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。要开始测试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，但它不会让你深入商业环境，错误的设计选择会对你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。你需要将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。
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，你需要定义一个目标。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。
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，你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，因此选择你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你的数字产品。当面对“无差异”的结果时，表明两种测试方案没有太大差别，你可以任选其一。
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，确保你根据从客户研究中学到的知识来确定测试的优先级。正如你所见，A/B测试不是脑部手术。它将为你的用户体验决策提供有价值的数据，即使它证明你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测试将使你的数字产品更加用户友好。功能强大的Pixso将为你提供给一体化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。
