第26部分(第1/4 页)

次做出了某个改变，但后来发现没有用处，退回去重新尝试别的方法就相对简单一些。

？　如果对电子邮件进行测试，要同时发送检测邮件，这样可以消除时间差异。理论上讲，您肯定同时想要测试网站。像Optimost和Inceptor这样的软件平台可以帮助我们做到。

A/B测试

A/B测试—有时叫做A/B分割—是测试电子邮件或网站最简单的方法。把网站访客分为两组，其中的一组看到的是您要测试的原版网页或邮件，另一组看到的是一个替代版本，其中有一个元素稍稍做了改变。然后追踪结果。

例如，假如您想知道促销邮件中的最佳标题。您可以拿出两份独立的邮件，除了标题不同其他都一样，把所有客户分为两部分，分别把这两份邮件发给两部分客户。

要想衡量标题的有效性，就要比较这两部分客户的打开（邮件）率。一旦找到了那个打开率较高的，它就可以成为参照点，然后用它来检测另外一个标题，直到找到最佳的标题为止。这个结果可能会很让您吃惊。在其中一个测试场景中，一个标题的打开率高出其竞争者标题3倍，它们之间的差别非常细微，即使这样小的差别，都会对您的盈亏产生巨大影响！txt电子书分享平台

第五章　优化（9）

对于擅长类比的人来说，A/B测试可以比做眼科检查。医生把您带到一个昏暗的房间，让您盯着一个难看的机器上的小洞，然后问您：“哪幅图画更清晰，更容易看到，　A还是B？”您做出选择后，他对图片做出一点改变，再问：“A还是B？”每次他都做一点小小的调整，为了能得到更好的结果。这个过程一直持续到您可以从小孔中清晰地看到那些图画。

以上类比存在的问题是医生做过种群研究，已经建立了测试标准。他使用的视力表和机器是经过校正的，确保产生准确、可预测、可复制的结果。我们需要处理一些不确定性的东西，但是，测试结果却是非常引人注目的。

一个最佳范例是亚马逊公司几年前做的一个测试。下面是其网页上的“准备购买”区域：

网站一开始使用的是A。网站的图书板块中括号里面的词语被删除，还删除了按钮下边的文字（B）。我们不知道测试背后的目的，但我们始终建议在行动点添加保证条款，然而在亚马逊的网站上还可以找到像A这样的按钮布置。

另外一个例子是ICE公司做过的一项测试，使用的是Visual　Sciences工具。它的目的是提高网站首页列出的特色产品的销售量，决定测试特色产品下的广告词，进而检测效果。它对照一个版本测试了三篇有些微差异的广告词，这四个版本如下图所示（见下页）。

您认为哪个要好一些？就像在A/B测试中一样，我们倾向于某一个版本，并且希望它成为优胜者。对于某些假设，A/B测试给我们一个真实的、由数据驱动的、公正的答案。版本D一开始被认为是赢家，但它导致成本上升了数千美元。

成功测试有用的指导方法

现在您知道测试的价值了，决定学以致用。但是您还是有些担心。怎样才能判断（说服其他人）测试结果是有效的？您进行任何测试，都要知道一些“影响”因素：周期，甚至是时间。您必须在几周内进行连贯的测试。确保样本规模足够大，测试出的不同版本之间的区别是很有意义的数据。

Inceptor的执行副总裁迈克？塞克给我们提出了一些关于分割流量、稳定性、时间的建议：

第一步是要确定怎样分割流量，50/50，90/10或者是80/20。分割是随意的，可以按照时间或来源（喜欢用Google是A类，喜欢用Yahoo的是B类）。第二步，您必须确定测试的稳定性；换句话说，如果访客离开网站然后又返回来，还能看到相同的测试吗？您可以从无稳定性、连接稳定和cookie稳定中选择其一。但至少您应该拥有连接稳定性，即使cookie稳定对追踪隐性转换效果更好。

这是我们关于范例、大小和标准的一些想法。

为了确定您的最终范例规模，您可以进行零点测试（null　test）。零点测试是真正的A/A测试，您自己控制标准，决定结果的集聚点（一般每个点之间有的差异，不过取决于自身情况）。当测试结果汇聚起来时，您就知道需要测试的流量了。

您可以根据一定数量的转换或销售量来决定成功的标准，或者可以在一段时间后（