大部分网站都不是为了给访问者留下深刻印象而存在,其主要目的还是销售。不管是让访问者订阅博客还是下载试用版软件,各网站的存在最终都是为了销售产品。随着企业越来越重视数据,A/B测试已被广泛应用于各种场景和功能中,以发现增长机会和降低投资风险。A/B测试到底是什么呢?本文Pixso对此进行了分析。

1. 什么是A/B测试

A/B测试是一种定量方法,用于寻找CTA、副本、图像或任何其他变量的最有效版本。要开始测A/B,请准备单个项目的两个或多个版本,将用户组随机分为两部分,然后查看哪个版本效果最好。

设计数字产品会带来很多问题:哪种字体读起来最好?哪些文案的转换率更高?对于设计师来说,有很多选择是件头疼的事。当然,遵循最佳实践和直觉是一个很好的起点,但它不会让深入商业环境,错误的设计选择会对的收入流产生负面影响。所有决策都基于可靠数据的用户体验,这些数据从哪儿弄来呢?

A/B测试是一套连续增长的方法。无论是产品、运营还是营销员工,都能系统地、持续地创新实验,快速尝试并找到最佳的增长方式,而关注的焦点始终是事实。这是将成长与创造力结合起来的最佳方式。

2. 如何恰到好处地进行 A/B 测试

识别用户痛点

我们应该真正了解用户的痛处,并将其作为推广产品的起点。此时,找到用户的痛点至关重要。需要将A/B测试建立在知情猜测的基础上——试图识别目标用户的痛点,即是什么阻止他们采取所需的行动。

Pixso可以高效地完成需求调研协作UX设计师想要了解每个角色的体验感受和建议,可让团队成员在设计稿内在线评论,高效完成头脑风暴和意见反馈收集。

调研协作
定义目标

作为设计师,在日常工作中应该上升到用户的总体目标水平。只要总体目标明确,就可以为总体目标设计最优相对路径,这更符合总体目标用户的行为设计。只要我们了解用户的需求,我们就可以利用专业素质做好工作和结构,更好地帮助用户实现目标。

对于A/B测试,需要定义一个目标。例如,我希望我的“提交请求”页面生成更多潜在用户。制定一个可靠的假设,例如,我认为将CTA副本从“联系我们”更改为“书籍展示”将吸引更多用户访问我们的网站,并增加潜在用户的数量。

创建A/B变量

基于AB测试的想法,通过随机分组,保证两组其他变量基本一致,通过影响实验组,观察实验组对对照组表现的差异,并评价其影响的效果。

变量的两个版本,如“书籍展示”和“联系我们”。后者被称为变更测试(测试B、变量),而控制测试(测试A)是对修改后的测试进行比较的对象。

Pixso可定义字体、颜色、效果和自动布局属性的风格,创建出固定的组件样式。修改主样式时,其它图层均会自动同步调整。因此可以借助Pixso的组件快速输出A/B测试的两种方案。

组件快速输出
测试变量

在A/B测试中,一次只比较页面上的元素。此元素可能是影响页面转换率的密钥,如按钮颜色、大小、广告副本标题等。与之相比,多变量测试同时测试很多要素。但是,A/B测试比多维测试更容易完成。

创建一个变量的两个版本,并为测试准备原型,然后对其进行监控,以确保测试正常进行。对于流量大的网站,测试可能发生的最小变化。而对于低流量网站,可以扩展和测试两个完全不同的web设计版本。

每个测试都有测量不同版本效果的目标。此测试的目标是下载次数。其他类型的目标可能是注册数、购买说明、点击量、曝光机会、阅览量或流失率。定义与商业目标相关的测试目标很重要。

监控信息

测试应持续足够长的时间,以提供显著且具有统计学意义的结果。样本量越大,我们收集的信息越多,测试结果就越可靠。

众所周知,统计学是一门基于概率的科学。统计推断得出的结论不仅是绝对正确的结果,而且是具有一定概率分布的各种可能结果。因果推理的主要任务是在一定的概率保证下获得“估计”,而不是绝对符合“定义”的正确结果。

由于每家公司都有不同的数据监控工具,开发了自己的看板数据测试或由第三方服务提供商提供的数据监控,因此选择熟悉的监控方式即可。AB测试数据的看板不应太复杂,以便快速显示各组关键指标的变化趋势,以及是否满足统计显著性。

做出决策

无论页面优化版本是否被识别,所有尝试都会带来很多收获。请记住,只分析已完成的A/B测试结果,并仅将明确的优胜者应用于的数字产品。当面对“无差异”的结果时,表明两种测试方案没有太大差别,可以任选其一。

记住:不要害怕做出不同的假设并加以检验。A/B测试中没有愚蠢的问题,确保根据从客户研究中学到的知识来确定测试的优先级。正如所见,A/B测试不是脑部手术。它将为的用户体验决策提供有价值的数据,即使它证明的设计假设是错误的。

选择好用的设计工具

A/B测试是任何UX设计工具包的强大补充。考虑到最终用户,定期和持续使用A/B测试将使的数字产品更加用户友好。功能强大的Pixso将为提供给一体化UI/UX设计,融合交互+视觉的能力,解锁全新水平的在线设计协作。

自动布局