a b测试ab测试原理( 二 ) _经验知识

三：ab测试工具
今天要跟大家介绍的是为了消除客户体验（UX）设计中不同意见的纷争，根据实际效果确定最佳方案常用的 *** ABtest 。
运用好了在这种 *** ，可以帮助我们达到不同的设计目的；想成为一个优秀的设计师，那就请跟随我从头开始了解它吧。
01 A/B测试是什么A / B测试（也称为分割测试或桶测试）是一种将网页或应用程序的两个版本相互比较以确定哪个版本的性能更好的 ***。
AB测试本质上是一个实验，其中页面的两个或多个变体随机显示给用户，统计分析确定哪个变体对于给定的转换目标效果更好。
随着移动互联网流量红利、人口红利的逐渐衰退，越来越多的产品运营开始
02 测试的目的A / B test可以让个人，团队和公司通过用户行为结果数据不断对其用户体验进行仔细更改；这允许他们构建假设，并更好地了解为什么修改的某些元素会影响用户行为。
A/B test可以持续使用，以不断改善用户的体验，改善某一目标，如随着时间推移的转换率。

文章插图
03 A/B test的流程

确定目标：目标是用于确定变体是否比原始版本更成功的指标。可以是点击按钮的点击率、链接到产品购买的打开率、电子邮件注册的注册率等等。
创建变体：对网站原有版本的元素进行所需的更改。可能是更改按钮的颜色，交换页面上元素的顺序，隐藏导航元素或完全自定义的内容。
生成假设：一旦确定了目标，就可以开始生成A / B测试想法和假设，以便统计分析它们是否会优于当前版本。
收集数据：针对指定区域的假设收集相对应的数据用于A/B test分析。
运行试验：此时，网站或应用的访问者将被随机分配控件或变体。测量，计算和比较他们与每种体验的相互作用，以确定每个用户体验的表现。
分析结果：实验完成后，就可以分析结果了。A / B test分析将显示两个版本之间是否存在统计性显著差异。

04 如何设计AB test了解了流程以后我们可以根据自己的需求来设计AB测试来获得有效信息了。一般会有两种设计思路。
第一种叫单因素实验设计。
所谓单因素实验设计，是指实验中只有一个影响因素变量，其他的内容都保持不变的实验 ***。
举个例子，两个实验组，一组用广告图A，一组用广告图B，这两个组进行实验对比，最后发现B组比A组效果好，那么我们就可以认为这是B广告图的作用。
第二种叫多因素实验设计
多因素实验设计，是指实验中有多个影响因素变量。比如你想同时测试广告图（AB）和广告弹出方式（AB）对转化率的影响，这里面有两个变量，对应的有4种组合条件：

广告A，弹出方式A
广告A，弹出方式B
广告B，弹出方式A
广告B，弹出方式B

多因素实验设计的好处在于，除了可以检测同一个变量、不同实验条件之间的差异之外，还能对变量之间的交互效果进行检验。
用上个例子做说明，如果在单因素AB实验里，我们发现广告A比广告B的效果好，弹出方式A比弹出方式B的效果好，但是广告A+弹出方式A的组合情况却不是最好的，因为他们之间的组合，产生了化学作用。这种情况下，就必须使用多因素实验设计来做。
05 测试案例理论的知识我们都多少明白一些了，那么下面来看看一些案例，看看别人是怎么利用AB测试成功达到目的的，可以带给我们一些灵感思路。
第一个例子是爱彼迎为了增加房源预定而做出的AB测试。
爱彼迎（Airbnb）大家应该都比较熟悉了，是一家提供民宿服务的平台，创建于2007年，现在已经估值约300亿美元。