Tấn Phát Digital
Hướng dẫn

Hướng dẫn tối ưu tỷ lệ chuyển đổi (CRO): nghiên cứu, giả thuyết, thử nghiệm

Tối ưu tỷ lệ chuyển đổi (CRO) không phải là đổi màu nút rồi chờ phép màu. Đó là một quy trình: tìm chỗ khách hàng bỏ đi, hiểu vì sao, đưa ra giả thuyết, kiểm chứng bằng thử nghiệm đủ dữ liệu, rồi giữ lại những gì thật sự hiệu quả.

Hướng dẫn này đi qua từng bước, kèm cách tính cỡ mẫu A/B test, cách dùng heatmap và ghi phiên của Microsoft Clarity, 10 điểm kiểm tra landing page và những lỗi thống kê khiến nhiều thử nghiệm cho kết quả sai.

Tấn Phát Digital · Cập nhật 18/11/2026 · Khoảng 18 phút đọc

Xem mục lục

CRO là gì và khi nào nên bắt đầu

Tỷ lệ chuyển đổi là phần trăm lượt truy cập (hoặc người dùng) thực hiện hành động bạn mong muốn: gửi form, gọi điện, mua hàng, đăng ký. Công thức đơn giản là số chuyển đổi chia cho số phiên truy cập, nhân 100. Bạn có thể tính nhanh bằng công cụ tính tỷ lệ chuyển đổi.

CRO là quá trình có hệ thống để tăng tỷ lệ đó mà không cần tăng traffic. Lợi ích của nó là cộng dồn: nếu landing page chuyển đổi tốt hơn, mọi đồng chi cho quảng cáo, SEO hay nội dung đều mang lại nhiều khách hơn. Phần lý thuyết nền có trong bài CRO là gì.

Chuyển đổi chính và chuyển đổi vi mô

  • Chuyển đổi chính: hành động trực tiếp tạo doanh thu hoặc lead, như đơn hàng, form báo giá, cuộc gọi.
  • Chuyển đổi vi mô: bước nhỏ dẫn tới chuyển đổi chính, như xem bảng giá, thêm vào giỏ, bấm nút Zalo, cuộn tới phần đánh giá. Chúng xảy ra nhiều hơn nên hữu ích khi traffic thấp.

Điều kiện trước khi làm CRO

  1. Đo lường đúng: các hành động quan trọng đã được ghi nhận là sự kiện quan trọng trong GA4 và bạn đã tự bấm thử để kiểm tra.
  2. Không có lỗi hiển nhiên: form gửi được trên điện thoại, trang không vỡ giao diện, nút gọi hoạt động. Sửa lỗi không cần thử nghiệm.
  3. Có đủ traffic cho phương pháp bạn chọn: A/B test cần nhiều dữ liệu (xem phần cỡ mẫu). Ít traffic thì dựa nhiều hơn vào nghiên cứu định tính.

Quy trình CRO 5 bước

  1. 1

    Nghiên cứu

    Dùng dữ liệu định lượng để biết khách bỏ đi ở đâu, dữ liệu định tính để hiểu vì sao.

  2. 2

    Viết giả thuyết

    Mỗi ý tưởng thay đổi phải gắn với một quan sát cụ thể và một chỉ số đo.

  3. 3

    Xếp ưu tiên

    Chấm điểm theo tác động, độ tin cậy và công sức để chọn việc làm trước.

  4. 4

    Thử nghiệm

    Tính cỡ mẫu và thời gian chạy trước, chạy đủ, không nhìn kết quả rồi dừng sớm.

  5. 5

    Học và triển khai

    Ghi lại kết quả kể cả khi thua, áp dụng phương án thắng, và đưa điều học được vào giả thuyết tiếp theo. Một bảng lưu lịch sử thử nghiệm giúp đội không lặp lại thử nghiệm cũ.

Bước 1: Nghiên cứu để tìm chỗ rò rỉ

Dữ liệu định lượng: khách bỏ đi ở đâu

  • Báo cáo Trang đích trong GA4: tìm trang có nhiều phiên nhưng tỷ lệ sự kiện quan trọng thấp. Đó là nơi cải thiện nhỏ cũng tạo khác biệt lớn.
  • Khám phá phễu (Funnel exploration) trong GA4: dựng các bước như xem sản phẩm, thêm vào giỏ, bắt đầu thanh toán, mua hàng để thấy bước nào rơi nhiều nhất. Có thể ước lượng nhanh bằng công cụ tính chuyển đổi phễu.
  • Tách theo thiết bị và nguồn: tỷ lệ chuyển đổi trên điện thoại thấp hơn hẳn máy tính thường gợi ý vấn đề giao diện di động; một nguồn quảng cáo chuyển đổi kém có thể do thông điệp quảng cáo không khớp trang đích.
  • Tốc độ trang: xem Core Web Vitals trong Search Console. Ngưỡng tốt: LCP dưới 2,5 giây, INP dưới 200 mili giây, CLS dưới 0,1. Bài tốc độ website ảnh hưởng tới chuyển đổi giải thích thêm.

Dữ liệu định tính: vì sao khách bỏ đi

  • Heatmap và ghi phiên: xem người dùng bấm vào đâu, cuộn tới đâu, chỗ nào họ lúng túng (phần tiếp theo).
  • Khảo sát trên trang: một câu hỏi duy nhất hiện khi khách sắp rời trang, ví dụ "Điều gì khiến anh/chị chưa đặt hàng hôm nay?".
  • Hỏi đội bán hàng và chăm sóc khách hàng: khách thường hỏi gì trước khi mua, lý do nào khiến họ từ chối.
  • Thử với người dùng thật: nhờ vài người đúng tệp khách hàng làm một nhiệm vụ trên website (tìm giá, đặt lịch) và nói to suy nghĩ. Chỉ vài người cũng đủ phát hiện phần lớn vấn đề lớn.
  • Đọc tin nhắn, bình luận, đánh giá: ngôn ngữ khách dùng để mô tả nỗi lo của họ là chất liệu tốt cho tiêu đề và nội dung trang.

Dùng heatmap và ghi phiên của Microsoft Clarity

Microsoft Clarity là công cụ miễn phí ghi lại cách người dùng tương tác với website: heatmap, bản ghi phiên và các tín hiệu như rage click. Clarity không phải công cụ A/B test, nhưng là nơi tốt nhất để tìm ý tưởng cho thử nghiệm.

Cài đặt

  1. Tạo dự án trên Clarity, lấy đoạn mã theo dõi.
  2. Gắn mã vào website, trực tiếp hoặc qua Google Tag Manager.
  3. Kết nối với GA4 trong phần cài đặt của Clarity nếu muốn xem bản ghi phiên từ phân đoạn GA4.
  4. Kiểm tra chế độ che dữ liệu (masking) để đảm bảo thông tin khách nhập vào form không bị ghi lại, và cập nhật chính sách quyền riêng tư của website cho phù hợp.

Đọc heatmap

  • Heatmap nhấp chuột: khách có bấm vào nút chính không, hay bấm vào ảnh, chữ in đậm tưởng là link?
  • Heatmap cuộn: phần trăm người dùng cuộn tới từng vị trí. Nếu phần lớn khách không cuộn tới phần bảng giá hoặc form, cân nhắc đưa thông tin quan trọng lên trên hoặc thêm nút dẫn xuống.
  • Luôn tách điện thoại và máy tính: hai thiết bị cho hành vi rất khác nhau; xem chung sẽ ra kết luận sai.

Xem bản ghi phiên có mục đích

Không ai xem nổi hàng nghìn bản ghi. Hãy lọc theo câu hỏi cụ thể:

  • Rage click (bấm liên tục vào một chỗ): thường là phần tử trông như bấm được nhưng không phản hồi, hoặc nút bị lỗi.
  • Dead click (bấm nhưng không có gì xảy ra): ảnh sản phẩm không phóng to, chữ gạch chân không phải link.
  • Quay lại nhanh: khách vào trang rồi quay ra ngay, gợi ý trang không đúng kỳ vọng.
  • Phiên có bắt đầu điền form nhưng không gửi: xem họ dừng ở trường nào.

Ghi chép thành giả thuyết

Mỗi lần xem bản ghi, ghi lại theo mẫu: trang, thiết bị, hành vi quan sát được, số lần lặp lại trong các bản ghi đã xem. Một vấn đề chỉ gặp một lần chưa phải là bằng chứng; vấn đề lặp lại ở nhiều phiên mới đáng đưa vào danh sách giả thuyết.

Bước 2–3: Viết giả thuyết và xếp ưu tiên

Giả thuyết tốt buộc bạn nói rõ mình đang thay đổi gì, vì sao, và sẽ đo bằng gì. Nó cũng giúp đội học được điều gì đó kể cả khi thử nghiệm thua.

Mẫu giả thuyết

Vì [quan sát từ dữ liệu: heatmap, bản ghi, khảo sát, GA4], chúng tôi tin rằng [thay đổi cụ thể] cho [nhóm người dùng: thiết bị, nguồn traffic, trang] sẽ [kết quả mong đợi]. Chúng tôi sẽ biết điều đó đúng khi [chỉ số chính] thay đổi sau [thời gian/cỡ mẫu đã tính].

Ví dụ minh họa: "Vì bản ghi phiên trên điện thoại cho thấy nhiều khách cuộn qua lại phần giá rồi rời trang, và đội bán hàng cho biết câu hỏi phổ biến nhất là chi phí phát sinh, chúng tôi tin rằng thêm bảng "giá đã bao gồm gì" ngay dưới giá cho người dùng điện thoại sẽ tăng số form báo giá. Chỉ số chính là tỷ lệ gửi form trên phiên điện thoại."

Xếp ưu tiên bằng ICE hoặc PIE

KhungTiêu chí (chấm 1–10)Phù hợp khi
ICEImpact (tác động), Confidence (độ tin vào bằng chứng), Ease (dễ làm)Đội nhỏ, cần chọn nhanh trong danh sách ý tưởng
PIEPotential (dư địa cải thiện của trang), Importance (giá trị traffic của trang), Ease (dễ làm)Cần chọn trang nào để tối ưu trước

Điểm số chỉ là công cụ trao đổi trong đội, không phải phép tính chính xác. Điều quan trọng là mỗi điểm phải giải thích được bằng dữ liệu. Ý tưởng có độ tin cậy thấp vì thiếu bằng chứng nên quay về bước nghiên cứu thay vì đem đi test ngay.

Bước 4: Tính cỡ mẫu và thời gian chạy A/B test

A/B test so sánh phiên bản hiện tại (A) với phiên bản thay đổi (B) bằng cách chia ngẫu nhiên người dùng vào hai nhóm. Câu hỏi quan trọng nhất phải trả lời trước khi bắt đầu: cần bao nhiêu người mỗi nhóm thì kết quả mới đáng tin?

Bốn thông số quyết định cỡ mẫu

Thông sốÝ nghĩaGiá trị thường dùng
Tỷ lệ chuyển đổi gốcTỷ lệ hiện tại của trang, lấy từ GA4 vài tuần gần nhấtTheo dữ liệu của bạn
Mức thay đổi nhỏ nhất muốn phát hiện (MDE)Mức cải thiện nhỏ nhất bạn quan tâm, thường tính tương đối so với tỷ lệ gốcTùy mục tiêu; MDE càng nhỏ, cỡ mẫu càng lớn
Mức ý nghĩa (alpha)Xác suất chấp nhận kết luận 'có khác biệt' khi thực ra không có5% (tương ứng độ tin cậy 95%)
Độ mạnh kiểm định (power)Xác suất phát hiện được khác biệt nếu nó thật sự tồn tại80%

Với mức ý nghĩa 5% (hai phía) và độ mạnh 80%, có một công thức gần đúng dễ nhớ: số người mỗi nhóm xấp xỉ 16 × p × (1 − p) chia cho bình phương mức chênh lệch tuyệt đối muốn phát hiện, trong đó p là tỷ lệ chuyển đổi gốc.

Ví dụ tính (số liệu giả định)

Trang có tỷ lệ chuyển đổi gốc 3%. Bạn muốn phát hiện mức tăng tương đối 20%, tức từ 3% lên 3,6%; chênh lệch tuyệt đối là 0,6 điểm phần trăm (0,006).

Mỗi nhóm cần khoảng 16 × 0,03 × 0,97 ÷ 0,006² ≈ 12.900 người, hai nhóm khoảng 26.000 người.

Nếu trang có khoảng 1.000 lượt truy cập mỗi ngày và chia đều cho hai nhóm, cần khoảng 26 ngày. Làm tròn lên thành 4 tuần trọn vẹn để mỗi ngày trong tuần đều xuất hiện như nhau.

Nếu chỉ muốn phát hiện mức tăng 10%, cỡ mẫu tăng khoảng bốn lần, vì cỡ mẫu tỷ lệ nghịch với bình phương mức chênh lệch.

Không cần tự tính tay: dùng công cụ tính cỡ mẫu A/B test trước khi chạy, và công cụ tính kết quả A/B test khi đã đủ dữ liệu. Các công cụ khác nhau có thể cho con số hơi lệch nhau do dùng công thức khác nhau, điều đó bình thường.

Quy tắc thời gian chạy

  • Quyết định cỡ mẫu và ngày kết thúc trước khi bắt đầu, ghi vào bảng thử nghiệm.
  • Chạy theo tuần trọn vẹn, tối thiểu một đến hai tuần, để hành vi ngày thường và cuối tuần đều có mặt.
  • Tránh chạy chồng lên giai đoạn bất thường như đợt giảm giá lớn, Tết, sự cố website, trừ khi đó chính là bối cảnh bạn muốn kiểm tra.
  • Nếu tính ra cần nhiều tháng mới đủ mẫu, đừng chạy. Hãy thử thay đổi lớn hơn (MDE lớn hơn), đo chuyển đổi vi mô có tần suất cao hơn, hoặc chọn trang khác nhiều traffic hơn.

Lỗi thống kê hay gặp khi đọc kết quả

Phần lớn "chiến thắng" trong A/B test không lặp lại được khi áp dụng thật đến từ các lỗi dưới đây.

1. Dừng test sớm khi thấy kết quả đẹp

Trong những ngày đầu, số mẫu nhỏ nên tỷ lệ chuyển đổi dao động mạnh. Gần như thử nghiệm nào cũng có lúc một phiên bản trông như đang thắng rõ rệt. Nếu bạn dừng ngay khi công cụ báo "có ý nghĩa thống kê", xác suất kết luận sai tăng cao hơn nhiều so với mức 5% bạn đặt ra. Phương pháp kiểm định thông thường giả định bạn chỉ nhìn kết quả một lần, khi đã đủ cỡ mẫu.

2. Xem kết quả từng ngày và đổi quyết định theo đó

Xem dữ liệu hàng ngày để phát hiện lỗi kỹ thuật là cần thiết. Nhưng mỗi lần nhìn kết quả với ý định "nếu thắng thì dừng" là một lần kiểm định thêm, làm tăng xác suất dương tính giả. Nếu đội cần theo dõi liên tục và được phép dừng sớm, hãy dùng công cụ hỗ trợ phương pháp kiểm định tuần tự (sequential testing) được thiết kế cho việc đó.

3. Tỷ lệ chia nhóm lệch (SRM)

Bạn chia 50/50 nhưng nhóm A có 10.000 người, nhóm B chỉ 9.400. Chênh lệch lớn hơn mức ngẫu nhiên cho thấy lỗi kỹ thuật: phiên bản B tải chậm khiến một số người rời trước khi được ghi nhận, bot bị lọc khác nhau, hoặc chuyển hướng bị lỗi. Kết quả của thử nghiệm bị SRM không đáng tin, dù phiên bản nào thắng. Có thể kiểm tra bằng kiểm định chi bình phương trên số người mỗi nhóm.

4. Đo quá nhiều chỉ số, quá nhiều phiên bản

Nếu bạn theo dõi hai mươi chỉ số, gần như chắc chắn có một chỉ số "có ý nghĩa" do ngẫu nhiên. Chọn một chỉ số chính trước khi chạy; các chỉ số khác chỉ dùng để kiểm tra phụ. Mỗi phiên bản thêm vào cũng cần thêm mẫu và làm tăng nguy cơ kết luận sai.

5. Đào phân khúc sau khi test

"Tổng thể không thắng, nhưng nhóm người dùng iPhone ở Hà Nội vào buổi tối thì thắng". Phân khúc tìm ra sau khi xem dữ liệu chỉ nên coi là giả thuyết cho thử nghiệm tiếp theo, không phải kết luận.

6. Hiểu sai "độ tin cậy 95%"

Kết quả có ý nghĩa ở mức 95% không có nghĩa là "95% khả năng B tốt hơn A". Nó có nghĩa là nếu thực ra không có khác biệt, khả năng thấy chênh lệch lớn như vậy do ngẫu nhiên là dưới 5%. Ngoài ý nghĩa thống kê, hãy xem khoảng tin cậy và hỏi: mức cải thiện đó có đủ lớn để đáng triển khai không?

7. Hiệu ứng mới lạ

Khách quen có thể bấm vào thứ mới chỉ vì nó lạ. Nếu phần lớn traffic là khách quay lại, theo dõi thêm sau khi triển khai để chắc kết quả còn giữ được.

Bước 5: Sau thử nghiệm và khi traffic thấp

Đọc kết quả và quyết định

Khi đã đủ cỡ mẫu và đủ thời gian như kế hoạch, kết quả thường rơi vào một trong ba trường hợp:

  • B thắng rõ ràng và mức cải thiện đủ lớn để đáng làm: triển khai cho toàn bộ người dùng, tiếp tục theo dõi chỉ số chính vài tuần sau đó.
  • Không có khác biệt đáng kể: đây cũng là kết quả có giá trị. Nó cho biết yếu tố bạn thay đổi không phải điều khách hàng quan tâm. Giữ phiên bản dễ duy trì hơn và chuyển sang giả thuyết khác.
  • B thua: bạn vừa tránh được việc áp dụng một thay đổi gây hại. Xem lại giả thuyết: bằng chứng ban đầu có sai, hay cách triển khai chưa đúng ý tưởng?

Lưu lịch sử thử nghiệm

Mỗi thử nghiệm, kể cả thua, nên có một dòng trong bảng lưu chung. Sau một năm, bảng này là tài sản quý nhất của chương trình CRO vì nó cho biết khách hàng của bạn phản ứng với điều gì.

Mẫu ghi chép một thử nghiệm

Tên thử nghiệm: Trang / nhóm người dùng: Giả thuyết (theo mẫu ở trên): Bằng chứng ban đầu: (link heatmap, bản ghi, số liệu GA4) Chỉ số chính / chỉ số phụ: Cỡ mẫu đã tính, ngày bắt đầu, ngày kết thúc dự kiến: Kết quả: tỷ lệ mỗi phiên bản, khoảng tin cậy, có SRM không Quyết định: triển khai / giữ nguyên / thử lại khác Điều học được:

Khi traffic quá thấp để A/B test

Phần lớn website doanh nghiệp nhỏ không đủ traffic để A/B test các thay đổi nhỏ. Điều đó không có nghĩa là không làm CRO được:

  1. Sửa lỗi trước: form không gửi được, nút không bấm được trên điện thoại, trang tải chậm. Những việc này không cần thử nghiệm.
  2. Dựa vào nghiên cứu định tính: bản ghi phiên, khảo sát, hỏi đội bán hàng cho bạn biết vấn đề mà không cần số lượng lớn.
  3. Thay đổi lớn, đo trước sau: làm lại cả phần đầu trang hoặc cả form, so sánh cùng số tuần trước và sau, cùng nguồn traffic. Cách này kém chắc chắn hơn A/B test vì còn yếu tố mùa vụ và quảng cáo, nên ghi rõ các yếu tố có thể ảnh hưởng.
  4. Đo chuyển đổi vi mô: lượt bấm nút gọi hoặc lượt xem bảng giá xảy ra nhiều hơn số form, giúp thấy xu hướng sớm hơn.

10 điểm kiểm tra landing page

Trước khi nghĩ tới A/B test, rà landing page theo danh sách dưới đây. Nhiều điểm là lỗi rõ ràng, sửa ngay được mà không cần thử nghiệm. Nếu cần ôn lại khái niệm, xem bài landing page là gì.

#Điểm kiểm traCâu hỏi cần trả lời
1Khớp thông điệpTiêu đề trang có lặp lại đúng lời hứa trong quảng cáo hoặc từ khóa đã đưa khách tới không?
2Tiêu đề rõ giá trịNgười lạ đọc 5 giây có hiểu trang bán gì, cho ai, khác gì không?
3Một hành động chínhTrang có một lời kêu gọi chính rõ ràng, hay năm nút ngang hàng tranh nhau?
4Nút chính trên màn hình đầu tiên của điện thoạiTrên điện thoại, khách có thấy nút hoặc cách liên hệ mà không phải cuộn không?
5Bằng chứng thậtCó đánh giá, dự án, hình ảnh thật, có tên và nguồn kiểm chứng được không? Bằng chứng mơ hồ làm giảm niềm tin.
6Form tối thiểuMỗi trường trong form có thật sự cần ở bước này không? Có báo lỗi rõ ràng khi nhập sai không?
7Trả lời lo ngạiGiá, thời gian, bảo hành, chính sách đổi trả, chi phí phát sinh có được nói rõ trước khi khách phải hỏi không?
8Tốc độ và ổn địnhCore Web Vitals đạt ngưỡng tốt (LCP dưới 2,5 giây, INP dưới 200 mili giây, CLS dưới 0,1)? Không có phần tử nhảy làm khách bấm nhầm?
9Thông tin tin cậyCó tên công ty, địa chỉ, số điện thoại, chính sách bảo mật, và chúng nhất quán với hồ sơ Google Business Profile?
10Đo lường hoạt độngGửi thử form, bấm thử nút gọi: sự kiện có hiện trong GA4 không? Có trang cảm ơn hoặc thông báo thành công rõ ràng không?

Cách rà nhanh

Mở trang trên chính điện thoại của bạn bằng 4G, không dùng wifi văn phòng. Làm đúng việc khách phải làm: đọc, tìm giá, điền form, gửi. Ghi lại mọi chỗ bạn khựng lại. Sau đó nhờ một người không biết gì về sản phẩm làm lại và quan sát họ.

Công cụ CRO

Công cụDùng để làm gìChi phí
Google Analytics 4Phân tích traffic, trang đích, phễu và sự kiện quan trọng. Nền tảng đo lường bắt buộc phải đúng trước khi làm CRO.Miễn phí
Microsoft ClarityHeatmap, ghi lại phiên truy cập và phát hiện rage click, miễn phí không giới hạn lượt truy cập. Google Optimize đã ngừng từ 09/2023 nên không còn là lựa chọn.Miễn phí
HotjarHeatmap, ghi phiên, khảo sát trên trang và phản hồi người dùng.Có gói miễn phí giới hạn, gói trả phí
VWONền tảng A/B test và cá nhân hóa, có trình chỉnh sửa trực quan.Trả phí
OptimizelyNền tảng thử nghiệm cho doanh nghiệp lớn, hỗ trợ thử nghiệm phía máy chủ.Trả phí
Crazy EggHeatmap, bản đồ cuộn và A/B test.Trả phí

Công cụ tính toán miễn phí trên site:

Đọc thêm:

Cần người rà landing page và kế hoạch thử nghiệm?

Tấn Phát Digital có thể kiểm tra cấu hình đo lường, rà landing page theo danh sách ở trên và đề xuất các giả thuyết đáng thử trước. Nếu cần làm lại trang, xem thêm dịch vụ thiết kế landing page.

Câu hỏi thường gặp

Không có con số chung đáng tin, vì tỷ lệ phụ thuộc vào ngành, giá sản phẩm, nguồn traffic và cách bạn định nghĩa chuyển đổi. Các con số 'trung bình ngành' lan truyền trên mạng thường không rõ phương pháp. Mốc so sánh hữu ích nhất là chính website của bạn: cùng trang, cùng nguồn traffic, so với tháng trước và cùng kỳ năm trước.

Đủ để đạt cỡ mẫu đã tính trước khi bắt đầu, và tối thiểu trọn một đến hai tuần để bao gồm cả ngày thường lẫn cuối tuần. Thời gian chạy được quyết định trước khi test, không phải quyết định khi thấy kết quả đẹp.

Được, nhưng không nên dựa vào A/B test cho thay đổi nhỏ. Hãy tập trung vào nghiên cứu định tính (xem ghi phiên, khảo sát, hỏi đội bán hàng), sửa những lỗi hiển nhiên, thử thay đổi lớn và đo trước sau một cách thận trọng, hoặc đo chuyển đổi vi mô có tần suất cao hơn như bấm nút gọi.

Bắt đầu từ trang có nhiều traffic nhưng tỷ lệ chuyển đổi thấp, và từ những vấn đề có bằng chứng trong dữ liệu: bước phễu rơi nhiều nhất, trường form bị bỏ dở, nút bị bấm nhưng không phản hồi. Dùng khung ICE hoặc PIE để xếp ưu tiên thay vì test theo cảm hứng.

Google Optimize đã ngừng từ tháng 9/2023. Các lựa chọn hiện nay gồm nền tảng thử nghiệm trả phí như VWO, Optimizely, hoặc tự chia traffic ở phía máy chủ nếu website do đội kỹ thuật tự phát triển. Microsoft Clarity miễn phí nhưng là công cụ heatmap và ghi phiên, không phải công cụ A/B test.
TAN PHATDIGITAL