关于A/B测试,你需要知道的10条准则

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{关于A/B测试,你需要知道的10条准则}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的关于A/B测试,你需要知道的10条准则内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

在产品迭代或运营优化策略上,聪明的团队总是会为同一个增长目标提供多个解决方案,如何择其一还能保证最终效果是最优的,很多时候,就会用数据来辅助决策。这时候,AB测试就显得必不可少,对于这样的科学实践,方法论显得尤为重要,译文即为原作者总结的A/B测试四川靠谱的找抖音代运营的10条准则。

以下为译文:

规则一:抛弃固有的认知

很多时候,我们会基于用户的属性信息,特别是年龄,性别,地域或收入来认识他们,尽可能不要酱紫,曾经用户的信息是寻找目标用户的最佳方式(或唯一方式),的确,他现在也依然重要,但在线上市场,我们有了非常多的切入点去一对一去探索用户最真实需求的能力。

规则二:明确当前指标值

转化率优化是你急需着手的目标,但是,在进行高风险的A/B测试之前,需要提前确定一个基准线,如果不知道当前的转化率,又怎么能知道未来的测试是否成功呢?

规则三:别人的经验不一定适用于你

如果某一转化率优化策略适用于所有产品,那还有什么必要测试呢?这样的话,所有人只需要借(chao)鉴(xi)即可。其实,区别还静态广告的利弊是很大的。

假设A公司是卖鞋的电商平台,B公司是企业级服务的平台,很明显,就算他们有相同的客户,购买决策周期也完全不一样,对A公司而言,把购买按钮从红色换成绿色可能会带来15%的销量增长,But,放到B公司,却不一定有同样的结果。

规则四:尽可能保证变量唯一

当做AB测试时,一次测试只测试一个变量有助于让结果更有说服力。

规则五:在没达到置信水平时不要下结论

在AB测试中,统计置信是指当同一个测试再次被进行时,有同样结果的可能性。换句话说,是看你测试结果的确定性。

举例,假如你在做一项购物车页面的A/B测试,A代表使用单选按钮,B代表使用下拉菜单,假设B带来了75%的转化提升。那么,B方案胜出?



还真不一定,这里还有其他需要考虑的点:

1、样本大小

样本大小会对置信度产生相当的影响。还是以上述例子来说,如果你的样本是4个人,就意味着只有3个人选择了下拉菜单,从起步来说还算不错,但当样本量扩大到1000时,我们想要保持相同转化率的可能性是微乎其微的,也就是说,当下我们的测试结果置信度非常低。

2、置信水平

在一个500的样本量里,99%的用户都选择了下拉菜单,你判断出错的可能性较小(因为容错率小)。但如果只有51%的用户选择了下拉菜单而49%的用户选择了单选按钮,那随机性就不得不考虑了,所以你需要继续测试直到有一个较高的置信水平。

3、用户规模

如果你的总用户量是25w而你的样本量是25,同样也会出现一个比较低的置信水平。

规则六:循序渐进(walk before you run)

由于用户的认知和预期的变化,CRO也会是一个变化的目标,所以,犯错在所难免,重要的是在过程中总结经验,这样会为之后的测试产生累积价值。



规则七:多维度收集用户反馈

用户测试从未如此重要,也从未如此简单,就算你没有个牛逼的用研团队,也可以选择很多免费(或花费很少)的工具进行用户调研。

比如

1、Peek

一个可以很简单并且可以让你快速收集用户对网站的定性反馈

  • 优点:反馈比较客观、细致而且免费
  • 缺点:无法测试目标用户群之外的用户。而且,耗时太久,所以要收集数量巨大的反馈比较困难

2、Amazon Turk

通过定量分析(比如问卷调研)帮助你在短时间内收集到上千真实用户的反馈

  • 优点:价格亲民,可扩展性强,数量级大,可以预设置一些条件
  • 缺点:通常是通过问卷调研来做,或者可以理解为需要人为操作。

当然了,有用户反馈总比没有好

规则8:用户行为数据可能和结果性数据有矛盾

结果性数据固然重要,但要注意很多时候可能没有行为数据来的真实。

比如,你急着要打印一些重要文件好去开会,刚打印了3页就发现需要换墨盒了。那么你会怎么处理呢?先停下来,想想你内心真实的答案是啥。

你也许会说你会换掉墨盒然后继续打印。对,这是一个最终结果。

然而,在一个真实的场景里,其实你已经踢了打印机四次,清空了卡纸,猛戳了7次“取消”键。然后才换了墨盒。你归整文件时,你又把抖音公司的影音咖啡洒在了体恤上,简直生无可恋……然后不得不调整会议时间。在结果性数据中,其实你并不会刻意去就你的想法撒谎。毕竟你也确实换了墨盒。但是如果仅凭结果性数据,就会漏掉很多细节。

规则9:明确定义你的目标值

实验前,明确或预估一个目标值。心里有个目标,然后围绕目标来优化,一定程度上可以理解为KPI

规则10:不要测试那些影响较小的因素

基于业务的核心价值去做实验,聚焦能提升产品核心价值的因素。

 

原文地址:https://blog.kissmetrics.com/know-about-ab-testing/

原文作者:Nicki Powers



翻译:璐爷

本文由 @璐爷 翻译发布于。,。

关于A/B测试,你需要知道的10条准则

上一篇:用户行为分析在应用中的4点价值
下一篇:在A / B测试之前运行A / A测试,明智还是浪费?


版权声明:以上主题为“关于A/B测试,你需要知道的10条准则"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    关于A/B测试,你需要知道的10条准则
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“关于A/B测试,你需要知道的10条准则”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通关于A/B测试,你需要知道的10条准则的相关事宜。

关键词:A/B测试, 产品运营, 译文

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号