسن صغير يتطلب بيانات أكثر مما قد تتوقع. فلتأكيد تحسن بنسبة 10% في صفحة معدل تحويلها 2.0%، ستحتاج إلى أكثر من 160,000 زائر لـ A وB معًا. والثاني: كلما كان التحسن الذي يستهدفه التغيير أكبر، قلّت البيانات اللازمة للحكم عليه.

وعند التقدير الفعلي، تتيح لك الحاسبات المدمجة في أدوات اختبار A/B أو حاسبات حجم العينة المتاحة للعموم الحصول على الجواب بمجرد إدخال القيم الأربع. لا حاجة إلى حفظ المعادلة. المهم أن تحدد أولًا "ما حجم الفرق الذي أريد إيجاده"، ثم تتحقق هل تستطيع زيارات موقعك أن توصلك إليه في وقت واقعي.

إذا كان العدد المطلوب الذي تقدّره كبيرًا جدًا، فهناك خيارات غير التخلي عن الاختبار: ركّز على تغيير يُرجَّح أن يُنتج فرقًا أكبر، أو أجرِ الاختبار على صفحة كثيرة الزيارات، أو انظر إلى مقياس في مرحلة أبكر من مسار التحويل. ويشرح قسم "ماذا تفعل في موقع قليل الزيارات" كيف.

كيف تحدد مدة الاختبار

قدّر مدة الاختبار بقسمة حجم العينة المطلوب على عدد من يزورون الصفحة المختبَرة يوميًا.

إليك مثالًا. افترض أن الجدول أعلاه يقول إنك تحتاج إلى "نحو 21,100 لكل نسخة". ولنقل إن الصفحة المستهدفة تستقبل 1,000 زائر يوميًا، ولنفترض أن الجميع مشمولون في الاختبار ومقسَّمون مناصفة بين A وB، فتحصل كل نسخة على 500 يوميًا. 21,100 ÷ 500 يعطي نحو 42 يومًا، أي نحو 6 أسابيع.

عند تحديد المدة، ضع النقاط التالية في الاعتبار إلى جانب كمية البيانات.

استخدم أسابيع كاملة. يتغير سلوك الزوار بحسب يوم الأسبوع. فقد تكون أيام العمل للبحث المتصل بالعمل وعطلة نهاية الأسبوع للتسوق الشخصي، فيختلف نوع الزوار وغرضهم. وإذا انتهيت بعد أربعة أيام فقط، من الاثنين إلى الخميس، غابت ردود فعل زوار عطلة نهاية الأسبوع. والبدء والانتهاء في اليوم نفسه من الأسبوع، بـمضاعفات 7 أيام، يتجنب انحياز يوم الأسبوع.

تجنب الفترة القصيرة جدًا. حتى في المواقع كثيرة الزيارات جدًا التي تبلغ العدد المطلوب في بضعة أيام، فإن القاعدة الإرشادية الشائعة هي التشغيل لمدة أسبوع واحد على الأقل، ويُفضَّل أسبوعان. فبالإضافة إلى انحياز يوم الأسبوع، قد تكون ردود الفعل أفضل مباشرة بعد التغيير لمجرد أنه جديد (أو أسوأ لأن الزوار العائدين يرتبكون).

وتجنب الفترة الطويلة جدًا أيضًا. كلما طال الاختبار دخلت عليه اضطرابات أكثر، مثل حذف ملفات تعريف الارتباط فيرى الشخص نفسه نسخة مختلفة، أو تغير المواسم وظروف السوق. وإذا جاء تقديرك أطول بكثير من شهرين، فنوصي بإعادة النظر في تصميم الاختبار (حجم الفرق الذي تريد اكتشافه، والصفحة المستهدفة، والمقياس).

تجنب الفترات غير الاعتيادية. قد لا تنطبق النتائج المأخوذة من فترات يختلف فيها سلوك الزوار كثيرًا عن المعتاد، مثل التخفيضات الكبرى أو عطلات نهاية العام، على الفترات العادية. وما لم ترد التحقق من إجراء خاص بتلك الفترة، فالأسلم تجنبها.

ما هي الدلالة الإحصائية؟ شرح مبسط للقيمة p ومستوى الثقة

عندما ينتهي الاختبار، تحصل على نتيجة مثل "A تساوي 2.0%، وB تساوي 2.4%". وما عليك التفكير فيه هنا هو هل هذا الفرق حقيقي أم مجرد صدفة.

حتى لو عرضت الصفحة نفسها تمامًا على مجموعتين، فلن تتطابق معدلات تحويلهما تطابقًا تامًا تقريبًا أبدًا. وكما أن رمي عملة 100 مرة لا يعطي دائمًا 50 صورة بالضبط، فإن للأرقام تذبذبًا عشوائيًا. لذا تحتاج إلى إجراء للتحقق من "هل الفرق الملاحظ ضمن ما يمكن أن يفسره التذبذب العشوائي وحده". وهذا هو اختبار الفرضيات الإحصائي، ويُسمّى مصطلح نتيجته الدلالة الإحصائية.

ما هي القيمة p؟

في الاختبار، تفترض أولًا أنه "لا يوجد فرق حقيقي بين A وB". ثم تحسب احتمال رؤية فرق بحجم الفرق الملاحظ أو أكبر منه بمحض الصدفة، لو لم يكن هناك فرق حقيقي. هذا الاحتمال هو القيمة p.

  • قيمة p صغيرة ← في ظل افتراض عدم وجود فرق، نادرًا ما يحدث فرق كهذا ← يبدو افتراض عدم وجود فرق موضع شك
  • قيمة p كبيرة ← يظهر فرق بهذا الحجم كثيرًا بالصدفة حتى عندما لا يوجد فرق ← لا يمكنك القول إن هناك فرقًا

مستوى الدلالة ومستوى الثقة

العتبة التي يجب أن تنخفض إليها القيمة p لتستنتج أن "هناك فرقًا" تُسمّى مستوى الدلالة. وبحكم العرف يُستخدم عادةً 5% (0.05). وعندما تهبط القيمة p دون مستوى الدلالة، نقول إن "هناك فرقًا ذا دلالة إحصائية".

في شاشات أدوات اختبار A/B كثيرًا ما ترى عبارات مثل "مستوى ثقة 95%" أو "ثقة 95%". وهذا يعني عادةً أن الأداة تحكم عند مستوى دلالة 5% (يختلف معنى العرض من أداة إلى أخرى، فراجع وثائق أداتك).

ومستوى الدلالة 5% اتفاق على أننا "نقبل احتمالًا يصل إلى 5% للإعلان عن فرق في حين لا يوجد فرق حقًا". وبعبارة أخرى، إذا اختبرت 20 تغييرًا ليس لها أي أثر، فسيظهر واحد منها في المتوسط على أنه "ذو دلالة". والفرق ذو الدلالة ليس دليلًا على اليقين؛ بل هو مؤشر إرشادي لإبقاء احتمال الخطأ دون مستوى محدد.

سوء الفهم الشائع حول القيمة p

ومن أوجه سوء الفهم الشائعة الأخرى ما يلي.

  • "غير ذي دلالة" لا يعني "لا يوجد فرق": فهو يشمل الحالة التي لا تتوفر فيها بيانات كافية للقول هل يوجد فرق
  • الفرق ذو الدلالة ليس بالضرورة بحجم ذي معنى لعملك: فمع كمية بيانات كبيرة جدًا، يصبح حتى الفرق الضئيل ذا دلالة. فانظر إلى حجم الفرق أيضًا
  • القيمة p الأصغر لا تعني أثرًا أكبر: فالقيمة p تعتمد أيضًا على كمية البيانات

التحقق بأمثلة حسابية

لنتحقق بأرقام افتراضية. افترض أن 10,000 زائر أُسندوا إلى كل من A وB.

  • المثال 1: لدى A ما مجموعه 200 تحويل (2.0%) ولدى B ما مجموعه 240 (2.4%). القيمة p نحو 0.054، أي أعلى بقليل من مستوى الدلالة 5%. ورغم ظهور فرق نسبي بمقدار 20%، لا يمكنك وصفه بأنه "ذو دلالة" بهذه الكمية من البيانات
  • المثال 2: لدى A ما مجموعه 200 تحويل (2.0%) ولدى B ما مجموعه 250 (2.5%). القيمة p نحو 0.017، أي أقل من مستوى الدلالة 5%

وبالمعدلات نفسها، يتغير الاستنتاج إذا قلّت البيانات. فلو كان لكل من A وB ألف زائر، مع 20 تحويلًا (2.0%) لـ A و24 (2.4%) لـ B، فإن القيمة p نحو 0.54. ويعني ذلك أنه حتى لو لم يكن هناك فرق، فإن فجوة بهذا الحجم تظهر بالصدفة في أكثر من نصف الحالات.

(كل هذه أمثلة حُسبت باختبار ثنائي الذيل للفرق بين نسبتين. وللأحكام الفعلية، اتبع الطريقة التي تستخدمها أداتك.)

انظر إلى فترة الثقة أيضًا

تميل القيمة p إلى التحول إلى سؤال بنعم أو لا هو "ذو دلالة أم لا"، لكن النظر إلى فترة الثقة يعطيك إحساسًا بحجم الفرق. وفترة الثقة هي نطاق يُعتقد أن الفرق الحقيقي يقع فيه على الأرجح.

في المثال 1 أعلاه، الفرق في معدل التحويل (B ناقص A) هو 0.4 نقطة مئوية، وتبلغ فترة الثقة 95% تقريبًا من −0.01 إلى +0.81 نقطة مئوية. ولأن الفترة تتجاوز الصفر بالكاد، يمكنك قراءتها على أنها "تبدو B أفضل، لكن لا يمكننا استبعاد أنه لا يوجد فرق". والفترة العريضة علامة على أنك لا تملك بيانات كافية بعد.

الفروق في معدل التحويل وفترات الثقة 95% للأمثلة الحسابية الثلاثة. المثال الذي تتجاوز فترته الصفر لا يمكن وصفه بأنه ذو دلالة

بعض الأدوات تعرض "احتمال أن تتفوق B على A"

تعرض بعض الأدوات رقمًا مثل "احتمال أن تتفوق B على A" بدلًا من القيمة p. وتستند هذه القيمة إلى منهج مختلف يُسمّى الإحصاء البايزي، وتختلف افتراضاتها ومعناها عن القيمة p. ليس أي منهما صوابًا أو خطأً بصورة مطلقة؛ فهما مدرستا فكر مختلفتان. والمهم أن تتحقق من الطريقة التي يستخدمها الرقم الذي تنظر إليه وألا تخلط بينهما على أنهما رقمان من النوع نفسه.

كيف تقرأ النتائج وماذا تفعل بعد الاختبار

بعد انتهاء الفترة، افحص النتائج بهذا الترتيب.

  1. هل سار تقسيم الزيارات كما صُمّم: إذا ضبطت تقسيمًا مناصفة، فهل عدد زوار A وB غير متوازن بشكل سيئ؟ فإذا كان الاختلال كبيرًا، فقد تكون هناك مشكلة في التقسيم أو القياس، ومن الخطر الوثوق بالنتائج كما هي
  2. الفرق في المقياس الأساسي ودلالته: اتجاه الفرق وحجمه والقيمة p وفترة الثقة
  3. مقاييس الحماية: بينما تحسن المقياس الأساسي، هل ساءت أرقام مهمة أخرى؟
  4. المقاييس الثانوية: خيوط للتفكير في سبب الحصول على هذه النتيجة

تندرج النتائج في ثلاث حالات عامة.

كانت B أفضل بدلالة. اعتمد B رسميًا. وواصل مراقبة الأرقام لفترة بعد التطبيق للتأكد من استمرار الاتجاه نفسه الذي ظهر أثناء الاختبار.

كانت B أسوأ بدلالة. ابقَ مع A. هذا ليس فشلًا؛ فالنتيجة أنك أوقفت تغييرًا سيئًا قبل أن تعرضه على الجميع. والتفكير في سبب كونها أسوأ سيحسّن دقة فرضيتك التالية.

لم يكن هناك فرق ذو دلالة. في اختبار A/B هذه من أكثر النتائج شيوعًا. في هذه الحالة، تجنب "تمديد الاختبار حتى يصبح ذا دلالة" بعد انتهاء الفترة المخطط لها (يشرح القسم التالي السبب). وعندما لا يوجد فرق، ميّز هل كانت الفرضية خاطئة، أم كان التغيير صغيرًا جدًا، أم كانت البيانات غير كافية. وإذا كانت النتائج واحدة في الحالتين، فلا بأس باختيار الأسهل تشغيلًا أو الأنسب لإرشادات علامتك التجارية.

كما أن النظر إلى النتائج مفصّلة بحسب الجهاز أو مصدر الزيارات (التحليل بحسب الشرائح) مفيد أيضًا، لكنه يتطلب الحذر. فكلما قطّعت البيانات إلى شرائح أدق قلّت البيانات في كل مجموعة، وسهل التقاط فروق ناتجة عن الصدفة. والأسلم أن تتعامل مع الاتجاهات التي تجدها بالتقطيع على أنها "فرضيات للتحقق منها لاحقًا" لا "استنتاجات".

وأخيرًا، احتفظ بسجل للاختبار. فجمع الفرضية والتغييرات والمدة وكمية البيانات والنتائج والدروس المستفادة في مكان واحد يمنع تكرار الاختبار نفسه وينقل ما تعلمته حتى عندما يتغير المسؤول.

أخطاء اختبار A/B الشائعة وكيفية تجنبها

لأن آلية اختبار A/B بسيطة، فإن السير فيه بطريقة خاطئة قد ينتج استنتاجًا خاطئًا تصاحبه أرقام تبدو معقولة. وهذه أبرز الأخطاء.

الخطأ الشائع ما المشكلة الحل
فحص النتائج مرارًا والتوقف فور أن تصبح ذات دلالة يصبح خطأ وصف فرق ناتج عن الصدفة بأنه "ذو دلالة" أكثر تكرارًا من مستوى الدلالة الذي حددته حدّد مسبقًا البيانات والمدة المطلوبتين، واحكم بعد بلوغهما
تغيير عناصر كثيرة دفعة واحدة حتى لو وُجد فرق، لا يمكنك معرفة ما الذي نجح اقصر التغييرات على ما تغطيه فرضية واحدة
فترة اختبار قصيرة تتأثر النتائج بانحياز يوم الأسبوع وردود الفعل المؤقتة بعد التغيير مباشرة شغّل بمضاعفات 7 أيام، وبحد أدنى أسبوع إلى أسبوعين
الحكم مع زيارات قليلة التذبذب العشوائي كبير والاستنتاجات غير مستقرة قدّر العدد المطلوب مسبقًا، وأعد التفكير في التصميم إن لم يكن كافيًا
انحياز يوم الأسبوع أو الموسم نتائج أيام العمل وحدها أو فترة التخفيضات وحدها لا تنطبق على الأوقات العادية ابدأ وانتهِ في اليوم نفسه من الأسبوع وتجنب الفترات غير الاعتيادية
عدّ مقاييس كثيرة ونسخ كثيرة ثم اختيار الجيد منها فقط كلما زادت المقارنات زاد احتمال أن يبدو شيء جيدًا بمحض الصدفة حدّد مقياسًا أساسيًا واحدًا وقلّل عدد النسخ
الاختبار دون فرضية حتى مع وجود نتائج، لا يبقى تعلّم يمكن البناء عليه اكتب الحقيقة والمشكلة والتغيير والمقياس قبل أن تبدأ
تغيير الإعدادات أو النسخ في المنتصف تتغير طبيعة البيانات قبل التغيير وبعده فلا يمكن مقارنتها إذا أردت تغيير شيء، فتوقف وابدأ من جديد كاختبار جديد

وأكثر ما ينبغي الحذر منه هو الأول، مشكلة "الاستراق" (peeking). فمراجعة التقدم المرحلي للاختبار كل يوم تقريبًا ضرورية بحد ذاتها لاكتشاف المشكلات مبكرًا. أما المشكلة فهي إيقاف الاختبار والإعلان عن فوز بمجرد أن تُظهر النتائج المرحلية فرقًا ذا دلالة.

تتأرجح القيمة p صعودًا وهبوطًا مع تراكم البيانات. وحتى عندما لا يوجد فرق حقيقي، فإنك إذا فحصت مرات كثيرة، فقد تهبط في لحظة ما دون مستوى الدلالة بمحض الصدفة. وإذا توقفت عند تلك اللحظة، يصبح "خطأ الإعلان عن فرق حيث لا يوجد" أكثر تكرارًا من 5% التي خططت لها. وقاعدة الانتظار للحكم حتى تبلغ كمية البيانات والمدة اللتين حددتهما مسبقًا موجودة لمنع هذا الخطأ.

وتتضمن بعض الأدوات أيضًا طريقة حكم مصممة بحيث لا تزداد الأخطاء حتى لو حكمت في المنتصف (مثل ما يُسمّى الاختبار التسلسلي). وفي هذه الحالة، اتبع الإجراء الذي تقدمه لك الأداة.

وملاحظة عن "تغيير أشياء كثيرة دفعة واحدة" أيضًا. حتى لو فازت نسخة B التي تغيّر العنوان والصورة والزر معًا، فلن تعرف أي منها نجح. فمن الممكن أن يكون العنوان جيدًا لكن الصورة سحبته إلى الأسفل. ومع ذلك، إذا كان هدفك مقارنة صفحة أُعيد بناؤها بالكامل مع الصفحة الحالية، فمن المنطقي تغيير الأشياء معًا. وفي هذه الحالة، اقبل أنك "لن تعرف أي عنصر نجح"، وقارن بينها بشيء مثل اختبار إعادة التوجيه.

كيف تفكر في نسبة التوزيع وتقسيم A/B

يظهر إعدادان لـ"نسبة" عند ضبط اختبار A/B. ويسهل الخلط بينهما، لذا افهمهما كلًا على حدة.

  • نسبة التوزيع (نسبة الزوار المشمولين في التجربة): ما النسبة المئوية من إجمالي الزوار التي تُدرَج في الاختبار. أما الزوار خارج الاختبار فيرون الصفحة الأصلية ببساطة
  • تقسيم A/B: بأي نسبة يُقسَّم الزوار المشمولون في الاختبار بين A وB

مثلًا، إذا ضبطت نسبة التوزيع على 20% وتقسيم A/B مناصفة، فإن 80% من إجمالي الزوار خارج الاختبار ويرون الصفحة الأصلية، و10% ضمن الاختبار ويرون A، و10% يرون B.

مثال بنسبة توزيع 20% وتقسيم A/B مناصفة: 80% من إجمالي الزوار خارج الاختبار، و10% يرون A، و10% يرون B

تقسيم A/B مناصفة هو الافتراضي. فمع العدد نفسه من الزوار، يجمع التقسيم المتساوي البيانات المطلوبة بأسرع ما يمكن. ويمكنك أيضًا إعطاء B حصة أصغر، لكن عليك الانتظار حتى يجمع الجانب الأصغر بيانات كافية، فتطول المدة.

اختر نسبة التوزيع بالموازنة بين المخاطرة والمدة. خفض نسبة التوزيع يقلل عدد الزوار المتأثرين إذا جاء التغيير بنتائج عكسية. وفي المقابل، يقل عدد الزوار في الاختبار فيستغرق جمع البيانات التي تحتاجها وقتًا أطول. ومن الأساليب الشائعة أن تبدأ تغييرًا كبيرًا لا يمكن التنبؤ بأثره بنسبة توزيع منخفضة، وتتأكد من عدم وجود مشكلات، ثم توسّعها إذا سار كل شيء على ما يرام. أما بالنسبة لتغيير ضعيف الأثر، مثل تبديل بعض الصياغة، فالأكثر معقولية أن تشمل الجميع من البداية وتقصّر المدة.

يُشرح الفرق بين النسبتين في نسبة التوزيع مقابل تقسيم A/B في اختبار A/B، ويُتناول التفكير التصميمي في لماذا ينبغي أن تكون نسبة التوزيع وتقسيم A/B إعدادين منفصلين.

اختبار A/B وتحسين محركات البحث: الحد من الأثر على البحث

من المخاوف الشائعة هل "سيضر اختبار A/B بترتيبي في نتائج البحث". تنشر Google إرشادات حول كيفية إجراء الاختبارات مع الحد من الأثر على البحث، في وثائق Google Search Central. وهذه أهم نقاطها.

  • لا تُخفِ المحتوى (cloaking): عرض محتوى مختلف عمدًا لزواحف محركات البحث (البرامج التي تزور الصفحات وتقرؤها) وللزوار البشر يُسمّى التمويه (cloaking)، ويخالف سياسات الرسائل غير المرغوبة. وهذا صحيح سواء أُجري اختبار أم لا. تجنب أي إعداد يعرض نسخة معينة للزواحف فقط
  • استخدم rel="canonical" للاختبارات على عناوين URL منفصلة: عند الاختبار عبر عناوين URL متعددة، كما في اختبار إعادة التوجيه، أضف rel="canonical" (وسمًا يخبر محركات البحث بعنوان URL المفضل) إلى عناوين URL الخاصة بالاختبار للإشارة إلى أن عنوان URL الأصلي هو الصفحة ذات الأولوية. وتوصي Google لهذا الغرض باستخدام rel="canonical" بدلًا من noindex
  • استخدم عمليات إعادة التوجيه المؤقتة (302) عند إعادة التوجيه: عند إعادة التوجيه من عنوان URL الأصلي إلى عنوان URL الاختبار، استخدم 302 الذي يشير إلى إعادة توجيه مؤقتة، لا 301 الذي يشير إلى إعادة توجيه دائمة. ويُقال أيضًا إن إعادة التوجيه عبر JavaScript مقبولة
  • شغّل الاختبار للمدة اللازمة فقط: بمجرد أن تجمع بيانات كافية، أنهِ الاختبار وأزل عناوين URL الخاصة بالاختبار والبرامج النصية وغيرها في أقرب وقت ممكن. وتوضح Google أن تشغيل اختبار لفترة أطول من اللازم قد يُفسَّر على أنه محاولة لخداع محركات البحث

وبعبارة أخرى، فإن عدم ترك الاختبارات قيد التشغيل مهم لا للإحصاء فحسب بل للبحث أيضًا. أنجز التدفق كله: نظّف الاختبارات المنتهية، وطبّق النسخة التي اعتمدتها على الموقع نفسه.

لاحظ أن ما يُعرض هنا نظرة عامة على الإرشادات التي نشرتها Google. ويختلف الأثر في ترتيب نتائج البحث من موقع إلى آخر، لذا قبل إجراء اختبار يتضمن تغييرًا كبيرًا، نوصي بمراجعة الوثيقة الأصلية ووثائق أداتك أيضًا.

ماذا تفعل في موقع قليل الزيارات

كما رأينا في قسم حجم العينة، يحتاج اختبار A/B إلى قدر لا بأس به من البيانات. فهل اختبار A/B بلا معنى للمواقع التي يزورها بضعة آلاف شهريًا؟ ليس بالضرورة. فتغيير أسلوبك يمكن أن يمنحك مؤشرات أكثر.

اختبر تغييرات كبيرة. كلما كبر الفرق الذي تريد إيجاده قلّت البيانات اللازمة. فبدلًا من تغييرات صغيرة مثل تعديل صياغة الزر، ركّز على تغييرات قادرة على إحداث فرق كبير: تغيير نقطة الجذب الأساسية، أو إعادة تنظيم بنية الصفحة، أو تقليص حقول النموذج بشكل كبير.

أجرِ الاختبارات على صفحات كثيرة الزيارات. حتى لو كان الموقع ككل قليل الزيارات، فلا بد أن توجد صفحات يتركز فيها الزوار. اختر الأماكن الأكثر زوارًا، مثل الصفحة الرئيسية أو الصفحات التي تستقبل زيارات الإعلانات.

استخدم مقياسًا في مرحلة أبكر. المشتريات والعقود قليلة، فيستغرق اكتشاف الفرق وقتًا. وجعل إجراء أبكر أكثر تكرارًا هو المقياس الأساسي، مثل "الوصول إلى النموذج" أو "الذهاب إلى صفحة الأسعار"، يُبقي البيانات المطلوبة منخفضة. فقط تذكّر أن تحسن مقياس أبكر لا يؤدي بالضرورة إلى تحسن النتيجة النهائية.

اقتصر على نسختين. إضافة نسخة ثالثة ورابعة تقلل البيانات لكل نسخة. وما دامت الزيارات قليلة، قارن A وB فقط.

اضبط نسبة التوزيع على 100% وتقسيم A/B مناصفة. تضييق الجمهور أو استخدام تقسيم غير متساوٍ يطيل المدة.

امنح الاختبار فترة أطول، وتقبّل الحدود إن لم يكن ذلك كافيًا. إذا لم تستطع بلوغ العدد المطلوب حتى بعد إتاحة نحو 4 إلى 8 أسابيع، فعليك أيضًا أن تقرر عدم الإصرار على حسم الأمر باختبار A/B.

وعندما لا يكون اختبار A/B مناسبًا، يمكن لأساليب أخرى أن تساعد.

  • راقب السلوك بخرائط الحرارة: حتى مع قلة الزيارات، يمكنك تكوين إحساس بـ"أين لا يقرأ الناس" و"أين لا ينقرون"
  • اسأل المستخدمين مباشرة: مجرد أن يستخدم بضعة أشخاص الشاشة وأنت تراقب أين يتعثرون يكشف مشكلات كثيرة
  • أصلح المشكلات الواضحة دون اختبار: الروابط المعطلة، والنصوص الصعبة القراءة، والأزرار التي لا تعمل، وما شابهها مما يصعب تخيل أن إصلاحه سيزيد الأمور سوءًا، لا تحتاج إلى انتظار التحقق

أنواع أدوات اختبار A/B وكيفية اختيار إحداها

لإجراء اختبارات A/B، تحتاج إلى أداة تتولى تقسيم الزيارات وتبديل ما يُعرض والقياس وإعداد التقارير. ومن حيث آلية العمل، يوجد نوعان عامان.

من جهة العميل (Client-side)

  • كيف تعمل: تضيف وسمًا (مقطعًا برمجيًا قصيرًا للقياس) إلى الصفحة، ويُعاد كتابة جزء من الصفحة في متصفح الزائر
  • من يتولاها غالبًا: المسوّقون وموظفو الويب. وتتيح أدوات كثيرة إنشاء التغييرات عبر العمليات على الشاشة
  • تناسب: التغييرات المرئية مثل الصياغة والصور والألوان والتخطيط
  • انتبه إلى: قد يحدث "وميض" يظهر فيه العرض الأصلي للحظة قبل إعادة الكتابة

من جهة الخادم (Server-side)

  • كيف تعمل: برمجية على الخادم تبدّل ما يُعرض لكل زائر
  • من يتولاها غالبًا: المهندسون. وتتطلب تغييرات في الشيفرة
  • تناسب: التغييرات التي تتضمن معالجة في الواجهة الخلفية، مثل حساب الأسعار، وطريقة عمل البحث أو الترتيب، وميزات التطبيق
  • انتبه إلى: الإعداد والتشغيل يتطلبان جهد تطوير

وللاستخدام الذي يفترضه هذا المقال، أي تجربة العناوين والأزرار في صفحات الويب، تكون الأدوات من جهة العميل أول المرشحين.

عند اختيار أداة، تحقق من النقاط التالية.

  • هل يمكنك إنشاء التغييرات عبر العمليات على الشاشة أم تحتاج إلى كتابة شيفرة
  • أي طريقة إحصائية تستخدم للحكم وكيف تعرض النتائج
  • هل يمكنك ضبط نسبة التوزيع وتقسيم A/B بشكل منفصل
  • هل تدعم اختبارات إعادة التوجيه
  • ما الذي يتدرج به التسعير (عدد الزوار، أو عدد الأحداث المتتبَّعة، أو عدد المستخدمين، وهكذا)
  • هل يمكنك عرضها مع البيانات التي تستخدمها لبناء الفرضيات، مثل خرائط الحرارة

نهاية Google Optimize

توقفت أداة Google Optimize، التي كانت تُستخدم على نطاق واسع كأداة مجانية لاختبار A/B، في سبتمبر 2023. واضطرت المواقع التي كانت تستخدم Google Optimize إلى الانتقال إلى أدوات أخرى.

واليوم توجد خيارات متنوعة: أدوات متخصصة في اختبار A/B مثل Optimizely وVWO وAB Tasty؛ وأدوات تجمع بين خرائط الحرارة واختبار A/B مثل Ptengine وSiTest اليابانيتين؛ ومنصات التجريب للمطورين. وتختلف الميزات والميزانية التي تحتاجها اختلافًا كبيرًا بحسب حجم موقعك، لذا من المهم اختيار ما يناسب استخدامك. وللاطلاع على الفروق في نطاقات الأسعار والأساليب بين الأدوات الرئيسية، انظر مشهد أدوات اختبار A/B في 2026.

واصل التحسين بالجمع بين خرائط الحرارة والتفاعل داخل الموقع

يحقق اختبار A/B نتائج أكبر عند دمجه مع أدوات أخرى مقارنةً باستخدامه منفردًا.

وتدفق التحسين دورة متكررة من "اكتشف ← أنشئ إصلاحًا ← تحقق".

دورة التحسين: اكتشف، أنشئ إصلاحًا، تحقق باختبار A/B، ثم طبّق، وتتكرر

  1. اكتشف: استخدم تحليلات الويب لتحديد الصفحات التي بها مشكلات، وخرائط الحرارة لتحديد مواضع المشكلات داخل الصفحة
  2. أنشئ إصلاحًا: كوّن فرضية من المشكلة التي وجدتها وأنشئ التغيير
  3. تحقق: استخدم اختبار A/B للتأكد من أن التغيير يحسّن النتائج فعلًا
  4. طبّق وانتقل: طبّق النسخة التي كان أداؤها أفضل، وراقب الصفحة المعدَّلة بخريطة حرارة مرة أخرى

والنظر إلى خريطة الحرارة بعد ظهور نتائج اختبار A/B مفيد أيضًا. فعندما تفوز B، فإن التحقق من كيفية تغير سلوك الزوار (هل يقرأون إلى عمق أكبر، وهل تحولت أماكن نقراتهم) يمنحك خيوطًا إلى "لماذا كانت أفضل" ويقود إلى الفرضية التالية.

ينطبق منطق اختبار A/B كما هو أيضًا على إجراءات التفاعل داخل الموقع، حيث لا تغيّر الصفحة نفسها بل تعرض إرشادًا في نافذة منبثقة أو شريط ثابت. وسواء كنت تقارن العرض مقابل عدم العرض، أو الصياغة، أو توقيت العرض، فالمبدأ واحد: قسّم الزوار عشوائيًا وقارن في الفترة نفسها. وتُشرح أساسيات التفاعل داخل الموقع في ما هو التفاعل داخل الموقع؟.

نبذة عن HeatMapX

HeatMapX أداة تتيح لك قياس خرائط الحرارة بإضافة وسم إلى موقعك، ويمكنك البدء بالخطة المجانية Free (انظر صفحة الأسعار لتفاصيل الخطط). ويجري طرح ميزة اختبار A/B على مراحل. ابدأ باستخدام خرائط الحرارة لفهم كيف يُنظر إلى موقعك، ووجود فرضية جاهزة حول موضع التجربة يتيح لك التحرك بسرعة عندما تبدأ اختبار A/B.

وإذا أردت مقارنة أدوات خرائط الحرارة بمنتجات أخرى قبل الاختيار، فانظر أيضًا مقارنة أدوات خرائط الحرارة.

الأسئلة الشائعة عن اختبار A/B

ما هو اختبار A/B بعبارات بسيطة؟

هو أسلوب تعرض فيه على الزوار عشوائيًا نسختين من الصفحة في الفترة نفسها، وتقارن بالأرقام أيهما يحقق أداءً أفضل. وعلى خلاف المقارنة بين ما قبل التغيير وما بعده، يتيح لك التحقق من أثر التغيير بمعزل عن عوامل أخرى مثل المواسم والإعلانات.

كم ينبغي أن يستمر اختبار A/B؟

قدّر ذلك بقسمة حجم العينة المطلوب على عدد الزوار يوميًا. ولتجنب انحياز يوم الأسبوع، استخدم مضاعفات 7 أيام؛ والقاعدة الإرشادية الشائعة هي التشغيل لمدة أسبوع إلى أسبوعين على الأقل. وحتى لو بلغ موقع كثير الزيارات العدد المطلوب في بضعة أيام، فنوصي بالاستمرار لأسبوع. وعلى العكس، إذا جاء التقدير أطول بكثير من شهرين، فأعد النظر في التصميم.

كم أحتاج من الزيارات لإجراء اختبار A/B؟

لا يوجد معيار واحد. فهو يعتمد على معدل تحويلك الحالي وحجم الفرق الذي تريد اكتشافه. في المثال الحسابي بهذا المقال، تطلّب تأكيد تحسن نسبي بمقدار 20% في صفحة معدل تحويلها 2.0% نحو 21,100 زائر لكل نسخة. وإذا كانت زياراتك قليلة، يمكنك تقليل العدد المطلوب بالتركيز على تغييرات أكبر أو باستخدام مقياس في مرحلة أبكر.

ماذا أفعل إذا لم يكن هناك فرق ذو دلالة؟

تجنب تمديد الاختبار حتى يصبح ذا دلالة بعد الفترة المخطط لها. سجّل أن "هذا التغيير لم يُظهر فرقًا بالحجم الذي أردنا اكتشافه"، وراجع هل كانت الفرضية خاطئة أم كان التغيير صغيرًا جدًا. وإذا كانت النتائج واحدة في الحالتين، فلا بأس باختيار الأسهل تشغيلًا. وعدم وجود فرق ذي دلالة ليس فشلًا؛ بل هو نوع من النتائج.

إذا كانت القيمة p أقل من 0.05، فهل يمكنني القول إن B أفضل؟

لا. القيمة p هي "احتمال رؤية فرق بحجم الفرق الملاحظ أو أكبر بمحض الصدفة لو لم يكن هناك فرق حقيقي"، وليست "احتمال أن B أفضل". وعند الحكم بمستوى دلالة 5%، سيُظهر نحو تغيير واحد من كل 20 تغييرًا لا أثر لها فرقًا ذا دلالة رغم ذلك. تحقق أيضًا من حجم الفرق وفترة الثقة ومقاييس الحماية، وفي التغييرات المهمة واصل مراقبة الأرقام بعد تطبيقها.

هل يضر اختبار A/B بتحسين محركات البحث؟

تنشر Google إرشادات تقول إن الأثر على البحث يمكن الحد منه إذا اتبعتها. والنقاط الأربع الرئيسية هي: لا تعرض على الزواحف والناس محتوى مختلفًا، وأضف rel="canonical" في الاختبارات على عناوين URL منفصلة، واستخدم 302 لإعادة التوجيه، وأنهِ الاختبار ونظّف الإعدادات بمجرد مرور الفترة اللازمة. وللتفاصيل، انظر قسم "اختبار A/B وتحسين محركات البحث" أعلاه.

الخلاصة: ابدأ بفرضية واحدة

اختبار A/B أسلوب لتقسيم الزوار عشوائيًا ومقارنتهم في الفترة نفسها، بحيث يمكنك التحقق من أثر التغيير بمعزل عن العوامل الأخرى. وهذه أهم نقاط هذا المقال.

  • آلية العمل: أسنِد الزوار عشوائيًا، وقدّم النسختين في الفترة نفسها، واستمر في عرض النسخة نفسها للشخص نفسه. وهذا يحصر سبب أي فرق في "ما غيّرته"
  • كيف تسير: 6 خطوات هي الهدف والمقياس ← الفرضية ← إنشاء النسخة المعدَّلة ← التشغيل ← الحكم ← التطبيق. حدّد المقياس وكمية البيانات والمدة ومعايير الحكم قبل التشغيل
  • البيانات والمدة: كلما صغر الفرق الذي تريد تأكيده احتجت إلى بيانات أكثر. استخدم مضاعفات 7 أيام، وبحد أدنى أسبوع إلى أسبوعين
  • الدلالة: مؤشر إرشادي لمدى صعوبة تفسير الفرق بالصدفة. والقيمة p ليست "احتمال أن B هي الفائزة"، و"غير ذي دلالة" لا يعني "لا يوجد فرق"
  • تجنب الأخطاء: لا تتوقف عند النتائج المرحلية، واقصر التغييرات على ما تغطيه فرضية واحدة، واستخدم مقياسًا أساسيًا واحدًا
  • عند قلة الزيارات: ركّز على التغييرات الكبيرة والصفحات كثيرة الزيارات والمقاييس في مرحلة أبكر، وسُدّ الثغرات بالملاحظة والمقابلات إن لم يكن ذلك كافيًا

وكخطوة تالية، نوصي باختيار صفحة واحدة في موقعك هي الأقرب إلى النتائج وتستقبل زوارًا كثيرين، والبدء بالتحقق من مشكلات تلك الصفحة بالبيانات. استخدم خرائط الحرارة وتحليلات الويب لاكتشاف "أين يبدو أن هناك مشكلة"، ثم اكتب فرضية واحدة توضح النقاط الأربع: الحقيقة والمشكلة والتغيير والمقياس. ومع فرضية واحدة في يدك، يمكنك تقدير البيانات والمدة المطلوبتين وتصميم أول اختبار A/B لك.

قد لا يغيّر اختبار واحد أرقامك تغييرًا جذريًا بالضرورة. لكن تراكم الحقائق المتحقَّق منها واحدة تلو الأخرى هو الأساس لتحسين موقع دون الاعتماد على التخمين.

الخرائط الحرارية واختبار A/B والتفاعل على الويب — ابدأ مجانًا.

ألصق وسمًا واحدًا لتبدأ. اربط الذكاء الاصطناعي الذي تستخدمه مثل Claude لتنتقل من التحليل إلى التحسين داخل محادثة.