My Lovely A/B Testing

A/B Testing sudah menjadi alat penelitian dalam banyak industri untuk menentukan sebuah keputusan dalam meluncurkan layanan atau produk baru. Salah satu industri yang sering menggunakan A/B Testing adalah industri E-Commerce.
A/B Testing dapat digunakan untuk menetukan secara kuantitatif apakah sebuah inovasi atau layanan produk terbaru layak untuk diluncurkan dimarket atau tidak. Contohnya ada pada skenario yang ditampilkan dibawah ini
Skenario Implementasi A/B Testing
Sebuah toko online (Tech Store) sedang melakukan A/B Testing pada halaman produk mereka. Versi A memiliki tombol “Beli” berwarna hijau, sedangkan versi B memiliki tombol “Beli” berwarna merah. Mereka ingin mengetahui versi mana yang lebih mungkin menghasilkan konversi (penjualan).

Menghitung Probabilitas Konversi dengan Bayes
Menurut wikipedia, Teorema Bayes adalah sebuah teorema dengan dua penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat kepercayaan subjektif seseorang harus berubah secara rasional ketika ada petunjuk atau informasi baru.
Jika kita kaitkan dengan kebutuhan toko tadi, terkait tombol mana yang menghasilkan lebih banyak konversi, teorema bayes ini membantu kita menghitung probabilitas konversinya ketika ada petunjuk atau informasi baru. Petunjuk atau informasi baru ini bisa berupa tombol hijau maupun tombol merah.
Berdasarkan informasi yang ada, berikut adalah Implementasi A/B Testing dengan Teorema Bayes untuk menghitung probabilitas konversi:
Data Asumsi
P(Tombol Merah | Konversi) = 0.15: Probabilitas seseorang yang melakukan konversi (membeli) pernah melihat tombol berwarna merah.
P(Tombol Hijau | Konversi) = 0.30: Probabilitas seseorang yang melakukan konversi (membeli) pernah melihat tombol berwarna hijau.
Langkah 1: Menghitung P(Tombol Merah)
P(Tombol Merah) adalah probabilitas seseorang melihat tombol berwarna merah. Kita tidak memiliki informasi langsung tentang nilai ini, tapi kita dapat memperkirakannya dengan beberapa cara:
Asumsi proporsi: Jika Anda yakin bahwa proporsi pengunjung yang melihat tombol merah dan hijau sama, maka P(Tombol Merah) = P(Tombol Hijau) = 0.5.
Data A/B Testing: Jika Anda memiliki data tentang jumlah pengunjung yang melihat setiap versi halaman, Anda dapat menghitung P(Tombol Merah) sebagai berikut:
P(Tombol Merah) = Jumlah pengunjung yang melihat tombol merah / Total pengunjung
Langkah 2: Menghitung P(Konversi)
P(Konversi) adalah probabilitas dasar seseorang melakukan konversi (membeli produk) di halaman tersebut (tanpa memandang warna tombol). Kita tidak memiliki informasi langsung tentang nilai ini, namun kita dapat memperkirakannya dengan beberapa cara:
Data historis: Jika Anda memiliki data tentang tingkat konversi di halaman tersebut di masa lalu, Anda dapat menggunakannya sebagai perkiraan P(Konversi).
Data A/B Testing: Jika Anda memiliki data tentang jumlah pengunjung yang melakukan konversi di setiap versi halaman, Anda dapat menghitung P(Konversi) sebagai berikut:
P(Konversi) = Total konversi / Total pengunjung
Langkah 3: Menghitung P(Konversi | Tombol Merah)
P(Konversi | Tombol Merah) adalah probabilitas seseorang melakukan konversi (membeli) karena melihat tombol berwarna merah. Kita dapat menghitungnya menggunakan teorema Bayes:
P(Konversi | Tombol Merah) = (P(Tombol Merah | Konversi) * P(Konversi)) / P(Tombol Merah)
Contoh:
Misalkan P(Tombol Merah) = 0.5 dan P(Konversi) = 0.02. Maka,
P(Konversi | Tombol Merah) = (0.15 * 0.02) / 0.5 = 0.06
Ini berarti bahwa probabilitas seseorang melakukan konversi (membeli) karena melihat tombol berwarna merah adalah 6%.
Langkah 4: Menghitung P(Konversi | Tombol Hijau)
Kita dapat menggunakan metode yang sama untuk menghitung P(Konversi | Tombol Hijau):
P(Konversi | Tombol Hijau) = (P(Tombol Hijau | Konversi) * P(Konversi)) / P(Tombol Hijau)
Contoh:
Misalkan P(Tombol Hijau) = 0.5 dan P(Konversi) = 0.02. Maka,
P(Konversi | Tombol Hijau) = (0.30 * 0.02) / 0.5 = 0.12
Ini berarti bahwa probabilitas seseorang melakukan konversi (membeli) karena melihat tombol berwarna hijau adalah 12%.
Kesimpulan
Dari perhitungan dengan teorema bayes di atas, didapatkan hasil probabilitas seseorang membeli barang karena melihat tombol berwarna merah adalah 6% dan jika melihat tombol hijau, jumlahnya 12%. Dengan kata lain, jika ada 100 pengunjung, maka ada 6 orang yang akan melakukan pembelian ketika melihat tombol merah dan ada 12 orang yang akan melakukan pembelian ketika melihat tombol hijau.
Dari hasil implementasi A/B testing dengan Teorema Bayes tersebut, kita dapat menyimpulkan bahwa tombol berwarna hijau lebih mungkin untuk menghasilkan konversi dibandingkan dengan tombol berwarna merah.
Bagaimana menurut Techmate? Apakah penggunaan Teorema Bayes untuk A/B Testing bisa memudahkan perusahaan mendapatkan hasil yang akurat? Tulis pendapatmu di kolom komentar, yuk.
Baca juga artikel lainnya di Blog Techno.
Tentang Penulis

Kelvyn Lukito
Hi, my name is kelvyn Lukito. I am a dedicated professional with a strong background in Project/Product Management, Data Science, Data Analysis, and Business Intelligence. With a passion for leveraging data-driven insights to enhance decision-making processes, I bring a unique blend of skills and experience to drive successful projects and optimize business strategies.