Đạt được sự tin tưởng - và opt-in của người dùng: Các phương pháp và phân tích hiệu quả cho thử nghiệm A/B

Thay đổi đang đến rất gần, khi mà thông báo iOS 14 của Apple đã khiến ngành phải làm việc ngày đêm, để chắc rằng họ đã sẵn sàng cho những điều sắp tới. Từ đầu năm 2021, ứng dụng sẽ phải yêu cầu quyền truy cập để được phép theo dõi (track) người dùng. Để chuẩn bị cho tình huống trên, Adjust đã và đang tất bật nghiên cứu giải pháp giúp khách hàng có lời nhắc opt-in (opt-in prompt) hiệu quả và luôn trong tâm thế sẵn sàng đón đầu thay đổi.Trong trường hợp bạn cần cập nhật về chính sách bảo mật quyền riêng tư mà Apple đã giới thiệu trong iOS 14, bạn có thể tham khảo bản tóm tắt tại Help Center của chúng tôi. Bạn cũng có thể tham khảo thêm bài blog đầu tiên của chúng tôi trong series này, để hiểu hơn về việc bằng cách nào thiết kế UX (trải nghiệm người dùng) có thể giúp bạn đảm bảo người dùng luôn opt-in.

Trong bài này, chúng tôi sẽ tổng hợp thông tin về các phương pháp hiệu quả nhất cho thử nghiệm A/B, cùng với các đề xuất về việc từng vòng nên xem xét điều gì và bản phân tích nên lưu ý điều gì. Chúng tôi sẽ bắt đầu với quan điểm của người dùng về quyền riêng tư dữ liệu, và cách bạn có thể tận dụng điều này để lập chiến lược opt-in.

Thái độ của người dùng với quyền riêng tư dữ liệu

Đáng mừng là nghiên cứu cho thấy, nhiều người dùng nhận ra họ thấy thoải mái với quảng cáo cá nhân nhiều hơn là họ nghĩ. Một nghiên cứu được thực hiện bởi Oxford Economics vào năm 2018 cho thấy, khoảng 70% người dùng sẵn lòng opt-in để nhận quảng cáo nhắm mục tiêu. Dữ liệu còn cho thấy chỉ có số ít người dùng thấy không hài lòng khi trải nghiệm quảng cáo được cá nhân hóa và nhắm mục tiêu

  • Chỉ 17% người cảm thấy không thoải mái với lời đề nghị được cá nhân hóa
  • Chỉ 15% cảm thấy không thoải mái với sản phẩm và dịch vụ được cá nhân hóa

Niềm tin là nhân tố có tác động lớn đến việc người dùng cảm thấy thoải mái đến mức nào với việc opt-in. Một nghiên cứu khác, được thực hiện bởi Salesforce, khảo sát hơn 8.000 người dùng về thế nào là niềm tin. 75% người trả lời là "quyền riêng tư", và 70% trả lời là "tính minh bạch" - từ đó thấy được mức độ gắn kết giữa niềm tin và quyền riêng tư cũng như chính sách về quyền riêng tư cần được công bố một cách rõ ràng.

Phương pháp hiệu quả nhất để triển khai thông báo về quyền riêng tư

Các công ty thường đưa ra thông báo về quyền riêng tư để giải thích cách họ xử lý dữ liệu cá nhân cũng như cách họ tuân thủ các chính sách bảo vệ dữ liệu khác, như GDPR.

Để hiểu rõ hơn cách hiển thị thông báo về quyền riêng tư trên thiết bị di động, Adjust đã thanh tra các phương pháp thường được áp dụng. Chúng tôi đã tìm ra ba xu hướng hiển thị thông tin hiện nay:

  1. Một vài ứng dụng cho phép người dùng toàn quyền kiểm soát dữ liệu, với các tùy chọn opt-in chi tiết nhất
  2. Một vài ứng dụng giới hạn quyền kiểm soát bằng cách không liệt kê tất cả các đối tác họ hiện đang hợp tác
  3. Một vài ứng dụng sử dụng cách tiếp cận "all-in" hoặc "all-out", đưa ra cho người dùng hai sự lựa chọn, hoặc là đồng ý chia sẻ dữ liệu với mọi đối tác hoặc là không chia sẻ dữ liệu cho bên nào.

Chúng tôi luôn khuyến khích khách hàng lựa chọn cách tiếp cận đầu tiên: luôn đảm bảo tính minh bạch cao nhất có thể và trao cho người dùng toàn quyền kiểm soát dữ liệu. Để tăng tính hiệu quả, bạn có thể đưa ra lý do thu thập dữ liệu qua các nội dung và hình minh họa hấp dẫn, cũng như liệt kê các lợi ích tích cực của việc opt-in.

Nhóm

Nhiều thương hiệu đang cân nhắc liệu có nên gộp yêu cầu của Apple thành một nhóm với các thông báo khác về quyền riêng tư hay không. Khi gộp các thông báo về quyền riêng tư thành nhóm, bạn có thể cải thiện tỷ lệ opt-in bằng cách đặt thông báo vào cuối màn hình và hiển thị hai tùy chọn: "Đồng ý" và "Từ chối". Tuy nhiên, theo GDPR, ứng dụng không được hướng người dùng với một tùy chọn nhất định, ví dụ cho ô opt-in đã được chọn sẵn hoặc hiện nút CTA (kêu gọi hành động) opt-in thành nút chính.

Một nghiên cứu cho thấy việc chọn câu từ phù hợp khi đưa ra tin nhắn yêu cầu quyền truy cập sẽ tác động tích cực đến tỷ lệ opt-in: nếu có hai tùy chọn về quyền truy cập và tin nhắn sử dụng từ ngữ mang tính tích cực, người dùng có nhiều khả năng sẽ chọn opt-in - như ví dụ bên dưới.

Dù một số khách hàng đã báo tỷ lệ opt-in là 30-60% khi chỉ hiển thị mỗi tin nhắn pop-up của Apple, nhưng chúng tôi vẫn khuyến khích bạn nên tận dụng quãng thời gian còn lại để thử nghiệm các chiến lược opt-in khác nhau dành riêng cho người dùng của bạn, bao gồm việc bổ sung các thông báo về quyền riêng tư.

Đánh giá ý tưởng - Thử nghiệm A/B

Thử nghiệm A/B là một cách tuyệt vời để đánh giá giải pháp, bằng cách so sách hai chiến lược opt-in và đánh giá mức độ thành công.

Để bắt đầu, bạn có thể thử nghiệm A/B trên hai tùy chọn, thêm tin nhắn opt-in của bạn với thông báo về quyền riêng tư của GDPR, và hiển thị dưới dạng một tin nhắn đơn lẻ. Nếu người dùng chọn "Đồng ý" trên tin nhắn opt-in của bạn, thì đừng quên hiện tin nhắn pop-up mô phỏng tin nhắn của Apple.

Dưới đây, chúng tôi sẽ phác thảo các vòng thử nghiệm với các khía cạnh khác nhau, giúp bạn xác định kế hoạch nghiên cứu.

Vòng thử nghiệm đầu tiên:

Sau đó bạn có thể tiếp tục xây dựng các kết quả này bằng cách thêm vào các biến số mới. Ví dụ, nếu thông báo về quyền riêng tư khi đi kèm với yêu cầu của Apple cho hiệu quả tốt hơn, thì bạn có thể tiếp tục xem xét hiệu quả của các nội dung quảng cáo và cách thiết kế khác lên tỷ lệ opt-in. Hoặc nếu bạn thấy hiển thị thông báo đơn lẻ (vd. lời nhắc cấp phép ban đầu hoặc tin nhắn pop-up của Apple) hiệu quả hơn, thì bạn có thể xem xét thời gian hiển thị thông báo.

Vòng thử nghiệm thứ hai:

Nếu bạn có lượng người dùng lớn và có đủ nguồn lực, thì bạn có thể cân nhắc việc đánh giá tính hiệu quả của nhiều hơn một biến số lên tỷ lệ opt-in, bằng cách sử dụng phân tích tuyến tính log. Bạn có thể cũng sẽ cần đánh giá tần suất hiển thị lại tin nhắn opt-in, nếu người dùng không chọn opt-in từ đầu.

Bạn có thể xem liệu có tác động đáng kể nào về mặt thống kê cho các phân khúc người dùng khác nhau hay không. Biết đâu bạn sẽ nhận thấy tỷ lệ opt-in của người dùng mới cao hơn người dùng hiện tại, hoặc người dùng tại khu vực này opt-out nhiều hơn người dùng tại khu vực khác. Với thông tin trên, bạn sẽ tiến gần hơn với việc điều chỉnh chiến lược để cải thiện hơn nữa tỷ lệ opt-in.

Sau mỗi thử nghiệm A/B, bạn nên tính khoảng tin cậy để diễn giải dữ liệu. Việc này sẽ giúp bạn xác định khoảng giá trị thực sự của tỷ lệ opt-in nếu thử nghiệm được triển khai đến từng người dùng ứng dụng của bạn.

Dự đoán opt-in: Lập mô hình dự đoán

Mô hình dự đoán áp dụng thống kê để dự đoán hành vi nhất định của người dùng. Dưới đây là hai phương pháp thống kê có lẽ sẽ giúp ích trong việc phân tích thử nghiệm A/B:

  • Phân tích hồi quy xem xét mối quan hệ giữa các biến số. Phương pháp này giúp dự đoán giá trị của biến đầu ra dựa trên biến độc lập (predictor variable).
  • Phân tích cây quyết định được dùng để dự đoán kết quả của biến mục tiêu dựa trên việc quan sát các biến đầu vào.

Từ các phương pháp phân tích trên, bạn sẽ biết được biến nào có tác động lớn nhất đến việc dự đoán phản hồi của người dùng. Việc dùng các thông tin ngữ cảnh nhất định sẽ giúp bạn dự đoán người dùng sẽ hướng về tùy chọn nào trong hai tùy chọn (opt-in và opt-out). Dưới đây là một số ví dụ về biến độc lập mà bạn có thể dùng như tệp dữ liệu huấn luyện (training data set):

Cả phương pháp hồi quy logistic và cây quyết định đều là các phương pháp hiệu quả để giải quyết vấn đề phân loại. Hồi quy logistic nhìn chung sẽ là phương pháp tốt hơn nếu bạn thấy tệp dữ liệu có thể chia tuyến tính thành hai phần, một phần liên quan đến quyết định opt-in và phần khác liên quan đến quyết định opt-out. Bạn cũng nên dùng phân tích hồi quy nếu giá trị biến độc lập là liên tục.

Nhưng nếu bạn không chắc về việc chia tách dữ liệu, thì cây quyết định lại là một lựa chọn phù hợp hơn cả. Nếu tệp dữ liệu của bạn chứa nhiều giá trị ngoại lai, thiếu giá trị hoặc bị lệch giá trị, thì cây quyết định cũng thường là lựa chọn tốt hơn.

Chúng tôi khuyến khích bạn bắt đầu với cả hai phương pháp, và sau đó quyết định mô hình nào cho kết quả tốt nhất. Trong bước tiếp theo, bạn có thể đánh giá đóng góp riêng lẻ của biến độc lập để xem biến nào (vd. loại cài đặt, khu vực, nhân khẩu học, v.v) có tác động lớn nhất lên quyết định của người dùng.

Tìm hiểu động lực của người dùng: trò chuyện với người dùng

Thử nghiệm A/B và phân tích hồi quy giúp bạn xác định đâu là yếu tố có thể làm tăng tỷ lệ opt-in - nhưng các phương pháp này không cho bạn biết lý do tại sao cách tiếp cận này lại hiệu quả và tại sao biến này thì quan trọng hơn biến kia. Điều này chỉ có được khi bạn trò chuyện với người dùng, và thực hiện phỏng vấn chuyên sâu, để biến những phát hiện mang tính định lượng thành một hướng quyết định cụ thể. Thông tin chiều sâu đến từ các buổi phỏng vấn, cả với người dùng muốn opt-in và người dùng chọn opt-out, sẽ giúp bạn cải thiện nhiều hơn nữa chiến lược opt-in.

Tóm tắt

Quyền riêng tư dữ liệu là chủ đề nóng hổi nhất trong thế giới số hiện nay. Tại Adjust, chúng tôi tin tưởng rằng đây là vấn đề mà mọi công ty đều cần phải nắm bắt, chứ không phải bỏ qua. Quan trọng là, một cách tiếp cận rõ ràng và minh bạch sẽ giúp xây dựng lòng tin của người dùng ứng dụng, giúp họ cởi mở hơn với việc opt-in và chia sẻ IDFA.

Chỉ còn vài tháng nữa thì các quy định mới về quyền riêng tư sẽ chính thức được ra mắt, đây là thời điểm để thử nghiệm rộng rãi và xác định cách tối ưu hóa luồng đồng ý. Bạn càng chuẩn bị kỹ càng, thì bạn có cơ hội càng cao trong việc duy trì mối quan hệ tôn trọng lẫn nhau với người dùng và đảm bảo tỷ lệ opt-in cao. Chúng tôi đang làm việc trực tiếp với một số khách hàng để triển khai cách tiếp cận dựa trên dữ liệu cho hoạt động tối ưu hóa lượng opt-in, và chúng tôi sẽ tiếp tục chia sẻ kết quả mà chúng tôi thu được trong suốt quá trình. Vì thế, đừng rời mắt khỏi blog Adjust để nắm bắt các thông tin chiều sâu sẽ được hé lộ trong những tháng tới đây.