A/B 测试：它是什么，为什么你应该在 2022 年做它

什么是 A/B 测试？

A/B 测试也称为拆分测试，允许用户比较某事物的两个版本以确定哪个版本更有效。 简单地说，您的客户更喜欢 A 版还是 B 版？

这个想法就像科学方法的想法。 如果您想知道更改某事时会发生什么，您必须创建一个场景，其中仅更改一件事。

看看你在小学做过的实验。 例如，如果您在两杯泥土中种植两颗种子，并将一颗放在橱柜内，另一颗放在窗户附近，您会得到不同的结果。 这种类型的实验称为 A/B 测试。

为什么要考虑 A/B 测试？

今天的 B2B 企业对他们每月收到的无数潜在客户并不满意； 相比之下，电子商务商店的购物车放弃率很高。 与此同时，出版和媒体公司也在努力应对观众参与度低的问题。 此外，这种基本的转化衡量标准会受到典型问题的影响，例如转化漏斗中的差距、支付页面上的下降等。

让我们来看看应该进行 A/B 测试的原因：

1.帮助解决访问者的痛点

访问者访问您的网站是为了实现他们所追求的特定目标。 例如，可能是了解有关您的服务或产品的更多信息、购买特定产品或服务、了解有关某个主题的更多信息，或者只是浏览。 无论访问者的目的是什么，他们在实现目标时都可能遇到共同的问题。 例如，可能难以理解副本或定位 CTA 按钮，例如立即购买或请求演示或演示等。

无法实现他们的目标会导致用户体验不满意。 这会产生摩擦并最终降低转化率。 相反，利用通过分析访问者行为工具（如热图、谷歌分析或网络调查）收集的数据来解决访问者的问题。 这适用于每项业务，例如旅游、电子商务、SaaS、教育、出版、媒体等。

2.增加现有流量的投资回报率

正如许多经验丰富的优化人员所认识到的那样，为您的网站获取高质量流量的成本是巨大的。 A/B 测试可帮助您充分利用当前流量，并允许您在不花费额外资金获取新访问者的情况下提高转化率。 此外，A/B 测试可以为您提供高投资回报，因为有时，对您网站的最小更改可能会增加业务转化率。

3. 降低跳出率

您应该跟踪以评估网站性能的一个关键指标是跳出率。 您的网站跳出率高可能有多种原因，例如可供选择的选项众多、期望与现实不匹配、导航系统混乱、技术术语的过度使用等等。

由于不同的网站有不同的目标并迎合不同的用户群体，因此没有通用的解决方案来降低跳出率。 但是，进行 A/B 测试可能很有用。 使用 A/B 测试，您可以在站点中试验不同版本的元素，直到获得最有效的版本。 这将帮助您识别任何摩擦或问题并改善整体体验，使他们在您的网站上花费更多时间并可能成为付费客户。

4.进行微调

使用 A/B 测试对您网站的内容进行小的、增量的更改，而不是恢复整个页面。 这减少了降低现有转化率的机会。

A/B 测试允许您将资源定位为产生最高输出，只需进行少量修改，并获得更高的投资回报率。 一个示例可以更改为对产品的描述。 如果您打算消除或修改产品描述，则可以进行 A/B 测试。 但是，很难了解您的客户可能会对这些变化做出何种反应。 如果您进行 A/B 测试，则可以检查客人的反应并确定秤的倾斜方式。

5. 进行统计上显着的改进

因为数据完全驱动 A/B 测试，没有猜测、直觉或直觉的余地，通过分析数量等指标的统计显着改进，很容易辨别“赢家”和“输家”之间的区别您在页面上花费的时间，购物车放弃率或点击率等的演示请求数。

6. 设计网站以提高企业未来的利润

重新设计可以是任何事情，从小的 CTA 和颜色更改到特定的网页，再到彻底改造网站。 使用其中一个或另一个的决定必须基于 A/B 测试期间的数据。 在开发设计之前不要停止测试。 当新版本上线时，您可以测试页面的其他元素，以确保它是访问者最感兴趣的元素。

如何进行 A/B 测试

1. 选择一个变量进行测试。

如果您正在尝试优化您的网站页面和电子邮件消息，您可能需要尝试衡量许多变量。 但是，要确定修改的有效性，您必须确定一个“自变量”并确定该变量的性能。 如果没有这个，您将无法确定哪个变量是性能变化的原因。

可以为单个网站页面或电子邮件测试多个变量，但要确保同时测试它们。

识别您的变量会检查您的营销工具中的组件以及它们在措辞、设计和布局方面的潜在替代方案。 您可以尝试的其他项目包括电子邮件主题行、发件人姓名和其他自定义电子邮件消息的方法。

请注意，小的更改会显着改善，例如更改您在电子邮件中使用的图像或号召性用语按钮上的文本。 这些类型的变化通常比更重要的变化更容易衡量。

2. 确定你的目标。

即使您将在一次测试中测试多个方面，您也应该在开始测试之前选择一个主要测量来集中精力。 您应该在设置第二个变体之前执行此操作。 “因变量”可以根据您修改自变量的方式而改变。

当你完成测试时，考虑你希望因变量在哪里。 甚至可以做出非官方的假设，然后按照这个想法检查结果。

如果您不等到稍后再决定哪些指标对您的优先级很重要，以及您提出的更改可能会影响用户的行为。 如果不这样做，您可能无法以最有效的方法设置测试。

3. 选择您要测试的页面

从您的主页开始。 该页面可以作为您的主页或高流量登录页面。 无论如何，这将是您企业盈利的主要因素。

4. 决定拆分和评估指标

需要考虑的两件事是：当我们的用户访问网站时，我们将在何处以及如何将他们分成不同的实验者组，以及我们将采用哪些指标来衡量我们的实验修改的有效性或失败。 我们为转移选择的单位类型（我们将观察分成不同组的那一刻）可能会影响我们使用的评估指标。

对照组，也称为“A”组，将看到原始主页，而实验组，也称为“B”，将获得专注于7天试用的新站点。

5. 创建你的控制组和测试组。

在确定了原假设和备择假设之后，下一步是设计对照组并测试（变体）类。 在此过程中要考虑两个关键思想：抽样和样本量。

采样

随机抽样是最流行的抽样方法之一。 这是因为每个总体样本都有被选中的机会。 随机抽样在假设检验中至关重要，因为它减少了抽样中的偏差，避免偏差也很重要，因为您希望测试的结果代表整个人群，而不仅仅是测试样本本身。

样本量

在进行测试之前，为您的 A/B 测试建立最小大小的样本至关重要，这样您就可以消除由于覆盖不足而导致的偏差和由于采样过多观察而导致的偏差。

6. 积累数据

这是观望阶段。 使用 Crazy Egg 之类的 A/B 测试工具，可以自动收集数据。 您可以随时跟踪测试过程中的进度，一旦测试结束，您将收到有关参加每个变体的人数、他们使用的设备以及其他详细信息的信息。

7. 查看 A/B 测试统计数据

看看哪个变种是赢家，无论是冠军还是挑战者。 一旦你知道你的观众更喜欢什么——以及喜欢多少——你就可以通过引入一个新的变化来开始这个 10 步的过程。

6 款最佳 A/B 测试软件

1. AB 美味

Ab Tasty 是一款价格合理且易于使用的工具，可为刚刚开始优化转化之旅的企业提供坚实的开端。

AB Tasty 提供 A/B 测试和拆分测试。 多变量测试漏斗测试和漏斗测试功能。 使用 AB Tasty 的可视化编辑器，您可以快速轻松地创建变体和测试，并获得实时报告，为您的目标提供置信度。

2.谷歌优化360

Google Optimize 360​​ 是 Google Optimize 的高级版或付费版。 它包括其免费版本的所有基本功能，例如 A/B 测试和本地 Google Analytics 集成、URL 定位、地理定位等，但没有免费版本提供的不同上限。 与迄今为止我们讨论过的所有测试工具一样，使用 Optimize 360​​，您可以：

• 尝试多达 36 种组合来执行多变量考试
• 可同时进行100多个实验
• 一次可以创建 100 多个个性化设置

请记住，与 VWO、Optimizely 或 AB Tasty 相比，Google Optimize 360​​ 是一种更昂贵的替代方案，没有额外的好处或优势。

3. Adob​​e 目标

Adobe Target 是一种广受欢迎的企业工具，可提供有针对性的测试和个性化。

Adobe Target 将引导您完成工作流程的三个步骤，您可以在其中创建变体，然后根据用户细分选择变体。 最后，您将能够设置自己的目标和偏好进行测试。 对于这种类型的定向广告，最有趣的功能自动个性化也就不足为奇了。

4.谷歌分析

对于刚刚开始探索之旅的经验丰富的优化人员来说，Google Optimize 是一个不错的选择。 谷歌产品，该软件允许您构建和测试不同版本的网站，然后分析哪个更好。

由于 Google Analytics 为其提供支持，因此您可以从拥有一个全面的研究工具中获益。 利用 Google Optimize，您可以进行简单的 A/B 测试、拆分 URL 测试和多变量测试。

5. 导体

Conductrics 是一种尖端工具，它提供 A/B 测试和机器学习方法，以自动化的方式为每个用户提供最佳体验。

它可以用作客户端服务器或服务器端工具，您几乎可以以任何您希望使用它的方式自定义它。

6. 用于 A/B 测试的 Wasabi 平台

芥末 A/B 测试服务 是一个实时的、100% API 驱动的企业级产品，它允许您利用自己的数据在互联网、移动设备和桌面上运行测试。 它快速、易于使用、具有许多功能，而且仪器非常少。 Wasabi 是支持 TurboTax、QuickBooks、Mint.com 和其他 Intuit 产品的实验平台。

A/B 测试需要多少时间？

A/B 测试不是一朝一夕的任务。 根据您收到的流量，可以进行几天到几周的测试。 请记住，您应该只在给定时间进行一次测试以获得最精确的结果。

持续时间较短的测试可能会导致结果失真，因为没有足够数量的参与者使测试在统计上可靠。 太长的测试可能会导致结果不平衡，因为测试会受到更多元素的影响，而这些元素在很长一段时间内都无法控制。

请务必随时了解可能影响您的测试结果的任何变化，以便能够解释测试结果中的任何统计异常。 如果您不确定，请再次参加考试。

当您考虑 A/B 测试对您的底线的影响时，值得花几周时间来确保正确地进行测试。 在给定时间尝试一项测试，并给每个测试适当的运行时间。

在 RemotePik 上获得无限的图形和视频设计服务，预订您的免费试用版

为了让自己了解最新的电子商务和亚马逊新闻，请在 www.cruxfinder.com 订阅我们的时事通讯