A/B 测试的定义
A/B 测试(也被称为对比测试和分桶测试)旨在用于对比两个版本的内容的效果,识别哪一个版本对于访客/查看者更具吸引力。它将测试对照 (A) 版本与变量 (B) 版本,基于您的关键指标来衡量哪一个版本更成功。如果您是一名数字营销专业人员,无论是开展 B2B 营销还是 B2C 营销,您可以进行以下 A/B 测试:
- 网站 A/B 测试(文本、图像、配色、行动号召),即将流量平均分配给两个版本(A 和 B)的网站。您可以监视访客行为,识别哪一个版本的网站带来了更多的转化量,或促使访客执行了您预期的操作。
- 电子邮件营销 A/B 测试(主题行、图像、行动号召),即将收件人平均拆分为两个细分,确定哪一个版本的打开率更高。
- 对比测试编辑选择的内容或算法(基于用户行为)选择的内容,识别哪一种内容能带来更高水平的互动。
无论哪一种,A/B 测试都将助您确定如何提供理想的客户体验 (CX)。
除了 A/B 测试,您还可以执行 A/B/N 测试,其中“N”表示“未知”。A/B/N 测试指对两种以上的变体进行测试。
分享下鹅厂数据分析师 jiangeliu(刘健阁) 是如何设计一个 A/B test 的。
实验设计
AB Test 实验一般有 2 个目的:
- 判断哪个更好:例如,有 2 个 UI 设计,究竟是 A 更好一些,还是 B 更好一些,我们需要实验判定
- 计算收益:例如,最近新上线了一个直播功能,那么直播功能究竟给平台带了来多少额外的 DAU,多少额外的使用时长,多少直播以外的视频观看时长等
我们一般比较熟知的是上述第 1 个目的,对于第 2 个目的,对于收益的量化,计算 ROI,往往对数据分析师和管理者非常重要。
(计算ROI的普遍方法是:ROI=[(收入-成本)/投入]*100%
其实ROI=收回价值 / 成本投入 *100% ,但它不是简单的收入-成本=利润,更准确的说是销售收入。所以这里又会涉及到三个“率”的计算:1.成本利润率、2.销售利润率、3.投资回报率)
对于一般的 ABTest 实验,其实本质上就是把平台的流量均匀分为几个组,每个组添加不同的策略,然后根据这几个组的用户数据指标,例如:留存、人均观看时长、基础互动率等等核心指标,最终选择一个最好的组上线。
实验的几个基本步骤一般如下:
流量分配
实验设计时有两个目标:
- 希望尽快得到实验结论,尽快决策
- 希望收益最大化,用户体验影响最小
因此经常需要在流量分配时有所权衡,一般有以下几个情况: