正確A/B測試的10大誤區

你但願經過A/B測試對你的網站進行充分的轉化率優化，關於它的理想概念將相似於經過A/B測試對着陸頁改變 CTA 以後得到25％的轉化提高。但在現實中，可能不是這麼理想化。有不少誤區干擾了正確執行A/B測試的方法。

今天，我將分享最多見的10大誤區，以及每一個誤區的真相。

誤區1：轉化率優化因猜想而發生

誤區。從你的角度來講，你以爲本身最懂客戶，好像別人都不懂。這就是爲何你不須要任何特殊的工具或方法來優化你的網站的緣由。你只是知道向訪問者提供什麼，在哪裏，什麼時候，如何作到。

真相。實際上，A/B測試並不意味着要放棄你對業務或客戶的認知。只意味着你將經過對如何改進你的在線業務作出明智決策的方法應用你的預測。不管如何，提升轉換率的過程將從定義你網站的「弱點」開始。在定義弱點以後，你必須對如何處理它作出接地氣的選擇。A/B測試和多變量測試只是對你的網站的改進作出正確決定的科學方法。

誤區2：A/B測試傷害你的SEO

誤區。咱們都知道，在A/B測試的過程當中，特殊的A/B測試工具顯示給他們的訪問者幾乎相同的內容變化，以定義最好的性能。此外，咱們知道Google（和其餘搜索引擎）老是懲罰重複和剽竊的內容。因此，顯然，若是你A/B測試你的網站，SEO會被寵壞。

真相。若是你使用A/B或多變量測試的方法改進你的網站，你的網站是沒有風險的。 Google自身就在進行各類A/B測試。而且寫了提供正確A/B實驗的指南的完整列表，若是你使用成熟的A/B測試工具，是沒有危險的。

誤區3：A/B測試因爲實施成本高而不容易使用

誤區。A/B測試是一種很是昂貴的轉化優化方法，由於它使用了不少來自訪問者的難以分析的數據，而且還須要僱傭一個設計師和一個程序員來開始工做。

真相。A/B測試不是那麼困難或昂貴。有不少自動一體化工具，能夠直觀地設計你的變化，啓動A/B測試和分析結果，沒有任何第三方幫助。你應該只聽取給出的建議/提示，並應用它們。這樣的工具之一是我不說。

誤區4：你每次只能度量1個重要的轉化率指標

誤區。在運行A/B測試時，你應該只關注一個指標做爲目標，不要在一堆不一樣的數字中迷失。若是你要測試按鈕，則只應考慮獲勝者變體，以顯示測試按鈕的最佳點擊率。

真相。進行A/B試驗的正確方法是考慮A/B測試目標與主要業務目標的關係。讓咱們想象一下，在第一階段（點擊此按鈕以後），紅色按鈕的獲勝者變量表現更好，但在最後階段，這種變化致使更低的轉化爲潛在客戶。所以，你能夠看到贏家變化沒有帶來業務的真正利潤，你須要稍微改變焦點，以實現業務目標。

誤區5：當結果看起來很好時，你能夠中止測試

誤區。在你的A/B測試試驗開始後，你能夠觀察增長每一個測試變體的頁面視圖的過程。它可讓你幾乎實時看到哪些變體效果更好，並在看到轉化率的基本差別是能夠接受時，選擇勝利者。

真相。不要這麼快！大多數A/B測試工具會在實驗啓動後開始向你顯示統計數據的變化，這是真的（固然，若是你有足夠的流量來實時查看不斷變化的訪問次數，達到目標）。可是，你不該該忘記在A/B測試實驗中須要考慮的統計顯着性，以得到可靠的結果。你應該讓A/B測試運行必定的時間，並經過必定數量的訪客，讓它爲你提供足夠的相關數據，才能指導你作出更好的決策。若是你在進程的中間就停下來，你可能會獲得一個不許確的統計數據。

誤區6：你的網站上的一切都應該測試

誤區。爲了獲得真正好的，可靠的結果，你應該A/B測試你的網站。能夠測試的任何更改都應進行測試。不管變化有多大，以及轉化改進帶來的預期增加狀況如何，這並不重要。若是有人已經作了，並證實了他的工做與許多案例研究爲何你不該該這樣作？測試網站上的每一個組件將帶來使人難以置信的業務成果！

真相。固然，很容易找到不少關於網站上存在的每一個組件的A/B測試的案例研究，但應該有另外一個A/B測試序列。首先，你必須經過分析轉化渠道來檢查你的網站。案例研究能夠爲你帶來靈感，做爲新想法的奇妙來源。但A/B測試並非要一直測試所有元素。你應該構建和實施本身的A/B測試策略，這將基於你的業務目標和轉換漏斗的「痛點」。

誤區7：學習和複製A/B測試最佳實踐是在轉換率優化中取得成功的一切

誤區。若是你正在研究一些大公司的最佳實踐，你將收集全部的經驗，並將其實施到你本身的網站，這將容許你不用進行本身的測試，節省時間和金錢，並避免可能的錯誤。

真相。這裏我將給出一個簡單的解釋爲何不要以這樣的方式執行。首先，每個業務都是獨一無二的，它有本身的商業領域，遊客，地理位置等。這就是爲何在你本身的狀況下，可能會獲得徹底不一樣的結果，跟你看到的任何值得尊敬的案例研究都不一樣。這就是爲何惟一正確的方法是進行本身的分析，發起本身的實驗，並獲得本身的結果，只有你的實際狀況纔是可靠的。

誤區8：最好的替代品老是看起來更好

誤區。A/B測試的主要意義是找到最好的性能設計，很明顯，漂亮的設計必須更好地執行。醜陋的設計是不可能贏的，因此測試這樣的變化甚至沒有意義。

真相。事實是，每個變量的美醜只是你本身的評價判斷。一我的認爲這種設計更好，另外一我的可能會選擇另外一個變量，由於每一個人都有本身的品味和視角。這對你多是難以置信的事情，但要點是應用科學的方法，而不是你的主觀感受。

誤區9：你的轉換率是這麼好，沒有改善的餘地

誤區。你的網站已達到良好的轉換率，所以你認爲沒有改進的空間，你已經達到了網站可能達到的最大限度。

真相。即便你的網站已經爲你帶來了足夠的收入，你認爲沒有可能提升你的轉化率，但完美是沒有限制的！轉化渠道中總會有一些較弱的區域。不管如何，若是你即將開始改變你的網站，A/B測試是最好的方法！

誤區10：沒有優勝者的A/B測試是浪費時間

誤區。在某些狀況下，你能夠進行實驗，併爲結論性結果等上幾周、幾個月。但沒有明確的勝出者，由於全部的變化顯示幾乎類似的轉化率。因此，在這種狀況下，實施A/B測試只是在浪費時間和金錢！

真相。上述的狀況可能有不一樣的緣由。其中一個是流量過小，另外一個是實驗出錯了。在第一種狀況下，完成實驗可能須要幾年時間（例如，若是你天天有100位訪問者）。第二種狀況可能發生在你專一於錯誤識別的領域進行改進時。因此，你應該從頭開始，從新思考你在A/B測試過程當中作錯了什麼。