A/B 测试完整指南：来自 Google、HubSpot 等的专家提示

kulsumpakhi1234

当我们想要优化客户旅程时，我们总是回答的第一个问题是：该产品或服务与我们在在线对话中创建的 ROAR 模型相匹配吗？您是否仍处于风险阶段，我们可以进行大量研究，但无法通过 A/B 测试在线实验（每月低于 1,000 次转化）验证我们的发现，或者您是否处于优化阶段？或者甚至高于？ 风险阶段：大量研究，这些研究将转化为从商业模式转向全新设计和价值主张的任何内容。 优化阶段：大型实验，将优化价值主张和商业模式。 优化阶段：验证用户行为假设的小实验，这将为更大的设计变更积累知识。 自动化：您仍然有实验能力（访问者），这意味着不需要您的全部测试潜力来验证您的用户旅程。

剩下的应该用来开发，现在增长得更快（而不是专注于长期 Whatsapp 号码列表 学习）。这可以通过运行强盗/使用算法来自动化。 重新思考：你停止添加大量研究，除非它是新事物的支点。 咆哮 因此，Web 或应用程序 A/B 测试只是 ROAR 优化阶段及以后的一个大问题（直到重新思考）。 我们进行实验的方法是 FACT & ACT 模型： 事实与行动 我们所做的研究基于我们的 5V 模型： 5V型号 我们收集所有这些见解，提出一个主要的研究支持的假设，这将产生子假设，这些子假设将根据通过桌面或移动 A/B 测试收集的数据进行优先级排序。假设成立的机会越高，排名就越高。 一旦我们了解了我们的假设是真是假，我们就可以开始结合所学知识，并通过重新设计/重新调整客户旅程的较大部分来采取更大的步骤。然而，在某些时候，所有获胜的实现都将导致局部最大值。然后你需要迈出更大的一步才能达到潜在的全局最大值。



当然，主要的学习内容将传播到整个公司，这将导致基于您经过验证的第一方见解的各种更广泛的优化和创新。 您正在向国际受众进行营销吗？了解如何通过伪本地化简化该过程。 朱莉娅·斯塔罗斯坚科，Pinterest 实验的目的是验证对现有网页进行更改会对业务产生积极影响。 在开始之前，确定是否确实有必要进行实验非常重要。考虑以下场景：有一个点击率极低的按钮。降低该按钮的性能几乎是不可能的。因此，没有必要验证所提议的按钮更改（即运行实验）的有效性。 同样，如果对按钮的建议更改很小，则可能不值得花时间设置、执行和拆除实验。在这种情况下，应该将更改推广给每个人，并且可以监控按钮的性能。