产品运营快速启动 AB测试的 5 个步骤

关于网页上工具栏的最佳颜色的辩论。设计团队喜欢特别的蓝色，而产品经理则主张绿色调。双方对他们的选择都有强烈的看法。 谁来决定？ 选择是否正确？然而这些选择真的很重要吗？

像这样的情况往往是基于外交，权威或看法的决定。上文所述的辩论在Google是经常重演的事，因为该团队最终测试了41层的蓝色，以查看用户更喜欢哪些，于是这事才得以一直进行下去。为什么这么做呢？这关乎于更多的可用性或用户体验。一个设计引导的点击是否可以对引流造成影响。像谷歌这样的公司知道开展像A / B测试这样的实验用数据来确定正确方法是重要的，而不是用看法或猜测。

无论目标是改善着陆页面还是呼吁采取行动的按钮，A / B测试都是帮助用户体验团队和营销人员随着时间的推移进行增量更改的最佳方式。精心设计的A / B测试将帮助团队在两种按钮、两种字体甚至两种微型网站之间做出选择，A / B测试告诉我们什么是无用的，什么是成功的，而不仅是什么有成功的潜力。简而言之，A / B测试的结果可以根据数据做出明智的决策，而不仅仅是根据意见。

那么，这样做会让一些人退缩吗？ 关于对复杂性的误解，对数字处理的恐惧，或者不了解测试可能性会成为信息实验的路痴。在本文中，我将对A / B测试进行揭秘，并提供简单测试入门的基本步骤。

[title]A / B测试：基本定义[/title]

A / B测试是一种实验。有时也称之为分裂测试，它是比较两个版本以确定哪一个更成功的方法。为了确定哪个版本的设计方法更好，同时创建了两个版本，分别展现给一半的目标受众。采取测试看哪一个对目标受众反应更好。促使最多的用户达成期望行为或者更好的转化率，将是成功的。

在A/B测试中，项目至少有两个版本被测试：版本A和B。例如，我们能测试一个网页或者是移动程序的一个单个屏幕。展现给一半的用户A版本的运作，则另一半转变为B版本。不同版本随机的展现给用户。每一个用户的反应都被记录在分析或测试工具中，以便被测量。一旦测试完成，将使用统计分析来评估结果（不要慌！会有帮助）。该实验可能能显现出，这种变化具有积极的、消极的影响或者根本没有影响。

[title]为什么要进行A/B测试？[/title]

你有没有看过一个新的设计理念充满怀疑和不确定性？它会起作用吗？做改变会使网站变得更好还是更糟？A / B测试可以帮助消除一些猜测。团队可以停止说“我们认为”并开始说“我们知道”。A / B测试可以帮助团队：

• 做出明智的决定
• 确认新设计正朝着正确的方向发展
• 决定实施不同版本的方法
• 在特定的用户界面或者元素的拷贝中找出最好用的
• 了解小改动如何影响用户行为
• 不断迭代设计
• 随时改善用户体验
• 优化转换率

最终，A / B测试的优势抵消了实施所需的时间。去提高转换率，无论是订阅电子邮件新闻稿还是（新的引导线索新的潜在客户），最终都会影响项目的成功，并有助于显示投资回报率。了解某些事物表现良好的地方，可以更容易有理由的继续证明这一点。

[title]A / B测试的五个步骤[/title]

决定要测试什么没有一个正确的答案。通过对用户多数行为的数据进行测试，以提高项目的影响力和改进项目的可能性。对低转换率，高跳出率，高流量区域（以更快获得结果），或放弃你想要用户完成的任何的流程或操作进行检阅分析。了解一个活动、程序或业务中解决重点问题的关键的重点指标，通过A/B测试可能会解决。这就直接进入了第一步。

1.确定一个目标

无论是通过广告，网页还是电子邮件进行测试，所有A / B测试都需要明确的目标。这个目标可能是你想知道的事或者如何改变让事情变得更好。什么样的指标或转化是你尝试要改进的？为了帮助，这里有一些与项目相关的目标：

考虑你想要的结果，并确定与目标相关的指标。查看当前的性能数据以建立改进的基线和基准。

2.形成一个假设

A／B假设是一个以测试为基础的假设。一个版本比另一个版本更好的原因是什么？为了帮助制定假设，提出一个问题并预测什么是转换的障碍。“我认为把x变为y会产生Z的影响。”这个假设应该包括你想要改变什么，以及你猜测会发生什么变化。

几个例子：

• 为什么用户没有下载电子书？
• “我认为将号召性用语按钮文本从”下载“更改为”免费电子书“将增加下载次数。
• 为什么用户放弃购物车？
• “我认为将步骤数量从六个减少到三个将增加检查次数。”
• 为什么没有人填写注册表单？
• “我认为通过消除某方面来缩短表格长度会增加完成次数”

对有什么可能阻止这种方法取得成功以及可能会改变这种方式进行教育性猜测。

3.设计并运行测试

创建两个要测试的版本，A和B，只选择一个变量进行更改。设置多个变量是可能的，但它被称为多变量测试1，这增加了测试的复杂性。新手应该从简单的开始入手。几乎所有的东西都可以用来测试，但是选择一些相对容易改变的东西，也可能会产生很大的影响。

以下是一些简单变量测试的例子：

标题和副标题

用户对复本的反应可能会受到文本长度、语言的细微差别、清晰度和态度的影响。进行测试：

• 声音和语气
• 长度
• 陈述句和疑问句
•  触发字眼
• 正面与负面消息

行为召唤2

行为召唤是成功的关键，那么如何才能使人们进行更多的下载、分享、注册或者购买？测试：

• 按钮上的文本或短语
• 改变按钮的大小、颜色或形状
• 只使用文本或者带文字的图标
• 根据按钮的超链接查看哪些获得更多的点击和点击量
• 按钮位置或者页面上的CTA（call to action,行为召唤）按钮
• 更改价格

图像或图形

图像可以帮助建立与用户之间的关系或者是赶走用户。进行测试：

• 主要图像使用摄影照片VS插画
• 人物形象的变化：性别、种族、年龄期、个人或群体
• 人与产品图像
• 毛茸茸的小猫或者可爱的狗狗？

表单

表单可能是必要的，但不必为用户带来痛苦。调整表单让它变得更简单，特别是对于移动设备上的用户，会产生很大的影响。进行测试：

• 表单长度
• 表单字段
• 表单标签和位置
• 必填字段

记住，一次只更改一个变量，以便更清晰明显的看到变量引起的结果。更改多个变量会导致多个结果。

4.分析结果

监视测试（查看下面的工具链接以获取选项）以确保事情运行正常，但在测试完成之前不要看结果。过早地·胜利可能是诱人的，但测试应该运行足够长的时间才可以获得有统计意义的有效结果，这意味着要有足够的数据才能有把握根据结果来进行有效的调整。根据所需的样本大小，可能需要一周到两个月的时间。收集的信息越多，结果就越稳定。

一旦你设置了一个样本大小，坚持下去。找出获得统计显著结果所需的最小变量；目的是为了有足够的把握说明这种变化导致了结果。不要过早放弃测试。因为你知道一定会有一个方案会胜利，但是你需要知道最终赢家是哪个方案。

5.实施结果

实施最终胜利的那个方案——但继续测试。A/B测试是关于渐进式改进，并且来自其他测试的数据将有助于持续改进。你测试的越多，你知道的越多。

不要猜测，直接测试！

有数据支持变更或者方向可以更容易地作出正确的决定。A/B测试可以通过了解什么可行，什么不可行来影响基本论点。在进行了一些测试后，看到一个版本比另一个版本更好的运行，没有人会质疑为什么一个团队想要进行A/B测试——而是疑惑他们为什么不一直这么做。

名词解释：

1. 多变量测试（multi-variant testing）：简称MVT，原理是同时检测两个或多个元素变化的组合，并且的出最佳结果。区别于通过A/B测试遍体的变化结果得到表现最好的变体，多变量测试不但可以得出表现最好的变体，且可以分析单一页面变体间的交互。
2. 行为召唤（call to action）：简称CTA，指的是网站中用于提示用户点击冰洁进入下一转化流程（conversion funnel，如支付、继续阅读等）的横幅、按钮、或某些类型的图形或文字。

文：Jennifer Leigh Brown/兔子翻译组

增长黑客CGO荐读产品运营：

• 《硅谷增长专家Andrew Chen：AB测试的陷阱》
• 《3分钟看透《增长黑客》：增长黑客的概念，AARRR漏斗模型，AB测试》
• 《幕后菊长：杀入新媒体4个月，拥粉20万，阅读量10000+的内容运营策略》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…