A/B 測試：它是什麼，為什麼你應該在 2022 年做它

什麼是 A/B 測試？

A/B 測試也稱為拆分測試，允許用戶比較某事物的兩個版本以確定哪個版本更有效。 簡單地說，您的客戶更喜歡 A 版還是 B 版？

這個想法就像科學方法的想法。 如果您想知道更改某事時會發生什麼，您必須創建一個場景，其中僅更改一件事。

看看你在小學做過的實驗。 例如，如果您在兩杯泥土中種植兩顆種子，並將一顆放在櫥櫃內，另一顆放在窗戶附近，您會得到不同的結果。 這種類型的實驗稱為 A/B 測試。

為什麼要考慮 A/B 測試？

今天的 B2B 企業對他們每月收到的無數潛在客戶並不滿意； 相比之下，電子商務商店的購物車放棄率很高。 與此同時，出版和媒體公司也在努力應對觀眾參與度低的問題。 此外，這種基本的轉化衡量標準會受到典型問題的影響，例如轉化漏斗中的差距、支付頁面上的下降等。

讓我們來看看應該進行 A/B 測試的原因：

1.幫助解決訪問者的痛點

訪問者訪問您的網站是為了實現他們所追求的特定目標。 例如，可能是了解有關您的服務或產品的更多信息、購買特定產品或服務、了解有關某個主題的更多信息，或者只是瀏覽。 無論訪問者的目的是什麼，他們在實現目標時都可能遇到共同的問題。 例如，可能難以理解副本或定位 CTA 按鈕，例如立即購買或請求演示或演示等。

無法實現他們的目標會導致用戶體驗不滿意。 這會產生摩擦並最終降低轉化率。 相反，利用通過分析訪問者行為工具（如熱圖、谷歌分析或網絡調查）收集的數據來解決訪問者的問題。 這適用於每項業務，例如旅遊、電子商務、SaaS、教育、出版、媒體等。

2.增加現有流量的投資回報率

正如許多經驗豐富的優化人員所認識到的那樣，為您的網站獲取高質量流量的成本是巨大的。 A/B 測試可幫助您充分利用當前流量，並允許您在不花費額外資金獲取新訪問者的情況下提高轉化率。 此外，A/B 測試可以為您提供高投資回報，因為有時，對您網站的最小更改可能會增加業務轉化率。

3. 降低跳出率

您應該跟踪以評估網站性能的一個關鍵指標是跳出率。 您的網站跳出率高可能有多種原因，例如可供選擇的選項眾多、期望與現實不匹配、導航系統混亂、技術術語的過度使用等等。

由於不同的網站有不同的目標並迎合不同的用戶群體，因此沒有通用的解決方案來降低跳出率。 但是，進行 A/B 測試可能很有用。 使用 A/B 測試，您可以在站點中試驗不同版本的元素，直到獲得最有效的版本。 這將幫助您識別任何摩擦或問題並改善整體體驗，使他們在您的網站上花費更多時間並可能成為付費客戶。

4.進行微調

使用 A/B 測試對您網站的內容進行小的、增量的更改，而不是恢復整個頁面。 這減少了降低現有轉化率的機會。

A/B 測試允許您將資源定位為產生最高輸出，只需進行少量修改，並獲得更高的投資回報率。 一個示例可以更改為對產品的描述。 如果您打算消除或修改產品描述，則可以進行 A/B 測試。 但是，很難了解您的客戶可能會對這些變化做出何種反應。 如果您進行 A/B 測試，則可以檢查客人的反應並確定秤的傾斜方式。

5. 進行統計上顯著的改進

因為數據完全驅動 A/B 測試，沒有猜測、直覺或直覺的餘地，通過分析數量等指標的統計顯著改進，很容易辨別“贏家”和“輸家”之間的區別您在頁面上花費的時間，購物車放棄率或點擊率等的演示請求數。

6. 設計網站以提高企業未來的利潤

重新設計可以是任何事情，從小的 CTA 和顏色更改到特定的網頁，再到徹底改造網站。 使用其中一個或另一個的決定必須基於 A/B 測試期間的數據。 在開發設計之前不要停止測試。 當新版本上線時，您可以測試頁面的其他元素，以確保它是訪問者最感興趣的元素。

如何進行 A/B 測試

1. 選擇一個變量進行測試。

如果您正在嘗試優化您的網站頁面和電子郵件消息，您可能需要嘗試衡量許多變量。 但是，要確定修改的有效性，您必須確定一個“自變量”並確定該變量的性能。 如果沒有這個，您將無法確定哪個變量是性能變化的原因。

可以為單個網站頁面或電子郵件測試多個變量，但要確保同時測試它們。

識別您的變量會檢查您的營銷工具中的組件以及它們在措辭、設計和佈局方面的潛在替代方案。 您可以嘗試的其他項目包括電子郵件主題行、發件人姓名和其他自定義電子郵件消息的方法。

請注意，小的更改會顯著改善，例如更改您在電子郵件中使用的圖像或號召性用語按鈕上的文本。 這些類型的變化通常比更重要的變化更容易衡量。

2. 確定你的目標。

即使您將在一次測試中測試多個方面，您也應該在開始測試之前選擇一個主要測量來集中精力。 您應該在設置第二個變體之前執行此操作。 “因變量”可以根據您修改自變量的方式而改變。

當你完成測試時，考慮你希望因變量在哪裡。 甚至可以做出非官方的假設，然後按照這個想法檢查結果。

如果您不等到稍後再決定哪些指標對您的優先級很重要，以及您提出的更改可能會影響用戶的行為。 如果不這樣做，您可能無法以最有效的方法設置測試。

3. 選擇您要測試的頁面

從您的主頁開始。 該頁面可以作為您的主頁或高流量登錄頁面。 無論如何，這將是您企業盈利的主要因素。

4. 決定拆分和評估指標

需要考慮的兩件事是：當我們的用戶訪問網站時，我們將在何處以及如何將他們分成不同的實驗者組，以及我們將採用哪些指標來衡量我們的實驗修改的有效性或失敗。 我們為轉移選擇的單位類型（我們將觀察分成不同組的那一刻）可能會影響我們使用的評估指標。

對照組，也稱為“A”組，將看到原始主頁，而實驗組，也稱為“B”，將獲得專注於7天試用的新站點。

5. 創建你的控制組和測試組。

在確定了原假設和備擇假設之後，下一步是設計對照組並測試（變體）類。 在此過程中要考慮兩個關鍵思想：抽樣和样本量。

採樣

隨機抽樣是最流行的抽樣方法之一。 這是因為每個總體樣本都有被選中的機會。 隨機抽樣在假設檢驗中至關重要，因為它減少了抽樣中的偏差，避免偏差也很重要，因為您希望測試的結果代表整個人群，而不僅僅是測試樣本本身。

樣本量

在進行測試之前，為您的 A/B 測試建立最小大小的樣本至關重要，這樣您就可以消除由於覆蓋不足而導致的偏差和由於採樣過多觀察而導致的偏差。

6. 積累數據

這是觀望階段。 使用 Crazy Egg 之類的 A/B 測試工具，可以自動收集數據。 您可以隨時跟踪測試過程中的進度，一旦測試結束，您將收到有關參加每個變體的人數、他們使用的設備以及其他詳細信息的信息。

7. 查看 A/B 測試統計數據

看看哪個變種是贏家，無論是冠軍還是挑戰者。 一旦你知道你的觀眾更喜歡什麼——以及喜歡多少——你就可以通過引入一個新的變化來開始這個 10 步的過程。

6 款最佳 A/B 測試軟件

1. AB 美味

Ab Tasty 是一款價格合理且易於使用的工具，可為剛剛開始優化轉化之旅的企業提供堅實的開端。

AB Tasty 提供 A/B 測試和拆分測試。 多變量測試漏斗測試和漏斗測試功能。 使用 AB Tasty 的可視化編輯器，您可以快速輕鬆地創建變體和測試，並獲得實時報告，為您的目標提供置信度。

2.谷歌優化360

Google Optimize 360​​ 是 Google Optimize 的高級版或付費版。 它包括其免費版本的所有基本功能，例如 A/B 測試和本地 Google Analytics 集成、URL 定位、地理定位等，但沒有免費版本提供的不同上限。 與迄今為止我們討論過的所有測試工具一樣，使用 Optimize 360​​，您可以：

• 嘗試多達 36 種組合來執行多變量考試
• 可同時進行100多個實驗
• 一次可以創建 100 多個個性化設置

請記住，與 VWO、Optimizely 或 AB Tasty 相比，Google Optimize 360​​ 是一種更昂貴的替代方案，沒有額外的好處或優勢。

3. Adob​​e 目標

Adobe Target 是一種廣受歡迎的企業工具，可提供有針對性的測試和個性化。

Adobe Target 將引導您完成工作流程的三個步驟，您可以在其中創建變體，然後根據用戶細分選擇變體。 最後，您將能夠設置自己的目標和偏好進行測試。 對於這種類型的定向廣告，最有趣的功能自動個性化也就不足為奇了。

4.谷歌分析

對於剛剛開始探索之旅的經驗豐富的優化人員來說，Google Optimize 是一個不錯的選擇。 谷歌產品，該軟件允許您構建和測試不同版本的網站，然後分析哪個更好。

由於 Google Analytics 為其提供支持，因此您可以從擁有一個全面的研究工具中獲益。 利用 Google Optimize，您可以進行簡單的 A/B 測試、拆分 URL 測試和多變量測試。

5. 導體

Conductrics 是一種尖端工具，它提供 A/B 測試和機器學習方法，以自動化的方式為每個用戶提供最佳體驗。

它可以用作客戶端服務器或服務器端工具，您幾乎可以以任何您希望使用它的方式自定義它。

6. 用於 A/B 測試的 Wasabi 平台

芥末 A/B 測試服務 是一個實時的、100% API 驅動的企業級產品，它允許您利用自己的數據在互聯網、移動設備和桌面上運行測試。 它快速、易於使用、具有許多功能，而且儀器非常少。 Wasabi 是支持 TurboTax、QuickBooks、Mint.com 和其他 Intuit 產品的實驗平台。

A/B 測試需要多少時間？

A/B 測試不是一朝一夕的任務。 根據您收到的流量，可以進行幾天到幾週的測試。 請記住，您應該只在給定時間進行一次測試以獲得最精確的結果。

持續時間較短的測試可能會導致結果失真，因為沒有足夠數量的參與者使測試在統計上可靠。 太長的測試可能會導致結果不平衡，因為測試會受到更多元素的影響，而這些元素在很長一段時間內都無法控制。

請務必隨時了解可能影響您的測試結果的任何變化，以便能夠解釋測試結果中的任何統計異常。 如果您不確定，請再次參加考試。

當您考慮 A/B 測試對您的底線的影響時，值得花幾週時間來確保正確地進行測試。 在給定時間嘗試一項測試，並給每個測試適當的運行時間。

在 RemotePik 上獲得無限的圖形和視頻設計服務，預訂您的免費試用版

為了讓自己了解最新的電子商務和亞馬遜新聞，請在 www.cruxfinder.com 訂閱我們的時事通訊