A/B 測試：它是如何工作的以及你為什麼需要它

數據無處不在。 無論您是個人、小公司還是跨國公司，您都必須處理大量數據，包括迎合客戶和提高利潤所需的客戶數據。

營銷人員使用各種技術來增加利潤。 可以理解的是，並非所有技術都有效，也不是所有技術都同樣有效。

您不能根據預感或感覺創建廣告系列。 您需要數字，但它們可能並不總是很清楚。 這就是企業需要 A/B 測試的原因，這是一種幫助企業選擇正確路線的獨特方法。

在本文中，我們將討論 A/B 測試並重點介紹其優勢，同時還會重點介紹一些最好的 A/B 測試軟件。

開始吧：

什麼是 A/B 測試？

A/B 測試可以定義為一種比較用於實現相同目標的兩個選項的方法，以找出提供更好結果的選項。

我們幾乎每天都使用 A/B 測試，據說該技術已有 100 多年的歷史。 但是，由於引入了在線營銷，它現在變得越來越流行。 營銷人員使用 A/B 測試來比較兩種營銷方法，以找到一種提供最佳投資回報的方法； 然而，這並不是 A/B 測試的唯一用途。

生物學家和統計學家 Ronald Fisher 在 1920 年代進行了隨機對照實驗。 他弄清楚了基本的數學和原理，並將這個想法變成了一門科學。
費舍爾進行了幾次農業實驗，以尋找基本問題的答案，例如如果我更換肥料或使用更多肥料會發生什麼。

他介紹的原理被證明是正確的，科學家們在 1950 年代初正式開始在醫學領域進行臨床試驗。

營銷人員在 1960 年代後期採用了該技術。 他們想要評估直接活動，即：個性化信件或明信片是否提供更多銷售。

然而，A/B 測試與當時不同。 它在 1990 年代中期形成目前的形式。 它使用相同的概念，但已轉移到虛擬環境中並實時進行。

A/B 測試的好處是什麼？

現在您已經了解了 A/B 測試的定義，是時候了解 AB 測試的主要優勢了。

省錢

A/B 測試允許企業通過識別提供更好回報的流程來節省資金。 沒有兩個營銷活動會提供類似的回報，一個總會以某種方式比另一個更好。

在 A/B 測試數據科學的幫助下，企業可以找到提供更好回報的選項，並擺脫提供較低迴報的過程，並將錢花在支付更多的地方。

增加利潤

正如 AB 測試定義中所強調的那樣，它通過提高轉化率和允許企業接觸更多人來幫助增加利潤。 大約 60% 的企業認為它有助於提高轉化率。

除此之外，A/B 測試結果可以提高跳出率並增加參與度。 這些因素對於幫助企業發展很重要。 歸根結底，由於成本降低和銷售額增加，企業開始賺更多的錢。

幫助識別問題

許多營銷活動因小錯誤而失敗。 最好的 AB 測試工具可以識別這些錯誤，從而使企業能夠順利運行。

它可以幫助識別很多問題，例如糟糕的用戶體驗設計。 這很重要，因為更好的設計可以將轉化率提高多達 400%。

改進內容

儘管每個人都這麼說，但內容仍然是規則。 然而，問題是有很多選項可供選擇，包括書面內容、視覺內容等。

除非您有可靠的 A/B 測試數據分析，否則您無法始終確定哪些有效，哪些無效。

有利於商業形象

A/B 測試變得非常流行，超過 70% 的公司每月至少進行兩次測試。 網站的 A/B 測試允許企業擺脫給客戶留下不良印象的流程或步驟。

結果，形象得到提升，商譽增加。

使分析更容易

大約 77% 的企業在其網站（包括登錄頁面）上運行 A/B 測試，以識別設計、字體和其他此類問題。

這有助於通過突出顯示導致買家中止購物車的原因來減少購物車放棄。 可能有多種原因，例如佈局不佳、隱藏成本等。

通過 A/B 測試，企業可以找到真正的原因並進行處理。

更多參與

公司尋找忠實的追隨者和買家，因此 59% 的企業對電子郵件進行 A/B 測試也就不足為奇了。 它可以幫助企業確定哪種內容更有效，以便他們可以更加專注於它。

A/B 測試如何工作？

A/B 測試聽起來像是一個複雜的現象，但實際上非常簡單。 第一步是決定你想測試什麼以及為什麼。

假設您想測試您網站上“立即購買”按鈕的大小，以查看如果您更改大小，即：增大或減小大小，有多少人“購買”。 一旦明確了要測試的內容，就需要確定將如何評估性能。

例如，有多少人點擊按鈕可以很好地表明按鈕的大小如何影響感知。

您也可以使用最終購買者的數量來做出判斷，但這可能不是一個公平的選擇，因為訪問者也可能因其他原因放棄購買。

在下一步中，您必須將用戶分為兩組。 該集合必須是隨機的，除非您嘗試研究特定人群的使用對變化的反應。

接下來，創建兩個相似但按鈕大小不同的頁面。 現在，查看分析並查看哪個頁面獲得更多點擊。

點擊的決定取決於幾個因素，例如按鈕的大小、文本的顏色、使用的設備。 為清楚起見，您可以將用戶分為特定的組，即：移動用戶和桌面用戶。

這是因為同一個按鈕對於移動用戶和桌面用戶可能不同。 通過這種方式，您將能夠知道為特定用戶提供哪個按鈕。

“A/B 測試可以被認為是最基本的隨機對照實驗，”Kaiser Fung 說，他是《數感：如何利用大數據發揮優勢》等幾本書的作者。

“在最簡單的形式中，有兩種​​治療方法，一種作為另一種的對照，”他補充道。 確保正確估計樣本的大小，以便結果正確，而不是由於背景噪音。

其他一些變量會影響結果。 例如，移動用戶可能不喜歡點擊按鈕，或者按鈕在您網站的桌面版本上可能沒有正確定位。

隨機化可能導致一組包含比另一組更多的移動用戶，這可能導致一組具有更低或更高的速率，而不管按鈕的大小如何。

避免這種偏見的最好方法是將訪問者按桌面和移動用戶劃分，然後將他們隨機分配到特定的集合。 這個技巧被稱為阻塞。

A/B 測試和結果：如何解釋

這是一個基本的例子。 在現實世界中，您不僅會檢查大小，還會檢查其他因素，包括按鈕的文本、位置和顏色。

眾所周知，A/B 測試分析師會運行順序測試來比較不同的元素。 他們將首先測試按鈕的大小（小或大），然後移動到顏色（紅色或藍色），然後是位置（頂部或底部）等。

這有助於他們達到完美的頁面版本。 這很重要，因為一次更改多個因素可能會導致難以確定導致行為發生變化的原因（即：點擊次數）。
但是，我們現在擁有可以處理複雜測試的 A/B 測試工具。

“對於 A/B 測試，我們傾向於同時運行大量獨立的測試，這在很大程度上是因為大腦會考慮可以測試的可能組合的數量，”Fung 說。

“使用數學，你可以巧妙地選擇和運行這些治療的某些子集； 然後你可以從數據中推斷出其餘的，”他建議道。

這個技巧被稱為“多元”測試。 這是 A/B 測試的一種形式。 這意味著不僅要運行 A/B 測試，還要運行 A/B/C 測試等等。

A/B 測試和結果：如何解釋

大多數營銷人員和分析專家使用不同的拆分測試工具來執行此類測試。 您會發現有許多 AB 測試軟件，但並非所有軟件都適合您。

您必須知道如何進行 A/B 測試才能解釋結果。 請記住，正確的工具取決於您要測試的內容。

例如，Adoric 可以處理各種任務，包括 A/B 測試。

Adoric 是一款完整的軟件，可幫助您運行、管理和分析營銷活動，以便您確定最佳營銷活動並以正確的方式使用您的資源。

A/B 測試的主要目的是提高轉化率。 您可以通過更改各種元素（例如字體大小、文本和圖像的使用）來實現此目的。 您還可以使用它來測試網站設計元素和其他此類功能。

Adoric 主要專注於彈出窗口，這是一種營銷工具，如果使用得當，可以提供 11% 的轉化率。 我們的軟件可以幫助您比較不同的彈出窗口設計和選項，以選擇合適的彈出窗口設計和選項。

Adoric 被 P&G、PMI 和 Toyota 等名稱使用。 相信您喜愛的品牌所信賴的名稱。

您需要尋找不僅能提供數字而且能解釋數字含義的軟件。 否則，您將不得不聘請 A/B 測試人員或統計人員來解釋結果。

有付費和免費的拆分測試軟件； 但是，我們建議您購買付費版本，因為它們更詳細且更易於使用。 此類軟件通常會顯示轉化率或報告：

一種適用於看到您的典型頁面的用戶

另一個為看到測試頁的用戶

該報告通常強調幾個因素。 尋找重要數字之間的差異，例如點擊次數。

您可能還會看到以下信息：

• 控制：15% (+/- 2.2%)
• 變化 18% (+/- 1.9%)

這意味著大約 18% 的訪問者或讀者打開了帶有新主題行的電子郵件。 該數字具有誤差幅度 - 2.3%。

這並不意味著實際比率介於 16.1% 和 19.9% 之間。

“真正的解釋是，如果你多次運行 A/B 測試，95% 的範圍將捕獲真實的轉化率——換句話說，轉化率有 5% 的時間落在誤差範圍之外（或其他任何情況）您設置的統計顯著性水平），”Fung 解釋說。

如果這太難理解，那麼請知道您不是唯一一個。 求助於能夠以簡潔的方式呈現這些信息的軟件，以便您輕鬆理解和使用。

基於這個結果，我們可以說新方法更有效，因為它導致更多人打開電子郵件。 但是，由於存在誤差，我們無法保證確切有多少人會打開一封電子郵件，但根據數量會高於當前的打開率。

A/B 測試：要避免的錯誤

以下是一些最常見的 A/B 測試錯誤。 確保避免這些：

過早結束測試

據信，大約 57% 的實驗者一旦看起來他們的原始假設得到證實，就會結束 A/B 測試。 被稱為 p-hacking，這是一種通貨膨脹偏見，被認為是“選擇性報告”，可能會導致糟糕的結果。
即使您能夠實時查看結果，也必須讓每個測試按原樣進行。

沒有像樣的樣本

根據 VentureBeat 的這篇文章，A/B 測試需要大約 25,000 名訪問者才能獲得重要樣本。

可悲的是，大多數營銷人員使用較小的樣本量，這不是總人口的真實代表，因此結果最終“不可靠”。

小複測

很少有公司選擇重新測試。 大多數人測試一次並相信它。 研究證明，由於存在誤報的風險，一次可能還不夠。

此外，您應該每隔幾個月嘗試一次，因為情況可能會發生變化。 例如，您可能會獲得可能喜歡不同顏色或大小的按鈕的新訪問者。

如果不重新測試，您將永遠無法找到正確的選項。

計算太多指標

雖然複雜的測試很有用，但它們可能並不總是有效的。 一次查看過多指標可能會導致“虛假相關性”。

即使您的軟件提供了太多指標，您也必須知道要關注哪些指標。 這將有助於避免隨機波動，並讓您專注於重要的數字。

A/B 測試：常見問題

大公司會使用 A/B 測試嗎？
是的，他們這樣做。 谷歌在 2000 年進行了第一次測試，以確定每頁的正確結果數量。 該公司仍在積極使用 A/B 測試，並在 2011 年進行了 7,000 多次測試。

其他大牌如 Booking.com、Facebook 和亞馬遜也定期進行受控實驗。 此外，它還用於政治。

由於改進了 A/B 營銷的決策，奧巴馬競選團隊又籌集了 7500 萬美元。 它還使捐贈轉化率提高了約 79%。

A/B 測試持續多長時間？
它們可以持續一小時到一周，具體取決於您要測試的內容。

例如，測試訂閱模式的公司應該至少試用一個月。

另一方面，電子郵件營銷測試將在 24-48 小時內為您提供結果，因為超過 50% 的人僅在大約 24 小時內閱讀與工作相關的電子郵件。

誰需要 A/B 測試？
每個在線營銷人員或在線業務都需要 A/B 測試來確定正確的營銷技巧。

它用於比較所有可能影響最終買家決定的因素。 你會看到它被用於搜索引擎優化、電子郵件營銷、網絡開發等。

A/B 測試：結論

簡而言之，A/B 測試用於比較兩個選項並找到提供更好結果的選項。 不要讓任何事情迷惑您，如果您正在尋找友好的 A/B 測試軟件並觀察您的利潤增長，請嘗試 Adoric。

免費試用 Adoric