作为企业的高级管理者,我们每天都要做出很多的决策,并且我们还要为自己的决策结果而负责。那么,如何能够让自己在面对决策时,能够做出更加正确的决定哪?我的建议是通过 A/B 测试,进行决策。

首先,我们来说说什么是 A/B 测试:

A/B 测试,又名分桶测试,它主要是为决策人提供一种更加科学的决策方案,它将分歧方放在同一时间维度,分别让组成,成分相同或相似的访客,随机的访问各分歧点,然后收集各组的用户体验数据和业务数据,从而分析、评估出最好的决策方案,正式采用。

其实 A/B 测试的基本原理是,实验研究中常常用到的「控制变量研究法」。通过控制各个分组中的其他影响因素,进而比对分歧因素,得出相关结论的研究法。

知道了什么是 A/B 测试,我们再来说说 A/B 测试的应用场景:

1、用户体验的优化:

用户体验一直是产品生产者,最应该关心的事情之一,但随意改动已经完善的用户使用体验是一件十分冒险的事情。所有我们可以通过 AB 测试进行决策。常见的做法是在保证其他条件一致的情况下,针对某一单一的元素进行 AB 两个版本的设计,然后选取两个用户量相近的渠道如 vivo、和 oppo 两个应用渠道进行投放,并进行数据采集和分析,最终根据数据结果,确定版本。

2、转化率优化

通常影响电商销售转化率的因素有产品标题、描述、图片、表单、定价等,通过测试这些相关因素的影响,不仅可以直接提高销售转化率,长期进行也能提高用户体验。

3、广告优化

广告优化可能是 AB 测试最常见的应用场景了。营销人员可以通过 AB 测试的方法了解哪个版本的广告更受用户的青睐,哪些步骤怎么做才能更吸引用户。常见的方法是,在后台选取两个用户数量相近,其他影响因素相同的两组用户画像,通过通过推荐系统,将两组广告同一时间分别投放给两组用户画像的用户,然后采集用户的行为数据,进行分析判断选定最优秀的广告方案。

由上述三个使用场景,我们可以看出 A/B 测试的作用有四点:

第一点、消除用户体验设计中不同意见的纷争,根据实际效果确定最佳方案;

第二点、通过对比试验,找到问题的真正原因,提高产品设计和运营水平;

第三点、建立数据驱动、持续不断优化的闭环过程;

第四点、通过 A/B 测试,降低新产品或新功能的发布风险,为产品创新提供保障。

既然 A/B 测试这么好用,我们该如何建立 A/B 测试哪?

第一步:提出分歧,找到分歧点。使用 A/B 测试的前提是决策中存在分歧,如果一个决策没有分歧则不需要 A/B 测试。

第二步:根据分歧,建立 A/B 测试方案。例如,小李认为是 banner 的文案影响了 banner 的点击,而小王认为是 banner 的图片设计感影响了 banner 的点击。为此,我们能够建立的分歧模型为,文案影响了点击、图片设计感影响了点击、以及文案和图片都影响了点击。那么我们的测试方案为去选四个渠道一个不做改变,一个只改变文案另外一个只改变图片设计感,最后一个即改变文案又改变图片设计感。

第三步:选取投放渠道,采集相关数据。例如:在刚刚我们有了一个投放方案,所以我们要选择四个数据相同或相似的投放渠道,并采集各个渠道的用户点击效果。

第四步:分析数据结果,选取最优方案。根据采集的数据进行分析、观察找到影响原因后选择最好的方案。

需要注意的是,除了分析因素外,我们要尽量保证其他影响因素相同,不然没有办法得出正确结论

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注