unber的博客

搜索引擎优化是一种在搜索引擎页面顶部显示您的网站的方法，当对这些相关项目执行搜索时。它包括您的网站为访问者提供的信息以及为什么网页内容与搜索结果的顶部相关。许多潜在客户认为A/B测试或多变量测试会对其搜索引擎排名产生影响。有四种方法可以确保您运行A/B测试，而不必担心失去潜在的SEO价值。

像A/B测试一样，多变量测试基于相同的机制，但它比较了更多的变量，并提供了有关这些变量行为的更多信息。在A/B测试中，可以在不同版本的设计之间分割页面的流量。多变量测试用于衡量每个设计的有效性。假设有一个网页已经收到足够的流量来运行测试。现在比较每个变体的数据以检查最成功的变体，但它也包含对访问者的交互具有最大正面或负面影响的元素。多变量测试是一种有效的工具，可帮助您定位并重新设计页面元素，并显示影响最大的区域。多维方法对于创建着陆页广告系列非常有用。

第一步是登录您的Universal Analytics帐户，然后点击顶部的自定义标签。您应该看到一个自定义报告列表。InNext将针对您已将Universal Analytics集成的每个实验设置自定义报告。点击新建自定义报告→输入报告标题并添加您想要在报告中查看的度量值组。要仅为Optimizely实验过滤此报告，请选择您之前设置为“维度追溯”之一的“自定义维度”。在“过滤器”部分中添加此维度，并在要过滤的实验的实验ID上使用正则表达式匹配。点击保存。

像VWO和Optimizely这样的工具可用于运行测试，但Google Analytics最适合运行测试后分析。A/B测试工具可以告诉您测试结果的结果，但也需要进行后期分析。如果网页上的图像降低了跳出率，当在网页上上传多个图像时可以判断决定是否有良好的转换。如果您因此看到跳出率没有变化，请返回上一步并创建一个新的假设/变体以执行新的测试。当实验完成，下一步就是分析结果。A/B测试工具将显示实验中的数据，并会告诉您使用数学方法和统计的帮助，网页上的不同变化如何执行，以及变化之间是否存在显着差异。

它涉及向访问者展示您的网站或应用程序的所有变体，并针对每个变体监控他们的行为。测量并比较每个变化的访问者互动，以确定这种变化如何执行。正如前一章所讨论的，有各种工具可以用来产生假设和运行变化 -

由于A/B测试是关于创建应用程序或网页的新版本，然后比较所有版本以查看转换率。可以通过分析统计数据来检查新变化，从而提高转化率。有不同类型的变化可以应用于对象，如使用项目符号，更改关键元素的编号，更改字体和颜色等。市场上有许多A/B测试工具，它们具有可视化编辑器。成功执行A/B测试的关键决定是选择正确的工具。一些最常用的工具是 -

下一步是设置转换目标。查找确定变体是否比原始版本更成功的指标。目标是你的商业目标，举例来说，如果必须增加服装的销售目标，它可以是 -接下来是定义满足您业务目标的指标。只有在衡量与目标相关的东西时，度量才会成为KPI(关键绩效指标)。

来自Google Analytics的数据可以帮助您找到访问者的行为。总是建议从网站收集足够的数据。尝试找到转化率较低或可以提高的高丢弃率的网页。在本章中，我们将讨论一些可用于收集A/B测试数据的工具。

A/B测试包括一系列必须按顺序进行的过程，以得出一个现实的结论。在本章中，我们将详细讨论可用于在任何网页上运行测试的A/B测试过程的步骤 -

A/B测试是关于创建应用程序或网站的多种变体，使用样本比较所有这些版本以确定具有最高转换率的最佳变体。有不同类型的变体，可以应用于网页或应用程序。A/B测试不仅限于应用程序或网页，因为您也可以为其他产品创建变体。使用A/B测试可以测试网页上可以影响访问者行为的任何内容。有多种工具可用于创建变体，在本教程后面详细阅读这些变体。以下是可在网页上应用的A/B测试变体列表 -

通过此测试，可以优化您的网站或应用，从而提高转化率。A/B测试还可以帮助您改变业务中的其他因素，如改变工作文化等。与在您的网站上设置流量的成本相比，增加您的转化费用是最小的。A/B测试的投资回报(投资回报)是巨大的，因为网站上的一些小的变化可能会导致转换率的显着提高。它允许您创建您的网站或应用程序的变体，然后帮助您确认或放弃您做出更改的决定。无论您是设计师，业务分析师还是开发人员，A/B测试都提供了一种使用数据和统计功能的简单方法，以降低风险，改进结果并在工作中变得更加以数据为导向。

可以使用统计信息和分析来监控访问者的操作，以确定产生更高转换率的版本。A/B测试结果通常以精美的数学和统计术语给出，但数字背后的含义其实很简单。有两种重要的方法可以通过它们检查A/B测试的转换率 -下面详细讨论这两种方法。