作为一种试验工具，A/B测试从原理到实践都散发科学的光芒，它的强大、易用、高ROI非常符合互联网的发展节奏。
你希望通过A/B测试对你的网站进行充分的转化率优化，在现实中，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考虑使A/B测试生效的第一步（足够的时间和样本大小）。
即使是最好的测试人员有时候也会失败，当你从旁观者的角度来看某些情况时，很容易看到原因。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生
误区。从你的角度来说，你觉得自己最懂客户，好像别人都不懂。这就是为什么你不需要任何特殊的工具或方法来优化你的网站的原因。你只是知道向访问者提供什么，在哪里，何时，如何做到。
真相。实际上，A/B测试并不意味着要放弃你对业务或客户的认知。只意味着你将通过对如何改进你的在线业务做出明智决策的方法应用你的预测。无论如何，提高转换率的过程将从定义你网站的“弱点”开始。在定义弱点之后，你必须对如何处理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定的科学方法。
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测试工具显示给他们的访问者几乎相同的内容变化，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，如果你A/B测试你的网站，SEO会被宠坏。
真相。如果你使用A/B或多变量测试的方法改进你的网站，你的网站是没有风险的。 Google自身就在进行各种A/B测试。并且写了提供正确A/B实验的指南的完整列表，如果你使用成熟的A/B测试工具，是没有危险的。
误区3：A/B测试由于实施成本高而不容易使用
误区。A/B测试是一种非常昂贵的转化优化方法，因为它使用了很多来自访问者的难以分析的数据，并且还需要雇佣一个设计师和一个程序员来开始工作。
真相。A/B测试不是那么困难或昂贵。有很多自动一体化工具，可以直观地设计你的变化，启动A/B测试和分析结果，没有任何第三方帮助。你应该只听取给出的建议/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。在运行A/B测试时，你应该只关注一个指标作为目标，不要在一堆不同的数字中迷失。如果你要测试按钮，则只应考虑获胜者变体，以显示测试按钮的最佳点击率。
真相。进行A/B试验的正确方法是考虑A/B测试目标与主要业务目标的关系。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，但在最后阶段，这种变化导致更低的转化为潜在客户。因此，你可以看到赢家变化没有带来业务的真正利润，你需要稍微改变焦点，以实现业务目标。
误区5：当结果看起来很好时，你可以停止测试
误区。在你的A/B测试试验开始后，你可以观察增加每个测试变体的页面视图的过程。它可以让你几乎实时看到哪些变体效果更好，并在看到转化率的基本差异是可以接受时，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始向你显示统计数据的变化，这是真的（当然，如果你有足够的流量来实时查看不断变化的访问次数，达到目标）。但是，你不应该忘记在A/B测试实验中需要考虑的统计显着性，以获得可靠的结果。你应该让A/B测试运行一定的时间，并通过一定数量的访客，让它为你提供足够的相关数据，才能指导你做出更好的决策。如果你在进程的中间就停下来，你可能会得到一个不准确的统计数据。
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，可靠的结果，你应该A/B测试你的网站。可以测试的任何更改都应进行测试。无论变化有多大，以及转化改进带来的预期增长情况如何，这并不重要。如果有人已经做了，并证明了他的工作与许多案例研究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测试的案例研究，但应该有另一个A/B测试序列。首先，你必须通过分析转化渠道来检查你的网站。案例研究可以为你带来灵感，作为新想法的奇妙来源。但A/B测试并不是要一直测试全部元素。你应该构建和实施自己的A/B测试策略，这将基于你的业务目标和转换漏斗的“痛点”。
误区7：学习和复制A/B测试最佳实践是在转换率优化中取得成功的一切
误区。如果你正在研究一些大公司的最佳实践，你将收集所有的经验，并将其实施到你自己的网站，这将允许你不用进行自己的测试，节省时间和金钱，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。首先，每一个业务都是独一无二的，它有自己的商业领域，游客，地理位置等。这就是为什么在你自己的情况下，可能会得到完全不同的结果，跟你看到的任何值得尊敬的案例研究都不同。这就是为什么唯一正确的方法是进行自己的分析，发起自己的实验，并得到自己的结果，只有你的实际情况才是可靠的。
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，很明显，漂亮的设计必须更好地执行。丑陋的设计是不可能赢的，所以测试这样的变化甚至没有意义。
真相。事实是，每一个变量的美丑只是你自己的评价判断。一个人认为这种设计更好，另一个人可能会选择另一个变量，因为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方法，而不是你的主观感觉。
误区9：你的转化率是这么好，没有改善的余地
误区。你的网站已达到良好的转换率，因此你认为没有改进的空间，你已经达到了网站可能达到的最大限度。
真相。即使你的网站已经为你带来了足够的收入，你认为没有可能提高你的转化率，但完美是没有限制的！转化渠道中总会有一些较弱的区域。无论如何，如果你即将开始改变你的网站，A/B测试是最好的方法！
误区10：没有优胜者的A/B测试是浪费时间
误区。在某些情况下，你可以进行实验，并为结论性结果等上几周、几个月。但没有明确的胜出者，因为所有的变化显示几乎相似的转化率。所以，在这种情况下，实施A/B测试只是在浪费时间和金钱！
真相。上述的情况可能有不同的原因。其中一个是流量太小，另一个是实验出错了。在第一种情况下，完成实验可能需要几年时间（例如，如果你每天有100位访问者）。第二种情况可能发生在你专注于错误识别的领域进行改进时。所以，你应该从头开始，重新思考你在A/B测试过程中做错了什么。
误区11：可以任意缩短A/B测试时间
测试需要运行足够长的时间来收集有价值的样本大小，统计置信度也需要时间来达到。在你确定最大多数人所在的地方之前，不要停下来。75%甚至85%似乎是绝大多数，但你会惊讶于事情改变如此之快。虽然A/B测试在许多方面像一个科学试验，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，只有这样你每次测试的转化次数才会成比例提高。
误区12：测试点模糊不确定
当你在黑暗中射击时，虽然可能会击中，但这是一个可怕的方法，尤其是每开一枪都多花公司一份钱的情况。每个人都想知道什么能提高转化率，如果你小心谨慎并尝试它们，不仅会面临浪费整个测试的风险，而且你也无法学到任何东西。A/B测试应该围绕一个具体的理论来设计，并且需要你可以彻底的测量。不要做抽象的试验，即使它有效，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。如果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。你可能需要运行3个或5个，甚至10个测试。变量能让人们的态度每天每次都发生变化。如果你没有得到只有多个测试才能提供的全景图，你永远不会得到一致的介质。
误区14：同时运行多个相互干扰的试验
这是为什么叫A/B测试的原因：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。如果你引入了其他测试，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，你降低了对试验的信心，并危及到测试结果。如果单独的A/B测试不能帮你得到你需要的，尝试多变量测试。
误区14：得到正向反馈就退出
你可以并应该在任何时候进行测试。如果你发现转化次数已经提高，并且测试成功，这很棒。你能做什么能让测试更成功？分析哪些因素与你的测试成功有关。围绕你的成功设计新的假设。测试小的变量，并跟随你的增益进入另一个世界。
最后，你的测试工具有多么出色并不重要，它没有思想家的头脑。你的分析驱动和创新，比宇宙最好的工具还要厉害。
使用A/B测试一定要避免这些常见错误。否则，你可能会浪费测试时间和金钱，并且不会带来任何有价值的见解。
把你的标准设置的高点，并努力到达结构良好，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分析平台，是增长黑客必备的大数据分析工具，支持APP数据分析和网站数据分析，独创了6大转化率分析模型，在数据分析方面，首次提出拆分定量分析与定性分析方法，并且基于用户行为分析，提供了会员营销管理系统和A/B测试工具两大解决方案，可以快速的实现数据驱动增长。
网友评论