如何跟受众进行A/B测试，运用数据做改变？

随着客户注意力的扩大和互联网竞争的加剧，转化率优化（CRO）成为营销人员必备的技能。由于转化率实际上是与ROI相关的唯一可衡量指标，因此转化率优化是数字营销策略中最重要的方面之一。即使你对网站转化率的定义不是消费(比如*简讯)，转化率优化的规则还是适用的。不幸的是，当CRO计划实施时，你可以从互联网上找到各种资源，告诉你如改变按钮颜色、添加成功案例、简化网页内容和在线活动。。。停止这些疯狂的行为！在战术修复之前，优化网页的转化率，你只需要做一件事——A/B测试。虽然Brucespringsten在1992年凭借忠实粉丝专辑的销量取得了巨大的飞跃，但它不会带来未来的成功(1992年，Brucespringsten在解散东街乐队的同时推出了专辑《LuckyTown》和《HumanTouch》，由于乐迷的支持，这两张专辑并不像以前那么热，但仍如期登上排行榜)。因此，利用网页分析技术来洞察实时用户反馈，而不是采取一套依靠忠诚度来提高转化的策略。因此，使用网页分析技术来洞察实时用户反馈，而不是采用依靠忠诚度来提高转换的策略。基于用户真实行为的实时用户反馈数据可用于优化网站的任何区域。还有什么比这更好的呢？当然，你可能对用户更喜欢什么以及如何消费内容有直觉，这给我们带来了...A/B测试规则1：忘记你认为你已经知道的客户的一切。基于年龄、性别、地位或收入，人们很容易尝试假设客户。尽量不要做这个假设！客户分析曾经是定位目标客户的最佳方式(唯一方式)。是的，它在营销中仍然有自己的地位。然而，在数字时代，我们有很多选择！我们不需要依靠细分来提供超个性化的体验。人们很容易基于年龄、性别、地位、收入或观众的假设。在可能的情况下抵制诱惑！客户分析曾经是目标客户最好的方式(唯一的方式)；是的，它仍然有其营销到位。然而，在数字时代，我们有很多选择！不再这样做，我们必须依靠细分来提供超个性化的体验。现在我们有能力利用数字接触点的杠杆作为了解每个客户偏好的机会。A/B测试规则2：总是建立一个基线。假如你和我一样，把提高转化率作为直接目标，而且非常焦虑。然而，在开始高风险A/B测试（或低风险A/B测试）之前，提前估算时间以建立当前的测量基准。如果你不知道当前的转化率是多少，你怎么知道未来的测试是如何成功的？(更多请参见规则5)A/B测试规则3：对别人有效并不意味着对你有效。如果转化率优化是一个重复的过程，每个网站都以同样的方式进行优化，那么就没有必要进行测试。营销人员知道所有电子商务网站的运作方式，每个人都遵循同样的规则。不幸的是，这是不可能的（同样的事情太无聊了），这就是为什么你需要根据你独特的内容和观众进行A/B测试。当然，你可以参考别人优化转化率的想法，但不要期望同样的结果。例如，假设ABC销售鞋带，XYZ销售企业软件，显然，即使有相同的客户，两家公司的购买周期看起来也完全不同。ABC发现CTA（call-to-action）从红色到绿色的按钮可以增加75%的销售额，但XYZ公司不太可能会遇到类似的结果。A/B测试规则4：同时只测试一个变量。这是不言而喻的，这里提到的是因为它真的很重要。在运行试验中，同时只测试单个变量可以使试验结果具有可读性。如果你在改变标题的同时改变导航栏，你能知道变量促成了最大的转换吗？专业建议：如果您正在进行标题测试，以确保整个销售渠道的其他部分也使用标题，一致性将有助于获得信任。A/B测试规则5：达不到统计信心，不算成功。A/B测试中的统计置信度是指同一测试在未来再次运行时可以预期相同的结果。换言之，它告诉你你对测试结果的可信度有多大的把握。比如你在购物车页面上运行A/B测试，版本A使用单选按钮，版本B使用下拉菜单。结果B版转化率提高了75%。显然，B的版本赢了，对吧？不尽然，还需要考虑以下三个事实。1.样本尺寸：在上述情况下，如果样本尺寸为4人，则只有3人喜欢下拉菜单。当然，这个结果很好。但在1000个样本大小的情况下，这种结果的可能性极低。因此，这种结果是低置信水平的。2.比例：A.B测试结果的准确性也取决于你的误差。如果样本大小为500人，99%的客户喜欢下拉菜单，你可以相当肯定你的误差很低。但是51%的客户喜欢下拉菜单，49%的客户喜欢单选按钮，随机性造成了很大的误差。你应该继续测试，直到你达到更高的信心水平。3.受众规模：如果受众规模为2.5万，而您的样本大小为25，则也会产生低水平的测试。A/B测试规则6：先走再跑，不要本末倒置。这句谚语在商业上得到了证实，A/B测试也不例外。伴随着顾客观念和期望的演变，转化率优化的方式也在不断变化。你会犯一些错误，从错误中吸取教训，最终通过练习掌握A/B测试。A/B测试规则7：获得第二个意见，或第三个意见，第四个意见。用户测试从来没有现在这么重要，也从来没有这么简单。即使你没有昂贵的用户体验（UX）该部门还可以获得一些免费和低成本的服务来动态地提供可用性测试，如：PeekUserTesting：Peek是收集网站定性反馈的一种非常简单快捷的方式。优点：公平、详细、免费的信息反馈。缺点：测试目标受众以外的界面并不总是有意义的，此外，收集大量反馈过于费时。AmazonTurk：通过定量研究的方法，如调查优势：价格便宜、可扩展、定量，可以提前选择测试人员的资格标准，让您在短时间内收集大量真实人群的反馈。缺点：通常是通过调查引擎进行的，需要引入人工过滤。底线：任何反馈都比没有反馈好！A8./B测试规则：用户行为数据与客户调查数据之间可能存在冲突。调查在营销中起着一定的作用，但要意识到它可能不会像你的网站分析那样捕获真实的行为反馈。这是因为调查中的原始行为数据不能排除偏见。例如，假设您需要为即将到来的会议打印重要文件，打印几页后，您会发现您需要更换墨盒。如果你现在问你如何解决这种特殊情况？在进一步阅读其他建议之前，请停下来想想你的诚实答案。您可能会说，更改墨盒并继续打印文件。如果是调查，我会接受这个作为你的答案。在用户测试环境下，我发现你踢了4次打印机，清理了卡纸，然后按了7次取消键，最后更换了墨盒。在整理文件时，你把咖啡洒在衬衫上，你很沮丧，不得不重新安排会议。你没有在调查中撒谎，毕竟，你换了墨盒。但在这样的调查中，我会错过更换墨盒前后的所有额外行为数据。A/B测试规则9：明确定义你的成功指标。永远不要忘记你最终的成功指标。转化率优化是关于转化率的，而不是关于开放率、点击率、微博、分享或pinterest。除非微博转发和贴图分享是你网站的转化率。底线：心中有一个目标，并围绕这个目标优化内容。一切都是为了关键绩效指标（KPI）。A/B测试规则10：不要做毫无价值的测试。这句话可以追溯到直邮期，仍然适用于网络营销。用你的尝试，相信自己的直觉，注意最重要的测试，避免测试对提高转化率影响不大的元素。从485个实际测试意见中选出最值得的一个。奖金黑客转化率优化不仅是为了让更多的人点击你的按钮，也是为了向正确的观众提供正确的内容，并鼓励他们在正确的时间点击正确的按钮。如果你在数据的基础上优化整个网站的A/B测试，转化率仍然低于预期，也许你的指标设置错了。比如你在做杯装蛋糕的生意，网站的转化率是2%。在这种情况下，转换的定义是为客户下订单购买蛋糕，这些问题需要考虑。2%的转化率是基于所有的网络流量吗？还是只看“如何订购”页面？点击“如何订购”页面的流量源是什么？跳出率最高的流量从何而来？用户行为模式的最终转换是什么？他们看视频了吗？浏览你的照片库？阅读客户推荐？最后也是最重要的问题:如何利用这些数据取得更好的效果？通过切片切割你的网站分析数据，有几件事可能会发生：你可能会发现你需要改进你的网站或搜索策略，你可能会发现你的转化率高于你最初估计的。这种练习可以帮助你优化A/B测试日程，无论如何。最后，除了优化访问速度和移动终端适应性的基本功能外，转化率优化没有真理或密度。唯一确定的方法是与观众一起进行A/B测试，然后根据数据进行更改。