CRO 的网站 A/B 测试：2022 年快速入门指南

在您寻找优化网站转化率的方法的过程中，可以肯定地说，需要进行多次 A/B 测试。

那么，CRO 测试是什么？ 为什么要为您的网站启动 CRO A/B 测试？ 如何在您的网站上有效地运行 A/B 测试？

我们在这篇文章中回答了所有这些问题。 让我们从一个定义开始。

什么是 CRO 的 A/B 测试？

谈到转化率优化 (CRO)，A/B 测试（也称为拆分测试或桶测试）通常意味着测试影响网站转化率的因素：副本、标题、图像、设计、调用动作和布局，仅举几例。 它是确保您的网站设置为帮助引导用户浏览页面并在关键接触点进行转换的最广泛使用的技术之一。

CRO和SEO A/B测试的区别

CRO 的 A/B 测试与 SEO 的 A/B 测试完全不同。 在这一部分中，我们的目标是阐明每种技术、它们的不同之处以及它们的用途。

一、宗旨和目标

尽管 CRO 和 SEO 测试都使用 A/B 测试，但它们的目标——以及它们的执行方式——却大不相同。 CRO 旨在提高访问者访问网站后的转化率； 以 SEO 为重点的测试旨在通过​​实施将提高网站在 SERP 中的位置的技术更改来增加网站访问者的数量。

2. 控件和变体

在CRO A/B 测试中，同一页面的两个版本被设置并同时实时运行，人类用户被重定向到随机的一个。 因此，将用户本身分为控件和变体。 从用户如何与分配给他们的页面版本进行交互并进行比较来收集数据。

在SEO A/B 测试中，页面分为两组——控件和变体。 仅对变体页面进行更改，并将收集的数据与先前确定的性能预测进行比较。

3. 页面版本

CRO A/B 测试要求同一页面的两个版本同时处于活动状态，以便可以收集和比较数据。

在SEO 拆分测试中，任何时候每个页面都只有一个版本。 由于谷歌决定了这些页面的排名，不鼓励重复的内容（谷歌反对）。

总之，CRO 和 SEO A/B 测试之间有几个关键区别。 这两项测试都是提高在线性能的重要步骤，但针对的指标却截然不同。

为什么要进行 CRO A/B 测试？

CRO 测试之所以重要的主要原因是，它们允许营销人员测试最佳替代方案，该替代方案有可能通过减少投资来带来尽可能高的转化率。

例如，当您退出在线订购门户的“购物车”页面而没有下实际订单时，它会引导网站或产品开发人员思考是什么导致您这样做。 是不是失去了兴趣？ 是否发生了时间流逝？ 产品是否比您的预算更昂贵？ 还是只是整个订购过程？ 除非进行测试，否则您将永远无法收集有关客户行为的信息并分析客户行为以评估您网站上的转化率。

测试消除了网站优化中的猜测，并支持基于数据的决策，将业务对话从“我们认为”转变为“我们知道”。 通过衡量更改对您的指标的影响，您可以了解哪些内容在您的网站上有效。

这是提高转化率、增加收入、扩大订阅者基础以及改善客户获取和潜在客户生成结果的完美方法。

3 顶级 CRO-Worthy A/B 测试软件

运行成功的 A/B 测试需要有数据支持的假设、有效的 A/B 测试工具以及收集反馈以准确运行和分析结果的系统。

在这一部分中，我们为您介绍了 3 款免费和付费的 CRO 值得 A/B 测试软件。

所以，让我们粉碎这个。

1. 谷歌优化：使用谷歌的免费工具开始你的 A/B 测试

Google Optimize 是 Google Analytics 提供的拆分测试工具。 如果您正在寻找功能强大且无需支付金钱成本的 AB 测试解决方案，那就别无所求。

Google Optimize 是一个有用的 A/B 测试工具，您可以在其中创建、测试和分析网站的各种版本。 您还可以根据需要进行简单的拆分 URL 测试和多变量测试。

除了测试功能，它还提供服务器端测试、可自定义的 URL 规则、体验个性化等，因此您可以测试和提供在线体验以吸引访问者。

谷歌优化主要特点：

• 您可以使用 Google Optimize 运行 A/B 测试、多变量测试、拆分 URL 测试和重定向测试。
• Optimize 还具有 WYSIWYG 编辑器，因此您可以为任何设备快速创建和部署您的变体。
• 您可以根据来源、设备、位置等细分受众，以个性化他们的体验。
• 它允许您设定目标和目标，以在运行测试时衡量您的假设是否成功。
• Google Optimize 的分析引擎利用贝叶斯推理向您展示您的变体与对照相比的实时性能，例如成功概率变体、转化率比较、统计显着性、置信度等。
• Optimize 还与 Google Analytics 原生集成，因此您可以获得有关访问者行为、网站性能、受众细分、流量来源等的实时洞察。

2. Optimizely – 具有竞争力价格的企业 A/B 和 CRO 工具

对于大型企业，Optimizely 通常是顶级 A/B 测试工具的首选。

使用他们强大的 A/B 和多页实验工具，您可以同时在一个页面上运行多个实验，允许您测试网页设计的各种变量。

Optimizely 还提供对动态网站、各种实验维度（如广告活动、地理和 cookie）以及各种实验细分参数（如设备、浏览器和活动）的测试。

优化主要特点：

• 高效运行 A/B 测试和多页测试。
• 它提供了一个强大的可视化编辑器来构建和测试变体。
• 您可以手动将流量分配给变体，也可以使用 Stats Accelerator 根据访问者的行为自动分配流量。
• 推荐引擎：设置推荐并测试不同的算法
• 它包括以下选项：自定义定位、确定受众优先级、自定义模板、可视化编辑器、开发人员工具和 API。

3. VWO - 很像优化，但更预算友好

VWO ((Visual Website Optimizer) 也是营销领域流行的 A/B 测试工具。除了作为预算较少的企业的首选之外，它还经常与运行复杂测试的企业一起使用 Optimizely活动。

VWO主要特点：

• 执行 A/B 测试、多变量测试和拆分 URL 测试以测试您的变体。
• 它提供会话记录、热图、页面调查等，以获得有关访问者行为和体验的真实见解。
• 其易于使用的可视化编辑器可让您在几分钟内创建测试变体。
• 允许访客细分，例如移动与桌面流量或新访客与回访者，或者您可以使用自定义维度来创建新的细分。
• 可用的集成：Google Analytics、Kissmetrics、Demandware、Magento 等。

如何在您的网站上运行 A/B 测试？

无论您使用哪种 A/B 测试工具或测试哪个对象，世界上的任何 A/B 测试都遵循类似的模式：

步骤 1. 定义核心业务目标

就像生活中做任何事情一样，您需要一个明确的目标来支持以后的测试决策。 您的目标是您用来确定变体是否比原始版本更成功的指标。 目标可以是任何东西，从单击按钮或链接到产品购买和电子邮件注册。

在大多数情况下，您应该查看以下A/B 测试指标：

• 解决用户体验问题和常见的访客痛点
• 提高现有流量的性能（更高的转化率和收入，提高客户获取成本）
• 提高整体参与度（降低跳出率、提高点击率等。）

步骤 2. 选择要测试的内容

在优化网站转化率方面，您的测试选项可以根据您的目标分为 3 种主要类型：

• 元素测试：页面中的单个元素。 例如：标题、按钮、文案等。
• 页面测试：许多元素的组合。 例如：页面布局。
• 访问者流量测试：您希望访问者在进入您的网站时采取的操作。 例如：多步结帐与单步结帐。

根据研究和实践经验，您决定测试什么来提高您的网站转化率。

第 3 步：观察并提出假设

A/B 测试首先确定您希望解决的问题，或者您希望鼓励或影响的用户行为。 一旦确定，营销人员通常会得出一个假设——一个有根据的猜测，它将验证或使实验结果无效。

假设通常如下所示：

“如果在产品详细信息页面中添加社交证明徽章，那么转化率将提高 10% ，因为它可以让访问者了解产品的受欢迎程度。”

如您所见，一个适当的假设可以为您提供关于将要更改的内容、更改的影响是什么以及影响背后的机制的良好概述。

第 4 步。创建变体

测试程序的下一步应该是根据您的假设创建一个变体，并针对现有版本（控制）对其进行 A/B 测试。 变体是您当前版本的另一个版本，其中包含您要测试的更改。 您可以针对控件测试多种变体，以查看哪一种效果最好。

第 5 步：运行测试

准备好变体后，将这些变体启动到完全相同的环境以开始测试。 根据作品的性质、您的网站流量和需要达到的统计意义，测试可能需要几个小时到几周的时间。

第 6 步：评估和总结

使用您预先建立的假设和关键指标，是时候解释您的发现了。 牢记置信水平，有必要在测试工具的帮助下确定统计显着性。

如果两种变化都没有产生统计上显着的结果——也就是说，测试没有结论——有几个选项可用。 一方面，简单地保留原始变化是合理的。 您还可以选择重新考虑您的显着性级别或根据正在测试的作品的上下文重新确定某些 KPI 的优先级。 最后，可能需要更强大或截然不同的变化。

A/B 测试的技巧和最佳实践

以下是 A/B 测试的几个最佳实践，可以帮助您避免遇到麻烦。

• 确保 A/B 测试解决方案的数据可靠性

至少进行一次 A/A 测试，以确保将流量随机分配到不同版本。

• 一次测试一个变量

这使得精确隔离变量的影响成为可能。 如果同时修改操作按钮的位置及其标签，则无法确定是哪个更改产生了观察到的影响。

• 使变化的数量适应音量

如果少量流量有大量变化，则测试将持续很长时间才能给出任何有趣的结果。 分配给测试的流量越低，不同的版本就越少。

• 分段测试

在某些情况下，对网站的所有用户进行测试是没有意义的。 如果一项测试旨在衡量客户优势的不同表述对网站注册率的影响，那么提交当前注册用户数据库是无效的。 测试应改为针对新访问者。

• 让测试运行足够长的时间

即使测试快速显示统计可靠性，也有必要考虑样本的大小以及与星期几相关的行为差异。 建议让测试运行至少一周——最好是两个星期

• 在行动之前等待具有统计可靠性

只要测试没有达到至少 95% 的统计可靠性，就不建议做出任何决定。 观察到的结果差异是由于偶然而不是由于所做的修改的可能性非常高。

• 知道何时结束测试

如果测试时间过长而无法达到 95% 的可靠率，则测试的元素很可能对被测指标没有任何影响。 在这种情况下，继续测试是没有意义的，因为这会不必要地垄断可以用于另一个测试的部分流量。

• 记录测试期间的营销行为

外部变量可以伪造测试的结果。 通常，流量获取活动会吸引大量行为异常的用户。 最好通过检测这些类型的测试或活动来限制附带影响。

包起来

A/B 测试是提高转化率最有效的方法之一。 在阅读了这篇关于优化转化率的 A/B 测试的综合文章之后，您现在应该已经准备好规划自己的优化路线图了。

如果您发现本指南有用，请传播信息并帮助其他体验优化人员进行 A/B 测试，而不会陷入最常见的陷阱。 祝测试愉快！