Ron Kohavi và các chuyên gia từ Microsoft, Google, Amazon đã tổng kết phương pháp luận A/B testing quy chuẩn trong cuốn sách ‘Trustworthy Online Controlled Experiments’ (Kohavi et al., 2020). Xem bài Website Dy Khoa phiên bản mới.
Nguyên tắc chỉ thay đổi một biến số duy nhất
Để biết chắc chắn vì sao tỷ lệ nhấp tăng, chỉ thay đổi màu nút bấm hoặc tiêu đề giữa phiên bản A và B, giữ nguyên tất cả các yếu tố còn lại.
Ý nghĩa thống kê trong A/B testing
Cần chạy thử nghiệm đủ lâu và đạt cỡ mẫu đủ lớn để đảm bảo sự chênh lệch hiệu quả giữa A và B đạt ý nghĩa thống kê (p < 0,05) chứ không phải do may rủi nhất thời.
Bài viết này được tổng hợp bởi Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa học và Thu hút Công chúng (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.
Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].
Tài liệu tham khảo
Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy online controlled experiments: A practical guide to A/B testing. Cambridge University Press. https://doi.org/10.1017/9781108653243
Siroker, D., & Koomen, P. (2013). A/B testing: The most powerful way to turn clicks into customers. John Wiley & Sons.
Gợi ý tìm nhanh:
Đang tìm kiếm bài viết...
Không tìm thấy bài viết nào chứa từ khoá "". Hãy thử từ khoá khác nhé!
Bài viết đã lưu
Chưa có bài viết nào được lưu
Bấm biểu tượng chiếc thẻ bookmark trên các bài viết để lưu lại và đọc offline bất cứ khi nào bạn muốn.
Liên hệ Dy Khoa
Cần trao đổi về một bài viết, hợp tác hay phỏng vấn?
Để lại vài dòng, tôi sẽ phản hồi trong vòng 48 giờ. Phóng viên cần ý kiến chuyên gia gấp, vui lòng ghi rõ hạn chót trong nội dung.