CRO 的網站 A/B 測試：2022 年快速入門指南

在您尋找優化網站轉化率的方法的過程中，可以肯定地說，需要進行多次 A/B 測試。

那麼，CRO 測試是什麼？ 為什麼要為您的網站啟動 CRO A/B 測試？ 如何在您的網站上有效地運行 A/B 測試？

我們在這篇文章中回答了所有這些問題。 讓我們從一個定義開始。

什麼是 CRO 的 A/B 測試？

談到轉化率優化 (CRO)，A/B 測試（也稱為拆分測試或桶測試）通常意味著測試影響網站轉化率的因素：副本、標題、圖像、設計、調用動作和佈局，僅舉幾例。 它是確保您的網站設置為幫助引導用戶瀏覽頁面並在關鍵接觸點進行轉換的最廣泛使用的技術之一。

CRO和SEO A/B測試的區別

CRO 的 A/B 測試與 SEO 的 A/B 測試完全不同。 在這一部分中，我們的目標是闡明每種技術、它們的不同之處以及它們的用途。

一、宗旨和目標

儘管 CRO 和 SEO 測試都使用 A/B 測試，但它們的目標——以及它們的執行方式——卻大不相同。 CRO 旨在提高訪問者訪問網站後的轉化率； 以 SEO 為重點的測試旨在通過實施將提高網站在 SERP 中的位置的技術更改來增加網站訪問者的數量。

2. 控件和變體

在CRO A/B 測試中，同一頁面的兩個版本被設置並同時實時運行，人類用戶被重定向到隨機的一個。 因此，將用戶本身分為控件和變體。 從用戶如何與分配給他們的頁面版本進行交互並進行比較來收集數據。

在SEO A/B 測試中，頁面分為兩組——控件和變體。 僅對變體頁面進行更改，並將收集的數據與先前確定的性能預測進行比較。

3. 頁面版本

CRO A/B 測試要求同一頁面的兩個版本同時處於活動狀態，以便可以收集和比較數據。

在SEO 拆分測試中，任何時候每個頁面都只有一個版本。 由於谷歌決定了這些頁面的排名，不鼓勵重複的內容（谷歌反對）。

總之，CRO 和 SEO A/B 測試之間有幾個關鍵區別。 這兩項測試都是提高在線性能的重要步驟，但針對的指標卻截然不同。

為什麼要進行 CRO A/B 測試？

CRO 測試之所以重要的主要原因是，它們允許營銷人員測試最佳替代方案，該替代方案有可能通過減少投資來帶來盡可能高的轉化率。

例如，當您退出在線訂購門戶的“購物車”頁面而沒有下實際訂單時，它會引導網站或產品開發人員思考是什麼導致您這樣做。 是不是失去了興趣？ 是否發生了時間流逝？ 產品是否比您的預算更昂貴？ 還是只是整個訂購過程？ 除非進行測試，否則您將永遠無法收集有關客戶行為的信息並分析客戶行為以評估您網站上的轉化率。

測試消除了網站優化中的猜測，並支持基於數據的決策，將業務對話從“我們認為”轉變為“我們知道”。 通過衡量更改對您的指標的影響，您可以了解哪些內容在您的網站上有效。

這是提高轉化率、增加收入、擴大訂閱者基礎以及改善客戶獲取和潛在客戶生成結果的完美方法。

3 頂級 CRO-Worthy A/B 測試軟件

運行成功的 A/B 測試需要有數據支持的假設、有效的 A/B 測試工具以及收集反饋以準確運行和分析結果的系統。

在這一部分中，我們為您介紹了 3 款免費和付費的 CRO 值得 A/B 測試軟件。

所以，讓我們粉碎這個。

1. 谷歌優化：使用谷歌的免費工具開始你的 A/B 測試

Google Optimize 是 Google Analytics 提供的拆分測試工具。 如果您正在尋找功能強大且無需支付金錢成本的 AB 測試解決方案，那就別無所求。

Google Optimize 是一個有用的 A/B 測試工具，您可以在其中創建、測試和分析網站的各種版本。 您還可以根據需要進行簡單的拆分 URL 測試和多變量測試。

除了測試功能，它還提供服務器端測試、可自定義的 URL 規則、體驗個性化等，因此您可以測試和提供在線體驗以吸引訪問者。

谷歌優化主要特點：

• 您可以使用 Google Optimize 運行 A/B 測試、多變量測試、拆分 URL 測試和重定向測試。
• Optimize 還具有 WYSIWYG 編輯器，因此您可以為任何設備快速創建和部署您的變體。
• 您可以根據來源、設備、位置等細分受眾，以個性化他們的體驗。
• 它允許您設定目標和目標，以在運行測試時衡量您的假設是否成功。
• Google Optimize 的分析引擎利用貝葉斯推理向您展示您的變體與對照相比的實時性能，例如成功概率變體、轉化率比較、統計顯著性、置信度等。
• Optimize 還與 Google Analytics 原生集成，因此您可以獲得有關訪問者行為、網站性能、受眾細分、流量來源等的實時洞察。

2. Optimizely – 具有競爭力價格的企業 A/B 和 CRO 工具

對於大型企業，Optimizely 通常是頂級 A/B 測試工具的首選。

使用他們強大的 A/B 和多頁實驗工具，您可以同時在一個頁面上運行多個實驗，允許您測試網頁設計的各種變量。

Optimizely 還提供對動態網站、各種實驗維度（如廣告活動、地理和 cookie）以及各種實驗細分參數（如設備、瀏覽器和活動）的測試。

優化主要特點：

• 高效運行 A/B 測試和多頁測試。
• 它提供了一個強大的可視化編輯器來構建和測試變體。
• 您可以手動將流量分配給變體，也可以使用 Stats Accelerator 根據訪問者的行為自動分配流量。
• 推薦引擎：設置推薦並測試不同的算法
• 它包括以下選項：自定義定位、確定受眾優先級、自定義模板、可視化編輯器、開發人員工具和 API。

3. VWO - 很像優化，但更預算友好

VWO ((Visual Website Optimizer) 也是營銷領域流行的 A/B 測試工具。除了作為預算較小的企業的首選之外，它還經常與運行複雜測試的企業一起使用 Optimizely活動。

VWO主要特點：

• 執行 A/B 測試、多變量測試和拆分 URL 測試以測試您的變體。
• 它提供會話記錄、熱圖、頁面調查等，以獲得有關訪問者行為和體驗的真實見解。
• 其易於使用的可視化編輯器可讓您在幾分鐘內創建測試變體。
• 允許訪客細分，例如移動與桌面流量或新訪客與回訪者，或者您可以使用自定義維度來創建新的細分。
• 可用的集成：Google Analytics、Kissmetrics、Demandware、Magento 等。

如何在您的網站上運行 A/B 測試？

無論您使用哪種 A/B 測試工具或測試哪個對象，世界上的任何 A/B 測試都遵循類似的模式：

步驟 1. 定義核心業務目標

就像生活中做任何事情一樣，您需要一個明確的目標來支持以後的測試決策。 您的目標是您用來確定變體是否比原始版本更成功的指標。 目標可以是任何東西，從單擊按鈕或鏈接到產品購買和電子郵件註冊。

在大多數情況下，您應該查看以下A/B 測試指標：

• 解決用戶體驗問題和常見的訪客痛點
• 提高現有流量的性能（更高的轉化率和收入，提高客戶獲取成本）
• 提高整體參與度（降低跳出率、提高點擊率等。）

步驟 2. 選擇要測試的內容

在優化網站轉化率方面，您的測試選項可以根據您的目標分為 3 種主要類型：

• 元素測試：頁面中的單個元素。 例如：標題、按鈕、文案等。
• 頁面測試：許多元素的組合。 例如：頁面佈局。
• 訪問者流量測試：您希望訪問者在進入您的網站時採取的操作。 例如：多步結帳與單步結帳。

根據研究和實踐經驗，您決定測試什麼來提高您的網站轉化率。

第 3 步：觀察並提出假設

A/B 測試首先確定您希望解決的問題，或者您希望鼓勵或影響的用戶行為。 一旦確定，營銷人員通常會得出一個假設——一個有根據的猜測，它將驗證或使實驗結果無效。

假設通常如下所示：

“如果在產品詳細信息頁面中添加社交證明徽章，那麼轉化率將提高 10% ，因為它可以讓訪問者了解產品的受歡迎程度。”

如您所見，一個適當的假設可以為您提供關於將要更改的內容、更改的影響是什麼以及影響背後的機制的良好概述。

第 4 步。創建變體

測試程序的下一步應該是根據您的假設創建一個變體，並針對現有版本（控制）對其進行 A/B 測試。 變體是您當前版本的另一個版本，其中包含您要測試的更改。 您可以針對控件測試多種變體，以查看哪一種效果最好。

第 5 步：運行測試

準備好變體後，將這些變體啟動到完全相同的環境以開始測試。 根據作品的性質、您的網站流量和需要達到的統計意義，測試可能需要幾個小時到幾週的時間。

第 6 步：評估和總結

使用您預先建立的假設和關鍵指標，是時候解釋您的發現了。 牢記置信水平，有必要在測試工具的幫助下確定統計顯著性。

如果兩種變化都沒有產生統計上顯著的結果——也就是說，測試沒有結論——有幾個選項可用。 一方面，簡單地保留原始變化是合理的。 您還可以選擇重新考慮您的顯著性級別或根據正在測試的作品的上下文重新確定某些 KPI 的優先級。 最後，可能需要更強大或截然不同的變化。

A/B 測試的技巧和最佳實踐

以下是 A/B 測試的幾個最佳實踐，可以幫助您避免遇到麻煩。

• 確保 A/B 測試解決方案的數據可靠性

至少進行一次 A/A 測試，以確保將流量隨機分配到不同版本。

• 一次測試一個變量

這使得精確隔離變量的影響成為可能。 如果同時修改操作按鈕的位置及其標籤，則無法確定是哪個更改產生了觀察到的影響。

• 使變化的數量適應音量

如果少量流量有大量變化，則測試將持續很長時間才能給出任何有趣的結果。 分配給測試的流量越低，不同的版本就越少。

• 分段測試

在某些情況下，對網站的所有用戶進行測試是沒有意義的。 如果一項測試旨在衡量客戶優勢的不同表述對網站註冊率的影響，那麼提交當前註冊用戶數據庫是無效的。 測試應改為針對新訪問者。

• 讓測試運行足夠長的時間

即使測試快速顯示統計可靠性，也有必要考慮樣本的大小以及與星期幾相關的行為差異。 建議讓測試運行至少一周——最好是兩個星期

• 在行動之前等待具有統計可靠性

只要測試沒有達到至少 95% 的統計可靠性，就不建議做出任何決定。 觀察到的結果差異是由於偶然而不是由於所做的修改的可能性非常高。

• 知道何時結束測試

如果測試時間過長而無法達到 95% 的可靠率，則測試的元素很可能對被測指標沒有任何影響。 在這種情況下，繼續測試是沒有意義的，因為這會不必要地壟斷可以用於另一個測試的部分流量。

• 記錄測試期間的營銷行為

外部變量可以偽造測試的結果。 通常，流量獲取活動會吸引大量行為異常的用戶。 最好通過檢測這些類型的測試或活動來限製附帶影響。

包起來

A/B 測試是提高轉化率最有效的方法之一。 在閱讀了這篇關於優化轉化率的 A/B 測試的綜合文章之後，您現在應該已經準備好規劃自己的優化路線圖了。

如果您發現本指南有用，請傳播信息並幫助其他體驗優化人員進行 A/B 測試，而不會陷入最常見的陷阱。 祝測試愉快！