如果我们总能知道人们是如何对我们提供的线索和刺激进行思考和行动的，那不是很好吗?然后，我们就能够正确地创建网站和提供，将有100%的转化率。那该多好啊?
唉，在现实世界中这不是真的。这就是为什么我们使用A / B测试找到将我们的信息传达给观众的最佳方式。
A/B测试，也被称为分割测试，是一种我们可以比较两个变量，以确定哪个变量能产生最好的访问者反应的方法。通过这样做，我们能够更多地了解我们的目标受众的行为，以改善我们的信息，带来更多的流量，从而，更多的转换。根据轮毂点对于B2B网站和电子商务网站来说，测试登陆页面可以增加30% - 40%的潜在客户，而对于电子商务网站来说则可以增加20% - 25%。
了解A/B测试对于增加潜在客户有多重要，尽快开始试验非常重要。以下是关于a/B测试的几个最常见问题，有助于您入门：
1.为什么要进行A/B测试?
如果你读过任何关于创业公司的书，你可能听说过失败通往成功或从失败中学习的原则。生活中的大多数事情都是如此，营销也不例外。
市场营销总是在变化，了解哪些有效，哪些无效的最好方法是通过反复试验。但是，您不想仅仅依靠猜测，这就是A/B测试发挥作用的地方。记住：你的目标受众是各种各样的真实个体的集合；他们不会总是按照我们期望的方式行事。
2.你应该测试什么?
从简单开始。找出要测试的页面或电子邮件，然后确定要测试的元素（也称为变量）。要选择要测试的最佳页面，请问自己以下两个问题：
- 哪些页面的流量最高?
- 你的主要目标是什么行动呼吁(CTA) ?
登陆页面非常适合A/B测试，因为它们比较隐蔽，不应该影响网站页面的其他部分。此外，在决定测试哪个变量时，要考虑这对转化率影响最大。例如，CTA按钮和副本通常是要测试的第一个变量，但您可以使用标题、电子邮件主题行、图像等进行试验。
3.实验应该运行多长时间（直到被认为成功）？
首先，你必须确保你有一个明确的测试目标;如果你没有明确的赢家，那么你的测试就是不确定的，你应该允许测试继续进行。尽管如此，在决定是否结束考试并宣布获胜者时，还是有一些因素需要考虑。
统计显著性
首先要考虑的数字是统计显著性，应该是95%或更高。如果你有99%的统计显著性，这意味着有1%的概率数据是错误的。从本质上说，这是说，结果不太可能是偶然的，而是由你引入的特定变化造成的。
标准偏差
另一个需要考虑的数字是转化率的标准差。标准偏差测量的是从平均值变化的量。虽然转化率是你用来衡量A/B测试成功与否的指标，但你需要确保转化率的范围(即转换范围)不会重叠。测试的两个页面的转换范围之间应该有明显的区别。
例如，如果页面变体a的标准偏差为1%，转换率为5.5%，则转换范围为4.5%到6.5%。如果页面变体B的标准偏差为2%，转换率为7%，则此页面的转换范围为5%到9%。如您所见，这两个页面的转换范围存在重叠。发生这种情况时，您希望允许测试继续进行，直到两个转换范围之间有明确的区别，从而确定明确的获胜者。
样本大小
在测试之前，你必须考虑的第三个数字是样本大小。这代表了参加你的实验的人数，为了统计显著性，这个数字应该很大。HubSpot的建议电子邮件A/B测试至少有1000个联系人，但您也可以用计算器确定你是否有一个重要的样本量。
4.我们应该多久进行一次A/B测试?
这是一个没有数字答案的问题，因为这取决于你是否有充分的理由进行测试。你做的每一次测试都必须有一个明确的目标。
5.什么是多元检验？它与A/B测试有何不同？
虽然A/B测试允许您测试两个变量以从中选择更好的变量，但多元测试允许您同时测试多个变量。然而，统计上显著的多变量测试需要极高的流量（即Google、YouTube和Facebook获得的流量类型）。
现在怎么办？
A/B测试并不困难，很多软件平台都有这个功能，包括HubSpot。如果您对我们的A/B测试有任何问题或想法，请告诉我们通过推特我们@smartbugmedia!
