Kalau kamu tanya cara menaikkan konversi, jawaban yang sering muncul biasanya, “coba A/B test.” Buat website sebesar Booking.com, itu masuk akal. Tapi kalau website kamu baru didatangi 800 orang sebulan, memaksakan A/B test justru bisa bikin kamu salah ambil keputusan.
Matematika yang Tidak Berpihak ke Kamu
A/B testing bukan sekadar bikin dua versi halaman lalu memilih yang angkanya lebih tinggi. Ada hitungan statistik di belakangnya, dan hitungan itu butuh jumlah pengunjung yang cukup banyak.
Standar yang umum dipakai adalah tingkat kepercayaan 95% dan statistical power 80%. Tools seperti Optimizely dan Adobe Target juga menjadikan angka ini sebagai default.
Karena itu, banyak praktisi memakai patokan kasar: setidaknya 10.000 pengunjung dan 300 konversi untuk setiap varian sebelum hasil tesnya cukup layak dipercaya. Kalau ingin hasil yang lebih kuat, jumlahnya bisa jauh lebih besar.
Coba masukkan angka website kamu sendiri.
Cek Kelayakan A/B Test Anda
Hitungan memakai standar industri: tingkat kepercayaan 95% dan statistical power 80%. Masukkan angka Anda sendiri.
Semakin kecil kenaikan yang ingin dibuktikan, semakin banyak pengunjung yang dibutuhkan. Mengejar kenaikan 10% pada traffic kecil hampir selalu sia-sia.
Sekitar 210 minggu berjalan tanpa henti.
19.600 per varian, dibagi ke 2 versi halaman.
Tes akan selesai terlalu lama untuk bisa dipercaya. Musim, kampanye iklan, dan perubahan pasar akan mencemari hasilnya jauh sebelum angkanya valid. Pakai metode kualitatif.
Untuk menyelesaikan tes ini dalam 4 minggu, Anda butuh sekitar 42.000 pengunjung per bulan. Hitungan ini pendekatan standar dan mengabaikan hal seperti pengunjung berulang serta perbedaan perilaku antar perangkat.
Kalau kalkulatornya menyarankan untuk tidak menjalankan A/B test, itu bukan berarti kamu gagal. Kamu justru menghindari pekerjaan yang bisa makan waktu berbulan-bulan tanpa memberi jawaban yang benar.
Menang Palsu Lebih Berbahaya daripada Hasil yang Lambat
Traffic kecil bukan cuma bikin hasil tes lama keluar. Kamu juga bisa melihat “pemenang” yang sebenarnya cuma kebetulan.
Tes dengan jumlah data yang kurang disebut underpowered. Meski datanya belum cukup, tool tetap akan menampilkan angka. Di minggu awal, angka itu bisa berubah-ubah: versi B naik 40% di hari ketiga, turun 15% di hari kesepuluh, lalu naik lagi dua minggu kemudian.
Biasanya orang melihat angka awal itu, menganggap versi B menang, lalu menggantinya di seluruh website. Padahal angkanya belum membuktikan apa-apa; datanya masih terlalu sedikit untuk dipakai mengambil keputusan.
Kalau kamu tidak menguji, setidaknya kamu tahu masih menebak. Kalau tesnya kekurangan data, kamu bisa merasa punya bukti padahal belum.
Kalau kalkulator di atas menunjukkan tesmu butuh lebih dari 8 minggu, jangan dijalankan. Dalam 8 minggu, musim berubah, kampanye iklan berganti, dan kompetitor mengubah harga. Hasil tesnya akan mengukur semua itu sekaligus.
Kamu Memang Belum Membutuhkan A/B Test
A/B testing dipakai untuk menjawab pertanyaan yang cukup spesifik: “Dari dua opsi yang sama-sama masuk akal, mana yang sedikit lebih baik?”
Pertanyaan seperti ini relevan kalau website kamu sudah rapi dan kamu sedang mencari kenaikan kecil, misalnya 3%. Perusahaan dengan jutaan pengunjung memang sering ada di tahap itu.
Kalau traffic kamu 800 orang sebulan, masalahnya biasanya belum sampai ke warna tombol. Bisa jadi form tidak bisa dikirim dari HP tertentu, halaman loading terlalu lama, nomor WhatsApp salah ketik, atau isi landing page tidak sesuai dengan yang dijanjikan di ads.
Hal seperti itu tidak perlu dibuktikan lewat uji statistik. Kamu cukup menemukan masalahnya, lalu membereskannya.
Empat Metode yang Bekerja pada Traffic Kecil
CXL merangkum beberapa cara lain untuk website dengan traffic rendah. Semuanya berangkat dari pertanyaan yang sama, yaitu bagian mana yang bikin orang nggak lanjut.
1. Riset Kualitatif (Prioritas Tertinggi)
Menonton lima orang memakai website kamu sering kali lebih berguna daripada menunggu A/B test yang datanya tidak pernah cukup selama tiga bulan.
Cari lima orang yang mirip calon pelanggan kamu. Minta mereka buka website dari HP sambil mengucapkan apa yang mereka pikirkan. Kamu tidak perlu tool mahal; cukup dengarkan dan catat.
Fokusnya bukan menanyakan apakah desainnya bagus. Perhatikan kapan mereka berhenti, bingung, atau bertanya, “Ini maksudnya apa ya?”
2. Ganti Metrik ke Micro-Conversion
Mungkin chat WhatsApp yang masuk baru 16 per bulan. Jumlah itu terlalu kecil untuk dianalisis lebih jauh.
Tapi mungkin ada 400 orang yang scroll sampai bagian harga dan 90 orang yang membuka tab layanan. Angkanya lebih besar, jadi kamu bisa lebih cepat melihat perubahan.
Micro-conversion cuma tanda awal, bukan pengganti tujuan akhir. Misalnya, jumlah orang yang sampai ke bagian harga naik dari 400 menjadi 600 setelah halaman diperbaiki. Itu sudah cukup jadi alasan untuk mempertahankan perubahannya tanpa menunggu angka chat akhir.
3. Kejar Perubahan Besar, Bukan Perubahan Kecil
Coba lihat kalkulatornya saat target kenaikan diubah dari 10% menjadi 50%. Jumlah pengunjung yang dibutuhkan akan turun cukup jauh.
Jadi, kalau traffic masih kecil, jangan habiskan waktu buat menguji perubahan kecil. Kerjakan perubahan yang efeknya cukup besar supaya hasilnya bisa terlihat meski datanya belum banyak.
Mengganti tulisan tombol dari “Kirim” menjadi “Kirim Sekarang” termasuk perubahan kecil. Memindahkan form dari halaman terpisah ke halaman utama adalah perubahan yang lebih besar. Mulai dari yang kedua.
4. Perbaiki yang Sudah Jelas Rusak, Tanpa Tes
Kalau halaman website kamu loading sampai 7 detik, kamu tidak perlu A/B test untuk tahu itu perlu diperbaiki. Kalau form meminta 9 kolom hanya untuk tanya harga, kamu juga tidak perlu tes dulu. Begitu juga saat ads menjanjikan diskon yang sama sekali tidak terlihat di landing page.
Perbaikan seperti ini sudah didukung riset dari banyak website dengan data yang jauh lebih besar daripada traffic kamu sendiri. Kami bahas terpisah:
- Aturan 3 detik dan dampak kecepatan pada konversi
- Form abandonment dan 7 field yang membunuh leads
- Ad-to-page mismatch
- Checklist 15 poin audit website sebelum iklan
Urutan Kerja Empat Minggu
Daripada langsung membuat hipotesis lalu tes, pakai urutan “temukan lalu perbaiki.”
Minggu 1: Temukan kebocorannya. Jalankan pengunjung kamu lewat framework Conversion Leak, lalu catat mereka paling sering berhenti di bagian mana. Lihat rekaman sesi dan data scroll, jangan mengandalkan tebakan.
Minggu 2: Perbaiki yang paling besar dulu. Kerjakan satu perubahan besar per minggu. Kalau lima hal diubah sekaligus dan konversi naik, kamu tidak akan tahu mana yang benar-benar membantu.
Minggu 3: Ukur pergeserannya, bukan signifikansinya. Bandingkan 30 hari sebelum dan 30 hari setelah perubahan. Ini bukan bukti statistik, jadi jangan menganggapnya seperti itu. Tapi kalau chat WhatsApp naik dari 16 menjadi 27 setelah form dipangkas, kamu sudah punya petunjuk kuat soal langkah berikutnya.
Minggu 4: Ulangi dari kebocoran berikutnya.
Memang tidak terlihat seilmiah A/B testing. Namun, cara ini lebih jujur soal seberapa jauh data kamu bisa dipakai, dan lebih berguna daripada menjalankan tes yang dari awal tidak mungkin memberi hasil pasti.
Masukkan angkamu ke kalkulator di atas. Kalau hasilnya di atas 8 minggu, hapus "A/B testing" dari rencana kuartal ini dan ganti dengan satu sesi menonton lima orang memakai websitemu di HP mereka. Jadwalkan orang pertamanya minggu ini.
Yang paling sulit biasanya justru mencari masalahnya. Kamu perlu tahu orang berhenti di bagian mana, elemen apa yang terus diklik tapi tidak merespons, dan halaman mana yang menghabiskan budget iklan. Nalar merekam sesi pengunjung, menandai masalah yang muncul, lalu mengurutkan mana yang sebaiknya diperbaiki lebih dulu, tanpa menunggu ribuan sesi terkumpul.