בדיקות A/B על 1C-Bitrix: שיטות בצד השרת ובצד הלקוח

בדיקות A/B על 1C-Bitrix: שיטות בצד השרת ובצד הלקוח

תארו לעצמכם: שכתבתם את כרטיס המוצר, שיניתם את טופס ההזמנה, וההמרה ירדה ב-20%. ללא בדיקת A/B, לא תדעו איזה אלמנט גרם לכך. מפתחי Bitrix נתקלים לעתים קרובות בעובדה שמודול ה-abtest המובנה אינו מתחשב במטמון ומשתלב בצורה גרועה עם מערכות אנליטיקה. מהניסיון שלנו: חנות אלקטרוניקה מקוונת עם 5,000 מוצרים רצתה לבדוק מערכת הנחות דינמית חדשה. יישמנו בדיקת A/B בצד השרת עם חלוקה מבוססת עוגיות, העברנו את הקבוצה ל-dataLayer ומעקבנו אחר המרות ב-GA4. שיעור ההמרה הבסיסי היה 2.5%, לאחר 3 שבועות של בדיקות הגיעה וריאציה B ל-3.1% — עלייה של 24% עם ערך p של 0.03. בואו נבחן את הפרויקט שלכם ונציע את הפתרון האופטימלי. צרו קשר לייעוץ.

בעיות שאנו פותרים

• מטמון: אם רכיב שומר את התוצאה שלו במטמון, שתי הווריאציות מקבלות את אותו HTML. פתרון — הוסיפו את העוגייה BITRIX_SM_ABTEST_{ID} למפתח המטמון או השביתו את המטמון עבור הבלוק הנבדק.
• שילוב אנליטיקה: המודול המובנה אינו שולח נתונים ישירות ל-Yandex.Metrica או ל-GA4. אנו מגדירים dataLayer ופרמטרים מותאמים אישית לבניית דוחות המפולחים לפי קבוצות.
• לוגיקה בצד השרת: בדיקת מחירים, הנחות או אלגוריתמים דורשת קוד PHP מותאם אישית. המודול המובנה אינו מתאים לכך.

איך אנחנו עושים זאת: טכנולוגיות ומקרה בוחן

אנו משתמשים ב-PHP 8.1+, בלוקי מידע v2.0, ובמטמון מרוכב מבוסס תגיות. עבור חנות האלקטרוניקה המקוונת (מהניסיון שלנו), יישמנו בדיקת A/B בצד השרת עם קוד PHP מותאם אישית. קוד זיהוי הקבוצה:

function getABGroup(string $testName, int $percentB = 50): string {
    $cookieName = 'ab_' . md5($testName);
    if (isset($_COOKIE[$cookieName])) {
        return $_COOKIE[$cookieName];
    }
    $group = (mt_rand(1, 100) <= $percentB) ? 'B' : 'A';
    setcookie($cookieName, $group, time() + 86400 * 30, '/');
    return $group;
}

// Использование
if (getABGroup('discount_algorithm') === 'B') {
    // Новый алгоритм скидки
} else {
    // Текущий алгоритм
}

איך עובד מודול ה-abtest המובנה

המודול function getABGroup(string $testName, int $percentB = 50): string { $cookieName = 'ab_' . md5($testName); if (isset($_COOKIE[$cookieName])) { return $_COOKIE[$cookieName]; } $group = (mt_rand(1, 100) <= $percentB) ? 'B' : 'A'; setcookie($cookieName, $group, time() + 86400 * 30, '/'); return $group; } // Использование if (getABGroup('discount_algorithm') === 'B') { // Новый алгоритм скидки } else { // Текущий алгоритм } זמין במהדורות Business ו-Enterprise. אתם יוצרים בדיקה ומציינים את אחוז התנועה לווריאציה B ובוחרים את הסוג (תבנית, רכיב, אזור הכללה, קוד PHP). Bitrix מקצה קבוצות באמצעות עוגייה. יצירת API:

\Bitrix\ABTest\ABTestManager::addTest([
    'NAME' => 'Кнопка купить: красная vs зелёная',
    'SITE_ID' => 's1',
    'DURATION' => 14,
    'PORTION' => 50,
    'TEST_DATA' => [
        'type' => 'template',
        'original' => '/local/templates/main/',
        'modified' => '/local/templates/main_test/',
    ],
]);

איך לבחור את הגישה: בצד השרת או בצד הלקוח?

בדיקות בצד הלקוח (VWO, Optimizely) אינן דורשות שינויי קוד בשרת אך סובלות מעיכוב FOUC ואינן יכולות לבדוק לוגיקת שרת. הגישה בצד השרת, לעומת זאת, מאפשרת בדיקת מחירים, הנחות, אלגוריתמים — כל מה שרץ על PHP. אם אתם צריכים לבדוק שינוי בתבנית או באזור הכללה, המודול המובנה מספיק. לתרחישים מורכבים (מחירים שונים לקבוצות, פרסונליזציה) — קוד מותאם אישית בצד השרת. אנו עוזרים לכם לבחור את השיטה למשימות שלכם.

למה מטמון הוא האויב הראשי של בדיקות A/B

טעות אופיינית: רכיב שומר HTML במטמון, ושתי הווריאציות מציגות תוכן זהה. הפתרון — הוסיפו את מזהה הבדיקה למפתח המטמון או השביתו את המטמון עבור הבלוק הנבדק. לדוגמה, באמצעות abtest או על ידי שימוש ב-\Bitrix\ABTest\ABTestManager::addTest([ 'NAME' => 'Кнопка купить: красная vs зелёная', 'SITE_ID' => 's1', 'DURATION' => 14, 'PORTION' => 50, 'TEST_DATA' => [ 'type' => 'template', 'original' => '/local/templates/main/', 'modified' => '/local/templates/main_test/', ], ]); . ללא זאת, תוצאות הבדיקה יהיו שגויות.

איך להשיג מובהקות סטטיסטית

טעות אופיינית — עצירת הבדיקה לאחר יומיים כשרואים הפרש של 0.5%. לאמינות, יש צורך בגודל מדגם מספיק: עם שיעור המרה בסיסי של 2% ואפקט רצוי של 20%, יש צורך בכ-20,000 ביקורים לכל וריאציה. באתר עם 1,000 ביקורים ביום — 40 יום. אל תעצרו את הבדיקה עד שערך ה-p יורד מתחת ל-0.05. אנו משתמשים במחשבון מובהקות סטטיסטית לחישובים מדויקים.

השוואת גישות

מה כלול בעבודה שלנו

• ביקורת על הארכיטקטורה והתנועה הנוכחית
• ניסוח השערות והגדרת מדדים
• בחירת גישה והגדרת מנגנון הבדיקה
• פתרון בעיות מטמון ושילוב אנליטיקה (dataLayer, GA4, Yandex.Metrica)
• חישוב גודל מדגם ומשך זמן נדרשים
• ניטור, איסוף נתונים ועיבוד סטטיסטי
• דוח עם מסקנות והמלצות

תהליך העבודה

לוח זמנים משוער

מיומיים עד שבועיים בהתאם למורכבות. התמחור נקבע באופן אישי לאחר ביקורת. קבלו ייעוץ על הגדרת בדיקות A/B.

טעויות אופייניות

• עצירת הבדיקה מוקדם מדי: גם אם אתם רואים הבדל נראה לעין, חכו למובהקות סטטיסטית.
• התעלמות ממטמון: זכרו להשבית מטמון עבור רכיבים שנבדקים או להפריד אותו לפי קבוצות.
• פילוח שגוי: אם הבדיקה רצה על כל המשתמשים, התוצאות עלולות להיות מדוללות. קחו בחשבון עונתיות וקהל.

יש לנו ניסיון של 10+ שנים בפיתוח Bitrix והסמכה. אנו מבטיחים הגדרה נכונה ופרשנות של תוצאות. צרו קשר לביקורת פרויקט.