通过一个具体的例子最容易解释这个方法的含义。假设您的网站有一个用于选择最后一刻旅行的表格 - 它将是选项 A。同时，您认为：如果以明亮的颜色突出显示（版本 B），将会有更多的销售额。要了解这些想法中哪一个更可行，您可以尝试实现每个想法，然后比较在具有统计权重的流量上获得的结果。这正是A/B测试的原理。
通常，会检查两个选项，但还可以进行更多此类测试。例如，如果您要尝试不同颜色的不同形状的机票。在这种情况下，测试实际上与标准测试没有什么不同：您需要比较两个选项，确定最有效的一个，与下一个进行比较，等等。
请记住，营销中没有标准，因此即使其他品牌成功地使用了特定方法，它也可能不适合您的目标受众。因此，你不应该关注理论计算和有效技术的谣言，而应该进行自己的研究。
A/B 测试来检验假设
A/B 测试的阶段
提出假设
“让我们尝试让页面更畅销”这句 巴西电报号码数据库 话太弱，不足以成为 A/B 测试的充分基础。应该更准确地定义特定决策的目的和原因：“目前，由于页面元素放置在错误的位置，我们看到转化率较低，但如果我们将其放置在不同的区域，那么转化率可能会增加。 ”
确定变换的边界
A/B 测试仅针对一个元素进行一次，而不是针对多个元素进行一次。如果我们讨论的是整个页面，那么就不可能进行此检查。任何变化都意味着进一步的后果，可以用定性指标（更好/更差）或绝对值（2、10、20、100等）来表达。
通过转换 2 个或更多元素，您将得到一个不够具体的结果。您只能识别有关结果的一般信息。这仅在从头开始创建网站时才有意义（选择整个概念，您可以进一步细化，而不是设计一个元素）。
确定 A/B 测试的持续时间
测试的持续时间取决于站点流量。最合适的期限是14天或更长。
A/B 测试的阶段
确保流量身份
您需要集中精力确保这两个选项都针对相同的受众。如果通过联合使用Google Experiments和Google Ads进行A/B测试，那么通过进行适当的设置，您可以确保所有必要的条件都能自动满足。
这样，系统本身就会划分流量。当同时使用多个访问源时，您应该为每个访问源注册单独的参考地址或连接服务进行 A/B 测试。
过程控制和已识别数据分析
设置 A/B 测试时，有时会发生错误，因此您需要时刻保持警惕。研究结束时，应收集数据并检查其统计显着性。
控制假设检验过程