测试什么能够带来转化

关于哪些做法能带来转化，人们的判断往往是错误的。测试通过将页面的不同版本与真实访客行为进行比较，用证据取代猜测。

转化率优化，即 CRO，是一种有纪律地开展这些测试、持续改善结果的实践，而不是凭直觉重新设计页面。

A/B 测试会将版本 A 展示给一半访客，将版本 B 展示给另一半访客，然后衡量哪个版本的转化效果更好。

由于流量是在同一时间随机分配的，外部因素会同等影响两个版本。转化率的差异可以指向您所做的改动。

一次好的测试始于清晰的假设，而不是随意试改。请说明您将改动什么、预期结果是什么，以及原因是什么。

这样可以让测试始终有明确目的，无论结果成功还是失败，都具有意义。一次证明某个认知错误的失败测试，仍然是有价值的 learning。

要知道是什么导致了结果变化，请一次只改变一个要素：标题、按钮颜色或表单长度三者任选其一，而不要同时改变它们。

同时改变多个因素，仍然可以告诉您页面有所改善，但无法告诉您究竟是哪项改动带来了改善。请隔离变量，从中获得清晰的经验。

并非所有要素都同等重要。标题、主要优惠内容、CTA 和主视觉通常对转化影响最大，因此应优先测试这些部分。

细小的外观调整很少会带来大幅变化。请将测试预算投入潜在收益最大的地方。

一次测试需要足够的访客和转化，结果才有意义。仅凭少量转化就判定胜出者，是测试中最常见的错误。

请在开始前确定所需的样本量，并让测试运行足够长的时间，以涵盖正常的日常波动，最好覆盖完整的周周期。

统计显著性用于估计差异是真实存在而非随机噪声的可能性。常见的标准是 95% 的置信度。

低于这一标准时，表面上的胜出者可能只是运气造成的。显著性可以避免您上线一个实际上没有帮助的改动。

在版本 B 刚刚领先时就停止测试，这种提前查看结果的做法会夸大虚假的胜出。随着数据增加，早期领先往往会消失。

请提前设定结束条件并坚持执行。同时，避免在节日促销等异常时期进行测试，因为这些时期会扭曲正常行为。

多变量测试会同时改变多个要素，并衡量每一种组合的表现。它可以揭示各要素之间如何相互作用，但需要多得多的流量。

对于大多数页面，依次进行 A/B 测试更加实际。请将多变量测试保留给流量很高、能够承受所需流量的页面。

只有采取行动，测试才有价值。请上线胜出版本，记录您学到的内容，并将这些洞察用于下一次假设。

CRO 是一个循环：研究、提出假设、测试、学习、重复。持续迭代会随着时间推移逐步累积成巨大的收益。

提升幅度用于衡量胜出版本相对于对照版本的改善程度，以原始转化率的百分比表示。它可以向利益相关者清晰传达影响。

请始终将提升幅度与置信水平一起看待，以确保结果真实可靠。低置信度下的高幅度提升，还不足以据此决策。

测试您对转化测试的理解。

测试会用证据取代主观判断。A/B 测试会拆分流量来比较不同版本，并以明确的假设和单一隔离变量为指导，优先关注影响最大的元素。

请等待足够的样本量和统计显著性，避免提前查看结果，然后发布胜出版本并持续迭代。请将结果报告为提升幅度及其置信度。