什么是 A/B 测试？ 带示例的完整指南

创建网页、弹出窗口、电子邮件活动和广告时，您的最终目标是什么？ 让人们参与并采取行动。

但是找出让他们这样做的最佳方法并不是那么简单。 即使您根据过去的事件做出决定，仍然存在陷入赌徒谬误的风险——一种认为过去的事件会影响未来事件的错误信念。

诺贝尔奖获得者丹尼尔·卡尼曼的理论可能最能说明问题：直觉思维比理性方法更快，但更容易出错。

输入 A/B 测试，这是一种以实验为导向的方法，可以做出更好的营销决策。

本文将向您介绍您需要了解的有关 A/B 测试的所有信息，这是一种简单的策略，它帮助奥巴马为其提名竞选额外筹集了 6000 万美元的捐款。 您将确切地看到企业如何使用 A/B 测试来实现他们的转化目标，并获得您的品牌可用于获得类似结果的可行技巧。

A/B 测试，也称为拆分测试，是一种用于比较变量的两个不同版本的性能的方法。 它涉及向不同的访问者群体展示两个版本，然后衡量哪个变体会带来更高的转化率。

此版本被标记为“获胜变体”，并成为未来旨在推动更多转化的测试的基础。

例如，一家公司可能想要测试两个版本的着陆页，版本 A 具有红色按钮，版本 B 具有蓝色按钮。 他们向一半的目标受众展示版本 A，向另一半展示版本 B。

然后，他们收集关于哪个版本提高了转化率的数据，改进这个获胜的变体（可能通过进一步的 A/B 测试），并在未来的活动中使用它。

但 A/B 测试并不局限于网页。 您还可以使用此方法来测试博客文章、电子邮件或广告文案的不同版本。 事实上，在 Databox 的调查中，超过 57% 的公司确认他们每次都对他们的 Facebook 广告活动进行 A/B 测试。

与 A/B 测试类似，多变量测试允许您测试活动的不同变体。 但在多变量测试中，您同时测试多个不同的元素（例如不同的标题、图片和号召性用语）以确定哪种组件组合会产生最高的转化率。

通过进行 A/B 测试，您可以不再依赖直觉，而是根据可靠的数据做出决策，这可以以难以想象的方式使转化率飙升。 虽然转化率优化通常是理想的结果，但您还可以期待其他几个积极的结果。

让我们考虑一下为什么 A/B 测试应该成为您营销策略的一部分的几个原因，无论您的预算或行业如何。

A/B 测试是第二受欢迎的 CRO 方法，这一事实表明它可以发挥多大的作用。 如果您运行 A/B 测试，您将看到以下一些好处：

1. 更好地了解您的目标受众

运行 A/B 测试可以帮助您通过目标受众在您网站上的行为更深入地了解他们想要什么。 您通过 A/B 测试了解的有关受众的信息将帮助您优化未来的营销活动。

通过测试页面上的不同元素，您还可以确定哪些设计、复制和布局元素最适合您的独特受众。

2. 您可以放心的数据支持决策

在决定要尝试的披萨口味时，依靠直觉可能是值得冒的风险……但当您决定如何最好地投资紧张的营销预算时，这肯定不是最好的方法！

通过 A/B 测试，您可以根据用户行为做出数据驱动的决策，这是全方位的智能。

3. 提高转化率

2022 年，Obvi在短短一周内将黑色星期五弹出窗口的转化率提高了 36% ！ 令人难以置信的是，进行简单的调整就能将转化率提高那么多，对吧？

通过确定统计意义和分析测试结果，您可以就营销策略做出明智的决策并优化您的页面以获得更多转化。

4. 更高的投资回报率

当您对您的活动进行 A/B 测试时，您将加快发现最适合您的受众的过程。 您可能会发现，您可以进行一两个小调整，从而产生巨大的变化，而不是修改整个广告系列。

您将能够检验您的假设并证明（或反驳）它们，因此您所做的每一项更改都会使您的活动朝着正确的方向发展。 因此，您将节省时间和金钱，提高广告系列的投资回报率。

确信 A/B 测试值得您花时间？ 伟大的。 现在是时候看看您应该测试哪些元素了。

以下是您应该在着陆页上测试的一些变量示例。

1. 主标题和副标题

为一个页面创建和测试两个不同的标题和副标题是一个很好的起点。

这两个元素位于首屏之上，这意味着它们几乎总是人们最先看到的。 它们可能意味着“吸引”您的访客和失去他们之间的区别。

假设您正在为在线商店的新产品开展营销活动。 您创建了一个着陆页，其主标题为“推出市场上最新、最先进的耳机”，副标题为“用我们的尖端技术彻底改变您的日常生活。”

您决定进行拆分测试并创建一个页面变体，其主标题为“使用我们革命性的耳机升级您的日常生活”，副标题为“体验市场上的最新技术”。

进行测试后，您可能会发现一种变体具有更高的转化率，然后您可以将其用于未来的测试或作为营销策略的一部分。

2. 价值主张

评论和用户生成的内容 (UGC) 可以深入了解客户对您的产品的满意度，但挖掘这些可能是一件苦差事。 另一方面，A/B 测试结果允许您直接衡量变化对用户行为和转化率的影响。

通过向每个页面发送等量的网站流量并分析结果，您可以确定哪个版本的价值主张在转化访问者方面更有效。

继续我们之前的例子，也许目标受众更关心产品如何改善他们的日常生活，而不是它是否是最时尚的创新。

找出答案的一种方法是在着陆页上进行拆分测试，重点关注号召性用语按钮、图像和广告文案等元素，以传达两种不同的价值主张。 您将获得有价值的见解，了解哪些内容会引起目标受众的共鸣，并改进您的营销策略。

3.号召性用语（CTA）

对 CTA 进行 A/B 测试是收集有关用户行为的可靠数据的一种有效方法。

您需要测试副本、颜色和 CTA 按钮位置等内容。 虽然这些看似很小的变化，但它们会对您的点击率产生很大的影响！

4.表格

您可以对表单进行 A/B 测试的一个元素是它们的长度。 您可能希望使用更长的表单从访问者那里获得更全面的信息，但您的用户可能更喜欢更短、更简单的表单。 通过进行拆分测试，您可以确定哪种表单长度对您的网站最有效，并相应地进行调整。

也可以考虑测试表单的样式。 例如，您可以尝试使用极简主义设计来对抗更复杂的设计。 A/B 测试可以让你比较这两种不同风格的转化率，并根据结果做出决定。

这也可能是尝试多变量测试的好地方，它允许您同时测试表单的多个元素。 这使您可以更好地了解不同的元素组合如何影响转化率。

5. 图片

A/B 测试图像对于确定哪些视觉元素最有效地吸引潜在客户的注意力和推动转化至关重要。

您可以比较不同的产品图片，看看哪种图片在角度、光线和样式方面效果最好。 A/B 测试将揭示哪些图像最有效地展示产品并吸引客户购买。

同样，您可以对图像布局进行 A/B 测试。 如果您正在投放广告活动，您可能想要测试单张图片、轮播甚至视频等布局。

6.页面结构

使用页面结构，您可以进行许多不同的更改。

您可以对号召性用语按钮的位置进行 A/B 测试，看看将其从页面顶部移至页面中间是否会增加转化次数。 您可以针对标准的固定导航栏测试粘性导航栏，或者查看直接在英雄部分下方展示您的社交证明是否能让人们向下滚动页面。

由于页面结构是一个广泛的领域，请记住通过 A/B 测试一次只测试一件事！

七、产品推荐

当您提供产品推荐时，您可能想要尝试测试网格布局与列表布局以确定哪种格式在视觉上更具吸引力并且更易于为您的客户导航。 测试推荐在页面上的位置还可以向您显示客户最有可能与他们互动的位置。

8.优惠

服装品牌可能会选择测试这两种不同的优惠：“首次购买立减 20%”与“首次订购免费送货”。 A/B 测试可以帮助企业确定哪种报价在推动转化方面更有效。 然后，这个获胜者可以用作未来活动中的主要报价。

您还可以对报价的不同元素进行 A/B 测试，例如其语言、位置和设计。 通过包含“限时”等措辞来增强紧迫感可能会增加转化率，或者简单地使用不同的配色方案可能会使其更引人注目。 唯一确定的方法？ 测试！

如果您担心 A/B 测试太难、工作量太大或太复杂，请继续关注。 当您根据本指南运行 A/B 测试时，您将成为同意 A/B 测试毫不费力的 63% 的公司之一。

第 1 步：分析您的网站

您首先要研究站点的当前状态，包括其总体设计和布局、用户流以及现有元素（按钮、表单和号召性用语等）的性能。

您网站的性能数据（例如流量和转化指标）还可以让您深入了解表现不佳的区域，以便您可以确定它们的优先级以进行测试。

例如，如果您发现很大比例的访问者只浏览了一个页面就离开了，这可能表明您网站的导航不是最佳的。 改进的用户体验设计可以将转化率提高多达 400% ，但这一切都始于让访问者参与并在网站上停留更长时间。

Google Analytics（分析）是衡量目标的有用工具。 以下是您可以查看的一些报告：

• 新访客与回头客
• 使用移动设备与台式机的访问者
• 来源/媒介和活动
• 着陆页
• 关键词
• 电子商务概述
• 购物行为

第 2 步：集思广益并提出假设

此步骤涉及生成您想要测试的潜在变化列表，并形成关于这些变化中的每一个将如何影响预期结果的假设。

例如，如果目标是增加网站转化率，一个想法可能是将“立即购买”按钮的颜色从红色更改为绿色。 相应的假设是颜色的变化将导致转化率的增加。

此步骤有助于缩小测试的重点并指导流程的下一阶段。

第 3 步：确定想法的优先级

确定想法的优先级可以让你磨练最有希望的假设并首先测试它们。 一种有效的方法是使用 RICE 方法，它结合了四个因素（影响力、影响力、信心和努力）来给每个想法打分。

以下是首字母缩写词的细分：

• Reach ：更改将影响的用户或访问者的数量。
• 影响：变更对关键指标的潜在影响。
• 信心：您对变革将产生预期效果的信心有多大？
• 努力：这是指实施变革所需的资源。

考虑所有四个因素有助于最大限度地提高测试工作的回报。

第 4 步：创建挑战者变体

接下来，是时候创建网站元素的替代版本以针对原始或“控制”版本进行测试了。

例如，如果您正在测试您网站上号召性用语按钮的有效性，按钮的挑战者变体可能在颜色或大小上有所不同，或者它可能有不同的副本。

创建和测试多个挑战者变体以找到最佳解决方案也很有效。 在上面的号召性用语按钮示例中，您可以创建三种不同的变体（一种具有不同的颜色，一种具有不同的大小，一种具有不同的副本）并针对控制按钮对它们进行测试以查看哪种效果最佳。

第 5 步：运行测试

这是您执行实验并收集结果的阶段。 运行测试足够长的时间以收集足够的数据，以便对正在测试的版本做出明智的决定。

您的平均每日和每月访问者是这里的重要因素。 如果您的网站每天有大量访问者，您可以在短时间内运行测试。 相反，如果访问者数量较少，则需要运行测试更长时间，以便收集足够的数据。

您正在测试的变体数量也可能会影响测试的持续时间。 您拥有的变体越多，您收集每个变体的数据所需的时间就越多。

第 6 步：评估测试结果并优化

进行 A/B 测试的最后一步是评估结果并对其进行优化。 在这里，您分析测试期间收集的数据以确定哪个变体表现更好。 您可以通过比较控制版本和挑战者版本之间的转化率、跳出率和点击率等指标来做到这一点。

如果结果显示一个变体的表现明显好于另一个，则该版本成为赢家。 然后，您可以使用获胜变体优化广告系列以提高性能。

但是，如果结果不确定或不支持初始假设，则需要进一步优化。 这通常涉及实施新想法或进行额外测试以更好地理解结果。

例如，如果您对电子邮件活动进行测试并且结果显示打开率没有显着差异，则通过测试新主题行或更改电子邮件设计来优化活动。

好的，我们已经完成了对 A/B 测试及其魔力的赞美！ 看看一些使用拆分测试的顶级品牌的真实示例：

1. A/B 测试消息的设计

在此示例中，DTC 品牌 Obvi 想要了解他们的假设，即在折扣弹出窗口中添加倒数计时器是否会增加紧迫感并导致更高的转化率和优惠券兑换率。

他们创建了弹出窗口的两种变体，一种带有计时器，另一种没有，并使用目标受众的样本量对其进行了测试。 他们是对的！

带有倒数计时器的变体的转化率比没有倒数计时器的变体高 7.97%，这表明计时器在提高紧迫性和转化率方面是有效的。

2. A/B 测试预告片的有效性

在 Obvi 的第二个示例中，他们测试了黑色星期五弹出窗口的两个版本：一个带有预告片（弹出窗口的小预览），另一个没有。

带有预告片的变体使 SMS 订阅者增加了 36%，并提高了营销活动的转化率。 因此，他们了解到在弹出窗口中加入预告片是提高参与度和推动销量的有效策略。

3. A/B 测试不同类型的活动

A/B 测试不同类型的活动，例如下面来自 Christopher Cloos 团队的示例，是一种发现哪个版本更能引起访问者共鸣的方法。

在这种情况下，该团队测试了一个经典的欢迎弹出窗口和一个更个性化的对话弹出窗口，发现对话弹出窗口的转换率更高（准确地说，高出 15.38%）。

该测试运行了一个月的时间，根据商店的客流量来看，这是一个理想的时间。 如果他们运行测试的时间较短，则对话弹出窗口可能无法充分发挥作用。

另请注意，持续时间较长的测试可能会受到季节性、趋势或消费者行为变化等外部因素的影响，这些因素可能会影响结果。

你最不想做的就是将所有的努力和营销预算投入到拆分测试中，结果却得到了误报或不准确的测试结果。 以下是如何避免最常见（且代价高昂！）的错误：

错误 1：更改多个元素

在进行 A/B 测试时，您应该一次只更改一个元素，以便您可以准确地确定该特定更改的影响。

你在测试改变按钮颜色的效果吗？ 然后仅更改挑战者变体中按钮的颜色，而不更改其他任何内容。如果您还更改了按钮上的文本或页面布局，您会发现很难确定哪个更改对结果的影响最大。

一次更改多个元素也可能导致不准确的结果，因为更改可能以意想不到的方式相互影响。

错误二：忽略统计显着性

在 A/B 测试中，测试结果可能来自偶然，而不是变体有效性的真正差异。 这可能导致关于哪个变体更好的错误结论，导致基于不准确数据的错误决策。

下面是一个示例：您的测试显示变体 A 的转化率略高于变体 B，但您没有考虑结果的重要性。 所以你最终得出结论，变体 A 是更好的选择。 然而，考虑到统计显着性会清楚地表明，没有足够的证据得出变体 A 确实更好的结论。

忽略 A/B 测试中的统计显着性会导致对结果产生错误的信心，导致您实施可能不会对性能产生任何实际影响的更改。

错误 3：运行测试的时间不够长

下一个错误与错误 #2 密切相关：在拆分测试有足够的时间收集足够的数据以产生统计显着性之前结束拆分测试。 您最终会得出关于您正在测试的元素的不准确结论。

想象一下 A/B 测试只运行了一周，而您宣布一个特定的变体获胜。 事实上，结果只是偶然。 确保您运行的测试时间足够长以准确捕获版本之间的差异。

希望本文向您展示了 A/B 测试对于优化在线商店的重要性。 一旦您了解了 A/B 测试可以帮助您改进的所有不同方式，很难相信只有44% 的公司使用拆分测试软件！

如果您的企业目前没有运行 A/B 测试，那么为您的转化率提供应有的 TLC 还为时不晚。 通过拆分测试不同的变体，您可以确定网站或营销活动的哪些元素有效（或无效），并根据您的目标进行战略调整。

请记住，这就像创建不同的版本并比较结果以确定性能最佳的版本一样简单。 无论您是小企业主还是营销专家，A/B 测试都是您必备的工具！