11个常见的A/B测试谬论被终结

当你每天都在做营销决策时，你可能不会考虑到花点时间做个实验．你忙着写电子邮件，设计最新的登录页面，或制作完美的社交媒体更新——而不是创建测试，优化处理，或粉碎无效假设。

但如果我告诉你后三种行为可以彻底改变前三种行为的方式，帮助你根据数据做出可靠的决定，并为你的业务产生更多的线索，你会怎么做?

A/B测试，也被称为分割测试，能够帮助你做到这一点。为了进行A/B测试，营销人员会将同一内容分成两个不同版本(游戏邦注:通常是登录页面、电子邮件和行动召唤)，并在两个规模相似的用户中进行测试。为了找出哪一项测试胜出，营销人员会衡量获胜测试是否具有一定的统计学意义(95%或更多)。在营销中使用分割测试可以帮助你优化资产，增加潜在客户和转化客户。

不幸的是，这并不是所有人听到的关于A/B测试。有大量的神话，阻止聪明的营销人员做出准确的，数据驱动的决定。为了不让你陷入这种困境，我们将揭穿一些最常见的A/B测试误区。让我们开始吧!

误区1:营销人员的直觉比A/B测试更有效。

即使是最有才华和经验的营销人员也可能会犯错。经过多年的经验，我们中的许多人都对如何将访问者转化为潜在客户，并将潜在客户转化为客户有了坚实的理解——但直觉不应该是最重要的只有指导我们决定的东西。

分割测试允许你使用数据为你的网站带来更多流量，并提高转化率。事实上,A/B测试已经显示为B2B网站增加30-40%的潜在客户，为电子商务网站增加20-25%的潜在客户。

这个故事的寓意是:如果你只依赖于HIPPO(最高收入的人的意见)，你就错过了增加收入的潜力。

误区2:你应该在做每个决定之前进行A/B测试。

虽然分割测试能够帮助你做出许多营销决策，但你并不需要测试每一个决策。有些变化不值得测试。例如，你不需要A/B测试“the Marketer’s Guide to Pinterest”和“A Marketer’s Guide to Pinterest”这两个标题的点击率。尽管分割测试对于像CTA的颜色这样的小变化很有效，但是将“the”转换为“a”却不会降低你的转化率。现在，如果你想测试两个不同位置的标题——是的，这确实需要进行A/B测试。

误解3:A/B测试不如多元测试有效。

A/B测试和多元测试(MVT)都是使用数据推动营销决策的好方法，但它们的用途非常不同。A/B测试用于在两种或两种以上的不同处理中测试一个元素。MVT用于测试在多个处理中多种元素组合的有效性。

例如，A/B测试将用于测试CTA颜色对转化率的影响，而页面上的所有其他元素都是相同的——流量来源、访问者类型、表单布局，甚至附带的副本和图像。raybet电子竞技你试图回答一个直接的问题:CTA的颜色如何影响转换?您不会尝试探索元素的组合如何影响转换(例如，CTA的颜色组合、表单中的字段数量和使用的图像类型如何影响转换)。

所以并不是一种测试比另一种更有效——它们只是……不同类型的测试!

误解4:如果一种疗法对一个营销人员有效，那么它对任何营销人员都有效。

虽然有一吨A/B测试案例研究展示某些布局、设计和复制的成功转化率，你不应该盲目追随其他营销人员的成功，而不先自己测试。每个测试情况都是不同的。原来的网站有不同的流量、受众、产品、营销渠道和促销方式，所以适合那个网站的方法不一定适合你的网站。

也就是说，借鉴别人的营销计划可以成为你自己营销活动的一个很好的起点。例如，如果你想提高电子邮件的点击率(CTR)，你可能想尝试使用一个个性化的发件人名称。2011年，我们进行了一次测试，看看在邮件的“发件人”字段中加入HubSpot营销团队成员的个人姓名是否会提高邮件的点击率。在测试中，我们看到对照组(来自“Hubspot”)的CTR为0.73%，而我们的治疗(来自“Maggie Georgieva, Hubspot”)的CTR为0.96%——个性化的“From”领域显然是赢家，有99.9%的信心。

这个测试对我们的观众有效，所以对你们也可能有效。也可能不会。你可以通过A/B测试来测试学习对你的受众和你的营销最好的策略。

误区5:你必须是精通技术的市场营销人员，有大量预算进行a /B测试。

A/B测试并不昂贵。如果你的预算接近于零，你可以使用谷歌Analytics的Content Experiments等免费测试工具。虽然谷歌的工具是免费的，但您必须更精通技术才能实现它。

大多数付费A/B测试工具，包括HubSpot的一体化营销软件雷竞技苹果下载官方版它的前期成本较高，但技术上的挑战要小得多。付费工具显然比免费工具更贵，但你可以更快地降低成本。

除了导航技术和预算问题，你还需要熟练地使用一些数学方法来正确地执行分割测试。所有获胜的测试都必须具有统计学意义，所以你需要知道这意味着什么，以及如何使用它来解释结果。虽然你可以用笔和纸来确定某样东西是否具有统计学意义，但你也可以使用HubSpot的免费A/B测试计算器把它弄清楚。

最终，你需要拥有不同水平的技术和数学知识，这取决于你所拥有的资源，但如果你不介意深入数字和技术，那么预算就不需要成为a /B测试的障碍。reybet雷竞技下载

误解6:A/B测试只适用于流量大的网站。

因为你只需要在A/B测试中研究两种处理方法，所以你不需要大量的访客来测试结果——你只需要达到足够的统计显著性(即你对结果至少有95%的信心)。虽然更多的访问者可以让你更准确地判断哪些是可行的，哪些是不可行的，但a /B测试并不需要一个统一的最低访问者数量。你所需要的只是足够多的人来确保测试具有统计学意义。

也有不少免费工具帮助你找到你需要多少访问者，而不需要统计学的高级学位。

误解7:A/B测试会对SEO产生负面影响。

关于A/B测试的一个常见问题是，它是否会损害你的SEO。人们认为，如果您正在测试相同内容的多个版本，那么您的网站可能会在谷歌的算法中被归类为重复内容，并因此在serp中受到惩罚。

这个流言是完全错误的——事实上，谷歌鼓励你这样做，并给出指导方针如何测试你的内容，以获得更多的访客和转换在你的网站，而不因重复的内容惩罚。这是一个可以在没有A/B测试软件的情况下获得一些技术性的步骤，但这是值得投资的，因为被搜索引擎发现对你的入站营销成功至关重要。雷竞技苹果下载官方版

误解8:如果一种治疗方法立刻脱颖而出，你就不需要继续进行其余的测试。

运行A/B测试时需要记住的最重要的一点是，始终等待结果具有统计学意义。与等待统计上显著的访问者数量一样，运行A/B测试的时间长度应该基于你的置信区间。即使一个测试似乎马上以压倒性的优势获胜，如果样本量和时间框架还没有统计上的显著性，您需要保持测试运行。

如果你在测试能够显示准确数据之前就取消了测试，那么你可能会在营销中选择错误的测试——这是一个潜在的代价高昂的错误。如果您想知道您的测试在达到统计显著性之前需要运行多长时间，请尝试Wingify测试时间计算器．

误解9:赢得治疗总是看起来很漂亮。

你应该将A/B测试放在首位的原因之一是，用数据(而不是主观意见)推动营销。A/B测试一次又一次地证明，登录页面、电子邮件或cta并不总是要看起来漂亮……他们只需要做得比其他选择更好。即使测试并不漂亮，它仍然能够比布局更“漂亮”的测试带来更多转化率。不要依赖于你的设计判断——使用A/B测试结果来指导你的市场营销。

误解10:你只是在衡量一个转化率。

A/B测试结果不应该只停留在一个参数上，你应该检查你的处理方法如何移动多个参数。否则，你可能会错过更大、更重要的见解。

例如，如果您正在使用A/B测试来查看CTA的颜色如何影响您公司博客上的转换，您不会想要只查看您的测试驱动的博客订阅者的数量。raybet电子竞技你想看看有多少访问者转化为潜在客户，又有多少潜在客户转化为客户。你可能会发现，转换了最多订阅者的颜色导致了引线的减少!嘿，如果你的目标是订阅者，即使是以失去线索为代价，那也没关系。或者，它可能会让你恐惧地尖叫，并立即改变颜色，知道更多的用户是不值得的，如果这是牺牲了线索。

无论哪种方式，它都表明了关注的重要性一个分析测试结果时的度量。

误解11:完成A/B测试后，你就完成了。

所以你运行了A/B测试，收集了适当的样本，达到了你的置信区间，其中一个测试赢了……但是你还没有完成。无论你是否发现了显著的结果，你都应该不断测试和优化你的内容，以获得转化率和潜在客户。换句话说，A/B测试不应该是一次性的实验，你可以利用它来不断调整和完善你的市场营销。

例如，假设你使用A/B测试来确定红色CTA按钮比绿色CTA按钮更能提高转化率。现在您知道了使用哪个CTA，您应该尝试测试哪个按钮复制继续提高您的转换率。通过继续使用分割测试，你可以使用数据来驱动你的营销决策，这是一种明智且划算的发展业务的方法!

你发现哪些常见的A/B测试误区被揭穿了?

图片来源:肯的烤箱