A/B 測試：具體定義和運行方式

A/B 測試有什麼好處？

A/B test 在產品中能夠使其更加實際，對於產品設計師、開發人員、行銷人員來說，他們很容易會愛上他們自身的作品，因而產生盲點。然而， A/B test 可以讓他們知道使用者真實的想法。例如：在設計網站的時候，該如何確保每個按鍵的位子都是最佳位置？哪些圖樣可以帶來更多註冊的使用者？或是使用者喜歡哪一個版本的導覽列？只有 A/B test 才能讓我們知道更明確的答案。下面列出了對於數位產品進行 A/B test 的一些好處：

• 最佳化效能
• 揭示隱藏的趨勢和使用者行為
• 融入使用者反饋

測試能使你更直觀的了解使用者對產品的渴望。許多時候，你和使用者的目標是相通的，你想要協助他們解決問題、享受體驗、購買商品或是獲得幫助。透過測試和最佳化使用者旅程的每個階段，可以加快這些過程的進行速度，並且讓雙方都能達成更多目標。另外，A/B test 是非侵入性的，大多數測試會是在使用者不知情的情形下發生，因此不會中斷他們的體驗。我們也必須留意，如何在操作AB 測試的同時，兼顧到顧客的個資安全與隱私。使用恰當的 A/B 測試工具時，他們會是自動進行的，設計師和行銷人員幾乎不需要投入精力就可以得到數據結果。經過反覆的測試後，產品逐漸會成為直觀、實用並且受人喜愛的產品。

A/B 測試可以測試哪些類型的對象？

使用正確的測試工具，就能夠測試網站、應用或宣傳的每一元素。我們列出幾個垂直領域 A/B test目標的常見範例：

• 電子商務網站：增加購買量
• 消費者應用：增加應用內花費的時間
• 線上出版物：提高註冊轉換率
• 商務應用：增加每使用者收益
• 廣告：增加點擊量和購買量
• 電子郵件行銷：提高打開率和點擊率

下方列出了一些您可以進行 A/B test 的變數類型範例：

行動呼籲（CTA）

使用者造訪網站來閱讀部落格、購買產品、下載檔案，或是訂閱你的時事通訊。

• 測試不同版本的 CTA 文字。識別哪一版本可產生更多轉換。
• 在網站的不同位置測試 CTA 按鈕。
• 對比測試一頁上多個 CTA 與一個大型 CTA。

漏斗

你的漏斗目標是讓使用者從 A 點前往 B 點。如果客戶經過漏斗需要的時間太長，就會發生大量的流失。

• 對比測試原始漏斗和減少了步驟的漏斗。
• 減少頁面上的干擾元素，如產品優惠或無關圖像，對這個版本進行測試。
• 測試漏斗中不同版本的内文。版本 A 可以編寫的隨和一些（第一人稱），版本 B 版則則正式一些（第三人稱）。

廣告

如果不對廣告進行 A/B test，可能會造成花了錢後看不到效果的情形。

• 測試付費行銷活動的不同標題。
• 顯然，你也可以測試不同的廣告設計。
• 甚至可以 A/B test 廣告引導使用者造訪的不同著陸頁版本。

社交媒體

A/B test 可以幫助你增加讚數和分享數量。

• A/B test 不同的社交媒體圖示設計樣式、大小和頁面位置。
• 調整社交媒體發言，直到確定一個可讓受眾積極回應的風格。

行動版網站

有些國家的民眾大多數是以「行動端」為主。也就是說，大部分線上活動都發生於行動裝置，而不是電腦。因此，他們大多數不喜歡繁雜或設計不良的行動版網頁。

• 對引導使用者到所需目的地的連結的位置進行 A/B test。
• 測試行動版網站的不同版本，以了解使用者停留時間更長或返回更頻繁的版本。

如何執行 A/B 測試

對於任何有上過小學自然科學課的人來說，A/B test 的過程都不陌生，因為 A/B test 反映了科學方法。測試人員對如何改善效能做出假設，像是創建文本、圖像、視訊等等。接著，他們會運行、分析並重複，在結論有意義時再加以實施。

第 1 步：定義您的目標 

你的最終目標是什麼？你所關注的是轉化、購買還是使用？不論是什麼，都要在測試前衡量指標，並且設定一個基準線。

第 2 步：研究您的現有數據 

如果分析的是網站，你的跳出率是否很高？如果是應用程式，使用率是否較低？如果是E-mail，點擊率是不是不高？檢查你的顧客旅程，以及轉換漏斗中最常流失客戶的地方。如果在表格或 CTA 等位置前發現明顯的錯誤，你就可以先在那裡進行測試。可以納入以下來源的數據：

• 產品分析
• 熱圖
• 訪客錄音
• 形式分析
• 嵌入調查

第 3 步：假設 

在開始之前，是否能從過去的測試中吸收任何數據成果？過去是否有任何使用者反應不錯的特定功能、顏色或是位置？利用這些數據，對於如何改進結果訂定一個假設。比如說，「使 CTA 按鈕更加突出可讓點擊量增加 20%」。現在，創建一個反應你的假設的變體，這個可以很簡單，像是更改文本，也可以很複雜，例如建構新的表單、頁面或圖形。在上述例子中，我們將構建第二個 CTA 按鈕，但要記住，每次的測試變數不得超過一個。如果你同時測試兩個因子，例如同時變更了 CTA 的顏色和位置，我們就無法知道這兩個變化中，是哪一個影響了最終的結果。

第 4 步：測試和分析 

上傳你的變體並運行測試。運行經驗上準確的測試受到兩大因素影響：

1. 樣本大小：需要足夠的受眾，結果才會有實際意義。根據 Hubspot 指出，該公司測試電子郵件的最低數量為 1000 封。這個數字對於網站和應用程式，可能高出許多。
2. 統計顯著性：如果效能的差異很小（而且往往如此），要怎麼知道這不是簡單的源於抽樣錯誤呢？這時就必須要測試統計顯著性。如果 A/B test 結果具有統計顯著性，這就意味著結果並不是隨機或偶然的。計算 A/B test 結果的統計顯著性可以提供數字證據，以此證明這個結果並不是可靠或是有意義的。

根據結果和統計顯著性，你可以發現最終明顯的勝出者嗎？如果可以，就可以開始實施那項變更。如果不行，控制組（你的零架設）始終是勝出的，就不能實施那項變更。

第 5 步：發佈測試版本

當你已經完成了前面繁瑣的工作之後，就能夠利用一些平台，針對你的受眾發佈測試的版本，並時刻追蹤你的測試。切記，在此步驟必定要依照先前訂定的順序來安排測試，也要避免同時開啟過多的測試項目。

此外，當我們在正式測試以前，也可以使用問卷調查的方式，來快速的驗證是否能夠達到我們預期的目標，也能減少多餘的測試和成本。

第6步：分析最終成效

在 A/B test 的最後，我們可以分析最終的數據，從中判別出優化後的版本是否適合。不論結果成功與否，我們都要思考如何利用這些結果。A/B test 是不斷的重複的，實施所有成果之後，再繼續不斷的測試，如此一來，我們就能夠加強網站及應用的實用性。

超越 A/B 測試的高級測試技術

藉由簡單的測試對大量人群進行 A/B test 的效果不錯，但如果要利用更好的數據來磨練產品，我們可以利用以下的測試方法：

1. 區隔測試：提供具可操作性的數據。對於數量過多的人群進行測試可以掩蓋某些人群的重大偏差。例如，如果普通使用者更喜歡 14 磅的字體，這可能就會掩蓋 10 歲以下或 65 歲以上，覺得它難以辨別清楚的事實。若想要迎合這些族群，可以利用基於年齡區隔來進行 A/B test，並在產品中添加控件，讓他們能夠根據自己的喜好來調整自己喜歡的大小。
2. 多變量測試：將多個變數與單個控制組進行對比。也就是說，不僅僅是 A 對 B ，而是 A 對 B 和 C 等等。多變數測試需要的樣本量相對較龐大，而且需要產品分析軟體來正確的測量他們。

現在，花點時間來盤點你的產品行銷工具。他們允許你進行 A/B test 嗎？如果允許，你的轉換漏斗中也存在使用者發現摩擦的地方，就開始進行 A/B test吧！