Əksər məhsul komandaları hələ də A/B testləri keçirir. Bu standartdır. Düyməni dəyişdirin. Trafiki bölün. Hansı versiyanın daha yaxşı çevrildiyinə baxın. İki həftə gözləyin. Debatın statistik əhəmiyyəti.
Ancaq burada bir sual var: Əgər kiminsə çaşqın olduğunu dərhal deyə bilsəydiniz?
Test qrupları yoxdur. Gözləmə yoxdur. Sadəcə nəyinsə pozulduğunu bildirir.
Maşın öyrənməsi bizi növbəti yerə apara bilər. Məhsul mühakiməsini əvəz etmir. Ancaq istifadəçi sürtünməsini erkən, miqyasda və klik sürətindən daha çox nüansla aşkar etmək.
Gəlin bunun necə işlədiyi, praktikada necə göründüyü və artıq harada baş verməsi haqqında danışaq – sakitcə – müasir dildə AI tools.
"İstifadəçi çaşqınlığı" nə hesab olunur?
Siz bunu görmüsünüz. İstifadəçi səhifənizə düşür. Onlar fasilə verirlər. Hover. basın. Sonra geri çəkil. Sürüşdürün. Naviqatoru yenidən nəzərdən keçirin. Sonra sıçrayın.
Bu deyil qeyz. Bu deyil müvəffəqiyyət ya. Bu tərəddüddür.
Çətin hissə? Həmişə təmiz rəqəmlərdə görünmür. A/B testi hər iki variantın “bərabər” performans göstərdiyini söyləyə bilər. Amma heç biri yaxşı işləmir.
Çaşqınlıq boşluqlarda yaşayır. Mikrodavranışlar. Heç vaxt hərəkətə səbəb olmayan döngələr.
Son vaxtlara qədər bu nümunələri miqyasda aşkar etmək bir təxmin idi. İndi daha yaxşı izləmə və daha ağıllı modellərlə komandalar onu real vaxtda tutmağa başlayırlar.
Maşın öyrənməsi oyunu necə dəyişdirir
ML modellərinin A/B testlərinin edə bilmədiyi şeylər bunlardır:
- İncə davranışlara diqqət yetirin yalnız dönüşüm deyil, bütün huni boyunca
- Nümunələrdən öyrənin yalnız nəticələr deyil, sessiyalarda
- Zamanla uyğunlaşın hər dəfə bir şey dəyişəndə yeni testlər keçirmədən
- Səthdə gözlənilməz sürtünmə – istifadəçi məqsədi tamamladıqda belə
Bu sonuncu vacibdir. Çünki bir işi başa çatdırmaq onun asan olması demək deyil.
Ağıllı bir model deyə bilər:
"Bəli, istifadəçi qeydiyyatdan keçdi. Lakin onların səyahəti qarışıq görünürdü. Digərləri də burada mübarizə apardılar."
Bu, split testdən əldə etmədiyiniz fikirdir.
Bu Təcrübədə Nə Görünür
Deyək ki, siz sessiyanın davranışını izləyirsiniz – kliklər, sürüşmələr, səhifədə vaxt, qəzəbli kliklər, formaların tərk edilməsi, hətta siçan hərəkəti (əgər bu qədər dərinə getmək istəyirsinizsə).
Siz “normal” davranışı aşkar etmək üçün bir model öyrədirsiniz. Sonra… sönmüş görünən sessiyaları qeyd edin.
İndi aşağıdakıları göstərən bir tablonuz var:
- İnsanların tərəddüd etdiyi yerdə
- Hansı addımlar təkrar cəhdlərə səbəb olur
- Hansı sahələr onları daha çox çaşdırır
Və siz artıq təxmin etmirsiniz. Siz cavab verirsiniz.
S-PRO kimi şirkətlərlə işləyən komandalar tez-tez burada sürtünmə qabiliyyətinə malik süni intellekt proqramlarını qurarkən başlayırlar. Böyük model yerləşdirmələri ilə deyil, izləyən və işarələyən kiçik, ağıllı təbəqələr.
Ancaq gözləyin - Bu sadəcə UX Analytics deyilmi?
Tam olaraq deyil.
UX analitikası sizə nə baş verdiyini izah edir. Maşın öyrənməsi sizə deyir nə düzgün görünmür – sabit hədlərə deyil, öyrənilmiş nümunələrə əsaslanır.
Həm də zamanla daha yaxşı işləyir. Daha çox seans daxil olduqda, model "çaşqınlığın" necə göründüyünü dəqiqləşdirir. Hər qaydanı yazmaq lazım deyil.
Hotjar və ya Mixpanel kimi alətləri əvəz etmir. Üstünə kəşfiyyat qatır. Düşünün: daha az tablosuna baxır, nəyisə pozduqda daha çox xəbərdarlıq istifadəçi axınını sakitləşdirir.
Klassik A/B Testi haqqında nə demək olar?
A/B testi hələ də işləyir. Xüsusilə iki aydın seçim arasında qərar verərkən.
Ancaq o zaman mübarizə aparır:
- Fərqlər incədir
- Birdən çox nəticəni izləyirsiniz
- Cavablar istəyirsən artıq, iki həftə içində deyil
ML əsaslı sürtünmə izləmə sizə təmiz “Viant B daha yaxşıdır” başlığı vermir. Sizə nümunələr verir. Erkən siqnallar. Qarışıq ipuçları. Hansı ki, sürətlə hərəkət edən məhsullarda bəzən daha qiymətli olur.
Biri digərini tam əvəz etmir. Amma birlikdə? Daha az ölü nöqtə ilə daha sürətli hərəkət edirsiniz.
Bunu əslində necə qurursunuz?
Lazım olacaq:
- Xam davranış məlumatları (kliklər, vaxt, sürüşdürmə, qarşılıqlı əlaqə)
- "müsbət" və "qarışıq" davranış kimi qəbul edilənlər ətrafında bəzi məntiqlər
- Keçmiş seansları etiketləmək və ya qiymətləndirmək üçün bir yol
- Bundan öyrənmək və irəliyə doğru proqnozlar vermək üçün bir model
Bu, sıfırdan bir model qurmağı tələb etmir. Bacarıqlı AI inkişaf etdiricisi tez-tez hazır alətlərdən, üstəlik bir az domen kontekstindən istifadə edərək bunu prototip edə bilər.
Və haradan başlayacağınızdan əmin deyilsinizsə, anlayan bir komanda ilə işləmək İT konsaltinq və məhsul axını vakuumda tikintidən qaçmağa kömək edir.
Komandalar üçün bu nə kimi görünür
İdarə panellərinə baxmaq əvəzinə komandalar:
- Sessiya qarışıqlığı artdıqda xəbərdarlıq alın
- İşarələnmiş seanslara yenidən baxın
- Təkcə düşməyə deyil, sürtünməyə əsaslanan düzəlişlərə üstünlük verin
- ML ipuçlarına əsaslanan daha kiçik UI dəyişikliklərini sınaqdan keçirin – təkcə maraqlı tərəflərin təxminləri deyil
Daha az təxmin. Daha az gözləmə. Daha çox reaksiya verir.
Zamanla bu, böyük bir sərvətə çevrilir. Xüsusilə sürətlə böyüyən və ya daim inkişaf edən məhsullarda.
Son söz
A/B testlərinin hələ də yeri var. Amma onlar bütün şəkil deyil.
Maşın öyrənməsi məhsul komandalarına itirilmiş dönüşümlərdə görünməzdən əvvəl çaşqınlığı aşkar edən yeni bir obyektiv verir. Yalnız nəticələrdən deyil, davranışdan öyrənən biri. Arxa fonda işləyən, qaçırdığınızı qeyd edən.
Bu strategiyanı əvəz etməyəcək. Ancaq bu, qərarlarınızı daha kəskin edəcək. Və istifadəçiləriniz bir az daha az məyus olurlar.
Bəzən bu, ən böyük qələbədir.