什么是拆分测试？ 它的重要性以及如何创建它？
已发表: 2020-04-01 |
拆分测试只是意味着“比较两种不同的设计”。 它是为产品或服务找出最佳促销和营销策略的重要工具之一。 这是测试两个 Web 元素以找出哪个表现更好的过程。
假设您有一个销售页面，名称为“孕后减肥技术有 15-20% 的选择率”，您再次将其命名为“按照此操作，您将在孕后恢复苗条身材”，然后查看转化率的变化提高到 40-50% 的转化率。
它表示对于完全相同的广告支出，您获得了两倍的订阅者，这意味着，您正在将广告支出的选择加入率加倍，即没有花费更多的钱来获得两倍的人来优化渠道。
拆分测试有助于缓慢而稳定地提高漏斗的转化率。
拆分测试通常侧重于一次测试一件事。 如果是标题，那么标题是您唯一可以更改的内容。
如果您正在测试报价，则报价是您唯一可以更改的。
内容
什么是拆分测试元素？
- 号召性用语事件
2.登陆页面
3.标志
4. 电子邮件主题行
5.任何网络通信元素
实施拆分测试的步骤是什么？
1. 从具体原因开始测试
就像科学实验一样，拆分测试从对照变体的相同元素测试控制版本的元素开始。 让我告诉你拆分测试应该是数据驱动的。
2. 创建一个假设
对您想要改进的网页元素提出一个假设。
让我给你一个简单的例子：-
示例 – 目标网页的标题是访问者首先关注的内容。 需要 5 秒才能吸引用户的注意力并执行所需的操作。 如果您没有获得所需的操作。 是时候获得一个吸引人的标题来提高您的转化率了。
3. 计算您的估计样本量
拆分测试中最重要的事情是估计样本量。 您可以估计关于 no 的显着结果。 您将获得控制版本和变体的访问次数。
在大多数地区，普遍接受的显着性水平是 95%，这表明：
在您的测试结束时，您的结果有 5% 的可能性是偶然的。 您可以手动计算样本量，但为此，您需要了解一些严肃的数学计算。 幸运的是，有各种工具可以使计算更容易，例如显着性计算器， Optimizely 的计算器。
4. 进行调整
获得样本量后，进行调整。 如果您要更改标题，请更新它。 如果涉及切换特色图片，请在原始点击后登录页面保持不变的情况下进行。
消除测试中间的混杂因素，这可能会导致误导性结果。
5. 为您的网页带来流量
现在是推动流量和测试对客户心理有很大影响的东西的时候了。 计算您需要增加流量的天数。
如果持续时间较长，则考虑运行一两个活动来推动一些付费流量，或者利用您在 Facebook 上的关注者列表或电子邮件营销上的订阅者列表。
例如，您将促销电子邮件流量发送到您正在运行以进行测试的页面。 订阅您列表的人比您的普通访问者更喜欢您。 因此，您优化页面以与您的忠实流量一起工作，认为它们代表了总流量。
6.分析和优化
仅仅因为您的点击后登陆页面比之前的更好，并不意味着它是最好的，这就是最终结果。 所以继续分析，继续优化。 没有一场运动是完美的。
拆分测试的例子：
一旦你进入营销活动的这个元素，无论是改善标题，从文本广告到登陆页面，你都会看到拆分测试的最佳实践包含粗略的指导方针。
除非您对此进行测试，否则您永远不知道什么对您的听众有用。 这不是关于发现新想法，而是关于探索市场和研究用户并收集可行的信息以在营销策略中脱颖而出。
那么，您在拆分测试中取得的最令人惊讶的效果是什么？
你将从以下玩家那里得到这个答案。
我希望你会发现这和我一样有趣和鼓舞人心。
Wall monkey 是一家为家庭和企业销售各种墙贴花的公司。
猜猜这家公司使用什么：它使用热图生成用户行为报告来运行测试，结果非常令人难以置信。
如您所见，标题、CTA 徽标、导航栏和标题上有很多活动（点击最多的区域和被忽略的区域）。
华尔街决定在生成用户行为报告后进行 A/B 测试。 该公司使用股票风格的图片向访问者展示享受 wall monkey 产品的机会。
毫无疑问，股票风格的图片会给您的产品带来高端感觉，并为您的网站增添专业气息。
新设计的转化率比旧设计高出 27%。
记住：一旦你得到结果，重复测试实验。 因为没有结果就是最后的结果。 您必须继续努力提高转化率。
Wall Monkey再次参加了测试。
这一次，公司用突出的搜索栏替换了滑块。
这个想法是在客户搜索他们感兴趣的项目时将他们的注意力吸引到搜索栏上。
这个想法奏效了，转化率特别提高到 550%。 该公司最终没有对这些元素进行测试，因此，该公司展示了巨大的利润潜力，并为访客提供了更好的用户体验。
拆分测试与 A/B 测试之间的区别：
人们经常互换使用它们。 但是你可以注意到下面的区别：
AB 测试是指相互竞争的两个网页或网站变体。
拆分测试是指在变体之间平均分配的流量。
与 A/B 测试一样，拆分测试确保您不会根据直觉或纯粹的猜测做出决定。
为什么拆分测试很重要？
与 A/B 测试不同，拆分测试不会给你侥幸或直觉的结果。 如果没有这个来源，该决定要么是基于最佳实践，要么是根据薪酬最高的机构做出的。
因此，薪酬最高的权威人士的意见可能与其他任何人的意见一样存在缺陷。 拆分测试就像让用户决定并防止优化团队走到死胡同。