虽然数学和设计似乎是罕见的合作伙伴，但我们在SEER的哲学是始终使用尽可能多的数据来推动设计决策 - 特别是当涉及到A / B测试时。
A / B测试的数据驱动方法是准备成功1）预期潜在的障碍和2）确保您具有确定结果的确定基准。
关于这种方法的一件事是，无论A / B测试平台如何，它都可以有用;虽然如果您正在使用谷歌优化，请查看我们的安装说明那AdWords集成， 和优化VS.优化360文章。这些提示应适用于您想要测试的任何区域或方式！
您可能询问的问题是为什么数据有所驱动？你可以脱掉你的直觉，你会没事的，对吗？
总结这一点的最简单方法是制作A / B测试，您必须确定您要测试的假设。并且理想情况下，该假设应该通过您收集的数据来了解，而不是用数据的数据重新解决（您承担严重的风险确认偏见这里！）。具有尽可能多的（有用的）数据是有益的，以形成不偏不倚的假设。通过将定量（GA）与定性相结合来（热拉）以及页面目的和设计的专业知识，您可以看到强大的结果。
数据驱动A / B测试过程
预测试准备
那么，你需要做什么才能成为数据驱动的？第一个关键步骤正在在Google Analytics中考试您的页面。这可以像拉动前25个登陆页面的列表一样简单，并且看到流量，接合度量（反弹，页面/会话等）和转换率。
在开始之前，请询问以下您的测试：
- 我是否有足够的流量进行测试统计学意义？
- 参观者是否从事此页面（即在网站上方或下方或下方或下方的退缩率或页面/会议）？
- 访客是否采取了我们希望他们采取的行动（即网站上方的转换率）？
在那个最后一点，简化这一点的更简单方法是问：它立即清除您的页面试图完成的内容，以便它将访问者转换为您的网站？与您的业务没有知识是否能够来到此页面并描述他们应该做的事情？如果您正在努力实现这一点，您可以使用像这样的工具用户测试罚款，在您的页面上实时获得真正的人类洞察力。
测试工具
要记住的另一个重要方面是，您不应该依赖于您的定量数据的Ga（或其他分析工具）。使用类似的东西热拉要么疯狂为了获得额外的ClickMap，Scrollmap，访客记录和轮询数据对于充分了解您的受众，他们的欲望以及计划的测试区域与他们遇到它们是至关重要的。深刻理解UX最佳实践通知胜利的测试变异也是至关重要的。
如果您没有内部资源从设计角度完全准备这方面，则Seer有一个数据驱动设计团队那推动结果。
测试评估
一旦您选择了您要使用的工具来收集测试，让我们对测试进行评估。这可以用两种方式完成：
- 对所有可能的区域的评估，缩小交通高但接合差和转换结果不佳。
- 评估对业务重要的页面子集，与＃1相同的标准。
如果可能，则始终优选第二种选项，出于以下原因：
- 您可以通过内部与拥有此页面经验的人聊天来获得更有用的信息 - 它是如何设计的（以及页面的原始意图/目标），他们对其当前状态的感受如何，他们的愿望清单是什么？更新等
- 如果您可以证明这样的区域的结果，这是从CMO或更高版本的即时方式，在为什么A / B测试（和数据驱动的设计）很重要，以及为什么应该进一步继续。显示关键位点的底线结果！
一旦您决定要测试的区域，就像在此区域的那样收集信息，并以简单的方式突破您的计划，让某人消化。
预测试假设发展
提出您的测试计划，将数据备份，更多将是购买进入的简单方法。没有这个，它几乎就像一个“让我们猜测这一点？”情景，有人对某人说不，这是更容易的方式备份了你的假设和计划。理想情况下，您的演示文稿应包括以下信息：
- 我们为什么要测试此页面？
- 我们现在看到访问者在此页面上转换访客行为是什么？
- 我们的假设是什么？
- 我们推荐哪些数据驱动的变化是根据该假设建议的？
- 我们期望的影响是什么？
一旦您实际接收到您的测试，就会设置测试本身。您应该在开始测试之前设置结果和成功指标。这将允许您展示您是否在任何方案中都测试成功，也可以轻松枢转。
测试后结果与分析
测试后结果与分析一旦您的测试运行并且您收集了对控制变化的统计学意义（即页面的原始版本），您可以结束您的测试。从这一点来看，您应该更新演示文稿以显示测试结果，并采取以下路由：
- 如果成功（基于您之前设置的基准和与控制结果的与结果相比），则移动以永久更新页面。
- 如果不成功，分析结果以确定任何关键学习/外带，以告知未来的优化。
要记住这些路径的两个关键事情：
- 测试，即使在不成功，也永远不会浪费时间。您仍然学会了在未来测试的区域没有工作和缩小的内容。这是通过消除过程的成功！
- 测试不是一次性流程 - 即使它成功，您也没有完善某个区域。测试是一个迭代过程，一个成功的测试意味着“这是一个工作，下一个是什么？”
结论与摘要
现在，随着这个过程爆发，你会先测试什么？您将使用哪些数据来源来形成您的假设？您可以讨论哪些客户或内部利益相关者以形成更好的假设？你会介绍你的球场，以便获得买入吗？测试后如何分享您的结果？
所有这些都是你在开始之前应该问自己的问题。
通过清楚地了解这些区域背后的数据和可以转换访客的设计，您可以在A / B测试中设置成功。您的数据与您的设计之间的对称性可以导致真正美丽的结果。
