数极客首页

关于AB测试你所不知道的15大天坑

作为一种实验
工具,A/B测试从原理到理论
都分发
科学的光辉

,它的强大、易用、高ROI十分

契合
互联网的展开

节拍
。你希望经过
A/B测试对你的网站中止

充沛

的转化率优化,在理想
中,可能不是这么理想化。特别是当你过于简化某些过程,省略特定的步骤并忽视

思索
使A/B测试生效的第一步(足够的时间和样本大小)。即便

是最好的测试人员有时分
也会失败,当你从旁观者的角度来看某些状况

时,很容易看到缘由
。今天,我将分享最常见的15大天坑以及每个误区的真相。

ab测试

误区1:转化率优化因猜测

而发作
误区。从你的角度来说,你觉得自己

最懂客户,似乎

他人

都不懂。这就是为什么你不需求
任何特殊的工具或办法

来优化你的网站的缘由
。你只是知道

向访问者提供什么,在哪里,何时,怎样
做到。真相。理论

上,A/B测试并不意味着要放弃你对业务或客户的认知。只意味着你将经过
对怎样
改进

你的在线业务做出明智决策的办法

应用你的预测。无论怎样
,进步
转换率的过程将从定义你网站的“弱点”开端
。在定义弱点之后,你必需
对怎样
处置
它做出接地气的选择。a/b测试和多变量测试只是对你的网站的改进

做出正确决议
的科学办法

误区2:A/B测试伤害你的SEO误区。我们都知道

,在A/B测试的过程中,特殊的A/B测试工具显现
给他们的访问者简直

相同的内容变化,以定义最好的性能。此外,我们知道

Google(和其他搜索引擎)总是惩罚重复

和剽窃

的内容。所以,显然,假定

a/b测试你的网站,SEO会被宠坏。真相。假定

你运用
A/B或多变量测试的办法

改进

你的网站,你的网站是没有风险的。 Google自身

就在中止

各种A/B测试。并且写了提供正确A/B实验的指南的完好
列表,假定

你运用
成熟的A/B测试工具,是没有风险
的。误区3:A/B测试由于实施

本钱
高而不容易运用
误区。A/B测试是一种十分

昂贵的转化优化办法

,由于
它运用
了很多来自访问者的难以剖析

的数据,并且还需求
雇佣一个设计师和一个程序员来开端
工作。真相。A/B测试不是那么艰难

或昂贵。有很多自动一体化工具,能够

直观地设计你的变化,启动a/b测试和剖析

结果,没有任何第三方辅佐

。你应该只听取给出的倡议

/提示,并应用它们。这样的工具之一是我不说。

误区4:你每次只能度量1个重要的转化率指标误区。在运转
a/b测试时,你应该只关注一个指标作为目的
,不要在一堆不同的数字中迷失。假定

你要测试按钮,则只应思索
获胜者变体,以显现
测试按钮的最佳点击率。真相。中止

A/B实验
的正确办法

是思索
a/b测试目的
与主要业务目的
的关系。让我们想象一下,在第一阶段(点击此按钮之后),红色按钮的获胜者变量表现更好,但在最终
阶段,这种变化招致
更低的转化为潜在客户。因而

,你能够

看到赢家变化没有带来业务的真正利润,你需求
稍微

改动
焦点,以完成
业务目的

误区5:当结果看起来很好时,你能够

中止
测试
误区。在你的A/B测试实验
开端
后,你能够

察看

增加每个测试变体的页面视图的过程。它能够

让你简直

实时看到哪些变体效果更好,并在看到转化率的基本

差别

是能够

接受

时,选择胜利

者。真相。不要这么快!大多数a/b测试工具会在实验启动后开端
向你显现
统计数据的变化,这是真的(当然,假定

你有足够的流量来实时查看不时
变化的访问次数,抵达

目的
)。但是,你不应该遗忘
在A/B测试实验中需求
思索
的统计显着性,以取得

牢靠

的结果。你应该让A/B测试运转
一定的时间,并经过
一定数据量
的访客,让它为你提供足够的相关数据,才干
指导你做出更好的决策。假定

你在进程的中间就停下来,你可能会得到一个不精确

的统计数据。

误区6:你的网站上的一切都应该测试误区。为了得到真正好的,牢靠

的结果,你应该A/B测试你的网站。能够

测试的任何更改都应中止

测试。无论变化有多大,以及转化改进

带来的预期增长状况

怎样
,这并不重要。假定

有人曾经
做了,并证明了他的工作与许多案例研讨
为什么你不应该这样做?测试网站上的每个组件将带来令人难以置信的业务成果!真相。当然,很容易找到很多关于网站上存在的每个组件的A/B测试的案例研讨
,但应该有另一个A/B测试序列。第一
,你必需
经过
剖析

转化渠道来检查你的网站。案例研讨
能够

为你带来灵感,作为新想法的巧妙
来源。但A/B测试并不是要不时

测试全部元素。你应该构建和实施

自己

的A/B测试战略
,这将基于你的业务目的
和转换漏斗的“痛点”。

误区7:学习和复制A/B测试最佳理论
是在转换率优化中取得

胜利

的一切误区。假定

你正在研讨
一些大公司的最佳理论
,你将搜集
一切
的阅历

,并将其实施

到你自己

的网站,这将允许你不用中止

自己

的测试,俭省
时间和金钱,并避免

可能的错误。真相。这里我将给出一个简单的解释为什么不要以这样的方式执行。第一
,每一个业务都是无独有偶
的,它有自己

的商业范畴
,游客,天文
位置等。这就是为什么在你自己

的状况

下,可能会得到完好

不同的结果,跟你看到的任何值得尊崇
的案例研讨
都不同。这就是为什么独一
正确的办法

是中止

自己

的剖析

,发起自己

的实验,并得到自己

的结果,只需

你的理论

状况

才是牢靠

的。

误区8:最好的替代品总是看起来更好误区。A/B测试的主要意义是找到最好的性能设计,很显然
,漂亮的设计必需
更好地执行。丑陋的设计是不可能赢的,所以测试这样的变化致使

没有意义。真相。事实是,每一个变量的美丑只是你自己

的评价判别
。一个人以为
这种设计更好,另一个人可能会选择另一个变量,由于
每个人都有自己

的品味和视角。这对你可能是难以置信的事情,但要点是应用科学的办法

,而不是你的客观
觉得

误区9:你的转化率是这么好,没有改善的余地误区。你的网站已抵达

良好的转换率,因而

你以为
没有改进

的空间,你曾经
抵达

了网站可能抵达

的最大限度。真相。即便

你的网站曾经
为你带来了足够的收入,你以为
没有可能进步
你的转化率,但圆满
是没有限制的!转化渠道中总会有一些较弱的区域。无论怎样
,假定

你行将
开端
改动
你的网站,A/B测试是最好的办法

误区10:没有优胜者的A/B测试是糜费
时间
误区。在某些状况

下,你能够

中止

实验,并为结论性结果等上几周、几个月。但没有明白
的胜出者,由于
一切
的变化显现
简直

相似

的转化率。所以,在这种状况

下,实施

A/B测试只是在糜费
时间和金钱!真相。上述的状况

可能有不同的缘由
。其中一个是流量太小,另一个是实验出错了。在第一种状况

下,完成实验可能需求
几年时间(例如,假定

你每天有100位访问者)。第二种状况

可能发作
在你专注于错误辨认

的范畴
中止

改进

时。所以,你应该从头开端
,重新思索

你在A/B测试过程中做错了什么。

误区11:能够

恣意
缩短A/B测试时间
测试需求
运转
足够长的时间来搜集
有价值的样本大小,统计置信度也需求
时间来抵达

。在你肯定
最大多数人所在的中央
之前,不要停下来。75%致使

85%似乎是绝大多数,但你会诧异

于事情改动
如此之快。固然
A/B测试在许多方面像一个科学实验
,但A/B测试的变量却更难控制。确保你的样本大小设置为至少1000位访问者,只需

这样你每次测试的转化次数才会成比例进步

误区12:测试点含糊

不肯定
当你在黑暗中射击时,固然
可能会击中,但这是一个可怕的办法

,特别
是每开一枪都多花公司一份钱的状况

。每个人都想知道

什么能进步
转化率,假定

你留意

谨慎

并尝试它们,不只
会面临糜费
整个测试的风险,而且你也无法学到任何东西。A/B测试应该盘绕
一个细致

的理论来设计,并且需求
你能够

彻底的丈量
。不要做笼统
的实验
,即便

它有效,你也不知道

是为什么。

误区13:草率关闭失败的测试你可能尝试了一个测试,发现它失败了,接着去做另一件事。这是你犯的最糟糕的错误。假定

你发现第一次测试每次都失败,这并非你想象的那样不同寻常。测试失败后,应该检查数据,强化你的理论,调整你的观念,并发挥它的优势。你可能需求
运转
3个或5个,致使

10个测试。变量能让人们的态度每天每次都发作
变化。假定

你没有得到只需

多个测试才干
提供的全景图,你永远不会得到分歧
的介质。

误区14:同时运转
多个相互

干扰的实验
这是为什么叫A/B测试的缘由
:有一个选项A和一个选项B,总共有两个选项使这些测试如此有效。假定

你引入了其他测试,你所做的是冒着让假阳性复杂化你的测试的风险。边距变窄,你的测试组同时暴露了太多的信息。随着你同时添加的每个测试,你降低了对实验
的自自信心

,并危及到测试结果。假定

单独的A/B测试不能帮你得到你需求
的,尝试多变量测试。

误区14:得到正向反响

就退出你能够

并应该在任何时分
中止

测试。假定

你发现转化次数曾经
进步
,并且测试胜利

,这很棒。你能做什么能让测试更胜利

?剖析

哪些要素
与你的测试胜利

有关。盘绕
你的胜利

设计新的假定
。测试小的变量,并跟随你的增益进入另一个世界。最终
,你的测试工具有多么出色并不重要,它没有思想家的头脑。你的剖析

驱动和创新,比宇宙最好的工具还要凶猛
。运用
A/B测试一定要避免

这些常见错误。否则,你可能会糜费
测试时间和金钱,并且不会带来任何有价值的见解。把你的规范

设置的高点,并努力抵达
结构

良好,执行良好的A/B测试的底层。不用说,设计一个良好的A/B测试环境绝对值得你投入时间。

数极客是国内新一代用户行为剖析

平台,是增长黑客必备的大数据剖析

工具,支持APP数据剖析

网站数据剖析

,首创
了6大转化率剖析

模型,在数据剖析

方面,初次
提出拆分定量剖析

与定性剖析

办法

,并且基于用户行为剖析

,提供了会员营销管理系统A/B测试工具两大处置

计划

,能够

快速的完成
数据驱动增长。

发表评论

评论已关闭。

相关文章