A/B 測試 - 快速指南
A/B 測試 – 概述
A/B 測試（也稱為分割測試）定義了一種比較應用程式或網頁的兩個版本的方法，使您可以確定哪個版本效能更好。它是分析應用程式或網頁以建立新版本的最簡單方法之一。此後，可以比較這兩個版本以查詢轉化率，這更有助於找到這兩個版本中效能更好的一個。
示例
讓我們假設有一個網頁，所有流量都導向到此頁面。現在，作為 A/B 測試的一部分，您對同一頁面進行了一些小的更改，例如標題、編號等，並將其中一半的流量導向到此網頁的修改版本。現在您有了同一網頁的 A 版本和 B 版本，您可以使用統計資料和分析監控訪問者的行為，以確定哪個版本產生更高的轉化率。
轉化率定義為網站上的任何訪問者執行所需操作的例項。A/B 測試使您可以確定適合您業務的最佳線上營銷策略。請檢視以下示例。它顯示 A 版本的轉化率為 15%，B 版本的轉化率為 22%。
A/B 測試 - 工作原理
您可以使用統計資料和分析監控訪問者的行為，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。您可以透過兩種重要方法使用 A/B 測試檢查轉化率：
- 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，您想根據其市場需求收集樣本資料。您可以請一些人從產品 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。一個可用的免費工具是：
A/B 測試中的置信區間
置信區間是對多個樣本平均值的偏差測量。讓我們假設在上述示例中，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 的人數的上限和下限，也稱為誤差幅度。為了獲得此平均調查的最佳結果，誤差幅度應儘可能小。
示例
讓我們假設在產品 B 中，我們添加了一個小的更改，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，這表明一個小小的更改增加了轉化率。如果我們忽略誤差幅度，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%，則表明改進率為 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。
A/B 測試 - 為什麼使用？
A/B 測試用於根據從資料中得出的結果做出業務決策，而不是僅僅進行預測。它允許您建立網站或應用程式的變體，然後幫助您確認或放棄您做出的更改決定。
此測試允許您以提高轉化率的方式最佳化您的網站或應用程式。更高的轉化率意味著從現有使用者那裡獲得更多價值，而不必在流量獲取上花費更多。A/B 測試還可以幫助您改變業務中的其他因素，例如改變工作文化等。它幫助您使用數學資料和統計資料來確定產品變體的方向。
無論您是設計師、業務分析師還是開發人員，A/B 測試都提供了一種簡單的方法，可以使用資料和統計的強大功能來降低風險、改善結果並使您的工作更具資料驅動性。
要執行 A/B 測試，您應考慮以下幾點：
如果有可能以 >5% 的機率擊敗原始變體，則始終執行 A/B 測試。
測試應執行相當長的時間，以便您有足夠的樣本資料來執行統計和分析。
A/B 測試還使您可以從網頁上的現有流量中獲得最大收益。與在您的網站上設定流量的成本相比，提高轉化率的成本極低。A/B 測試的投資回報率 (ROI) 非常高，因為網站上的一些小改動可能會導致轉化率大幅提高。
A/B 測試 - 測試什麼？
A/B 測試是關於建立應用程式或網站的多個變體，然後使用樣本比較所有這些版本以確定具有最大轉化率的最佳變體。可以應用於網頁或應用程式的不同型別的變體。A/B 測試不僅限於應用程式或網頁，因為您也可以為其他產品建立變體。網頁上任何可能影響訪問者瀏覽網站時的行為的內容都可以使用 A/B 測試進行測試。
以下是可應用於網頁的 A/B 測試變體的列表：
- 標題
- 副標題
- 影像
- 文字
- 號召性用語文字和按鈕
- 連結
- 徽章
- 媒體提及
- 社交媒體提及
- 促銷和優惠
- 價格結構
- 送貨方式
- 支付方式
- 網站導航和使用者介面
有各種工具可用於建立變體，您將在本教程的後面部分詳細瞭解。
A/B 測試 – 流程
A/B 測試包括一系列流程，必須按順序遵循這些流程才能得出現實的結論。在本章中，我們將詳細討論 A/B 測試流程的步驟，您可以使用這些步驟在任何網頁上執行測試：
背景研究
背景研究在 A/B 測試中起著關鍵作用。第一步是找出網站的跳出率。這可以使用 Google Analytics 等幾種廣泛可用的背景研究工具來完成。
收集資料
來自 Google Analytics 的資料可以幫助您瞭解網站上訪問者的行為。始終建議從網站收集足夠的資料。嘗試查詢轉化率低或放棄率高的頁面，以便進一步改進。還要計算每天所需的訪問者數量，以便在網站上執行此測試。
設定業務目標
下一步是設定您的業務或轉化目標，這將有助於理解目標是什麼。完成後，您可以找到確定新版本是否比其原始版本更成功的指標。
構建假設
一旦為 A/B 測試設定了目標和指標。下一步是尋找如何改進原始版本以及如何使其比當前版本更好的方法。一旦您有了想法列表，請根據預期的影響和實施難度對它們進行優先排序。
例如，最有效的方法之一是在網站上新增影像，這將有助於在一定程度上降低跳出率。
建立變體/假設
市場上有很多 A/B 測試工具具有視覺化編輯器，可以有效地進行這些更改。成功執行 A/B 測試的關鍵決定是選擇正確的工具。一些最常用的工具包括：
- Visual Website Optimizer (VWO)
- Google 內容實驗
- Optimizely
可以使用不同的變體應用於物件，例如使用專案符號、更改關鍵元素的編號、更改字型和顏色等。
執行變體
向訪問者展示網站或應用程式的所有變體。將監控每個變體的行為。此外，測量每個變體的訪問者互動情況，並進行比較以確定特定變體的效能。
分析資料
此實驗完成後，下一步是分析結果。A/B 測試工具將顯示實驗資料，並告知您網頁不同版本之間效能和效率的差異。它還將使用數學方法和統計資料顯示變體之間是否存在顯著差異。
例如，如果網頁上的影像降低了跳出率，您可以新增更多影像以提高轉化率。如果您沒有看到因此而跳出率發生變化，請返回上一步以建立新的假設/變體以執行新的測試。
A/B 測試 - 收集資料
來自 Google Analytics 的資料可以幫助您瞭解訪問者的行為。始終建議從網站收集足夠的資料。嘗試查詢轉化率低或放棄率高的頁面，以便改進。在本章中，我們將討論一些可用於收集 A/B 測試資料的工具。
Google Analytics / Mixpanel（分析工具）
大多數網站都安裝了 Google Analytics，以瞭解訪問者如何與網站互動。如果您沒有安裝 Google Analytics 來監控流量，您可以從網際網路上安裝它。Google Analytics 是最好的免費分析工具之一。
要在您的網站上安裝 Google Analytics，您可以簡單地複製程式碼並將其部署到您的網站上，您將獲得大量可使用的資料。您還可以自定義工具以滿足您的業務目標。
Mouseflow / Crazy Egg（回放工具）
回放工具用於更好地瞭解使用者在您網站上的行為。它還允許您檢視使用者點選的地圖和熱圖，以檢查使用者在網站上瀏覽的程度。
像 Mouseflow 這樣的回放工具允許您檢視訪問者的會話，就好像您與訪問者在一起一樣。影片回放工具可以更深入地瞭解訪問者瀏覽您網站上的各個頁面時的感受。
WebEngage（調查工具）
調查工具用於收集來自網站的定性反饋。這包括向回頭客詢問一些調查問題。此調查會向他們詢問一般性問題，並允許他們輸入意見或從預先提供的選項中進行選擇。
其他工具 – 聊天、郵件
即時聊天功能允許訪客快速獲得客戶服務團隊的答案，並幫助更快地解決問題。這也有助於您收集訪客的一般性問題，並收集測試資料。
A/B 測試 – 確定目標
下一步是設定您的轉化目標。找到能夠確定變體是否比原始版本更成功的指標。目標源於您的業務目標，例如，如果您需要增加服裝銷售額，目標可以是：
- 清晰的產品圖片。
- 提高網站訪問率。
- 降低購物車放棄率。
接下來是定義符合您業務目標的指標。只有當一個指標衡量的是與您的目標相關的東西時，它才成為**關鍵績效指標 (KPI)**。
示例 1
您的服裝店的業務目標是銷售服裝，因此該業務目標的 KPI 可以是線上銷售的服裝數量。您需要明確定義您的業務目標，否則您將無法識別您的 KPI。如果您正確設定 KPI 並定期衡量它們，您將保持策略的正軌，以建立變體並執行 A/B 測試。接下來是為您的業務目標找到目標指標。
示例 2
您的服裝店上週銷售了 100 件產品。這是可以接受的還是不好的？為了讓您的 KPI 對您有所意義，它們需要目標指標。為對您重要的每個 KPI 定義一個目標。一旦您定義了業務目標和目標指標，您就有了框架，這將有助於確定您將要做的工作是否與您的業務目標相關。
A/B 測試 - 生成假設
確定業務目標後，下一步是生成 A/B 測試創意和假設，解釋為什麼您認為它們會比當前版本更好。列出您認為可以建立的所有假設，根據預期影響和如何使用各種工具實施它們來優先考慮所有變體。
示例
您可以透過在底部新增更多圖片來降低跳出率。您還可以新增各種社交網站的連結以提高轉化率。
A/B 測試 - 建立變體
A/B 測試是關於建立應用程式或網頁的新版本，然後比較所有版本以檢視轉化率。您可以透過分析統計資料來檢查新的變體來提高轉化率。
可以對物件應用不同型別的變體，例如使用專案符號、更改關鍵元素的編號、更改字型和顏色等。市場上有很多 A/B 測試工具具有視覺化編輯器，可以有效地進行這些更改。成功執行 A/B 測試的關鍵決定是選擇正確的工具。一些最常用的工具包括：
- Visual Website Optimizer (VWO)
- Google 內容實驗
- Optimizely
Visual Website Optimizer (VWO)
Visual Website Optimizer 使您可以測試同一頁面的多個版本。它還包含“所見即所得 (WYSIWYG)”編輯器，使您可以進行更改並執行測試，而無需更改頁面的 HTML 程式碼。您可以更新標題、元素編號並執行測試，而無需對 IT 資源進行更改。
要在 VWO 中建立用於 A/B 測試的變體，請在 WYSIWYG 編輯器中開啟您的網頁，然後您可以對網頁應用以下更改：
- 更改文字
- 更改 URL
- 編輯/編輯 HTML
- 重新排列
- 移動
- 調整大小
- 隱藏
- 刪除
- 更改 CSS
Google 內容實驗
這允許您建立最多五個任何網頁的變體，然後將所有頁面載入到 Google Analytics 中以執行 A/B 測試。Google 內容實驗用於衡量所有變體的結果，並確定具有最高轉化率的變體。使用 Google 內容實驗的主要優點是它是 Google 的免費軟體，但是您必須將變體載入到 Google Analytics 中才能執行測試。
Optimizely
Optimizely 是一款用於執行 A/B 測試、多變數測試的工具，可以在網頁或移動應用程式上使用，並允許您比較網頁或應用程式的不同版本，以確定哪個變體可以為您的業務提供更好的轉化率。
該軟體可以透過執行單行 JavaScript 程式碼段在您的網頁上執行。程式碼段定義為單行程式碼，它將在您的網站上載入 Optimizely 並更改訪客在您網站上的體驗。
要使用 Optimizely 測試移動應用程式，它透過 iOS 和/或 Android 的軟體開發工具包 (SDK) 執行。在您的網頁上執行的 Optimizely 收集網站訪客和轉化率的資料，並在統計引擎上執行它們，以確定哪個變體是贏家或輸家。一旦將這些統計資料與目標和設定指標進行比較，它們將幫助您做出關於要應用於網站的變體的決策。
Optimizely 允許您執行以下測試：
- 比較不同 URL 的 A/B 測試。
- 跨多個頁面、流程等執行的 A/B 測試。
- 為不同的受眾群體執行不同的變體。
- 對所有訪客應用網頁的熱修復。
A/B 測試 - 執行實驗
它涉及向訪客展示您的網站或應用程式的所有變體，並監控每個變體的行為。衡量每個變體的訪客互動，並進行比較以確定此變體的效能。
如前一章所述，有各種工具可用於生成假設和執行變體：
- Visual Website Optimizer (VWO)
- Google 內容實驗
- Optimizely
Visual Website Optimizer
有各種 A/B 測試工具允許營銷專業人員使用點選式編輯器建立其網頁的多個變體。它不需要任何 HTML 知識，您可以檢查哪個版本產生最大的轉化率或銷售額。
執行 VWO 分裂測試軟體非常簡單，您只需要將程式碼段複製貼上到您的網站中，就可以輕鬆地讓訪客訪問它。Visual Website Optimizer 還提供多變數測試選項，幷包含其他許多工具來執行行為定向、熱圖、可用性測試等。
VWO 中的多個功能確保此工具涵蓋了您所有的轉化率最佳化活動。許多企業和小型線上商店都在使用 A/B 測試 VWO 軟體進行登入頁面最佳化，以增加其網站銷售額並提高轉化率。
公司還提供 30 天試用版，可從以下網址免費下載：https://vwo.com/
VWO 的一些主要功能如下：
- 測試和實驗
- 視覺化編輯器
- 分析和報告
- 熱圖和點選圖
- 平臺和整合
它是如何工作的？
在您的網頁上執行的 Optimizely 收集網站訪客、轉化率的資料，並在統計引擎上執行它們，以確定哪個變體是贏家，哪個是輸家。一旦將這些統計資料與目標和設定指標進行比較，它將幫助您做出關於要應用於網站的變體的決策。
Google 內容實驗
它允許您建立最多五個網頁變體，然後將所有這些頁面載入到 Google Analytics 中以執行 A/B 測試。
要開始使用 Google Analytics，您需要擁有一個**Google Analytics 帳戶**和一個安裝在您網站上的跟蹤程式碼。如果您沒有帳戶，您可以使用以下工具註冊：http://www.google.com/analytics/
直接將跟蹤程式碼新增到網站
要完成此過程，您必須可以訪問您的網站原始碼，您還應該能夠輕鬆編輯 HTML（或者有一位可以幫助您完成此操作的網站管理員/開發人員），並且您還應該已經設定了 Google Analytics 帳戶和屬性。
將跟蹤程式碼設定到您的網頁中
找到跟蹤程式碼段，登入您的 Google Analytics 帳戶，然後選擇頂部的“管理員”選項卡。
轉到“帳戶”和“屬性”選項卡，選擇您正在使用的屬性。點選“跟蹤資訊”→“跟蹤程式碼”。您可以點選圖片檢視在您的 Analytics 帳戶中查詢跟蹤程式碼的位置。
找到您的跟蹤程式碼段。它位於一個包含幾行 JavaScript 程式碼的框中。此框中的所有內容都是您的跟蹤程式碼段。它以``結尾。
跟蹤程式碼包含一個與每個 Google Analytics 屬性相對應的唯一 ID。不要混淆來自不同屬性的跟蹤程式碼段，也不要在多個域上重複使用相同的跟蹤程式碼段。
複製程式碼段並貼上到您要跟蹤的每個網頁中。將其立即貼上到結束標籤``之前。
如果您使用模板動態生成網站頁面，您可以將跟蹤程式碼段貼上到其自己的檔案中，然後將其包含在頁面標題中。
驗證跟蹤程式碼是否有效
您可以驗證跟蹤程式碼是否有效，檢查即時報告，您還可以監控使用者活動。如果您在這些報告中看到資料，則表示您的跟蹤程式碼當前正在收集資料。
內容實驗
內容實驗是測試網頁（登入頁面、主頁、類別頁面）的**最快方法之一**，它需要較少的程式碼實現。它可用於在 Google Analytics 中建立 A/B 測試。
內容實驗的一些最常見功能包括：
您需要使用原始頁面指令碼執行測試，標準 Google Analytics 跟蹤程式碼將用於衡量目標和變體。
在 Google Analytics 中定義的目標可以作為實驗目標使用，包括 AdSense 收入。
Google Analytics 分段構建器可用於根據任何分段標準分段結果。
它允許您設定在 3 個月後自動過期的測試，以防止測試持續執行，如果它們不太可能有統計學意義上的贏家。
如何使用內容實驗建立 A/B 測試？
進入“行為”部分，點選“實驗”連結。您會看到一個包含所有現有實驗的表格。點選表格頂部的“建立實驗”選項。
輸入以下資訊：實驗名稱、實驗目標、參與網站流量的百分比、任何重要更改的郵件通知、將流量分配到所有變化版本的方式、實驗執行時間以及閾值。
您可以新增原始頁面和所有想要建立的變化版本的URL，然後點選下一步按鈕。選擇實現方法並點選下一步按鈕→點選驗證（如果您已實現程式碼，它將進行驗證。如果沒有程式碼，它將顯示錯誤訊息）→啟動實驗。
實驗執行後，您將看到以下選項：
轉化率
停止實驗
重新驗證
停用變化版本
細分——它允許您檢視每個變化版本在您網頁上的每個訪客細分中的表現。
A/B 測試 - 分析結果
實驗完成後，下一步是分析結果。A/B 測試工具將呈現實驗資料，並告訴您網頁上不同變化版本的表現差異，以及是否在變化版本之間存在顯著差異（藉助數學方法和統計學）。
示例
如果網頁上的圖片降低了跳出率，您可以決定它是否具有良好的轉化率，然後您可以上傳更多圖片到網頁上。如果您沒有看到跳出率因此而發生變化，請返回上一步並建立一個新的假設/變化版本來進行新的測試。
VWO和Optimizely等工具用於執行測試，但Google Analytics最適合執行測試後分析。此分析用於決定未來的方向。A/B 測試工具會告知測試結果，但還需要進行事後分析。要進行事後分析，您需要將每個測試與Google Analytics整合。
VWO和Optimizely都提供內建的Google Analytics整合功能。這兩個工具的每個測試資料都應傳送到Google Analytics。這樣做可以增強您的分析能力並確保測試資料的準確性。您的測試工具可能記錄資料不正確，如果您沒有其他測試資料來源，您永遠無法確定是否應該相信它。
A/B 測試 - 工具
有各種工具可用於生成假設和執行變化版本，包括：
- Visual Website Optimizer (VWO)
- Google 內容實驗
- Optimizely
所有這些工具都能夠執行A/B測試並找到獲勝者，但要進行事後分析，這些工具應與Google Analytics整合。
A/B測試 – Google Analytics
Google Analytics有兩種分析資料的方法：
- 通用分析
- 經典Google Analytics
新的通用分析功能允許您同時使用20個A/B測試並將資料傳送到Google Analytics，而經典版本最多允許5個。
將Optimizely與Google通用分析整合
要將Optimizely整合到Google通用分析中，首先選擇其側面板上的“開”按鈕。然後，您必須有一個可用的自定義維度來填充Optimizely實驗資料。然後，必須將跟蹤程式碼放置在頁面`
`部分的底部。除非Optimizely程式碼段位於此Analytics程式碼段之上，否則Google Analytics整合將無法正常執行。
配置步驟
Optimizely使用Google通用分析的“自定義維度”為您的訪客新增已新增實驗和變化版本標籤。將Optimizely配置為開始將此資訊傳送到通用分析需要四個步驟：
步驟1
將以下JavaScript程式碼新增到您的網站上，位置為通用分析程式碼存在的位置，在`ga('create'...)`函式觸發之後和通用分析`ga('send','pageview')`函式觸發以及跟蹤呼叫之前（請參見下一節中的詳細資訊）：
// Optimizely Universal Analytics Integration
window.optimizely = window.optimizely || [];
window.optimizely.push("activateUniversalAnalytics");
步驟2
在Optimizely編輯器中，轉到“選項”→“整合”，然後單擊“通用分析”複選框以啟用整合。
步驟3
選擇您希望Optimizely使用的自定義維度。您必須確保自定義維度尚未被您網站的任何其他部分或其他正在執行的Optimizely實驗使用。
步驟4
如果您使用的是除預設跟蹤器以外的自定義事件跟蹤器，請選擇自定義跟蹤器。這將更改Optimizely的整合呼叫以使用自定義跟蹤器而不是預設跟蹤器。
示例
假設您的網站正在使用以下呼叫：
ga('tracker3.send', 'pageview');
在這種情況下，您將在指定自定義跟蹤器欄位時輸入tracker3，Optimizely將與tracker3整合，而不是預設跟蹤器。
使用Google Analytics建立自定義報表
第一步是登入您的通用分析帳戶並點選頂部的“自定義”選項卡。您應該會看到一個“自定義報表”列表。
接下來是為已與通用分析整合的每個實驗設定自定義報表。
點選“新建自定義報表”→輸入報表標題並新增您希望在報表中檢視的指標組。
要僅針對您的Optimizely實驗過濾此報表，請選擇您之前設定的自定義維度作為維度細分之一。
在“過濾器”部分新增此維度，並對要過濾的實驗的實驗ID使用正則表示式匹配。
點選“儲存”。
A/B 測試 - 多元測試
與A/B測試一樣，多變數測試基於相同的機制，但它比較的變數數量更多，並提供有關這些變數行為的更多資訊。在A/B測試中，您將頁面的流量拆分為不同版本的頁面設計。多變數測試用於衡量每個設計的有效性。
示例
假設有一個網頁收到了足夠的流量來執行測試。現在，比較每個變化版本的資料以檢查最成功的變化版本，但也包括對訪客互動產生最大積極或消極影響的元素。
使用多變數測試的優點
多變數測試是一種有效的工具，可以幫助您定位和重新設計頁面的元素，並顯示將產生最大影響的區域。多變數方法可用於建立登陸頁面活動。
示例
某個元素設計的相關資料可以應用於未來的活動，即使元素的上下文已更改。
侷限性
多變數測試的侷限性在於完成測試所需的流量。由於所有實驗都是完全析因的，因此同時更改過多的元素會迅速增加必須測試的可能組合的數量。即使是流量相當高的網站也可能難以在可行的時間內完成超過25種組合的測試。
多變數測試和A/B測試的區別
A/B測試（也稱為拆分測試）是一種網站最佳化方法，您可以在其中比較頁面的兩個版本的轉化率，即A和B。所有訪問者都被分成一個版本或另一個版本。一旦訪問者訪問了這些版本（A或B）中的任何一個，他們就會點選各種按鈕，甚至註冊新聞通訊。這使您可以確定哪個版本的頁面更有效。
A/B 測試 - 搜尋引擎最佳化 (SEO)
SEO是一種將您的網站顯示在頁面頂部的方法，當搜尋與這些相關專案時。它包括您的網站向訪問者提供的的資訊以及為什麼網頁內容與在搜尋結果中排名靠前相關。許多潛在客戶認為A/B測試或多變數測試會影響他們的搜尋引擎排名。
有四種方法可以確保您執行A/B測試，而無需擔心失去潛在的SEO價值。
不要使用隱藏技術
當您向Googlebot代理顯示一個版本的網頁，而向網站訪問者顯示另一個版本時，稱為隱藏技術。Google表示您不應該使用隱藏技術，並且對此非常嚴格。它甚至可能導致您的網站被排除在搜尋結果之外或在SEO排名中被降級。您必須確保您不應根據使用者代理在A/B測試的不同版本之間分配訪問者。Google並不關心其機器人看到哪個版本，它只關心其機器人的使用者體驗與隨機訪問者的使用者體驗相同。
使用“rel=canonical”
當您的A/B測試有多個URL時，您可以向網頁新增“rel=canonical”以指示Google要索引哪個URL。Google建議使用canonical元素，它是一個noindex標籤，因為它更符合其意圖。您只是指示哪個內容是原始內容。透過這種方式，Google可以相應地對頁面進行分組和索引。
注意——如果無法使用canonical，則必須確保HTML或HTTP標頭中存在noindex標籤，如果沒有，則應至少確保它具有robots.txt。
使用302重定向而不是301重定向
Google建議使用臨時重定向方法——302重定向而不是永久301重定向。在任何A/B測試中，它都不是永久性重定向，而只是一個臨時性重定向。始終建議使用302重定向，因為它是一個臨時重定向的通知。因此，如果您正在使用重定向進行A/B測試，請確保使用302標頭。
考慮SEO最重要的點是，您必須向搜尋引擎明確表示，它們不應將其原始URL從其索引中刪除，而只是暫時將其擱置。當蜘蛛返回進行下一次索引時，它們將再次檢查重定向是否仍然適用，如果不適用，則將恢復舊URL。
不要長時間執行實驗
請注意，當您的A/B測試完成後，您應儘快刪除變化版本，更改網頁並開始使用成功的轉化版本。您必須確保刪除測試的所有元素，例如備用URL和測試指令碼。
如果您長時間執行測試，Google會將其視為愚弄搜尋引擎的一種方式。當您長時間向大量訪問者顯示測試變體時，就會發生這種情況。
A/B 測試 - 面試問題
A/B測試（也稱為拆分測試）定義了一種比較應用程式或網頁的兩個版本的方法，使您能夠確定哪個版本的效果更好。A/B測試是最簡單的方法之一，您可以修改應用程式或網頁以建立新版本，然後比較這兩個版本以查詢轉化率。這還可以讓我們知道兩者中哪個表現更好。
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。
置信區間被稱為偏差測量，指的是對多個樣本平均值的偏差。假設22%的人喜歡產品A，置信區間為+/- 2%。此區間表示選擇產品A的人數的上限和下限，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。
如果存在超過原始版本5%的改進機率，則始終進行A/B測試。測試應執行相當長的時間，以便您擁有足夠的樣本資料來進行統計和分析。A/B測試還可以幫助您最大限度地利用網頁上的現有流量。
與建立網站流量的成本相比，提高轉化率的成本微乎其微。A/B測試的投資回報率 (ROI) 非常高，因為網站上的一些微小更改可能會導致轉化率顯著提高。
與A/B測試一樣，多變數測試基於相同的機制，但它比較更多變數，並提供有關這些變數行為的更多資訊。在A/B測試中，您將頁面的流量分成不同設計版本。多變數測試用於衡量每個設計的有效性。
同時測試多個變數的問題在於，難以準確確定哪些變數造成了差異。雖然您可以說一個頁面比另一個頁面表現更好，但如果每個頁面上有三個或四個變數，您無法確定為什麼其中一個變數實際上對頁面有害，也無法在其他頁面上覆制好的元素。
以下是一些可以應用於網頁的A/B測試變體。該列表包括：標題、副標題、圖片、文字、號召性用語文字和按鈕、連結、徽章、媒體提及、社交提及、促銷活動和優惠、價格結構、送貨選項、支付選項、網站導航和使用者介面。
背景研究 - A/B測試的第一步是找出您網站上的跳出率。這可以使用Google Analytics等工具完成。
收集資料 - 來自Google Analytics的資料可以幫助您找到訪客行為。建議始終從網站收集足夠的資料。嘗試查詢可以改進的轉化率低或跳出率高的頁面。
設定業務目標 - 下一步是設定您的轉化目標。找到決定變體是否比原始版本更成功的指標。
構建假設 - 一旦為A/B測試設定了目標和指標，接下來就是尋找改進原始版本的想法以及它們如何比當前版本更好。一旦您有了想法列表，請根據預期影響和實施難度對它們進行優先排序。
建立變體/假設 - 市場上有很多A/B測試工具具有視覺化編輯器，可以有效地進行這些更改。成功執行A/B測試的關鍵決策是選擇正確的工具。
執行變體 - 向訪客展示您網站或應用程式的所有變體，並監控每個變體的操作。測量每個變體的訪客互動，並進行比較以確定該變體的效能。
分析資料 - 實驗完成後，下一步是分析結果。A/B測試工具將呈現實驗資料，並告訴您不同網頁變體的效能差異。還將使用數學方法和統計方法說明變體之間是否存在任何顯著差異。
最常見的型別的資料收集工具包括分析工具、回放工具、調查工具、聊天和電子郵件工具。
回放工具用於更好地瞭解使用者在您網站上的操作。它還可以讓您檢視使用者點選的點選圖和熱力圖，並檢查使用者瀏覽網站的程度。像Mouse Flow這樣的回放工具允許您檢視訪客的會話，就像您與訪客在一起一樣。
影片回放工具可以更深入地瞭解訪客瀏覽您網站上各個頁面的情況。最常用的工具是Mouse Flow和Crazyegg。
調查工具用於收集網站的定性反饋。這涉及向回頭訪客提出一些調查問題。調查會向他們提出一些常規問題，並允許他們輸入他們的觀點或從預先提供的選項中進行選擇。
您可以透過在底部新增更多圖片來減少跳出率。您可以新增社交網站連結以進一步提高轉化率。
可以使用多種型別的變體應用於物件，例如使用專案符號、更改關鍵元素的編號、更改字型和顏色等。市面上有很多A/B測試工具具有視覺化編輯器，可以有效地進行這些更改。成功執行A/B測試的關鍵決策是選擇正確的工具。
最常用的工具是Visual Website Optimizer、Google 內容實驗和Optimizely。
Visual Website Optimizer或VWO使您能夠測試同一頁面的多個版本。它還包含“所見即所得”(WYSIWYG)編輯器，使您能夠進行更改並執行測試，而無需更改頁面的HTML程式碼。您可以更新標題、元素編號並執行測試，而無需對IT資源進行更改。
要在VWO中為A/B測試建立變體，請在WYSIWYG編輯器中開啟您的網頁，您可以對任何網頁應用許多更改。這些包括更改文字、更改URL、編輯/編輯HTML、重新排列和移動。
Visual Website Optimizer還提供多變數測試選項，幷包含其他許多工具來執行行為定位、熱力圖、可用性測試等。
這些測試還可以應用於其他幾個地方，例如電子郵件、移動應用程式、PPC和CTA。
實驗完成後，下一步是分析結果。A/B測試工具將呈現實驗資料，並告訴您不同網頁變體的效能差異。它還將使用數學方法和統計方法說明變體之間是否存在顯著差異。
要將Optimizely與Universal Google Analytics整合，首先選擇側面板上的ON按鈕。然後，您必須擁有可用的自定義項，以便填充Optimizely實驗資料。
Universal Google Analytics跟蹤程式碼必須放置在頁面<head>部分的底部。除非Optimizely程式碼片段位於Analytics程式碼片段上方，否則Google Analytics整合將無法正常工作。
Google Analytics有兩種分析資料的方法，即Universal Analytics和Classic Google Analytics。新的Universal Analytics功能允許您使用20個併發A/B測試將資料傳送到Google Analytics，但是經典版本僅允許最多五個。
A/B測試會損害搜尋引擎排名這是一個誤解，因為它可能被歸類為重複內容。以下四種方法可以確保在執行A/B測試時不會損失潛在的SEO價值。
不要使用隱藏技術 - 隱藏技術是指向Googlebot代理顯示一個版本的網頁，而向網站訪客顯示另一個版本。
使用“rel=canonical” - 當您的A/B測試有多個URL時，您可以將“rel=canonical”新增到網頁中，以指示Google要索引哪個URL。Google建議使用規範元素而不是noindex標籤，因為它更符合其意圖。
使用302重定向而不是301重定向 - Google建議使用臨時重定向方法 - 302而不是永久301重定向。
不要長時間執行實驗 - 請注意，當您的A/B測試完成後，您應儘快刪除變體，並更改您的網頁，開始使用成功的轉化版本。