A/B測試終極指南
A / B測試不是一個時髦名詞?，F在很多有經驗的營銷和設計工作者用它來獲得訪客行為信息，來提高轉換率。然而， A / B測試與SEO不同的是，人們都不太知道如何進行網站分析和可用性分析。他們并不完全明白它是什么或如何更有效的使用它。本文將為你提供有史以來最好的A / B測試教程。
什么是A/B測試?
A / B測試的核心就是：確定兩個元素或版本（A和B）哪個版本更好，你需要同時實驗兩個版本。最后，選擇最好的版本使用。
網絡上的A / B測試，即你設計的頁面有兩個版本（A和B），A為現行的設計（稱為控制） ， B是新的設計。比較這兩個版本之間你所關心的數據（轉化率，業績，跳出率等） 。最后，您選擇效果最好的版本。
測試哪些東西?
你要選擇什么去測試取決于你的目標。例如，如果你的目標是增加顧客數量，那么您可能測試下列內容：注冊表單數量，字段類型要求，隱私政策等。在這種情況下A / B測試的目標是要弄清楚什么阻止了游客注冊。需要填寫的表單的數量？用戶的隱私？還是該網站做了讓游客不信任的事情？所有這些問題都可以通過一個個A/B 測試獲得答案。
每一個A / B測試內容都是獨一無二的，單通常測試一下這些內容：
- 行動按鈕的措辭，大小，顏色和位置，
- 標題或產品說明，
- 表單的數量和字段類型，
- 網站的布局和風格，
- 產品定價和促銷活動，
- 著陸和產品頁面上的圖片，
- 頁面上文字的長度（少Vs多）。
一旦你決定要測試什么，下一步當然是要選擇一個合適的測試工具。如果你想要一個基礎的免費工具，可以使用Google Website Optimizer。如果你想要功能更加強大的工具，可以使用Visual Website Optimizer 。其他的一些選擇都是可以的，建立試驗在所有工具中都很相似，所以我們只需討論一種即可。
你可以通過兩種方法建立A / B測試：
- 在頁面測試加載前替換元素
如果你測試的是頁面上的單個元素，如注冊按鈕，然后需要在測試工具中設置按鈕。當測試時，在A / B工具將在頁面給用戶前隨機替換按鈕。 - 重定向到另一頁面
如果你想通過A / B測試整個頁面，比如說，一個綠色的主題和一個紅色主題，那么你就需要創建和上傳新的頁面。例如，如果您的主頁是 http://www.example.com/index.html，那么你需要創建另外一個頁面 http://www.example.com/index1.html。當測試運行時，您的測試工具將一部分訪問者重定向到第二個網址。
一旦您使用了上面的兩種變換方法，下一步是建立您的轉換目標。通常，你會得到一個JavaScript代碼，您可以復制并粘貼到一個需要游客到達的目標網頁。例如，如果您有一個電子商務網站，你正在測試的“立即購買“按鈕的顏色，然后您的轉換目標將是購買成功后的“謝謝您“頁面。
在轉換事件發生的同時，在A / B測試工具，記錄了哪種頁面顯示給了訪問者。經過足夠數量的游客，您可以確定哪個頁面帶來了最多的轉化！建立和運行的A / B測試，其實很簡單。
該做什么和不該做什么
雖然A / B測試是超級簡單的概念，但是請記住，以下這些都只是我自己的經驗。
注意事項
- 不要分開你的測試情況。始終兩個版本同時進行測試。如果您第一星期測試第一版本，第二星期測試第二個版本，你就錯了。有可能B版本帶來的流量更糟糕，但是帶來了更好的業績，因為兩個版本之間的流量始終存在不一樣。
- 不要結束得太早。有一個概念叫做“統計信心“ ，無論你的測試結果明顯的。如果你只有少數轉換或游客，它都無法確定最終的結果。大多數A / B測試工具都有報告統計，但如果你是手動測試，你可以使用 在線計算器。
- 不要讓常客驚訝。如果你正在測試網站的一部分。包括新訪客和?？?，不要使他們覺得震驚。尤其不要因為哪些可能不會最終實施變化。
- 不要讓你的直覺推翻了測試結果。在A / B測試的結果往往是令人驚訝的或直觀的。在一個綠色為主題的網站，一個明顯的紅色按鈕有可能成為贏家。即使紅色按鈕不容易吸引注意。您要測試的目標是一個更好的轉換率，而不是美學，所以在得到測試借過錢不要拒絕任何嘗試。
需要做的
- 知道運行測試多久。結束太早，可能會使你花了時間但是沒有得到有意義的結果。結束太晚也不好，因為效果不佳的頁面可能影響你的轉化和業績。使用一個計算器，來確定測試多久以后來結束它。
- 將相同的頁面呈獻給同一個訪客。您的工具應該有一個記憶訪問者已經看到的頁面的功能。這樣可以防止向同一用戶顯示一不同的價格或不同的促銷優惠。
- 讓您的A / B測試在整個網站保持一致。如果你正在測試的登錄按鈕在多個地點出現，然后一個訪問者應在所有的地方看到同樣的變化。在頁面1顯示一個樣子，在頁面2顯示兩外一個樣子，會使試驗結果被干擾。
- 做很多的A / B測試。讓我們面對現實吧：你的第一個A / B測試可能會無效。但是不要絕望。一個A / B測試只能有三個結果：沒有結果，不好的結果和好的結果。優化轉換率的關鍵是要做大量的A / B測試，把所有的好的結果拼接起來，最終推動業績。
#p#
經典A/B測試案例研究
這里有一些如何進行A/B測試的案例研究。
Writing Decisions: Headline Tests on the Highrise Sign-Up Page 37Signals測試他們的價格頁面的標題。最終發現， “30-Day Free Trial on All Accounts “比原來的“Start a Highrise Account. “多產生30 ％以上的訂單。
“You Should Follow Me on Twitter Here” (Dustin Curtis) 這是一個用來測試召喚用戶在Twitter上關注自己的試驗。. Dustin 發現提示文字是“You should follow me on Twitter here” 的效果是“I’m on Twitter.” 173%
Human Photos Double Conversion Rates 從兩個不同的A / B測試將在網站上增加轉換率的人的照片：一個令人令人驚訝的結論，A/B測試兩張圖片，將真人照片放在網站上會獲得一倍的轉化。研究說明，我們潛意識被照片吸引了。
Google Website Optimizer Case Study: Daily Burn, 20%+ Improvement (Tim Ferriss) 一個將用戶選擇減少的變化使轉化提高了20%，最終的版本在細節和文字上更易吸引目光。
Two Magical Words Increased Conversion Rate by 28% “It’s free” 這個單詞增加了注冊按鈕點擊次數的28%, 測試結果表明，在行動召喚上一些很小的變化會帶來令人驚訝的結果。
Changing the Sign-Up Button from Green to Red 依靠A / B測試， CareLogger把注冊按鈕從綠色修改為紅色增加了34％轉換率！
Single page vs. multi-step checkout 如果你有一個在線商店，很常見的就是支付流程。這個A / B測試發現，多個支付流程比單個支付流程完成的銷售更好。
“Mad Libs” style form increases conversion 25-40% 打敗傳統的智慧，此A / B測試發現一段風格形式輸入字段比傳統形式的布局更好。
Complete redesign of product page increased sales by 20% 一個軟件產品的公司重新設計他們的產品頁給它一個現代的外觀和增加信任模塊。最終結果：他們成功地增加20 ％的總銷售額。本案例研究證明了設計對銷售的影響。
Marketing Experiments response capture case study – triple digit increase in conversions 通過優化郵件地址獲取提高了258 ％。重點是消除所有的干擾，并要求游客只需提供電子郵件地址。使用亞馬遜禮品卡讓他/她的完成個人資料。
#p#
A/B測試工具
有許多側重點，價位和功能不同的A / B測試工具，這里是一些：
- Google Website Optimizer
搜索巨頭提供的免費A/B測試工具。一個很好的入門級工具，但是沒有一些先進的功能。 - A/Bingo and Vanity
基于Ruby on Rails開發的服務器組件。需要編程和代碼集成。 - Visual Website Optimizer
一個易于使用的A / B測試工具，包含一些先進的功能，如所見即所得的編輯器，單擊地圖，訪問者分割和標簽等。 - Unbounce and Performable
集成著陸頁設計的A / B測試工具。 - Vertster, SiteSpect, Webtrends Optimize and Omniture’s Test&Target
企業級測試工具。
一些深入研究的A/B測試資料
如果你已經讀到這里，那么A / B測試大概已經激起你的興趣。在這里，有一些非常好的A/B測試資源。
尋找你下一個A/B測試的靈感
- Which Test Won?
一個猜測那種情況會最終勝利的游戲。 - 101 A/B Testing Tips
大量的A/B測試技巧和方法。 - ABtests.com
一個可以分享和閱讀A/B測試結果的地方。 - A/B Ideafox
搜索引擎的A / B和多變量的案例研究。
一些介紹性文章
- Effective A/B Testing
By Ben Tilly. - Practical Guide to Controlled Experiments on the Web (PDF)
From Microsoft Research. - Introduction to A/B Testing
From the 20bits blog
A/B測試中的數學
- Statistics for A/B Testing
From the 20bits blog. - How Not to Do A/B Testing
- What You Should Know About the Mathematics of A/B Testing
From my own blog. - Easy Statistics for AdWords A/B Testing, and Hamsters
- Statistical Significance and Other A/B Test Pitfalls
原文地址：http://www.smashingmagazine.com/2010/06/24/the-ultimate-guide-to-a-b-testing/
