如何采用数据驱动的方法进行a /B测试

虽然数学和设计似乎是不常见的合作伙伴，但我们在Seer的理念是总是使用尽可能多的数据来驱动设计决策——特别是在涉及A/B测试时。

A/B测试的数据驱动方法意味着为成功做准备:1)预测潜在的障碍;2)确保你有明确的基准来衡量结果。

关于这种方法需要强调的一点是，无论A/B测试平台如何，它都是有用的;虽然如果你使用谷歌优化，看看我们的安装说明，AdWords集成,优化vs.优化360文章。这些技巧应该适用于你想要测试的任何领域或方式!

粘贴图像0 34

你可能会问为什么要数据驱动?你只要发泄一下就会没事的，对吧?

总结这一点最简单的方法是，要进行A/B检验，你必须确定你要检验的假设。理想情况下，这个假设应该由你收集的数据来提供信息，而不是用数据来支持它(你有严重的风险确认偏误在这里!)拥有尽可能多的(有用的)数据来形成那个无偏的假设是有益的。通过结合定量(GA)和定性(Hotjar)，以及页面的目的和设计的专业知识，你可以看到强大的结果。

数据驱动的A/B测试过程

检测前的准备

那么，你需要做些什么才能成为数据驱动?第一个关键步骤是在谷歌分析中检查您的页面。这非常简单，只需列出前25个登陆页面，然后查看流量水平、用户粘性指标(跳出率、页面/会话等)和转化率。

粘贴图像0 35

在开始考试之前，问以下关于考试内容的关键问题:

我有足够的流量进行测试吗统计上显著?
访问者是否参与了这个页面(即跳出率或页面/会话高于或低于网站率)?
访问者是否采取了我们希望他们采取的行动(即转化率高于或低于网站率)?

在最后一点上，一个更简单的简化方法是问:你的页面试图实现什么目的，从而将访问者转化到你的网站，这是立即清楚的吗?一个不了解你的业务的亲戚能够来到这个页面，并描述他们应该做什么?如果你正在努力做到这一点，你可以使用像这样的工具用户测试只需少量费用，就可以在您的页面上实时获得真实的人类洞察力。

测试工具

要记住的另一个重要方面是，你不应该仅仅依赖GA(或其他分析工具)来获取定量数据。使用类似于HotJar或CrazyEgg要获得额外的点击图、滚动图、访问者记录和民意调查数据，对于充分了解您的受众、他们的需求以及您计划的测试区域是否满足他们来说是绝对重要的。深刻理解UX最佳实践通知一个成功的测试变量也是至关重要的。

如果您没有内部资源来从设计的角度充分准备，Seer有一个数据驱动的设计团队那驱动的结果．

测试评估

一旦您选择了您想要使用的工具来为您的测试收集数据，让我们对要测试的内容进行评估。这可以通过两种方式实现:

对所有可能的区域进行评估，将范围缩小到流量大但参与度和转化率较低的区域。
使用与#1相同的标准，对对业务很重要的页面子集进行评估。

如果可能，第二种选择总是更可取的，原因如下:

你可以通过与那些使用过这个页面的人进行内部交谈来获得更多有用的信息——它是如何设计的(以及页面的原始意图/目标)，他们对当前状态的感觉如何，他们的更新愿望清单是什么，等等。
如果你能够证明这一领域的结果，这便能够让CMO或更高级别的人注意到为什么a /B测试(以及数据驱动设计)是重要的，以及为什么它应该继续下去。在关键站点区域显示这些底线结果!

一旦你决定了你想要测试的领域，收集尽可能多的关于这个领域的信息，并以一种容易理解的方式打破你的计划。