小细节大变化,改变从AB测试开始

AB测试

AB测试(A/B test)是许多网站、尤其是具备电子商务功能的网站拿来快速测试改版、微调效果并协助设计与商业决策的方法之一。简单来说就是将欲测试的变因或假说分别做成A版与B版(甚至C、D等版),利用一些工具,将造访网站的人流随机均分至两个版本,最后选择目标达成表现较好的版本。

app数据分析
AB测试可简单分为以下几个步骤:

 

第1步:订定测试目标

第2步:建立目标达成方式的假设,以此为测试专案

第3步:进行测试、收集资料

第4步:得出结果后将表现较好的版本上线,可加入新假设持续测试

 

第1步:订定测试目标

首先需清楚定义测试欲达成的目标,如提升转换率、降低脱离率等。

 

通常测试目标来自于网站目标,而网站目标又与事业目标有所连结;订定目标的目的是为了能使测试的规画更聚焦,同时也有可量化的数值来检视是否达成效果。

 

AB测试的目标通常分为两类:

1) 提升X,如:

提升转换率(CV)

提升页面流览率(PV)

提升页面流览时间

提升分享人数

提升影片点击率…

 

2) 减少Y,如:

减少脱离率

减少跳出率…

 

【注意】

目标尽量设的简洁明了

为了有效计测目标是否达成,在开始AB测试前记得先于网站数据统计工具(如: Google Analytic)设定转化目标的计算

 

第2步:建立目标达成方式的假设,以此为测试专案

基于对目标使用者的理解,提出可能达成目标的调整方案假设,将各方案依优先度排列,依序做为测试变数。

灰度发布
调整方案的假设大多是页面内容的改变,以下为AB测试常见的测试变数:

行动按钮(Call-To-Actions) – 位置、用字、尺寸、颜色…

文案– 标题、价值传达、商品描述、 内容多寡…

表单– 长度、类型、用字…
版面配置 – 页面长短、板块位置…

促销方案 – 不同商品组成、不同价位…

图片– 位置、内容、尺寸…

比较 – 图片视频、图片VS.文字、图片A VS. 图片B 、文案A VS. 文案B 、行动按钮A VS. 行动按钮B…

 

【注意】

每次的测试必须是单变数;有时不同设计稿可能会很大的差异,这样的情况一般不太适合做AB测试,因为变数太多了,变数之间会有较多的干扰,难通过AB测试的方法来找出各个变数对结果的影响程度及衡量各方案的成效。如果一个页面测试多个变量,则需使用Multivariate Testing,那是概念上不太相同的测试方法,同时需要够大的流量方能较有效的进行。

 

第3步:进行测试、收集资料

完成不同版本的制作后,利用线上工具将A、B版本的页面挂上网,并进行资料的收集;不少线上工具可协助AB测试的进行,以下为一些常见工具:

吆喝科技A/B测试云服务

Google Analytics

VWO

 

【注意】

若同时有进行线上活动或搜索词广告操作,需注意避免让活动或搜索词广告流量都导入特定版本;尽量将不同来源的访问者平均分配到各个版本上

不同的用户在一次流览过程中,看到的应该一直是同一个方案;比如他一开始看到的是A 方案,则在此次会话中应该一直向他展示A 方案,而不能一会儿让他看A 方案,一会儿让他看B 方案;不然可能影响结果

 

第4步:得出结果后将表现较好的版本上线,可加入新假设持续测试

依据当初设定的测试目标衡量结果,选择表现较好的版本;若仍有其他欲测量的变数,或在新版上线后发现其他改善假设,则继续进行测试。

 

【注意】

为避免偏误,一般测试上线后等待约2-3周,或达到平时某时间内可达到的UV或PV量后,可结束测试;网站流量越小,需要越多时间。

 

若测试结果两版的表现并无太大差异,则通常代表该变动方案并不造成显著影响;此时需提出另外的假设来进行测试

 

AB测试是很多国外电商拿来优化网站的工具,据说Google有1%的流量永远都拿来测试新的调整、想法;而很多大型旅游网站,更是持续在进行线上的ABCD测试,每个使用者看到的页面都不完全一样。 AB测试的结果,即便仅有1%的差别,考量到整体销售量1%的提升,也会是相当可观的。

5365 Views
即刻实践文章理论 A/B测试 灰度发布 产品优化 免费申请
Please wait...

订阅我们

对于每位订阅读者,每两周,吆喝科技会为您发送4篇精选文章,可能是最新的A/B测试实践,也会是你所期待的增长干货。