A/B 測試 - 工作原理
您可以使用統計資料和分析來監控訪客的操作，以確定哪個版本產生更高的轉化率。A/B 測試結果通常以花哨的數學和統計術語給出，但數字背後的含義實際上非常簡單。您可以透過兩種主要方法檢查使用 A/B 測試的轉化率 -
- 資料抽樣
- 置信區間
讓我們詳細討論這兩種方法。
資料抽樣
樣本數量取決於執行的測試數量。轉化率的計數稱為樣本，收集這些樣本的過程稱為抽樣。
示例
假設您有兩個產品 A 和 B，您想根據其在市場上的需求收集樣本資料。您可以要求一些人從產品 A 和 B 中選擇，然後請他們參與調查。隨著參與者數量的增加，它將開始顯示真實的轉化率。
有各種工具可用於確定正確的樣本量。其中一個可用的免費工具是 -
A/B 測試中的置信區間
置信區間是在多個樣本上對平均值的偏差進行測量。假設在上面的例子中，22% 的人更喜歡產品 A，置信區間為 ±2%。此區間表示選擇產品 A 的人群的上限和下限，也稱為誤差範圍。為了獲得最佳的平均調查結果，誤差範圍應儘可能小。
示例
假設在產品 B 中，我們添加了一個微小的更改，然後對這兩個產品進行了 A/B 測試。產品 A 和 B 的置信區間分別為 10% ±1% 和 20% ±2%。因此，這表明微小的更改提高了轉化率。如果我們忽略誤差範圍，測試變體 A 的轉化率為 10%，測試變體 B 的轉化率為 20%，即測試變體增加了 10%。
現在，如果我們將差異除以對照變體率 10% ÷ 10% = 1.0 = 100%，則表明提高了 100%。因此，我們可以說 A/B 測試是一種基於數學方法和分析的技術。有各種線上工具可用於計算 A/B 顯著性。
廣告