كيف تجري اختبار A/B لحملة تواصل على LinkedIn دون اختيار فائز زائف
تجارب التواصل

تحصل النسخة A على 10 ردود إيجابية من 100 شخص. وتحصل النسخة B على 16 من 100. وصف ذلك بأنه زيادة نسبية قدرها 60% صحيح حسابيا. أما وصف B بأنها الفائزة المثبتة فادعاء مختلف، ولا تبرره هذه الأعداد وحدها.
هنا قد يصبح اختبار التواصل مكلفا. فقد تقضي أسابيع في تحسين الجملة التي بدت فائزة، بينما قد يفسّر النتيجة اختلافٌ في مزيج العملاء المحتملين، أو تفاوت في وقت المتابعة، أو تباين عادي.
قبل تغيير الحملة، عليك أن تشرح من تلقى كل نسخة، وما إذا كانت الأفضلية الظاهرة قد تكون مجرد تباين بشكل معقول. تجعل خطة الاختبار التالية ذلك ممكنا، بما في ذلك حين تكون الإجابة «لا نعرف بعد».
ميزة A/B Testing في Campaign Manager لدى LinkedIn مخصصة للمجموعات الإعلانية المدفوعة. أما التواصل العادي فيحتاج إلى سجل منفصل يوضح من تلقى كل رسالة ومتى. يستخدم المسار هنا مجموعتين مضبوطتين وجدول بيانات، ولا يتطلب شراء حملة إعلانية.
جهّز مجموعتين للحملة وسجلاً واحداً للتجربة
في الاختبار الأول، اختر تغييراً يمكنك شرحه في جملة واحدة. افترض أن مسؤولي العمليات المؤهلين أنفسهم يتلقون إما سؤالاً عن المسؤولية أو سؤالاً عن تسجيل تسليم المشاريع. أبقِ العرض وسياسة المتابعة ثابتين. هذه أمثلة افتراضية وليست ادعاءات عن نص رابح تم اختباره.
أنشئ معرّفاً للتجربة مثل handoff-question-01. سمّ المجموعتين handoff-question-01-A وhandoff-question-01-B، واحتفظ بالنص الدقيق للرسائل في موجز التجربة. تساعد الأسماء المراجع على ربط سجلات الحملات بالاختبار، لكنها لا توزع الجمهور عشوائياً بحد ذاتها.
في ملف CSV القابل للتنزيل، استخدم تواريخ YYYY-MM-DD والقيم positive أو other أو none أو unknown للحقل reply_category. اترك النتيجة المفقودة unknown حتى تتحقق منها؛ فالخلية الفارغة لا تثبت عدم وجود رد. احتفظ بأعمدة الاجتماعات ورفض التواصل للتحليل اليدوي؛ محلل الردود لا يصنف هذه النتائج نيابة عنك.
- 01
ثبّت مجموعة الأشخاص المؤهلين
نظّف القائمة وأزل التكرارات وحالات الرفض المعروفة والأشخاص غير المناسبين قبل التوزيع. أعطِ كل شخص هوية ثابتة. احتفظ بحقول المرسل والشريحة لتوازن التوزيع داخل هذه المجموعات عند الحاجة.
- 02
وزّع الأشخاص مرة واحدة
في Google Sheets، أضف =RAND() لكل صف مؤهل، ثم انسخ العمود فوراً والصق القيم فقط. رتّب الجدول كله وفق القيم المثبتة، وخصص النسب المخطط لها إلى A وB. لا ترتب عمود الأرقام العشوائية وحده ولا تعِد التوزيع بعد رؤية الردود.
- 03
أنشئ إعدادين متطابقين للحملتين
استخدم قائمة لـ A وأخرى لـ B، بنفس قواعد الأهلية وتغطية المرسلين والجدول وسياسة المتابعة. غيّر العنصر الذي تختبره فقط. قبل البدء، راجع بعض السجلات والرسالة المقصودة لكل منها؛ يجب ألا يظهر شخص واحد في القائمتين.
- 04
شغّل المجموعتين في الفترة نفسها
ناوب فرص التواصل بين A وB. سجّل التوزيع وموعد التواصل المقرر والإرسال المؤكد كلّاً على حدة. أبقِ حالات الفشل والسجلات التي لم تُحاول مراسلتها ظاهرة بدلاً من إسقاطها بهدوء من المجموعات الأصلية.
- 05
أغلق نافذة الملاحظة قبل المقارنة
طبّق نافذة الرد المحددة في الموجز على كل شخص موزع. أبقِ النوافذ غير المكتملة قيد الانتظار والبيانات المفقودة مجهولة. صنّف الردود وفق القواعد المكتوبة مسبقاً، ثم قارن المجموعات الأصلية ومؤشرات الإرسال كلّاً على حدة.
اكتب القرار قبل كتابة النسخة B
ابدأ بسؤال يمكنك التصرف بناء على إجابته. مثلا: «بالنسبة إلى مديري العمليات في شركات خدمات توسعت مؤخرا، هل يؤدي السؤال عن المسؤولية عن تسليم العمل إلى محادثات ملائمة أكثر من السؤال عن إعداد التقارير؟» حدّد الجمهور المؤهل والأدلة التي تجعل الشركة مؤهلة قبل تقسيم القائمة.
اختر نتيجة رئيسية تتوافق مع العرض. إذا كنت تعرض ورقة عمل عملية، فقد يعني الرد الإيجابي أن المتلقي يطلب رؤيتها أو يناقش المشكلة التي تعالجها. الإشعار المهذب بالاستلام ليس النتيجة نفسها. ولا الرد الغاضب كذلك، مع أن كليهما يرفع العدد الإجمالي للردود.
اكتب معيار تصنيف قصيرا قبل وصول الردود. احتفظ بإجمالي الردود البشرية والردود الإيجابية والاجتماعات وطلبات عدم التواصل كمقاييس منفصلة. وراجع الردود الغامضة دون معرفة النسخة المسندة إلى صاحبها كلما أمكن ذلك. لا تُعد تعريف «إيجابي» بعد أن ترى أي نسخة تستفيد منه.
حدّد ما إذا كنت تختبر ملاحظة الدعوة، أو الرسالة الأولى بعد القبول، أو سلسلة كاملة. في اختبار الدعوة، يكون القبول نفسه نتيجة للمعالجة. وقد تؤدي مقارنة الردود اللاحقة بين من قبلوا فقط إلى دخول أنواع مختلفة من الأشخاص في كل مجموعة. احتفظ بمقياس على مستوى المجموعة المسندة إلى جانب مؤشرات التشخيص الخاصة بكل مرحلة.
في اختبار يقتصر على الرسالة الأولى، امنح المجموعتين فترة محددة دون متابعات. وإذا كانت المتابعات مشمولة، فحافظ على اتساق سياستها وسمِّ النتيجة مقارنة لتلك الرسالة داخل السلسلة. فالرد الذي يصل بعد عملية الإرسال الثالثة لا يحدد الجملة التي تسببت فيه.
اجعل الفرق بين الرسالتين صريحا
التغيير المحدود يجعل تفسير النتيجة أسهل. حافظ على ثبات المرسل والعرض وقواعد الجمهور وسياسة المتابعة، ثم غيّر الجزء الذي تريد تقييمه. قد يكون ذلك سؤال الافتتاح، أو مقدار السياق، أو الخطوة التالية التي تقترحها.
لنأخذ هذا المثال الأصلي الافتراضي الموجّه إلى شركات تؤكد معلوماتها المنشورة افتتاح موقع ثانٍ مؤخرا. تبدأ الرسالتان هكذا: «مرحبا Morgan، رأيت إعلانكم عن الموقع الثاني.» ثم تسأل النسخة A: «من المسؤول عن تسليم العمل عندما تنتقل مهمة من موقع إلى آخر؟» وتسأل النسخة B: «أين تسجلون تسليم العمل عندما تنتقل مهمة من موقع إلى آخر؟» وتنتهي الرسالتان بعبارة: «لدي قائمة تحقق قصيرة لتسليم العمل إن كانت ستفيدكم.» الفرق المختبَر هو سؤال عن المسؤولية مقابل سؤال عن التوثيق، وليس عرضا جديدا لمنتج.
لا تناسب هذه العبارات إلا إذا كان الإعلان حقيقيا، وكان الشخص مسؤولا عن هذا العمل على نحو معقول، وكانت قائمة التحقق الموعودة موجودة. الاختبار ليس إذنا باختلاق جهة اتصال مشتركة أو نتيجة لعميل أو مشكلة تشغيلية.
يمكنك أيضا مقارنة رسالتين مختلفتين جوهريا. سمِّ ذلك اختبار حزمة رسائل. إذا غيّرت النسخة B الافتتاحية والعرض والطلب، فلا يمكن لنتيجتها أن تثبت أن الافتتاحية وحدها هي التي ساعدت. وبالمثل، يمكن أن يكون التواصل المخصص سياسة محددة: سجّل البحث المطلوب وكيف يتحول إلى سياق ذي صلة. ولا يتطلب ذلك إرسال نصوص متطابقة إلى الجميع.
احفظ القوالب الدقيقة وقواعد التخصيص مع معرّف للنسخة. إذا حسّن شخص النسخة B في منتصف الطريق، فلن يكون المتلقون الأوائل والمتأخرون قد تلقوا المعالجة نفسها. توقف ووثّق أي تصحيح ضروري، وابدأ نسخة جديدة بدلا من دمج السجلات بصمت.
قسّم الجمهور عشوائيا، ثم ثبّت الإسناد
ابدأ بمجموعة واحدة من العملاء المحتملين المؤهلين بعد إزالة التكرار، مع استبعاد الأشخاص الذين لا ينبغي لك التواصل معهم. أسند كل شخص إلى نسخة واحدة قبل الإرسال. لا تمنح أقوى عملائك المحتملين للنسخة المخصصة ثم تقارنهم بالجميع. ولا ترسل A إلى أول عشر نتائج بحث، والنسخة B إلى العشر التالية: فترتيب النتائج قد يعكس الملاءمة أو اختلافات أخرى.
في مجموعة صغيرة تُدار في جدول بيانات، أنشئ رقما عشوائيا لكل صف مؤهل، ثم الصق هذه الأرقام فورا كقيم، ورتّب الصفوف بحسبها، وأسند الحصة المخططة إلى كل من النسخة A والنسخة B. احتفظ بجدول الربط الناتج بين الهوية والنسخة. فالمعادلة العشوائية الحية التي يُعاد حسابها عند تعديل الورقة قد تنقل الأشخاص بين النسختين.
إذا شارك عدة مرسلين أو شرائح مختلفة جوهريا، فخطط للتقسيم داخل هذه المجموعات واحتفظ بتسمياتها. تجنّب إسناد كل جهات اتصال مرسل واحد إلى A وجهات اتصال مرسل آخر إلى B عندما يكون السؤال متعلقا بالنص. اجعل التحليل متسقا مع تصميم التوزيع؛ فالمجموعات الفرعية الصغيرة لا تنتج فائزين منفصلين موثوقين.
وزّع جدول الإرسال بالتناوب حتى تحصل النسختان على فرص متقاربة خلال الفترة نفسها. فإرسال كل رسائل A يوم الاثنين وكل رسائل B يوم الجمعة يضيف عامل التوقيت إلى المقارنة. ثبّت إسناد الشخص نفسه عبر إعادة المحاولات والمتابعات؛ فلا ينبغي أن يتلقى النسختين كأنه عميلان محتملان مستقلان.
عندما يعمل عدة متلقين في الشركة نفسها، فقد يتناقشون في رسائلك. يمكن للإسناد على مستوى الحساب أن يقلل هذا التداخل، لكنه يغيّر التحليل: فالأشخاص داخل حساب واحد ليسوا تلقائيا ملاحظات مستقلة. تشرح أبحاث Microsoft حول التجارب على مستوى المؤسسات لماذا يحتاج الإسناد العنقودي إلى حسابات مختلفة لعدم اليقين. وفي قائمة متواضعة الحجم، قد يؤدي اختيار جهة اتصال واحدة مناسبة لكل حساب إلى تبسيط السؤال الأولي؛ ولا تصطنع استقلالية إضافية باحتساب زملاء العمل بشكل منفصل.
لا تكون ميزة النسخ المتعددة في أي منصة مريحة إلا إذا كان توزيعها وثباتها وتقاريرها تتوافق مع هذه الخطة. ويمكن أيضا استخدام حملات منفصلة عندما تكون هذه الشروط مضبوطة. ولا يكون أي من الإعدادين صالحا لمجرد أن لوحة معلومات تسميه تجربة.
خطط لحجم العينة ولمدة الرد
لا يوجد عدد كافٍ في كل الحالات من قبيل 50 أو 100 أو 200 عملية إرسال لكل نسخة. يعتمد حجم العينة المطلوب على معدل النتيجة الأساسي، وأصغر تحسن يستحق الرصد، وحد الإيجابيات الكاذبة المختار، والقوة الإحصائية المرغوبة، والتوزيع بين المجموعتين. ويعتمد أيضا على ما إذا كانت الملاحظات مستقلة. وقد تتطلب نتيجة نادرة مثل الاجتماع خطة مختلفة عن نتيجة شائعة مثل الإشعار بالاستلام.
استخدم حسابا مصمما للمقارنة الفعلية، مثل نسبتين مستقلتين إذا كان هذا هو تصميمك. دوّن المدخلات والطريقة. قد تحتاج أداة تطلب حجم أثر معياريا إلى تحويل، لا إلى الفرق الخام بالنقاط المئوية. ومعادلة النسبة لعينة واحدة ليست بديلا عن حساب لذراعين.
إذا كانت المجموعة المؤهلة المطلوبة أكبر مما تستطيع الوصول إليه بشكل معقول، فخفّض طموح استنتاجك. أجرِ تجربة أولية للتحقق من وضوح الرسالة والتصنيف وموثوقية الإرسال. يمكنك اتخاذ قرار تشغيلي مؤقت بناء على أدلة محدودة، لكن لا تقدمه على أنه فائز مثبت إحصائيا، ولا تواصل مراسلة أشخاص غير مناسبين لاستكمال العينة.
عرّف الإدراج والملاحظة كلا على حدة. حدّد عدد الأشخاص الذين تنوي إسنادهم، وآخر موعد للإدراج، وما يحدث إذا لم تبلغ العينة المخططة. وحدّد أيضا فترة نتيجة متساوية لكل شخص. مثلا، قد ترصد الردود الإيجابية لمدة 14 يوما من موعد فرصة التواصل الأولى المجدولة لكل شخص مُسند. أربعة عشر يوما هنا اصطلاح توضيحي، وليس الخيار الأمثل المثبت. إذا استخدمت محلّل الردود المرتبط أدناه، فإن فترته تبدأ من الإسناد، لا من التواصل المجدول. اختر نقطة البداية هذه قبل الاختبار والتزم بها، أو حلّل فترة التواصل المجدول بشكل منفصل.
سجّل كلا من الفرصة المجدولة وأول إرسال فعلي. قد يترك التأخر الطويل في الإرسال وقتا أقل للرسالة كي تُحدث أثرها وفق هذا المقياس القائم على سياسة التواصل؛ وهذه مشكلة في التسليم يجب الإبلاغ عنها، لا طابع زمني يُعاد كتابته لاحقا. لا تعتمد المقارنة نهائيا إلا بعد انتهاء الفترة المحددة لكل شخص مشمول. وتتبّع الردود اللاحقة بشكل منفصل. وإذا كانت الاجتماعات نتيجة أخرى، فامنحها فترة خاصة بها معلنة مسبقا وفحصا خاصا لاكتمالها.
احتفظ بالمجموعة المسندة وبسجل التسليم
في تجربة تتعلق بسياسة التواصل، احتفظ بالنتائج مقابل الأشخاص المؤهلين الذين أُسندوا في الأصل. الشخص الذي تفشل محاولة مراسلته يبقى جزءا من سجل الإسناد. وكذلك من يرد أو يحجز اجتماعا أو يطلب عدم التواصل. فإزالة الأشخاص الذين تحولوا من المقام ستغيّر المجموعة بحسب النتيجة.
احتفظ بعرض منفصل للتسليم يبيّن، لكل نسخة، عمليات الإرسال المؤكدة وحالات الفشل والسجلات التي لم تُجرَ لها محاولة والحالات المجهولة. يمكن لمعدل رد وصفي بين المتلقين المؤكدين أن يساعد في تشخيص التنفيذ، لكنه يجيب عن سؤال مختلف عن النتائج لكل شخص مُسند. لا تنتقل بين المقياسين لأن أحدهما يُظهر زيادة أكثر جاذبية.
المجهول ليس صفرا. إذا لم تتمكن من تحديد ما إذا كانت الرسائل أو الردود قد سُجلت، فأفصح عن النتائج الناقصة وابحث في الأمر. احتفظ بصفوف الإسناد، لكن لا تقدم مقارنة نتائجها على أنها مكتملة. وتحقّق من المحادثات الأصلية عند الاقتضاء قبل إعادة محاولة إرسال غامض؛ فخطأ البرنامج لا يثبت بالضرورة أن شيئا لم يُرسل.
قارن التوزيع الملحوظ بالخطة. الفرق الصغير في الأعداد ليس دليلا تلقائيا على خلل في التقسيم. أما عدم التطابق الكبير وغير المتوقع إحصائيا فقد يشير إلى مشكلة في الإسناد أو التسجيل أو التصفية. وإرشادات Microsoft حول عدم تطابق نسبة العينة مفيدة هنا: ابحث في الآلية قبل الوثوق بالنتيجة.
احتفظ بسجل أحداث موجز إلى جانب الملخص: مفتاح الهوية، والحساب، والمرسل، والنسخة، ووقت الإسناد، والفرصة المجدولة، وعمليات الإرسال الفعلية، ودليل النتيجة، وحالة طلب عدم التواصل، وأي تصحيح. لا تخزّن إلا معلومات العملاء المحتملين اللازمة للعمل، وقيّد الوصول إليها.
حلّل نتيجة 10 مقابل 16
لنعد إلى المثال الافتراضي. يُسند مئتا عميل محتمل مؤهل ومستقل عشوائيا، 100 لكل نسخة. يتلقى الجميع إرسالا مؤكدا ويُكملون فترة الملاحظة نفسها. ولا توجد نتائج ناقصة. وهذا يجعل مقام الأشخاص المسندين ومقام المتلقين المؤكدين متساويين في هذا المثال؛ ولن يحدث ذلك دائما في الواقع.
تستخدم الفئات أدناه أول رد بشري من كل شخص. الإيجابي، والرد البشري الآخر، وعدم وجود رد بشري فئات متنافية. أما طلبات عدم التواصل فهي علامة إضافية لضبط التواصل داخل مجموعة الردود البشرية الأخرى، وليست أشخاصا إضافيين. توضّح هذه الأرقام طريقة التفسير، وليست نتائج حقيقية من OutreachGenie ولا حجم عينة موصى به.
| النتيجة عند موعد الإغلاق الثابت | النسخة A | النسخة B |
|---|---|---|
| الأشخاص المسندون الذين تأكد الإرسال إليهم | 100 | 100 |
| أول ردود بشرية إيجابية | 10 | 16 |
| أول ردود بشرية أخرى | 12 | 10 |
| لا يوجد رد بشري | 78 | 74 |
| كل المستجيبين من البشر | 22 / 100 = 22% | 26 / 100 = 26% |
| معدل الردود الإيجابية | 10 / 100 = 10% | 16 / 100 = 16% |
| علامات طلب عدم التواصل ضمن الردود الأخرى | 2 | 3 |
افصل الزيادة الملحوظة عن الاستنتاج
معدل الردود الإيجابية للنسخة B أعلى بـ 6 نقاط مئوية: 16% ناقص 10%. وبالنسبة إلى معدل A البالغ 10%، فهذه زيادة قدرها 60%. اذكر الرقمين معا، إلى جانب 10 من 100 مقابل 16 من 100. فالنسبة المئوية النسبية الكبيرة قد تصف عددا صغيرا من الردود الإضافية.
وفق اختبار z ثنائي الطرف لنسبتين مستقلتين، مع تباين مجمّع ودون تصحيح للاستمرارية، تعطي هذه الأعداد الافتراضية قيمة z تقارب 1.262 وقيمة p تقارب 0.207. يستخدم الحساب عدم اليقين في المجموعتين، كما تحدد معادلة NIST. ولا يبلغ حدا قدره 0.05 تم اختياره مسبقا. وتتطلب الأعداد القليلة أو الملاحظات غير المستقلة طريقة مناسبة لهذه الظروف، لا إعادة استخدام هذا المثال تلقائيا.
هذه النتيجة غير حاسمة بشأن وجود فرق وفق هذا الاختبار. وهي لا تثبت أن أداء الرسالتين متساوٍ. كما أن p = 0.207 لا تعني احتمالا قدره 20.7% أن تكون B خيارا خاطئا، ولا احتمالا قدره 79.3% أن تكون B أفضل. وتميّز الجمعية الأمريكية للإحصاء (American Statistical Association) صراحة بين القيم الاحتمالية p واحتمالات صحة الفرضية.
وفي مقارنة B ناقص A الافتراضية نفسها، تمتد فترة Newcombe بمستوى ثقة 95%، المبنية على فترات Wilson لكل نسبة، من نحو سالب 3.5 إلى زائد 15.5 نقطة مئوية. وهي تشمل انخفاضا طفيفا كما تشمل تحسنا كبيرا. هذا المدى، المحسوب لعينتين ثنائيتي الحدين مستقلتين دون تصحيح للاستمرارية، يجعل عدم اليقين أكثر فائدة من الزيادة البارزة وحدها. وهو لا يعني احتمالا قدره 95% أن الفرق الحقيقي الثابت يقع داخل هذه الفترة بالذات.
قارن عدم اليقين هذا بالتحسن الذي يكون مهما تجاريا. فحتى الدليل القوي على أثر ضئيل قد لا يبرر وقت بحث أطول بكثير لكل رسالة. ومع أدلة محدودة، يمكنك مع ذلك اختيار النسخة الأقل تكلفة بشكل مؤقت، وتوثيق السبب، والعودة إليها عندما تظهر أدلة جديدة مفيدة.
اقرأ الردود الفعلية وتحقّق من طلبات عدم التواصل قبل اعتماد أي من النسختين. هنا، لدى B علامة إضافية واحدة لطلب عدم التواصل، لكن هذه الأعداد الصغيرة لا تثبت فرقا موثوقا في الضرر. ومع ذلك يجب احترام كل طلب لعدم التواصل. فعدم اليقين الإحصائي بشأن معدل ما ليس عدم يقين بشأن طلب شخص بعينه التوقف.
راقب الضرر دون مواصلة الاختبار حتى تفوز نسخة ما
تحقّق من حالات فشل التسليم والشكاوى والتخصيص الخاطئ وتحذيرات الحساب أثناء سير الاختبار. أوقف فورا أي تواصل ضار أو معطل. فالحفاظ على التجربة دون تغيير ليس سببا لمواصلة إرسال ادعاء خاطئ أو تجاهل طلب بالتوقف.
في القرارات الإحصائية، اتبع خطة التوقف. فإعادة حساب قيمة p عادية لعينة ثابتة كل يوم والتوقف في أول مرة تعبر فيها حد 0.05 قد يضخّم الإيجابيات الكاذبة. وتمديد نتيجة غير مواتية أو غير حاسمة حتى تصبح مواتية يخلق النوع نفسه من مشكلة الانتقاء. توجد طرق تسلسلية صحيحة، لكن يجب أن تأخذ النظرات المتكررة إلى البيانات في الحسبان فعلا.
تفصل إرشادات Microsoft الخاصة بالتجارب بين المراقبة التشغيلية المبكرة والاستنتاجات الإحصائية الموثوقة. طبّق هذا التمييز هنا: ابحث في المشكلات الآن، مع إرجاء قرار الفائز إلى التحليل المخطط، ما لم يكن لديك تصميم تسلسلي مناسب.
إذا فحصت نسخا أو مقاييس أو شرائح جمهور كثيرة، فقد تبدو إحداها واعدة بالصدفة. حدّد المقارنة الرئيسية مسبقا. صنّف أي نتيجة غير متوقعة في مجموعة فرعية على أنها استكشافية، واسعَ إلى اختبار جديد مخطط جيدا إذا كانت مهمة. ولا تستبدل السؤال الأصلي بصمت بالسؤال الذي أعطى أصغر قيمة p.
ما الأداة المناسبة لاختبار A/B لحملة LinkedIn؟
في تجربة أولية صغيرة ومضبوطة، استخدم Google Sheets لسجل التوزيع والتجربة. فهو يجعل ربط الأشخاص بالنسخ وإصدارات الرسائل وتعريف النتائج واضحاً. اقصر الوصول على المسؤولين عن الاختبار؛ لا تشارك علناً جدولاً يتضمن هويات العملاء المحتملين.
يتضمن OutreachGenie اختبار A/B مدمجاً للحملات في خطتي Pro وAgency. يقارن الاختبار من مسارين إلى أربعة مسارات كاملة داخل حملة واحدة. المسار A هو المسار الحالي للحملة، ويحصل كل مسار على حصة من العملاء المحتملين الجدد (5% على الأقل). يُوزَّع العملاء المحتملون الجدد على المسارات عشوائياً وفق هذه الحصص ويبقون على المسار المخصص لهم. الهدف هو معدل الرد أو معدل القبول. افتراضياً، تنتقل الحملة إلى المسار المتصدر عندما تبلغ احتمالية كونه الأفضل 95% ويضم كل مسار 300 عميل محتمل على الأقل انتهت نافذة الرد الخاصة بهم. ويمكنك بدلاً من ذلك أن تطلب إشعارك لتختار الفائز بنفسك.
يساعد محلل ردود الحملات المجاني على فحص ملف CSV يقدمه المستخدم حسب النسخة، والإشارة إلى الهويات المتعارضة، وفصل النوافذ غير المكتملة عن النتائج المرصودة. عيّن حقول تاريخ التوزيع والإرسال المؤكد وأول رد بوضوح. تبدأ نافذته من تاريخ التوزيع وتستخدم تواريخ تقويمية كاملة؛ أي توقيت مختلف للتجربة أو حد بالساعة يحتاج إلى تحليل خاص. إنه فحص وصفي، وليس اختبار دلالة إحصائية أو دليلاً على التوزيع العشوائي.
قبل اعتماد أداة اختبار مدمجة، تحقق من أربعة أمور: طريقة توزيع الأشخاص، وثبات التوزيع بعد إعادة المحاولة والتعديل، والمجموعة التي يعتمد عليها كل معدل، وكيفية التعامل مع النتائج المفقودة أو غير المكتملة. قد توفر الأداة التي تكشف هذه السجلات جهداً. شارة فائز بلا تفسير لا تعوّضها.
احفظ القرار، حتى لو كان غير حاسم
احتفظ بسجل تجربة موجز يتضمن الفرضية والجمهور المؤهل والنسخ المثبتة وطريقة الإسناد وخطة العينة ومعيار تصنيف الردود والفترات وقواعد التوقف والنتائج والقيود. وأضف القرار التشغيلي وسببه. عبارة «أبقينا على A لأن النتيجة كانت غير حاسمة وكانت B تتطلب بحثا أكثر» سجل مفيد. أما «فازت B بنسبة 60%» دون الأعداد فليست كذلك.
في OutreachGenie، يعرض تبويب اختبار A/B لكل مسار عدد العملاء المحتملين ومعدلي الرد والقبول واحتمالية كونه الأفضل، ويمكن تصفية جدول العملاء المحتملين حسب المسار. يمكن التراجع عن الانتقال إلى المسار الفائز خلال سبعة أيام، ويتوقف الاختبار الذي لا يظهر فيه فائز واضح بعد 60 يوماً على الأكثر. احتفظ بسجل خاص بك للفرضية ونسخ الرسائل والقرار. يحتسب معدل الرد كل الردود، لذا صنّف الردود الإيجابية والسلبية بنفسك.
بعد اعتماد نسخة، واصل التحقق من التسليم وجودة المحادثات. وتعامل مع أي جمهور أو عرض أو سياسة إرسال جديدة على أنه سياق متغير. فالنتيجة تخص المجموعة والظروف التي اختبرتها؛ وليست ترتيبا دائما لجملتين.
الأسئلة التي تطرح في الممارسة العملية
الأسئلة الشائعة
كم عدد العملاء المحتملين على LinkedIn الذين أحتاج إليهم لاختبار A/B؟
لا يوجد حد أدنى عام يثبت فائزا موثوقا. خطط بناء على معدل النتيجة الأساسي، وأصغر تغيير مفيد، والقوة الإحصائية، وحد الخطأ، والتوزيع، وافتراضات الاستقلال. استخدم حسابا يناسب تصميمك الفعلي. وإذا كانت المجموعة المؤهلة صغيرة جدا، فأجرِ تجربة أولية موصوفة بوضوح بدلا من اعتبار عدد إرسال اعتباطي دليلا.
ما المدة التي يجب أن يستغرقها اختبار رسائل LinkedIn؟
اترك فترة الإدراج المخططة وفترة الرد المتساوية تكتملان. فتشغيل الاختبار لمدة أسبوعين على التقويم لا يمنح كل متلقٍ أسبوعين للرد. حدّد فترة لكل فرصة تواصل مُسندة، وسجّل حالات التأخر في الإرسال، وانتظر حتى تنتهي فترة آخر شخص. وتعتمد المدة المناسبة على النتيجة وعلى سياق عملك.
هل يمكنني إجراء اختبار A/B للرسائل يدويا؟
نعم. استخدم قائمة مؤهلة مثبتة، وإسنادا عشوائيا، ونسخا محفوظة من الرسائل، وجدول إرسال متقاربا، وسجلا للنتائج. يمكن لجدول البيانات أن يحتوي على الخطة، لكن يجب تثبيت المعادلات العشوائية الحية حتى لا يتغير الإسناد. والإرسال اليدوي لا يلغي الحاجة إلى تحليل مناسب أو إلى ممارسات تواصل تحترم المتلقين.
هل ينبغي أن أغيّر جزءا واحدا فقط من الرسالة؟
غيّر عنصرا واحدا عندما تريد فهم أثر هذا العنصر. ومقارنة رسالتين كاملتين ممكنة أيضا، لكن النتيجة تنطبق على الحزمة كلها، لا على جملة بعينها. وفي الحالتين، يجب أن يدعم التوزيع والتعرض المقارنة؛ فتغيير متغير واحد لا يثبت وحده العلاقة السببية.
ماذا لو لم تفز أي من الرسالتين؟
اعرض النتيجة على أنها غير حاسمة ما لم يدعم تحليل مناسب استنتاجا أكثر تحديدا. لا تسمّها دليلا على التساوي. أبقِ على النسخة الأوضح أو الأقل تكلفة كخيار تشغيلي مؤقت إذا كان ذلك مناسبا، وأصلح أي مشكلات في التنفيذ، ولا تخطط لاختبار جديد إلا عندما تستحق المعلومات المتوقعة الجهد المبذول.
هل اختبار A/B في LinkedIn Ads هو نفسه اختبار رسائل التواصل؟
لا. للحملات المدفوعة أنظمتها الخاصة للعرض والاستهداف والتقارير. ولا يثبت إعداد لتناوب الإعلانات أو نقاش حول تداخل الجماهير صحة اختبار للرسائل المباشرة. عرّف جمهور التواصل العادي والإسناد وسياسة الرسائل والنتائج على مستوى الأشخاص بشكل منفصل.
هل يوفر OutreachGenie اختبار A/B مدمجاً للحملات؟
نعم، في خطتي Pro وAgency. يقارن اختبار A/B للحملة من مسارين إلى أربعة مسارات كاملة، ويوزّع العملاء المحتملين الجدد عليها عشوائياً حسب الحصص، ويقيس معدل الرد أو معدل القبول. ويمكنه الانتقال إلى المسار الفائز تلقائياً أو ترك الاختيار لك. وتبقى الطريقة اليدوية في هذا الدليل مفيدة في الخطة المجانية ولمن يريد سجلاً مستقلاً.
ما الأداة المفيدة لمتابعة اختبار LinkedIn A/B يدوي؟
يمكن أن يحتفظ Google Sheets بربط ثابت بين الشخص والنسخة وإصدارات الرسائل وسجل النتائج. ويمكن لـ OutreachGenie تنظيم القوائم والحملات المقابلة. يقدم محلل الردود فحصاً وصفياً لملف CSV؛ ولا يثبت التوزيع العشوائي أو الدلالة الإحصائية.
البحوث المستخدمة لهذا الدليل
- مقارنة نسبتين | NIST
- افتراضات تخطيط العينة للنسب | NIST
- مبادئ الدلالة الإحصائية والقيم الاحتمالية p | American Statistical Association
- تشخيص عدم تطابق نسبة العينة | Microsoft Research
- المراقبة والتحليل أثناء التجربة | Microsoft Research
- الإسناد على مستوى المؤسسات والاعتماد بين الملاحظات | Microsoft Research
- مدخلات حساب القوة لعينتين | statsmodels
- فترات الثقة للنسب المستقلة | statsmodels
- RAND في Google Sheets | Google Docs Editors Help
- اختبار A/B للمجموعات الإعلانية المدفوعة | LinkedIn Marketing Solutions Help
افتح مساحة العمل وجربها باستخدام قائمة صغيرة تمت مراجعتها.
جرب سير العمل