就像巨人普罗米修斯从希腊众神那里偷走了给人类带来文明的火焰……
……易服客数字化服务只是从那些主宰互联网的YUGE在线公司中偷走了象征之火。
就如同神话中的普罗米修斯，我们要与你-创业者分享的是有竞争力的火。
像谷歌和亚马逊这样的怪物不仅拥有巨大的市场份额和资本优势，而且他们利用昂贵的A/B测试技术 – 由世界上最讨厌的分离测试极客运行 – 从网页上挤出最高的转化率。
那么，强大的A/B测试优势现在触手可及！
1. 对每个A/B测试都说明一个明确的假设：
如果您不清楚自己在测试什么，那么您如何知道A/B测试是成功还是失败？
为了避免漫无目的地运行A/B测试，你无法从中学到任何东西，总是要首先写下你想测试的假设。然后设计你的A/B测试图回答明确陈述的假设。
你的假设创意方程：
难以尝试确定要测试的假设？试试这个公式，以帮助聚焦您的A/B测试工作：
“由于[理由/研究]，将[元素]从X更改为Y的[结果]”
随机运行A/B测试是无益的，会让你感到非常沮丧、错过学习和增长缓慢。
2. 永远不要一次A/B测试多个变量：
你将同时A/B测试的元素数量是一个。
你要明确陈述的假设指导哪个单一变体最好测试，并希望回答这个假设。
以一种仅显著改变控件中的单个变量的方式设计测试变体。
例如，如果您决定测试2列与3列定价表，请不要同时测试两个列之间的不同价值主张。如果转化率发生重大变化，您将如何知道哪些元素实际上对差异产生影响？
测试单个变体将帮助您避免将因果关系归因于错误的元素，并根据错误的解释防止将来出现有害的决策。
3. 始终测试单个变量的两个明显不同的版本：
您的转化率真的取决于您的号召性用语按钮的颜色吗？
不……可能不会。即使按钮颜色很重要，影响也很小。
更重要的是，按钮颜色测试不会教你任何有关客户的信息。
接受大多数A/B测试结果将导致可忽略不计的更改并提供不确定的结果。但是如果你想偶尔获得大奖，那么你必须测试所选测试变量的不同变化。
我们称之为回形针与保龄球策略：
想想这样……
让人们猜测回形针和保龄球的重量是多少，你会得到每个人估计的明显差异。人们非常擅长区分两种明显不同的东西。
但要求人们猜测一盒牛奶和一瓶苏打的重量，估计不会导致数据明显分离。人们很难确定两个相似事物之间的区别：
经验教训： 在你的控制和变体之间，提出你正在测试的2个显著不同版本的元素，以增加对你的假设做出明确有用的答案的机会。
使用此回形针与保龄球策略类比来帮助您自己设计A/B测试，尝试清楚地回答您的假设，如下例所示：
- 做一个 2列或3列价格表转化会更好吗？
- 一个非常长的销售页面是否比短销售页面转化得更好？
- 是否[价值主张A]比[价值主张B]转化更好？
在您陈述一个明确的假设并决定要测试的单个变量之后，请确保您的A/B测试变体明显不同，因此通常清楚是什么驱动了最终结果。
短期与长期视频销售页面示例：
[one-half-first]
[/one-half-first]
[one-half]
[/one-half]
当您对A/B测试着陆页进行测试时，请使您测试的单个变量明显不同，以帮助清楚地了解它是否会对您的结果产生强烈影响。使用上述模板作为A/B测试示例，您的假设可能是：“将销售页面的长度从短视频销售页面更改为长版本、视频销售页面会因高复杂性而增加我的产品的转化次数（即客户在购买前需要更多信息）。如果较长的销售页面确实比短销售页面明显更好，那么这是该假设有效的强有力指标。请注意，两种变体之间的视频、整体设计和标题是相同的。
4. 在达到统计显着性之前，永远不要停止A/B测试：
在经过足够的时间或收集到足够的转化来挑选具有统计学意义的获胜者之前，不要让自己停止任何A/B测试。
随机机会的现象必须得到适当的尊重，永远不要过早地结束A/B测试并选择看似是最初的赢家。
通常，测试开始时的主要变体不是随时间变化的获胜变体。
来自易服客营销仪表板的A/B测试结果。
注意绿色“无选择退出”测试最初如何优于黄色和蓝色测试。表现不佳的蓝色“不，谢谢”测试于8月2日结束，因为它达到了明显失败的统计意义。然而，黄色的“浪费时间”测试最终以小转化率边际优于绿色“无选择”测试。像这样的小结果变化比典型案例研究中显示的大赢更为常见。
在选择获胜者之前，您必须让大多数测试开始时看到的随机测试噪声消失。否则，您可能会冒险选择会随时间变化导致转化损失的失败变体。
在诸如易服客A/B测试、易服客商机和易服客标题优化等A/B测试工具中，我们建议您在选择获胜者之前让A/B测试运行2周，至少收集100次转化 – 而不是展示次数。
为了确信您的测试结果是真实的而不是随机的机会，您的“击败原始机会”应该大于95％（您的变体获胜）或小于5％（您的控制获胜） – 在最短时间和转换阈值之后已经满足了。
a/b测试结果的屏幕截图显示，在186次转换后，“击败原始的机会”为94.59%，转化率提高了+26.44%。在至少100次转化后，此a/b测试结果符合我们建议的最小统计显着性95％。
统计意义解释：
一个测试变体的“击败原始的机会”百分比，通常被称为统计显着性，基本上问：“我们有多确定我们看到的差异不是随机的机会？”
一个95％或更大的 “机会击败原来的”是我们宣布你的变体才分出胜负建议达到的最低统计学意义。
95％的统计显着性意味着如果您在100次中重复完全相同的A / B测试95，您将获得相同的结果。这种“击败原始的机会”越接近100％越好。
相反，具有“击败原始机会”的变化为5％或更少意味着该控制具有95%或更高的统计显着性，是真正的赢家。
当然，如果你想完全从过程中消除你的人类情感，所有易服客A/B测试功能都有自动获胜者设置。你可以使用它来设置和忘记你的A/B测试，而无需人工处理！
5. 始终进行A/B测试：
您的A/B测试不需要太复杂。
如果您使用每个A/B测试作为了解客户信息的机会，那么您从增加的转化和参与中获得的价值将随着时间的推移而变得复杂。
为此，请在每次在网站上发布新页面时承诺运行A/B测试。每次完成此操作时，您不必花费额外的时间。
使用易服客A/B测试，您只需单击一下即可克隆控制变体，快速修改变体页面，然后开始运行A/B测试！
请务必问问自己：
这个A/B测试会给我关于我的客户的新信息吗？没有？那么需要运行一个更好的A/B测试。
6. 避免完美并运行“足够好”的A/B测试：
不要让自己浪费A/B测试机会，因为您没有完美的测试理念。
没有完美的A/B测试。
您可以做的最好的是测试“足够好”的想法，以便了解有关客户的有意义的事情。
了解您目前对受众的了解，使用该知识开发有用的假设，创建A/B测试以回答该假设，并开始收集数据。
无论好坏，请学习所学知识，并指导您未来的A/B测试理念。
这种快速反馈循环的复合优势将引领您走向销售增加和在线业务增长的承诺之地！
7. 不要对不确定的测试结果感到失望：
您必须接受以下事实：您的许多A/B测试都是不确定的。
这并不意味着这种A/B测试是浪费时间。事实上，他们会为您提供许多您应该欣赏的知识！
不确定的A/B测试只是意味着你的假设并不重要，应该优先考虑更有希望的实验。
这些不确定的学习可能非常有益，因为它们将为您提供新的见解，并将您的想法转向更有价值的想法。
庆祝并学习您不确定的测试，就像您从大转化优化获胜一样。
8. 在A/B测试期间，不要错过任何丢失的转化：
在运行A/B测试时，必须将您的人类情绪放在一边。
虽然在监控低效能变体时很容易让你的情绪狂奔，但你不能放纵你过早结束测试的冲动。
在让“失败”变体继续下去的情况下，推断您缺少多少潜在客户或销售额的情绪过山车将很难。但是，在指定任何赢家或输家之前，您必须达到95％统计显着性的建议基准。
来自易服客A/B测试仪表板的A/B测试结果。
一个A/B测试示例显示控制最初丢失变体只是随着时间的推移成为统计上显着的赢家。不要低估影响测试初始阶段的随机机会现象。在选择获胜者之前至少等待2周至少100次转化。
在A/B测试期间避免非理性情绪的万无一失的解决方案是使用易服客A/B测试、易服客商机和易服客标题优化提供的 设置并且忘记它 自动获胜者设置选项。
9. 确保您的转化渠道体验一致：
要意识到A/B测试的结果并不完全取决于您的拷贝和页面布局。
从您的百度广告、腾讯广告或搜狗广告到您的网页的一致性在您的整体转化率中起着重要作用。
因此，你启动任何A/B测试时必须认真考虑你的流量来源。
例如，在运行着陆页A/B测试时，不要运行百度广告A/B测试。
如果您的客户的渠道体验无缝融合，您的转化率将受益。但是，如果您的广告中的任何部分与网站传递发生冲突，那么预计转化率会受到影响。
10. 不要盲目跟随营销大师的A/B测试声明：
您是否曾对像这样的案例研究标题感到兴奋，例如：
- 单个A/B测试如何将转化次数增加336%
- AMD如何使用A/B测试实现社交共享增加3600%
- 服务器密度A/B如何测试定价计划和增加114%收入
您是否只是盲目地遵循此类声明的A/B测试建议？
或者您是否使用案例研究来帮助生成适合您自己的在线业务的A/B测试想法？
请记住案例研究中存在发布偏差。他们只分享令人印象深刻的结果，因为这些是获得点击的头条新闻。更典型的单个数字测试增益或无关紧要的结果永远不会被发布。
现实情况是，小胜利可能会随着时间的推移而转化为显着的转化率增长，但前提是每次发布时都要对A/B进行测试。
不要低估小规模的好处，但频繁的A/B测试会随着时间的推移而变得复杂。 频繁A/B测试的另一个好处是什么？在某些时候你更有可能获得大转换优化的胜利。如果你不测试，不要指望有什么改变……
如果您学会欣赏更频繁但小的A/B测试收益，那么可以期望复合转化和业务增长！
现在轮到你了
如果您需要一款既实惠又简单易用的A/B测试工具，我们的易服客A/B测试就是您一直在等待的众神之火。
前进吧，了解你的客户，你可以用它来复合销售这些宝贵的经验教训 – 和利润 – 随着时间的推移！
如果您想要一些帮助开始创建遵循这10个A/B测试原则的有用A/B测试，请在下面的评论部分发布您的问题和测试想法，以便易服客数字化服务团队可以帮助您！