माइक्रोसॉफ्ट के प्रायोगिक प्लेटफॉर्म पर परीक्षण किए गए विचारों में से केवल एक तिहाई ने ही उस मापदंड में सुधार किया जिसके लिए उन्हें डिज़ाइन किया गया था, और नेटफ्लिक्स ने अपनी सफलता दर को दस में से एक के करीब बताया है।कोहावी और लॉन्गबोथम, 2015यदि आपके बैकलॉग का अधिकांश भाग गलत है, तो परीक्षण का क्रम ही आपके परिणाम को निर्धारित करेगा। यह मार्गदर्शिका उन CRO लीड्स और प्रोडक्ट ओनर्स के लिए है जिनके पास ट्रैफ़िक की तुलना में परीक्षण के अधिक विचार हैं। हम ICE, PIE, PXL और RICE का उपयोग करके उन्हीं तीन विचारों का मूल्यांकन करते हैं, बताते हैं कि चारों रैंकिंग में अंतर क्यों है, उनके बीच चयन करने का एक नियम देते हैं, और वह महत्वपूर्ण बिंदु जोड़ते हैं जो इन चारों में नहीं है: क्या कोई परीक्षण तिमाही समाप्त होने से पहले सार्थकता प्राप्त कर सकता है।
प्रत्येक फ्रेमवर्क वास्तव में किस पर दांव लगा रहा है
ये चारों परीक्षण एक संख्या उत्पन्न करते हैं, और इनमें से कोई भी एक ही चीज़ को नहीं मापता। प्रत्येक परीक्षण स्कोरिंग प्रणाली से कहीं अधिक, इस बात का संक्षिप्त विवरण है कि परीक्षण को करने योग्य क्या बनाता है।
| ढांचा | निविष्टियां | सूत्र | मूल | यह शर्त एन्कोड करती है |
|---|---|---|---|---|
| बर्फ | प्रभाव, आत्मविश्वास, सहजता, प्रत्येक 1 से 10 तक | I × C × E | शॉन एलिस, विकास अभ्यास | अनुभवी निर्णय सबसे सस्ता संकेत है। |
| पाई | संभाव्यता, महत्व, सरलता, प्रत्येक 1 से 10 तक | तीनों का औसत | क्रिस गोवार्ड, वाइडरफनल (अब रूपांतरण) | आप क्या बदलते हैं, उससे ज्यादा महत्वपूर्ण यह है कि आप परीक्षण कहाँ करते हैं। |
| PXL | लगभग 9 प्रश्न जिनमें से अधिकांश द्विआधारी हैं, कुछ का भार 0 या 2 है। | एक निश्चित अधिकतम सीमा में से योगफल | पीप लाजा, सीएक्सएल, 27 सितंबर 2016 | किसी विचार के समर्थन में मौजूद प्रमाण, उस विचार पर विश्वास से कहीं अधिक महत्वपूर्ण होते हैं। |
| चावल | पहुँच (प्रति अवधि लोगों की संख्या), प्रभाव (0.25 से 3), आत्मविश्वास (50/80/100%), प्रयास (व्यक्ति-माह) | (आर × आई × सी) / ई | शॉन मैकब्राइड, इंटरकॉम, 5 जनवरी 2018 | कार्य की प्रति इकाई के प्रभाव का आकलन करें |
इसे अपनाने से पहले दो बातें ध्यान में रखें। PXL को अन्य CRO फ्रेमवर्क पर हमले के रूप में लिखा गया था: लाजा का तर्क है कि यदि आप संभावित लाभ या आत्मविश्वास का पहले से ही विश्वसनीय अनुमान लगा सकते हैं, तो आपको परीक्षण की आवश्यकता नहीं होगी। और PIE का आधिकारिक पृष्ठ मानदंड तो परिभाषित करता है, लेकिन कोई पैमाना या सूत्र प्रकाशित नहीं करता, इसलिए हर टीम अपना खुद का मानदंड बनाती है। widerfunnel.com डोमेन अब conversion.com पर रीडायरेक्ट होता है, इसलिए जिस फ्रेमवर्क का हवाला अधिकांश CRO डेक देते हैं, उसका कोई स्थायी प्राथमिक विनिर्देश नहीं है।
वही लंबित कार्य, चार तरीकों से मूल्यांकित
एक मध्यम आकार के खुदरा विक्रेता पर किए गए तीन संभावित परीक्षण। आंकड़े केवल उदाहरण के लिए हैं, ग्राहक डेटा नहीं।
- A. उत्पाद पृष्ठ के मूल्य खंड के भीतर किश्त (टैक्सिट) का विवरण। प्रति माह 180,000 पीडीपी दर्शक, एनालिटिक्स और ग्राहक प्रतिक्रिया टिकटों द्वारा समर्थित।
- B. चेकआउट प्रक्रिया में अनिवार्य खाता निर्माण को हटाएँ। उपयोगिता सत्रों, रिकॉर्डिंग, विश्लेषण और सहायता संपर्कों के माध्यम से प्रति माह 12,000 चेकआउट प्रक्रियाएँ शुरू होती हैं।
- C. होमपेज के हीरो हेडलाइन को दोबारा लिखें। प्रति माह 220,000 होमपेज सेशन, कोई सहायक शोध नहीं, कार्यशाला में प्रस्तावित।
| टेस्ट | चावल | बर्फ | पाई | पीएक्सएल (12 में से) |
|---|---|---|---|---|
| ए: किश्तों का विवरण | 144,000 (1st) | 294 (2 वां) | 7.0 (2 वां) | 10 (1st) |
| बी: कोई जबरन खाता नहीं | 18,000 (तीसरा) | 405 (1st) | 6.3 (तीसरा) | 9 (2 वां) |
| सी: हीरो हेडलाइन | 55,000 (2 वां) | 144 (तीसरा) | 7.3 (1st) | 6 (तीसरा) |
प्रत्येक परीक्षण कम से कम एक फ्रेमवर्क के अंतर्गत सफल होता है। असहमति फ्रेमवर्क के अपने काम को ठीक से करने को लेकर है:
- RICE ने A को प्राथमिकता दी क्योंकि Reach एक कच्ची कर्मचारी संख्या है। यह किसी भी सामान्य फ़नल पर चेकआउट और खाता संबंधी कार्यों को दबा देगा।
- ICE ने B को प्राथमिकता दी क्योंकि एक वरिष्ठ विशेषज्ञ जबरन खाता निर्माण के प्रभाव को 9 और आत्मविश्वास को 9 अंक देता है, और ICE राय को राय के आधार पर गुणा करता है। स्कोरर बदलें, कार्ययोजना बदलें।
- PIE में C को पहले स्थान पर रखा जाता है क्योंकि होमपेज पर सबसे मूल्यवान ट्रैफ़िक होता है और कंटेंट तैयार करना बेहद आसान है। PIE को इसी उद्देश्य से बनाया गया था। पृष्ठों; रैंकिंग करने के लिए कहा गया परिवर्तनयह महत्वपूर्ण टेम्पलेट्स में सस्ते बदलावों को पुरस्कृत करता है।
- PXL में C सबसे आखिर में आता है क्योंकि C चारों साक्ष्य संबंधी प्रश्नों पर शून्य अंक प्राप्त करता है। यह एकमात्र ऐसा ढांचा है जो आत्मविश्वास के बारे में स्कोरर की ईमानदारी पर भरोसा करने के बजाय, अनुमान को संरचनात्मक रूप से दंडित करता है।
किसका उपयोग करें: अपनी बाध्यकारी बाधा के आधार पर चुनें
| बंधन बाधा | उपयोग | क्योंकि |
|---|---|---|
| अभी तक कोई शोध इनपुट नहीं, पहले दस परीक्षण | आईईसी, लिखित एंकरों के साथ | यह पूरी तरह से निर्णय पर आधारित है। आउटपुट को रैंकिंग के बजाय एक कतार के रूप में मानें। |
| टीम लगातार राय जानने की कोशिश करती रहती है और असफल होती रहती है। | PXL | बाइनरी साक्ष्य वाले प्रश्नों को बढ़ा-चढ़ाकर पेश करना मुश्किल होता है। |
| यातायात नहीं, इंजीनियरिंग क्षमता। | चावल | केवल एक ही ऐसा है जिसमें हर (denominator) है, इसलिए केवल एक ही ऐसा है जो थ्रूपुट को अनुकूलित करता है। |
| किस पेज या टेम्पलेट पर काम करना है, यह चुनना | पाई | इसी सवाल के लिए बनाया गया है। |
| यातायात | कोई अकेला नहीं | ये चारों इस बात से अनजान हैं कि परीक्षा पूरी हो पाएगी या नहीं। नीचे गेट जोड़ें। |
चारों द्वार गायब हैं: क्या यह परीक्षण पूरा हो पाएगा?
पहुँच का अर्थ पता लगाना नहीं है। स्कोरिंग से पहले व्यवहार्यता की जाँच करें, 95% सार्थकता और 80% शक्ति पर दो-तरफ़ा परीक्षण के लिए सामान्य सन्निकटन का उपयोग करते हुए:
n per variant ≈ 15.7 × p × (1 - p) / d²
जहां p यह उस मीट्रिक की आधारभूत दर है जिसे आप स्थानांतरित कर रहे हैं और d यही वह सटीक वृद्धि है जिसे आप पहचानना चाहते हैं। ऊपर दिए गए लंबित कार्य पर लागू:
| टेस्ट | मीट्रिक और बेसलाइन | MDE | प्रति प्रकार | सप्ताह |
|---|---|---|---|---|
| A | पीडीपी व्यूअर खरीदने पर, 2.0% | 5% सापेक्ष (0.1 पीपी) | ~ 307,700 | ~ 14 |
| A | पीडीपी व्यूअर खरीदने पर, 2.0% | 10% सापेक्ष (0.2 पीपी) | ~ 76,900 | ~4 |
| B | खरीदारी शुरू करने के लिए चेकआउट करें, 55% | 5% सापेक्ष (2.75 पीपी) | ~ 5,140 | ~4 |
RICE द्वारा प्रथम स्थान पर रखा गया परीक्षण, अधिकांश टीमों द्वारा अनुमानित संवेदनशीलता पर एक तिमाही तक नहीं पढ़ा जा सकता है, जबकि RICE द्वारा अंतिम स्थान पर रखा गया परीक्षण एक महीने में पूरा हो जाता है। A 2% आधार पर और B 55% आधार पर स्थित है, और नमूना आकार निर्धारित होता है। p(1-p)/d²यह इस बात पर निर्भर नहीं करता कि कितने लोगों ने पेज देखा। 10% को कार्रवाई योग्य सबसे छोटा लाभ घोषित करते ही यह भी संभव हो जाता है, जिससे आपका न्यूनतम पता लगाने योग्य प्रभाव सांख्यिकी विवरण के बजाय प्राथमिकता निर्धारण का निर्णय बन जाता है। स्कोरिंग के साथ ही बैठक में इसका निर्णय लें और सभी कार्यों के लिए एक ही कैलकुलेटर चुनें, क्योंकि विभिन्न विचरण अनुमान पूरी तरह से मेल नहीं खाते हैं। इवान मिलर का और स्विटास ए/बी टेस्ट कैलकुलेटर दोनों ठीक हैं.
व्यवहार्यता बकेट
- दो सप्ताह या उससे कम। हरा। स्कोर करो और दौड़ो।
- दो से चार सप्ताह। एम्बर। इसे अकेले चलाएं, कम से कम दो पूरे साप्ताहिक चक्रों को कवर करते हुए।
- चार से आठ सप्ताह. मानक A/B परीक्षण के लिए लाल रंग का उपयोग करें। MDE को बढ़ाएँ, उच्च-आधार मीट्रिक पर जाएँ, या पूर्व-पंजीकृत स्टॉपिंग नियम के साथ अनुक्रमिक डिज़ाइन का उपयोग करें।
- आठ सप्ताह से अधिक समय तक। इसका A/B परीक्षण न करें। सुरक्षा मानकों के साथ निर्णय लेकर उत्पाद लॉन्च करें, या गुणात्मक अध्ययन करें।
अंग्रेजी भाषा के सीआरओ साहित्य में जितना माना जाता है, उससे कहीं अधिक महत्वपूर्ण यह द्वार है। तुर्की में ई-कॉमर्स का कुल कारोबार 2025 में लगभग 634,000 व्यवसायों के माध्यम से 4.567 ट्रिलियन लीरा तक पहुंच गया।व्यापार मंत्रालय, 12 मई 2026औसतन, प्रति व्यवसाय प्रति वर्ष लगभग 7.2 मिलियन लीरा का लेनदेन होता है, और यह वितरण कुछ चुनिंदा बाज़ारों की ओर झुका हुआ है, इसलिए सामान्य व्यापारी इससे काफी नीचे रहता है। महीने में कुछ सौ ऑर्डर करने वाली साइट किसी भी उपयोगी MDE पर चेकआउट परीक्षण नहीं कर सकती। ऐसी साइटों के लिए, प्राथमिकता निर्धारण का वास्तविक परिणाम एक शोध और मापन रोडमैप है, न कि परीक्षण रोडमैप।
स्कोर को सार्थक बनाना
- स्कोरिंग से पहले एंकर लिखें। RICE में इम्पैक्ट 3 का आपकी मुद्रा में कुछ अर्थ होना चाहिए, उदाहरण के लिए "खरीद रूपांतरण को 5% से अधिक सापेक्ष रूप से प्रभावित करता है"। एंकर के बिना, स्कोर एक ही सत्र के भीतर अस्थिर हो जाते हैं।
- साक्ष्य स्तर के आधार पर कैप कॉन्फिडेंस। बिना शोध के 50% की सीमा, केवल विश्लेषण के लिए 80%, और विश्लेषण, गुणात्मक विश्लेषण और संबंधित पूर्व सफलता सहित 100% की सीमा। यह PXL के अनुशासन को RICE में शामिल करता है।
- बिना देखे स्कोर का आकलन करें, सबसे पहले सबसे बड़े अंतरों को सुलझाएं। तीन लोग स्वतंत्र रूप से अंक देते हैं, फिर केवल उन मदों पर चर्चा करते हैं जिनमें तीन या अधिक अंकों का अंतर होता है, तीस मदों के लिए लगभग चालीस मिनट लगते हैं।
- अनुमानित स्कोर की तुलना वास्तविक परिणाम से करें। दस बार रीडिंग लेने के बाद, जांचें कि क्या इम्पैक्ट स्कोर देखे गए प्रभावों से मेल खाते हैं। यदि नहीं, तो यह पैमाना केवल दिखावटी है और आपको PXL पर स्विच कर देना चाहिए।
- विभिन्न फ्रेमवर्क के स्कोर की तुलना कभी न करें। 144,000 का RICE स्कोर और 10 का PXL स्कोर आपस में संबंधित नहीं हैं।
जहां यह टूट जाता है
ये फ्रेमवर्क विचारों को श्रेणीबद्ध करते हैं, उन्हें बेहतर नहीं बनाते। PXL पर 12 में से 11 अंक प्राप्त करने वाली कमजोर परिकल्पना अभी भी कमजोर ही है, और कोई भी मॉडल आपको यह नहीं बताएगा कि वास्तविक समस्या उस पृष्ठ से पहले मौजूद है जिसका आप परीक्षण कर रहे हैं। विशिष्ट सीमाएँ:
- प्रयास सबसे कम विश्वसनीय इनपुट है और कोई भी इसका पुनर्मूल्यांकन नहीं करता है। RICE का हर वह संख्या है जिसके दो के गुणक से गलत होने की सबसे अधिक संभावना है, और यह गलत प्रभाव स्कोर की तुलना में रैंकिंग को अधिक प्रभावित करता है।
- चारों मॉडलों में से किसी में भी परस्पर क्रिया नहीं पाई गई। एक ही फ़नल पर एक साथ तीन परीक्षण करें और परिणाम आपको हस्तक्षेप के बारे में कुछ भी नहीं बताएंगे।
- मौसमी व्यवसायों के लिए प्रति माह लोगों तक पहुंच में कुछ अंतराल होते हैं। यात्रा और शिक्षा को पूरे मौसमी चक्र में या पिछले वर्ष की समान अवधि के मुकाबले रीच स्कोर मिलना चाहिए।
- निर्भरताएं अदृश्य होती हैं। टेस्ट बैकलॉग और प्रोडक्ट रोडमैप के बीच साझा किया गया स्कोर भी उस पक्ष को अधिक आकर्षक बनाता है जिसमें अधिक ट्रैफिक होता है।
[आंतरिक डेटा की आवश्यकता: पिछले 24 महीनों में विभिन्न स्तंभों के आधार पर स्विटास की जीत दर, ताकि उद्योग की सफलता दर के आंकड़ों को प्रत्यक्ष आंकड़ों से बदला जा सके।]
[आंतरिक डेटा की आवश्यकता: दो फ्रेमवर्क के तहत स्कोर किए गए अनाम क्लाइंट बैकलॉग की आवश्यकता है, ताकि उदाहरण के स्थान पर इसका उपयोग किया जा सके।]
ज़्यादातर पूछे जाने वाले सवाल
क्या CRO कार्य के लिए RICE, ICE से बेहतर है?
अनिवार्य रूप से नहीं। RICE में Reach को जोड़ा जाता है और Effort को हर में रखा जाता है, जो डिलीवरी क्षमता की समस्या होने पर मददगार होता है, लेकिन यह अधिक ट्रैफ़िक वाले पेजों की ओर झुकाव रखता है। RICE का उपयोग तब करें जब इंजीनियरिंग के लिए समय कम हो, और ICE का उपयोग तब करें जब समय पर्याप्त हो।
टेस्ट कराने के लिए कितना स्कोर पर्याप्त माना जाता है?
इन चारों में से किसी की भी कोई निश्चित सीमा नहीं है। स्कोर क्रमबद्ध हैं: वे आपको बताते हैं कि आगे क्या करना है, न कि यह कि कुछ करना सार्थक है या नहीं। निश्चित मापदंड व्यवहार्यता है। यदि कोई परीक्षण आठ सप्ताह में सार्थकता के स्तर तक नहीं पहुँच पाता है, तो उसका स्कोर अप्रासंगिक है।
क्या हम दो ढाँचों को मिला सकते हैं?
आउटपुट को संयोजित करना अर्थहीन है क्योंकि पैमाने आपस में संबंधित नहीं हैं। इनपुट को संयोजित करना अर्थपूर्ण है। RICE के आत्मविश्वास स्तर को PXL के साक्ष्य प्रश्नों के साथ जोड़ना एक सुव्यवस्थित हाइब्रिड विधि है और हम इसका सबसे अधिक उपयोग करते हैं।
क्या PXL गैर-ई-कॉमर्स साइटों के लिए काम करता है?
साक्ष्य संबंधी प्रश्न किसी भी उत्पाद पर लागू होते हैं। लेआउट संबंधी प्रश्न मार्केटिंग पेज के लिए हैं और लॉग-इन किए गए उपयोगकर्ताओं के लिए उपयुक्त नहीं हैं। इन्हें उन प्रश्नों से बदलें जिनमें यह पूछा जाए कि उपयोगकर्ता कार्य प्रवाह में उस तत्व से कितनी बार मिलते हैं।
क्या कम ट्रैफिक वाली साइटों को इन फ्रेमवर्क का उपयोग करना चाहिए?
हां, क्रमबद्ध कार्य के लिए यह ठीक है, लेकिन आउटपुट को टेस्ट रोडमैप कहना बंद करें। ऐसी साइट पर जहां टेस्टिंग संभव नहीं है, उसी प्रक्रिया से यूएक्स ऑडिट के निष्कर्ष, शोध प्रश्न और निर्माण कार्य का क्रम निर्धारित होता है।
स्कोरिंग सेशन में कौन-कौन शामिल होना चाहिए?
तीन से पाँच लोग जो अलग-अलग सबूत देखते हैं: विश्लेषण, अनुसंधान या समर्थन, और जो भी व्यक्ति कार्यान्वयन का प्रभारी होता है। केवल स्कोरिंग से आत्मविश्वास से भरी निरर्थक बातें निकलती हैं; दस लोगों के साथ स्कोरिंग करने से ऐसे औसत निकलते हैं जिनका कोई महत्व नहीं होता।
इसे अपने लंबित कार्यों पर आजमाएं
अपनी परीक्षण सूची के शीर्ष पर मौजूद दस वस्तुओं को लें, प्रत्येक को ऊपर दिए गए व्यवहार्यता सूत्र के अनुसार चलाएँ, और गणना करें कि आपके द्वारा मानी गई संवेदनशीलता पर कितनी वस्तुएँ खरी उतरती हैं। यदि आधे से अधिक वस्तुएँ खरी नहीं उतरती हैं, तो रैंकिंग कभी भी आपकी समस्या नहीं थी। सीआरओ और प्रयोग टीम किसी भी कार्य की शुरुआत में पहले चरण के रूप में स्कोरिंग और व्यवहार्यता जांच की जाती है।
सूत्रों का कहना है
- कोहावी, आर. और लॉन्गबोथम, आर. (2015). ऑनलाइन नियंत्रित प्रयोग और ए/बी परीक्षणमाइक्रोसॉफ्ट के आंकड़े के लिए कोहावी, क्रूक और लॉन्गबोथम (2009) और नेटफ्लिक्स के लिए मोरन (2007) का हवाला दिया गया है।
- मैकब्राइड, एस. (5 जनवरी 2018)। RICE: उत्पाद प्रबंधकों के लिए सरल प्राथमिकता निर्धारणइंटरकॉम।
- लाजा, पी. (27 सितंबर 2016)। PXL: अपने A/B टेस्ट को प्राथमिकता देने का एक बेहतर तरीका, सीएक्सएल.
- पीआईई प्राथमिकता ढांचाकन्वर्जन (पूर्व में वाइडरफनल), क्रिस गोवार्ड को श्रेय देते हुए।
- तुर्की व्यापार मंत्रालय (12 मई 2026)। ई-कॉमर्स का कारोबार 2025 में 4.6 ट्रिलियन लीरा तक पहुंच गया।.
- मिलर, ई. नमूना आकार कैलकुलेटर.
- स्वितास. ए/बी टेस्ट कैलकुलेटर.
