每个人都知道A/B测试的最佳实践可以帮助你跑得更快，跳得更高，增加转化率。当谈到为用户提供吸引人且有回报的在线体验时，优秀的A/B测试比局部药膏更有效地解决了令人尴尬的登录页面问题。然而，设计提供准确和代表性结果的多变量测试的方法，在最好的情况下可能是不确定的，在最坏的情况下可能是完全分裂的。
A/B测试是一种非常有用的优化登陆页面的工具。为了尽量减少浪费时间、金钱和精力在几乎没有收益甚至使事情更糟的变化上，在下一个项目中考虑以下几点。在你随意要求你的设计师和文案在一天结束前创造出许多不同的按键或行动号召之前，你必须拥有一个你想要测试的假设。毕竟，如果不知道可能的结果，A/B测试就会变成A/B猜测。类似地，如果没有假设，辨别设计更改的真正影响可能是困难的，并且可能导致额外的(并且可能是不必要的)测试，或者错过了在心中怀着特定目标执行测试时本可以识别的机会。就像科学家带着假设进行实验一样，在进入多元测试阶段时，您应该对预期结果有一个清晰的概念——或者至少对您认为会发生的情况有一些概念。建立一个假设并不复杂。你可以通过A/B测试对号召行动措辞的细微改变是否会带来更多的转化率，或者稍微不同的调色板是否会降低反弹率或提高停留时间。无论您决定测试站点的哪个方面，都要确保在更改任何代码、副本或资产之前，项目中的每个人都知道核心假设。关键要点:在开始A/B测试之前，了解你在测试什么以及为什么要测试。您是否在评估对行动号召副本的细微更改的影响?表格长度?关键字放置?在你开始A/B分割测试之前，你必须清楚变化所带来的影响。相关:如果你正在寻找通过号召行动来提高转化率的方法，看看这些号召行动的例子，看看为什么它们如此有效。在执行a /B测试时，人们最常犯的错误之一就是比较彼此完全不同的登陆页面布局的结果。尽管测试两个完全不同的页面的有效性可能很诱人，但这样做可能不会产生任何可操作的数据。这是因为一个页面的两个版本之间的差异越大，就越难确定是哪些因素导致了转化率的提高或下降。不要被A/B测试中的所有变化都必须是壮观的、令人惊叹的转变的想法所诱惑。即使是细微的改变也能产生明显的效果，比如稍微调整产品功能列表的格式，以说服用户要求更多的信息，或者以不同的方式呼吁用户采取行动，以提高用户粘性。甚至像标点符号的细微差别这样“无害”的东西也会对用户行为产生可衡量的影响。佩里·马歇尔，营销专家和《谷歌AdWords的终极指南》的作者，回忆了一个A/B测试，在该测试中评估了两个广告的点击率。两者之间唯一的区别是什么?包含一个逗号。尽管这个看起来无关紧要的细节，带有逗号的变体的CTR为4.40%——提高了0.28个百分点S除以控制。然而，这并不是说在一个页面的两个非常不同的版本上比较用户行为完全没有价值。事实上，在测试阶段的早期这样做可以为后续的设计决策提供信息。A/B测试最佳实践表明，页面的两个版本之间的差异越大，在测试过程中就应该越早评估这些差异。关键收获:每次测试一个元素，这样你就能确定是什么变化导致了转化率的上升。一旦你确定了一个赢家，测试另一个单一的改变。不断迭代，直到你的转化率达到最大值。尽早测试，经常测试科学家很少用单一实验的结果来证明或反驳他们的假设，你也不应该这样。要坚持A/B测试最佳实践，您应该评估每个测试的一个变量的影响，但这并不意味着您只能执行一个测试。那就太蠢了。
A/B测试应该是一个细粒度的过程。尽管第一次测试的结果可能不能让您真正了解用户的行为，但它们可能允许您设计额外的测试，以更好地理解哪些设计选择对转换有可衡量的影响。越早开始A/B测试，就能越早消除基于假设的无效设计选择或业务决策。测试站点的某些方面越频繁，得到的数据就越可靠，从而使您能够专注于真正重要的东西——用户。关键收获:不要把A/B测试推迟到最后一刻。越早掌握实际数据，就越早可以根据用户的实际行为(而不是您认为他们会做什么)开始合并更改。经常测试，以确保对登陆页面的调整能够提高转化率。当您从头开始构建登录页面时，请记住早期测试的结果。A/B测试是营销专业人员武器库中的一个重要工具，但有意义的结果可能不会一夜之间出现。在设计和执行A/B测试时，要有耐心——提前结束测试可能会节省时间，但最终可能会花费你的钱。经济学家和数据科学家依靠一个被称为统计显著性的原则来识别和解释数字背后的模式。统计意义是A/B测试最佳实践的核心，因为如果没有它，您就会冒着基于错误数据做出业务决策的风险。统计显著性是指在实验或测试中观察到的效应是由特定变量的变化引起的概率，而不是纯粹的偶然。为了得到统计上显著的结果，营销人员必须有足够大的数据集可以利用。大量的数据不仅能提供更准确的结果，还能更容易地识别标准偏差——从统计上看不显著的平均结果的典型变化。不幸的是，收集这些数据需要时间，即使对于每月有数百万独立访问者的网站也是如此。如果您想要缩短一个测试，请先退一步。深呼吸。喝一杯咖啡。做一些瑜伽。记住——耐心是一种美德。关键收获:抵制过早结束测试的诱惑，即使你的初始结果很好。让测试进行下去，让你的用户有机会向你展示他们是如何与你的登陆页面交互的，即使是在多变量测试大用户基础或高流量页面时。还记得我们是如何强调在开始测试阶段之前形成假设的重要性吗?好吧，仅仅因为你对A/B测试的结果有一个想法并不意味着它就会发生——或者你最初的想法是准确的te。不过没关系，我们不会取笑你的。许多精明的营销人员都有这样的想法:不管结果告诉她什么，最初的假设是唯一可能的结果。当用户数据描绘出与项目涉众所期望的截然不同的图景时，这种阴险的想法往往会浮出水面。当面对与原始假设显著不同的数据时，人们很容易放弃测试的结果或方法，而倾向于传统知识甚至以前的经验。这种心态会给项目带来一定的灾难。毕竟，如果你对自己的假设如此有信心，那为什么还要进行A/B测试呢?Chris Kostecki是一名经验丰富的市场营销和PPC专业人士，他可以证明在a /B测试时保持开放心态的重要性。在评估登陆页面的两个版本时，Chris发现了一个变种——它的特点是更多的位置副本，远离产品订购页面——在很大程度上优于控制。Chris指出，尽管他相信更精简的页面会带来更多的转换，但他的A/B测试结果却证明并非如此。对基于实际数据和经过验证的用户行为的新想法保持开放的态度是项目成功的关键。此外，测试阶段越长，您的方法越细，您就越有可能发现关于您的客户以及他们如何与您的登录页面交互的新信息。这可以帮助我们深入了解哪些更改对转换的影响最大。让你的结果说话，仔细听他们告诉你什么。
关键结论:用户可能是善变的，试图预测他们的行为是有风险的。你不是通灵者，即使你家里偷偷有一副塔罗牌。使用硬A/B测试数据来为业务决策提供信息——不管它有多让你惊讶。如果您不相信测试结果，请再次运行它并比较数据。所以，你已经制定了你的假设，设计了一系列严格的测试，耐心地等待宝贵的数据流入，并仔细分析你的结果，以得出一个具有统计学意义的、可论证的结论——你现在完成了，对吗?错了。成功的A/B测试不仅可以帮助你提高转化率或提高用户粘性，它们还可以成为未来测试的基础。没有完美的登陆页面，事情总是可以改进的。即使每个人都对A/B测试和后续更改的结果感到满意，其他登陆页面也很有可能产生类似的可操作结果。根据站点的性质，您可以将未来的测试建立在第一个项目结果的基础上，也可以将A/B测试最佳实践应用于一组全新的业务目标。关键收获:即使高度优化的登陆页面也可以改进。不要躺在你的荣誉上，即使经过了一系列详尽的测试。如果每个人都对特定页面的测试结果感到满意，则选择另一个页面开始测试。从最初的测试中学习经验，创建更具体的假设，设计更有效的测试，并专注于其他登陆页面中可能产生更大转换的区域。没有两个科学实验是完全相同的，这一原则非常适用于A/B测试。即使你只是在评估一个单一变量的影响，也会有几十个——如果不是几百个——外部因素影响整个过程，影响你的结果，甚至可能导致你开始无法控制地哭泣。以Brad Geddes为例。PPC培训平台Certified Knowledge的创始人Brad回忆起自己的一个客户有一些非常尴尬的登录页面。经过多次恳求和咬牙切齿，布拉德终于说服了他的客户做一些调整。重新设计几乎和最初的一样糟糕，但是经过A/B测试后，新的登陆页面导致整个站点的利润增长了76%——对于一个糟糕的登陆页面来说，这并不算太差。不要过于严格地接近测试阶段。在设计测试时要具体，在解释数据时要灵活，并记住，测试不必完美才能提供有价值的见解。记住这些要点，很快，你就会成为一名经验丰富的a /B测试专家——不，你不需要穿实验室大褂(但如果你想，你可以穿，这很酷)。关键要点:每个多元测试都是不同的，在接近每个登陆页面时应该记住这一点。在前一个测试中表现良好的策略可能在另一个测试中表现不那么有效，即使调整了类似的元素。即使两个登陆页面相似，也不要错误地认为之前的测试结果适用于另一个页面。永远依赖硬数据，不要因为不完美的测试而失眠。丹·舍万(Dan Shewan)来自英国，是一名记者和网络内容专家，现在生活和写作在新英格兰。丹的作品出现在许多出版物的印刷版和网络版上，包括《卫报》、《每日野兽》、《太平洋标准》杂志、《独立报》、《麦克斯威尼的互联网趋势》和许多其他媒体。
参见Dan Shewan
的其他文章。谷歌广告转换跟踪指南
我们已经使谷歌广告转换跟踪很容易，所以您可以改善您的活动和最大化您的投资回报率。有时，单靠登陆页面优化并不总是能解决问题。
4个简单的领先客户资格策略，以提高点击率和转化率
什么是领先客户资格，为什么它很重要?得到这些答案，并学习四种领先资格策略，以获得将转化为客户的点击量，以及将与你长期合作的客户。
评论
评论前请阅读我们的评论政策。
