Pengujian multivariat (multivariate testing/MVT) adalah metode eksperimen yang digunakan untuk mengetahui bagaimana beberapa elemen halaman saling berinteraksi, dengan menguji secara bersamaan beberapa variasi dari dua atau lebih komponen pada halaman yang sama dan mengukur efek gabungannya terhadap metrik target seperti tingkat konversi. Jika pengujian A/B standar membandingkan satu varian halaman utuh dengan yang lain, pengujian multivariat dapat memvariasikan judul dengan dua cara dan gambar hero dengan tiga cara sekaligus, menghasilkan enam kombinasi berbeda yang ditampilkan kepada segmen lalu lintas yang berbeda. Hasilnya tidak hanya menunjukkan kombinasi mana yang berkinerja terbaik secara keseluruhan, tetapi juga mengungkap kontribusi masing-masing elemen dan apakah antarelemen berinteraksi, artinya efek satu komponen bergantung pada versi komponen lain yang dipasangkan dengannya.
Pendekatan ini bernilai ketika tim perlu memahami elemen halaman spesifik mana yang mendorong kinerja, bukan sekadar memastikan bahwa satu desain ulang menyeluruh mengungguli yang lain. Misalnya, landing page hasil desain ulang yang diuji sebagai satu varian A/B mungkin menang, tetapi tanpa pengujian multivariat tidak ada cara untuk mengetahui apakah peningkatan berasal dari judul baru, formulir yang diposisikan ulang, atau citra yang diperbarui, informasi yang penting saat menerapkan pelajaran tersebut ke halaman lain. Pengujian multivariat paling berguna untuk halaman berlalu lintas tinggi, karena kebutuhan statistik untuk mendeteksi perbedaan bermakna di banyak kombinasi, yang sering disebut sel (cell), tumbuh pesat dengan setiap variabel tambahan; desain faktorial penuh dengan dua variabel masing-masing tiga variasi membutuhkan sembilan sel, dan setiap sel memerlukan ukuran sampel yang memadai, umumnya ratusan atau ribuan konversi per sel, untuk mencapai signifikansi statistik yang andal.
Karena kebutuhan lalu lintas ini, MVT biasanya dicadangkan untuk halaman yang sudah menerima volume besar, seperti beranda ecommerce atau halaman produk berniat tinggi, dan kurang praktis untuk halaman berlalu lintas rendah seperti landing page B2B yang niche, di mana serangkaian pengujian A/B sederhana secara berurutan biasanya mencapai kesimpulan yang dapat ditindaklanjuti lebih cepat. Platform pengujian umumnya menawarkan dua pendekatan statistik untuk pengujian multivariat: faktorial penuh, yang menguji setiap kombinasi yang mungkin demi wawasan maksimal, serta metode faktorial fraksional atau Taguchi, yang menguji sebagian kombinasi saja untuk mencapai kesimpulan lebih cepat dengan mengorbankan sebagian data interaksi.
Kesalahpahaman yang sering terjadi adalah menganggap pengujian multivariat sekadar cara lebih cepat untuk menjalankan beberapa pengujian A/B sekaligus; kenyataannya pengujian ini membutuhkan lalu lintas yang jauh lebih banyak dan durasi pengujian yang lebih lama untuk mencapai tingkat kepercayaan statistik yang sama dengan satu pengujian A/B, karena lalu lintas dibagi ke jauh lebih banyak varian. Menjalankan pengujian multivariat yang kekurangan daya statistik (underpowered), yaitu pengujian yang ukuran sampel per selnya belum tercapai saat hasil diinterpretasikan, merupakan salah satu penyebab paling umum kesimpulan keliru dalam pekerjaan optimasi konversi, selain menghentikan pengujian terlalu dini berdasarkan hasil unggulan minggu pertama alih-alih durasi pengujian penuh yang direncanakan, yang sering ditetapkan dua hingga empat minggu untuk memperhitungkan musiman mingguan.
Dalam praktik konsultansi CRO, pengujian multivariat umumnya diposisikan sebagai alat lanjutan yang digunakan setelah pengujian A/B yang lebih sederhana memvalidasi arah umum suatu hipotesis, dan dicadangkan untuk situasi ketika klien memiliki lalu lintas yang cukup dan menginginkan wawasan terperinci tentang elemen halaman spesifik mana yang perlu diprioritaskan dalam pekerjaan desain mendatang. Konsultan biasanya memadukan hasil MVT dengan riset kualitatif, seperti heatmap atau wawancara pengguna, untuk menjelaskan bukan hanya kombinasi mana yang menang secara numerik tetapi juga mengapa pengguna merespons demikian, sehingga satu eksperimen berubah menjadi prinsip desain yang dapat digunakan ulang dan menginformasikan halaman lain di luar halaman yang diuji semula.
Perhatikan contoh konkret: tim halaman produk ecommerce ingin menguji dua varian judul dan dua gaya gambar produk sekaligus. Pengujian multivariat faktorial penuh menghasilkan empat kombinasi, dan jika halaman berkonversi pada baseline 5 persen dan tim ingin mendeteksi secara andal peningkatan relatif 10 persen di sel mana pun, ukuran sampel yang dibutuhkan per sel bisa dengan mudah mencapai beberapa ribu pengunjung, yang berarti halaman membutuhkan puluhan ribu total pengunjung sebelum pengujian selesai. Jika halaman itu hanya menerima beberapa ribu pengunjung per bulan, pengujian yang sama akan memakan waktu berbulan-bulan untuk mencapai signifikansi, dan pada titik itu menjalankan dua pengujian A/B berurutan, pertama mengisolasi judul lalu gambar, biasanya akan menghasilkan jawaban yang meyakinkan dan dapat ditindaklanjuti jauh lebih cepat.
Istilah lain yang diawali huruf M
Estimasi Ukuran Pasar (Market Sizing)Marketing Automation (Otomasi Pemasaran)Marketing Mix Modeling (MMM)Marketing Qualified Lead (MQL)Model Kematangan (Maturity Model)Media KitPerencanaan Media (Media Planning)Model Mental (Mental Model)MerchandisingMikro-Konversi (Micro-Conversions)MicrocopyMinimum Detectable Effect (MDE)
