Các loại A/B test

Adapty cung cấp hai loại A/B test, mỗi loại phù hợp với các tình huống kiểm thử khác nhau:

• A/B test thông thường: Một A/B test được tạo cho một placement flow/paywall/onboarding duy nhất.
• A/B test đa placement: Một A/B test được tạo cho nhiều placement paywall trong ứng dụng của bạn. Khi A/B test đã gán biến thể Các biến thể A/B test là các phiên bản thay thế của flow, paywall hoặc onboarding cần kiểm thử. , nó sẽ hiển thị biến thể đó một cách nhất quán trên tất cả các phần được chọn trong ứng dụng của bạn.

Mỗi flow/paywall/onboarding được gán một trọng số để phân chia lưu lượng trong quá trình kiểm thử.

Ví dụ, với trọng số 70% và 30%, paywall đầu tiên sẽ được hiển thị cho khoảng 700 trong số 1.000 người dùng, paywall thứ hai cho khoảng 300 người. Trong các A/B test đa placement, trọng số được đặt theo biến thể, không phải theo paywall.

Cách thiết lập này cho phép bạn so sánh các flow, paywall khác nhau và đưa ra các quyết định dựa trên dữ liệu cho chiến lược kiếm tiền của ứng dụng.

Khi nào nên dùng loại nào

Mỗi loại A/B test hữu ích trong các trường hợp:

• A/B test thông thường:
  • Ứng dụng của bạn chỉ có một placement.
  • Bạn muốn chạy A/B test trên một placement duy nhất và theo dõi các thay đổi kinh tế chỉ cho placement đó, ngay cả khi ứng dụng có nhiều placement.
  • Bạn muốn chạy A/B test trên người dùng cũ (những người đã thấy ít nhất một Adapty paywall).
• A/B test đa placement:
  • Bạn muốn đồng bộ hóa các biến thể trên nhiều placement. Ví dụ, bạn có thể thay đổi giá trong flow onboarding và trong phần cài đặt ứng dụng cùng một lúc.
  • Bạn muốn đánh giá tổng thể kinh tế ứng dụng. Chạy kiểm thử trên tất cả các placement giúp thống kê A/B test dễ phân tích hơn so với kiểm thử các placement riêng lẻ.
  • Bạn muốn chạy A/B test chỉ trên người dùng mới, tức là những người chưa từng thấy một Adapty paywall nào.
  • Bạn muốn sử dụng nhiều paywall trong một biến thể duy nhất:

Sự khác biệt chính

Logic lựa chọn A/B test

A/B test đa placement có độ ưu tiên cao hơn A/B test thông thường. Tuy nhiên, A/B test đa placement chỉ được hiển thị cho người dùng mới — những người chưa từng thấy một Adapty paywall nào (phương thức SDK getPaywall chưa bao giờ được gọi cho họ). Điều này đảm bảo tính nhất quán của kết quả trên các placement.

Sơ đồ sau đây cho thấy logic Adapty sử dụng để chọn A/B test cho một placement:

Trên trang A/B Tests, các kiểm thử paywall, onboarding, flow và đa placement xuất hiện trên các tab riêng biệt.

Giới hạn của A/B test đa placement

A/B test đa placement đảm bảo rằng mỗi người dùng thấy cùng một biến thể trên tất cả các placement trong kiểm thử. Điều này tạo ra các giới hạn sau:

• Chỉ người dùng mới mới có thể tham gia. Người dùng mới là người chưa thấy Adapty paywall và ứng dụng của họ chưa bao giờ gọi getPaywall. Adapty không thể đảm bảo chuỗi paywall nhất quán cho các người dùng khác.

• Placement đầu tiên mà người dùng gặp sẽ xác định paywall nào Adapty hiển thị. Bạn không thể thay đổi assignment của người dùng hoặc đăng ký cùng một người dùng vào nhiều hơn một A/B test Crossplacement.

• Một thiết bị chỉ biết về các cross-placement assignment được thực hiện ở nơi khác — ví dụ, trên thiết bị khác của người dùng — khi ứng dụng trở nên active, và tối đa mỗi 60 giây một lần. Quá trình đồng bộ này không thể bị buộc thực hiện, vì vậy một assignment có thể mất tới một phút, hoặc đến lần foregrounding tiếp theo, để được áp dụng cho một phiên đang chạy lâu dài.

Độ ưu tiên của A/B test đa placement

• A/B test đa placement luôn có độ ưu tiên cao hơn A/B test thông thường và A/B test onboarding. Nếu một người dùng mới đủ điều kiện cho cả A/B test đa placement và A/B test thông thường trên cùng một placement, A/B test đa placement sẽ được hiển thị.

• Khi nhiều A/B test đa placement với cùng đối tượng chia sẻ cùng một placement, Adapty tự động gán độ ưu tiên kiểm thử dựa trên thứ tự chúng được thêm vào. Kiểm thử đầu tiên có độ ưu tiên cao nhất. Bạn không thể thay đổi điều này theo cách thủ công.

• Các kiểm thử nhắm vào phân khúc người dùng nhỏ hơn tự động có độ ưu tiên cao hơn so với những kiểm thử nhắm vào phân khúc Tất cả người dùng.

Các bước tiếp theo

• Tạo, chạy và dừng A/B test — Thiết lập và khởi chạy kiểm thử đầu tiên của bạn
• Kết quả và chỉ số A/B test — Phân tích hiệu suất và chọn biến thể chiến thắng